Luyện nói tiếng Anh bằng Shadowing qua video: What is AI Ethics?
Chọn chế độ luyện tập
Mỗi chế độ mở một phòng luyện tập toàn màn hình.
72 câu
Nếu các câu quá ngắn hoặc quá dài, hãy bấm Edit để chỉnh sửa.
1
I want to start off with talking to you about three things that keep me up at night, right?
2
Three things.
3
The first, and it may be, you know, very common for you too, is climate change.
4
Climate change absolutely keeps me up at night.
5
The second thing that keeps me up at night is
6
that people may have no idea that an artificial intelligence is making a decision
7
that directly impacts their lives what percentage interest rate you get on your loan,
8
whether you get that job that you applied for, whether your kid gets into that college that they really want to go to.
9
Today, AI is making decisions that directly impact you.
10
The third thing that keeps me up at night is even
11
when When people know that an AI is making a decision about them,
12
they may assume that because it's not a fallible human with bias,
13
that somehow the AI is going to make a decision that's morally or ethically squeaky clean.
14
And that could not be farther from the truth.
15
So if you think about organizations and what happens, over 80 % of the time,
16
proof of concepts associated with artificial intelligence actually gets stalled in testing.
17
And more often than not, it is because people do not trust the results from that AI model.
18
So we're going to talk a lot about trust.
19
And when thinking about trust, I'm going to switch colors here, there's actually five pillars.
20
Okay.
21
When you're thinking about what does it take to earn trust in an artificial intelligence
22
that's being made by your organization or being procured by your organization, five pillars.
23
The first thing to be thinking about is fairness.
24
How can you ensure that the AI model is fair towards everybody, in particular historically underrepresented groups?
25
The second is explainable.
26
Is your AI model explainable such that you'd be able to tell somebody,
27
an end user, what data sets were being used in order to curate that model?
28
What methods, what expertise, what's the data lineage and provenance associated with how that model was trained?
29
The third, robustness.
30
Can you assure end users that nobody can hack such an AI model such
31
that a person could disadvantage willfully other people and or make the results of that model benefit one particular person over another?
32
The fourth is transparency.
33
Are you telling people right off the bat than the AI model is indeed being used to make that decision?
34
And are you giving people access to a fact sheet or metadata so that they can learn more about that model?
35
And the fifth one is, are you assuring people's data privacy?
36
So those are the five pillars, okay?
37
Now, IBM has come up with three principles when thinking about AI in an organization.
38
The first being that the purpose of artificial intelligence is really meant to be to augment human intelligence,
39
not to replace it.
40
The second is that data and the insights from those data belong to the creator alone.
41
And the third is that AI systems, and I would opine the entire AI lifecycle, really should be transparent and explainable right?
42
So those are the five pillars.
43
Now, the next thing I want you to remember
44
as you're thinking about this space of earning trust and artificial intelligence is that this is not a technological challenge.
45
It can't be solved with just throwing tools and tech over some kind of a fence.
46
This is a socio -technological challenge.
47
Socio meaning people, people, people.
48
Socio -technological challenge.
49
And because it's a socio -technological challenge.
50
It must be addressed holistically, okay?
51
Holistically, meaning there's three major things that you should think about.
52
I mentioned people, people, the culture of your organization, right?
53
Thinking about the diversity of your teams, you know, your data science team who is curating that data to train that model.
54
How many women are on that team?
55
How many minorities are on that team, right?
56
Think about diversity.
57
I don't know if you've ever heard of the the wisdom of crowns that's actually a proven mathematical theory
58
The more diverse your group of people, the less chance for error.
59
And that is absolutely true in the realm of artificial intelligence.
60
The second thing is process or governance, right?
61
What is it that you as your organization,
62
what are you going to promise both your employees as well as the market with respect to what standards
63
you're going to stand by for your AI model in terms of things like fairness and explainability, accountability, etc., right?
64
And the third area is tooling, right?
65
What are the tools, AI engineering,
66
methods, frameworks that you can use in order to ensure these things, ensure those five pillars?
67
And we're going to do a deep dive into that as well.
68
But the next show that I'm going to be running with you, we're actually going to be talking about this one, about people and culture.
69
So stay tuned.
70
If you like this video and series, please comment below.
71
Stay tuned for more videos that are part of this series.
72
And to get updates, please like and subscribe.
Tải Ứng Dụng
Mọi thứ bạn cần để nói trôi chảy
Chấm điểm AIChấm từng câu nói
Luyện IPAThành thạo mọi âm
Từ vựngMở rộng vốn từ
Game Từ vựngHọc qua chơi
Cùng kênh
B21
Every Generation Thinks This Time Is Different: The AI Job Myth
Daily ConversationWorking Adults
C12
What is Event Driven Architecture (EDA)?
Daily ConversationUniversity StudentsWorking Adults
C11
Agentic AI Frameworks Explained: Workflows, Multi-Agent, & Production
Daily ConversationUniversity StudentsWorking Adults
C18
AI, Machine Learning, Deep Learning and Generative AI Explained
Daily ConversationUniversity StudentsWorking Adults
C11
Spec-Driven Development: AI Assisted Coding Explained
Daily ConversationUniversity StudentsWorking Adults
C15
AI Agents vs Business Rules: Which Should Make Decisions?
Daily ConversationUniversity StudentsWorking Adults
C13
AI & Education: Generative AI & the Future of Critical Thinking
Business EnglishUniversity StudentsWorking Adults
C12
EDR vs. EPP vs. NGAV
Business EnglishWorking Adults
C13
MCP vs ADK: How Modern AI Agents Connect and Work Together
University StudentsWorking Adults
C11
Cybersecurity Architecture: Data Security
Business EnglishUniversity StudentsWorking Adults
C113
The 7 Skills You Need to Build AI Agents
Business EnglishUniversity StudentsWorking Adults
C14
What Is Jev? The AI Model That Doesn't Generate Text
Daily ConversationUniversity StudentsWorking Adults
C118
How Smart Organizations Will Use AI: Jevons Paradox & Workforce Impact
Business EnglishUniversity StudentsWorking Adults
C111
What are AI Agents?
Business EnglishUniversity StudentsWorking Adults
C16
Cybersecurity Architecture: Five Principles to Follow (and One to Avoid)
Business EnglishUniversity StudentsWorking Adults
C11
Zero Trust Explained in 4 mins
Business EnglishUniversity StudentsWorking Adults
C1What is Responsible AI? A Guide to AI Governance
Daily ConversationUniversity StudentsWorking Adults
FOR YOU
Video gợi ý
C11
105 câu
AI Governance Explained: Ethical, Transparent & Accountable AI for the Future
Daily ConversationUniversity StudentsWorking Adults
C141 câu
No, Really — Is A.I. a Bubble? | The Ezra Klein Show
Daily ConversationUniversity StudentsWorking Adults
C11
74 câu
AI & Inequality | Daron Acemoglu: Big Tech poses risks as AI reshapes society
Daily ConversationUniversity StudentsWorking Adults
C14
76 câu
Make AI Believe in God to Keep Humans Safe, Scientist Argues
Daily ConversationUniversity StudentsWorking Adults
C18
55 câu
When AIs act emotional
Daily ConversationUniversity StudentsWorking Adults
C11
114 câu
Harnessing generative AI in architecture, engineering & construction
Daily ConversationUniversity StudentsWorking Adults
C13
211 câu
IAM
Daily ConversationUniversity StudentsWorking Adults
C12
74 câu
How AI is helping brands identify consumer trends faster
Daily ConversationUniversity StudentsWorking Adults
C11
623 câu
The Only SaaS Moats Left in 2026
Daily ConversationUniversity StudentsWorking Adults
C14
106 câu
DPM Gan Kim Yong's Speech at the "Trust and AI: Navigating a World in Transition" Leaders Dialogue
Daily ConversationUniversity StudentsWorking Adults
Từ vựng và ghi chú luyện nói cho bài học này
Bài luyện nói này dựa trên video “What is AI Ethics?”. Những từ được nhắc lại nhiều nhất trong bài: model, intelligence, artificial, organization, thinking. Video này có 21 câu và 859 từ để luyện shadowing. Phần lời nói dài 6:09. Người nói giữ tốc độ đều, khoảng 140 từ mỗi phút, vừa sức để nói đuổi theo. 86% số từ nằm trong 3.000 từ tiếng Anh thông dụng nhất; phần còn lại nên xem trước khi luyện. 13 trong 21 câu là câu hỏi, nên bài này hợp để luyện ngữ điệu câu hỏi và cách trả lời ngắn.
Từ vựng quan trọng trong video
15 từ đáng học trong video, kèm phiên âm và nghĩa:
| Từ | Phiên âm | Nghĩa |
|---|---|---|
| artificial tính từ | /ˌɑː.tɪˈfɪʃ.əl/ | nhân tạo |
| pillar danh từ | /ˈpɪlɚ/ | cột |
| technological tính từ | /ˌtɛk.nəˈlɑ.dʒɪ.kəl/ | công nghệ |
| earn động từ | /ɝn/ | kiếm |
| diversity danh từ | /daɪˈvɜː(ɹ)sɪti/ | sự đa dạng |
| tune danh từ | /tjuːn/ | điệu nhạc, âm điệu |
| percentage danh từ | /pə(ɹ)ˈsɛntɪd͡ʒ/ | số phần trăm, tỷ lệ phần trăm |
| solve động từ | /sɒlv/ | giải quyết |
| minority danh từ | /maɪˈnɒɹ.ɪ.ti/ | thiểu số, số ít |
| sheet danh từ | /ʃit/ | tờ |
| privacy danh từ | /ˈpɹaɪ.və.si/ | sự riêng tư |
| principle danh từ | /ˈpɹɪn.sɪ.pəl/ | nguyên lí, nguyên tắc |
| wisdom danh từ | /ˈwɪzdəm/ | khôn ngoan, trí tuệ |
| diverse tính từ | /daɪˈvɜːs/ | đa dạng |
| creator danh từ | /kɹiːˈeɪ̯təː/ | tạo vật chủ, tạo hoá |
Ngữ pháp trong video
Những cấu trúc người nói dùng nhiều nhất, kèm đúng cụm từ trong video:
| Cấu trúc | Trong video |
|---|---|
| Câu bị động be + quá khứ phân từ — nhấn vào việc xảy ra, không phải người làm | being made · was trained · is really meant |
| Thì hiện tại hoàn thành have/has + quá khứ phân từ — việc đã xảy ra nhưng còn liên quan đến hiện tại | has come · you've ever heard |
Phát âm cần chú ý
Người nói dùng 13 dạng rút gọn, ví dụ we're, you're, I'm. Hãy nói theo dạng ngắn đúng như bạn nghe.
- Âm “th”: mathematical /ˌmæθ(.ə)ˈmæt.ɪ.kəl/, ethically /ˈɛθɪkəli/
- Âm “sh” và “zh”: artificial /ˌɑː.tɪˈfɪʃ.əl/, associate /əˈsoʊʃi.ət/, assure /əˈʃʊɹ/, sheet /ʃit/
- Từ dài — đặt trọng âm cho đúng: artificial /ˌɑː.tɪˈfɪʃ.əl/, technological /ˌtɛk.nəˈlɑ.dʒɪ.kəl/, associate /əˈsoʊʃi.ət/, diversity /daɪˈvɜː(ɹ)sɪti/, minority /maɪˈnɒɹ.ɪ.ti/
Những âm người Việt thường gặp khó:
- Cụm phụ âm cuối — đọc đủ từng âm, đừng nuốt âm cuối: solve /sɒlv/, fence /fɛns/, governance /ˈɡʌvəɹnəns/, transparent /tɹænsˈpæɹənt/, augment /ɔɡˈmɛnt/
- Âm /tʃ/, /dʒ/ và /ʒ/ — tiếng Việt không có, đừng đọc thành “ch” hay “gi”: technological /ˌtɛk.nəˈlɑ.dʒɪ.kəl/, percentage /pə(ɹ)ˈsɛntɪd͡ʒ/, disadvantage /ˌdɪsədˈvæntɪd͡ʒ/, lineage /ˈlɪn.i.ɪd͡ʒ/
- Âm /æ/ — mở miệng rộng hơn âm “e”: mathematical /ˌmæθ(.ə)ˈmæt.ɪ.kəl/, transparent /tɹænsˈpæɹənt/, transparency /tɹænsˈpæɹənsi/, disadvantage /ˌdɪsədˈvæntɪd͡ʒ/
Cách luyện với video này
- Nghe hết video một lần, chưa cần nói, và ghi lại những từ bạn chưa biết.
- Nói đuổi từng câu ở tốc độ bình thường, lặp lại mỗi câu đến khi nhịp của bạn khớp với người nói.
- Ghi âm giọng mình rồi so với bản gốc, chú ý các từ như artificial, pillar, technological.
Phương Pháp Shadowing Là Gì?
Shadowing là kỹ thuật học ngôn ngữ có cơ sở khoa học, ban đầu được phát triển cho chương trình đào tạo phiên dịch viên chuyên nghiệp và được phổ biến rộng rãi bởi nhà đa ngôn ngữ học Dr. Alexander Arguelles. Nguyên lý cốt lõi đơn giản nhưng cực kỳ hiệu quả: bạn nghe tiếng Anh của người bản xứ và lặp lại to ngay lập tức — như một "cái bóng" (shadow) đuổi theo người nói với độ trễ chỉ 1–2 giây. Khác với luyện ngữ pháp hay học từ vựng bị động, Shadowing buộc não bộ và cơ miệng phải đồng thời xử lý và tái tạo ngôn ngữ thực tế. Các nghiên cứu khoa học xác nhận phương pháp này cải thiện đáng kể phát âm, ngữ điệu, nhịp điệu, nối âm, kỹ năng nghe và độ lưu loát khi nói — đặc biệt hiệu quả cho người luyện IELTS Speaking và muốn giao tiếp tiếng Anh tự nhiên như người bản ngữ.