The Math Behind Basketball's Wildest Moves | Rajiv Maheswaran | TED Talks

Translator: Chang Mai Reviewer: Duy Lê

My colleagues and I are fascinated by the science of moving dots.

Khoa học chuyển động điểm là ngành tôi và các đồng nghiệp rất say mê.

So what are these dots?

Vậy những chuyển động điểm đó là gì?

Well, it's all of us.

Đó đơn giản là con người.

And we're moving in our homes, in our offices, as we shop and travel

Con người di chuyển trong nhà, ở văn phòng, khi đi shopping, đi du lịch

throughout our cities and around the world.

khắp nơi mình sống và khắp thế giới.

And wouldn't it be great if we could understand all this movement?

Nếu có thể hiểu được những chuyển động ấy chẳng phải sẽ vô cùng thú vị sao?

If we could find patterns and meaning and insight in it.

Hiểu được những hình thái, ý nghĩa và bản chất của nó là gì.

And luckily for us, we live in a time

May thay, công nghệ ngày nay

where we're incredibly good at capturing information about ourselves.

đã cho phép ghi lại những số liệu về con người một cách rất tuyệt vời.

So whether it's through sensors or videos, or apps,

Nào là các thiết bị cảm ứng, camera, rồi các ứng dụng,

we can track our movement with incredibly fine detail.

đã cho phép ghi lại những chuyển động của con người một cách cực kỳ chi tiết.

So it turns out one of the places where we have the best data about movement

Và một nơi lý tưởng nhất để ghi lại chuyển động của con người

is sports.

đó là ở các trận đấu thể thao.

So whether it's basketball or baseball, or football or the other football,

Thế là từ bóng rổ, bóng chày, bóng bầu dục đến bóng đá,

we're instrumenting our stadiums and our players to track their movements

chúng tôi lắp thiết bị khắp sân vận động và trên cơ thể vận động viên

để ghi lại từng tích tắc chuyển động một.

every fraction of a second.

So what we're doing is turning our athletes into --

Đến đây chắc các bạn cũng đoán được công việc của chúng tôi rồi

you probably guessed it --

đó là nghiên cứu những vận động viên

moving dots.

như những chuyển động điểm.

So we've got mountains of moving dots and like most raw data,

Chúng tôi thu được cả núi chuyển động điểm nhưng những dữ liệu thô ấy

it's hard to deal with and not that interesting.

rẩt khó nghiên cứu và không đáng quan tâm lắm.

But there are things that, for example, basketball coaches want to know.

Cái có giá trị trong đó, là những điều huấn luyện viên luôn muốn biết,

And the problem is they can't know them because they'd have to watch every second

mà không thể biết được vì họ không thể theo dõi các trận đấu

of every game, remember it and process it.

từng giây một, không thể nhớ được hết và xử lý hết.

And a person can't do that,

Bởi vì con người không thể làm được điều đó.

but a machine can.

Nhưng máy móc thì có thể.

The problem is a machine can't see the game with the eye of a coach.

Vấn đề ở chỗ máy móc không thể hiểu được trận đấu như một huấn luyện viên,

At least they couldn't until now.

ít nhất cho đến nay là chưa.

Vậy chúng tôi đã dạy máy móc hiểu được những gì?

So what have we taught the machine to see?

So, we started simply.

Đầu tiên là những thứ đơn giản trước.

We taught it things like passes, shots and rebounds.

Ví dụ như chuyền bóng, ném bóng, rồi bắt bóng bật bảng,

Things that most casual fans would know.

những kiến thức cơ bản nhất đã.

And then we moved on to things slightly more complicated.

Sau đó chúng tôi tiếp tục đến những thứ phức tạp hơn,

Events like post-ups, and pick-and-rolls, and isolations.

ví dụ như đè chiếm vị trí, phối hợp yểm trợ, rồi cô lập.

And if you don't know them, that's okay. Most casual players probably do.

Nếu bạn không biết thì cũng không sao, người chơi nghiệp dư là đã biết rồi.

Now, we've gotten to a point where today, the machine understands complex events

Đến nay thiết bị của chúng tôi đã hiểu được những hành động phức tạp

like down screens and wide pins.

như di chuyển tạo khoảng trống, wide pin,

Basically things only professionals know.

những kỹ thuật của dân nhà nghề.

So we have taught a machine to see with the eyes of a coach.

Vậy là thiết bị của chúng tôi đã hiểu được trận đấu như một huấn luyện viên rồi.

So how have we been able to do this?

Vậy chúng tôi đã làm thế nào?

If I asked a coach to describe something like a pick-and-roll,

Nếu hỏi một huấn luyện viên phối hợp yểm trợ là gì,

they would give me a description,

rồi lấy những gì họ mô tả

and if I encoded that as an algorithm, it would be terrible.

đem mã hoá như một thuật toán, kết quả chắc kinh khủng luôn.

The pick-and-roll happens to be this dance in basketball between four players,

Bởi vì họ sẽ bảo, phối hợp yểm trợ là một điệu khiêu vũ giữa 4 cầu thủ

two on offense and two on defense.

hai người tấn công, và hai người phòng thủ.

And here's kind of how it goes.

Cơ bản nó là như thế này.

So there's the guy on offense without the ball

Một trong hai cầu thủ tấn công sẽ không giữ bóng.

the ball and he goes next to the guy guarding the guy with the ball,

Cầu thủ đó sẽ ở bên cạnh để yểm trợ cho cầu thủ có bóng.

and he kind of stays there

Và cầu thủ đó sẽ ở vị trí này.

and they both move and stuff happens, and ta-da, it's a pick-and-roll.

Cả hai cầu thủ sẽ cùng di chuyển đến rổ. Đấy, chỉ có thế thôi.

(Laughter)

(Khán giả cười)

So that is also an example of a terrible algorithm.

Đó là một ví dụ về một thuật toán tồi.

So, if the player who's the interferer -- he's called the screener --

Nếu cầu thủ yểm trợ, từ chuyên môn là cầu thủ cản

goes close by, but he doesn't stop,

di chuyển gần cầu thủ có bóng, nhưng không dừng lại,

it's probably not a pick-and-roll.

thì có thể không phải là phối hợp yểm trợ.

Or if he does stop, but he doesn't stop close enough,

Hoặc cầu thủ đó có dừng lại, nhưng quá xa cầu thủ có bóng,

it's probably not a pick-and-roll.

thì có thể cũng không phải là phối hợp yểm trợ.

Or, if he does go close by and he does stop

Hoặc cầu thủ đó ở gần, và có dừng lại,

but they do it under the basket, it's probably not a pick-and-roll.

nhưng hai cầu thủ đó ở vị trí dưới rổ, thì cũng không phải là phối hợp yểm trợ.

Or I could be wrong, they could all be pick-and-rolls.

Nhưng tất cả những cái đó rất dễ đánh giá sai.

It really depends on the exact timing, the distances, the locations,

Bởi vì khoảng thời gian, khoảng cách, và vị trí của cầu thủ

and that's what makes it hard.

phải xác định cực kỳ chính xác.

So, luckily, with machine learning, we can go beyond our own ability

May thay, nhờ có máy móc, chúng ta có thể mô tả những gì đã biết

to describe the things we know.

một cách phi thường.

So how does this work? Well, it's by example.

Thiết bị này làm việc như thế nào, bằng việc ghi lại các mẫu có sẵn.

So we go to the machine and say, "Good morning, machine.

Chúng tôi đến chỗ bạn thiết bị, bảo bạn ấy rằng,

Here are some pick-and-rolls, and here are some things that are not.

"Nhé, thế này là phối hợp yểm trợ, còn thế này là không phải.

Please find a way to tell the difference."

Nó khác nhau ở chỗ nào nào?"

And the key to all of this is to find features that enable it to separate.

Mấu chốt là ở chỗ tìm được đặc điểm để phân biệt được một cách rõ ràng.

So if I was going to teach it the difference

Nếu tôi phải dạy cho thiết bị cách để phân biệt

between an apple and orange,

quả táo và quả cam chẳng hạn.

I might say, "Why don't you use color or shape?"

Có lẽ tôi sẽ bảo nó hãy dựa vào màu sắc và hình dạng.

And the problem that we're solving is, what are those things?

Còn đối với trường hợp này thì nên dựa vào cái gì?

What are the key features

Đặc điểm mấu chốt nào

that let a computer navigate the world of moving dots?

giúp thiết bị có thể định vị được một biển các chuyển động điểm?

So figuring out all these relationships with relative and absolute location,

Vì thế, việc tìm ra mối liên hệ giữa vị trí tương đối và tuyệt đối,

distance, timing, velocities --

khoảng cách, thời gian và vận tốc

that's really the key to the science of moving dots, or as we like to call it,

là chìa khoá của ngành chuyển động điểm, hay gọi cho đúng ra

spatiotemporal pattern recognition, in academic vernacular.

theo tên chuyên ngành, là nhận thức hình thái không gian-thời gian.

Because the first thing is, you have to make it sound hard --

Nghe có vẻ phức tạp,

nhưng thực ra là nó phức tạp thật.

because it is.

The key thing is, for NBA coaches, it's not that they want to know

Vấn đề là ở chỗ, các huấn luyện viên không cần biết

whether a pick-and-roll happened or not.

đó có phải là phối hợp yểm trợ hay không.

It's that they want to know how it happened.

mà họ muốn biết cầu thủ của họ đã chơi như thế nào.

And why is it so important to them? So here's a little insight.

Vì sao họ muốn biết điều đó? Tôi xin tiết lộ một bí quyết nhà nghề của họ.

It turns out in modern basketball,

Trong ngành bóng rổ hiện đại,

this pick-and-roll is perhaps the most important play.

hầu như trận đấu nào cũng sử dụng kỹ thuật này.

And knowing how to run it, and knowing how to defend it,

Việc thuần thục kỹ thuật phối hợp yểm trợ

is basically a key to winning and losing most games.

là mấu chốt quyết định thắng bại.

So it turns out that this dance has a great many variations

Nhưng kỹ thuật này có rất nhiều biến thể

and identifying the variations is really the thing that matters,

và việc xác định các biến thể của nó là vô cùng quan trọng.

and that's why we need this to be really, really good.

Đó là lý do họ cần một thiết bị thật tốt.

So, here's an example.

Tôi xin đưa ra một ví dụ.

There are two offensive and two defensive players,

Hai cầu thủ tấn công và hai cầu thủ phòng vệ.

getting ready to do the pick-and-roll dance.

đang chuẩn bị thực hiện kỹ thuật phối hợp yểm trợ.

So the guy with ball can either take, or he can reject.

Cầu thủ có bóng có thể tiếp nhận hoặc không tiếp nhận phối hợp.

His teammate can either roll or pop.

Người đồng đội có thể lật hoặc giật.

The guy guarding the ball can either go over or under.

Cầu thủ bảo vệ bóng có thể di chuyển phía trên hoặc phía dưới.

His teammate can either show or play up to touch, or play soft

Người đồng đội có thể show hoặc play up to touch, hoặc play soft.

and together they can either switch or blitz

Và cùng nhau họ có thể đổi chỗ hoặc tấn công chớp nhoáng.

and I didn't know most of these things when I started

Mới đầu tôi thậm chí còn không hiểu gì về những điều đó.

and it would be lovely if everybody moved according to those arrows.

Và nếu các cầu thủ di chuyển đúng như thế,

It would make our lives a lot easier, but it turns out movement is very messy.

chúng tôi sẽ dễ thở hơn nhiều, nhưng thực tế lại còn khó khăn hơn thế.

People wiggle a lot and getting these variations identified

Các cầu thủ dao động rất nhiều, khiến cho việc xác định những biến thể

với độ chính xác cao, cả về tính chính xác,

with very high accuracy,

both in precision and recall, is tough

và khả năng truy vấn, trở nên rất khó khăn

because that's what it takes to get a professional coach to believe in you.

nhưng có thế các huấn luyện viên mới có thể tin tưởng chúng tôi được.

And despite all the difficulties with the right spatiotemporal features

Nhưng cho dù những đặc điểm không gian-thời gian có khó khăn đến đâu

we have been able to do that.

chúng tôi đã vượt qua hết.

Coaches trust our ability of our machine to identify these variations.

Các huấn luyện viên đã tin tưởng chúng tôi trong việc xác định những biến thể ấy.

We're at the point where almost every single contender

Chúng tôi đã tiến đến mức hầu như tất cả các ứng cử viên

for an NBA championship this year

tham gia vào giải NBA năm nay

is using our software, which is built on a machine that understands

đều sử dụng phần mềm của chúng tôi, được cài đặt trên một thiết bị

hiểu được những chuyển động của bóng rổ.

the moving dots of basketball.

So not only that, we have given advice that has changed strategies

Không chỉ có vậy, chúng tôi đã có thể đưa ra những lời khuyên về chiến thuật

that have helped teams win very important games,

giúp đội bóng chiến thắng các trận đấu quan trọng.

and it's very exciting because you have coaches who've been in the league

Cảm giác được một huấn luyện viên đã 30 năm trong nghề

for 30 years that are willing to take advice from a machine.

hỏi ý kiến thiết bị của chúng tôi thật sự rất tự hào.

And it's very exciting, it's much more than the pick-and-roll.

Không chỉ có phối hợp yểm trợ, nó còn biết nhiều hơn thế.

Our computer started out with simple things

Lúc đầu nó chỉ hiểu được những thứ đơn giản,

and learned more and more complex things

nhưng dần dần đã hiểu được những thứ phức tạp hơn.

and now it knows so many things.

Giờ đây nó đã biết rất nhiều thứ rồi.

Frankly, I don't understand much of what it does,

Nói thẳng tôi thậm chí còn không hiểu mấy những cái nó làm

and while it's not that special to be smarter than me,

Tất nhiên đôi khi máy móc có thể thông minh hơn con người,

we were wondering, can a machine know more than a coach?

chúng tôi vẫn băn khoăn, liệu nó có thể biết nhiều hơn cả huấn luyện viên không?

Can it know more than person could know?

Liệu nó có biết nhiều hơn cả con người không?

And it turns out the answer is yes.

Hoá ra là có.

The coaches want players to take good shots.

Huấn luyện viên luôn muốn cầu thủ có được những cú ném tốt.

So if I'm standing near the basket

Nếu cầu thủ đang ở gần rổ

and there's nobody near me, it's a good shot.

mà không có đối thủ nào xung quanh thì quá đơn giản.

If I'm standing far away surrounded by defenders, that's generally a bad shot.

Nhưng nếu cầu thủ ở quá xa rổ, lại bị nhiều đối thủ kèm thì khó mà ném tốt được.

But we never knew how good "good" was, or how bad "bad" was quantitatively.

Nhưng về định tính, chưa ai xác định được tình huống tốt/không tốt đến mức nào.

Cho đến khi thiết bị này ra đời.

Until now.

So what we can do, again, using spatiotemporal features,

Điều mà chúng tôi làm được, là sử dụng các đặc điểm không gian-thời gian

we looked at every shot.

Chúng tôi quan sát từng cú ném một.

We can see: Where is the shot? What's the angle to the basket?

Chúng tôi có thể quan sát được từ vị trí của cú ném, góc hướng rổ,

Where are the defenders standing? What are their distances?

đến vị trí của các đối thủ phòng vệ, khoảng cách của họ,

What are their angles?

góc đứng của họ.

For multiple defenders, we can look at how the player's moving

Nếu có nhiều đối thủ, chúng tôi quan sát được họ di chuyển như thế nào

and predict the shot type.

và dự đoán được loại ném.

We can look at all their velocities and we can build a model that predicts

Chúng tôi dựa vào vận tốc của họ để xây dựng một mô hình dự đoán

what is the likelihood that this shot would go in under these circumstances?

khả năng ghi điểm của cú ném đó.

So why is this important?

Vì sao điều này lại quan trọng?

We can take something that was shooting,

Nếu trước đây cú ném chỉ là cú ném thôi

which was one thing before, and turn it into two things:

thì bây giờ chúng tôi phân tích nó thành hai yếu tố

the quality of the shot and the quality of the shooter.

chất lượng của cú ném và chất lượng của cầu thủ

So here's a bubble chart, because what's TED without a bubble chart?

Đây là một biểu đồ bong bóng. Đã là TED thì phải có biểu đồ bong bóng chứ.

(Laughter)

(Khán giả cười)

Those are NBA players.

Đây là các cầu thủ NBA.

The size is the size of the player and the color is the position.

Kích cỡ của bong bóng là kích cỡ của cầu thủ, và màu sắc là vị trí.

On the x-axis, we have the shot probability.

Trục X thể hiện khả năng ghi điểm của cú ném.

People on the left take difficult shots,

Các cầu thủ bên trái thực hiện các cú ném khó,

on the right, they take easy shots.

Các cầu thủ bên phải thực hiện các cú ném dễ.

On the [y-axis] is their shooting ability.

Trục Y thể hiện năng lực của cầu thủ.

People who are good are at the top, bad at the bottom.

Các cầu thủ giỏi ở phía trên, cầu thủ kém ở phía dưới.

So for example, if there was a player

Ví dụ, trước đây bạn chỉ biết một cầu thủ nào đó

who generally made 47 percent of their shots,

đã thực hiện cú ném có 47% khả năng ghi điểm

that's all you knew before.

bạn chỉ biết được có thế.

But today, I can tell you that player takes shots that an average NBA player

Nhưng hôm nay, tôi có thể cho bạn biết cầu thủ đó đã thực hiện một cú ném

mà một cầu thủ NBA bình thường có thể đạt được 49%

would make 49 percent of the time,

và anh ta ném kém hơn 2%.

and they are two percent worse.

And the reason that's important is that there are lots of 47s out there.

Điều này rất quan trọng bởi vì có rất nhiều những cú ném kém như vậy.

And so it's really important to know

nên cần phải biết được

if the 47 that you're considering giving 100 million dollars to

cú ném của cầu thủ mà bạn đang định ký hợp đồng 100tr đôla đó

is a good shooter who takes bad shots

là cú ném tồi của một cầu thủ giỏi

or a bad shooter who takes good shots.

hay cú ném tốt của một cầu thủ kém.

Machine understanding doesn't just change how we look at players,

Thiết bị này không thay đổi cách chúng ta nhìn nhận cầu thủ

it changes how we look at the game.

nhưng thay đổi cách chúng ta nhìn nhận trận đấu.

So there was this very exciting game a couple of years ago, in the NBA finals.

Xin kể một câu chuyện, cách đây vài năm trong một trận chung kết giải NBA

Miami was down by three, there was 20 seconds left.

Đội Miami đang thua 3 điểm mà chỉ còn 20 giây

They were about to lose the championship.

Họ sắp vuột mất chức vô địch đến nơi.

A gentleman named LeBron James came up and he took a three to tie.

Một anh bạn trẻ tên là LeBron James xông lên thực hiện cú ném 3 điểm

He missed.

Ném không trúng.

Đồng đội của anh ta, Chris Bosh đã bắt bóng bật bảng

His teammate Chris Bosh got a rebound,

passed it to another teammate named Ray Allen.

chuyền cho một cầu thủ khác là Ray Allen.

He sank a three. It went into overtime.

Anh ta ghi 3 điểm. Rồi họ chơi bù giờ.

Đội Miami thắng trận đó và giành chức vô địch.

They won the game. They won the championship.

It was one of the most exciting games in basketball.

Đó là một trong những trận đấu hay nhất trong lịch sử bóng rổ.

And our ability to know the shot probability for every player

Việc tính toán được khả năng ghi điểm của mỗi cầu thủ

at every second,

trong từng giây một

and the likelihood of them getting a rebound at every second

và khả năng họ bắt được bóng bật bảng từng giây một

can illuminate this moment in a way that we never could before.

sẽ lý giải khoảnh khắc ấy bằng một phương pháp trước kia chưa từng có.

Now unfortunately, I can't show you that video.

Rất tiếc tôi không được phép sử dụng đoạn băng đó ở đây.

But for you, we recreated that moment

Nhưng để các bạn hình dung được, chúng tôi đã đóng lại tình huống ấy

at our weekly basketball game about 3 weeks ago.

trong trận bóng của công ty khoảng 3 tuần trước.

(Laughter)

(Khán giả cười)

And we recreated the tracking that led to the insights.

Chúng tôi đã dựng lại các phân tích dẫn đến các chỉ đạo trong tình huống đó.

So, here is us. This is Chinatown in Los Angeles,

Đây, đây là đội bóng công ty chúng tôi. Đây là Chinatown ở Los Angeles,

ở công viên mà chúng tôi hay chơi vào cuối tuần.

a park we play at every week,

and that's us recreating the Ray Allen moment

Chúng tôi đang dựng lại khoảnh khắc của Ray Allen hồi ấy

and all the tracking that's associated with it.

và các phân tích mà thiết bị đã làm.

So, here's the shot.

Và đây là cú ném huyền thoại ấy.

I'm going to show you that moment

Tôi sẽ cho các bạn xem khoảnh khắc ấy

and all the insights of that moment.

và tất cả những chỉ đạo của huấn luyện viên.

The only difference is, instead of the professional players, it's us,

Chỉ khác đây là chúng tôi, thay vì là cầu thủ chuyên nghiệp,

and instead of a professional announcer, it's me.

và tôi sẽ là bình luận viên.

So, bear with me.

Các bạn chịu khó nhé.

Miami.

Đây là đội Miami.

Down three.

Đang bị dẫn 3 điểm.

Twenty seconds left.

Còn 20 giây.

Jeff brings up the ball.

Jeff chuyền bóng.

Josh catches, puts up a three!

Josh đã bắt được, chuẩn bị ném cú 3 điểm!

[Calculating shot probability]

(Thiết bị tính toán khả năng ghi điểm)

[Shot quality]

(Chất lượng ném)

[Rebound probability]

(Khả năng bắt bóng bật bảng)

Won't go!

Không trúng!

[Rebound probability]

(Khả năng bắt bóng bật bảng)

Rebound, Noel.

Noel bắt đi.

Back to Daria.

Chuyền cho Daria.

[Shot quality]

(Chất lượng ném)

Her three-pointer -- bang!

Cú 3 điểm - xong!

Tie game with five seconds left.

Trận hoà với 5 giây còn lại.

The crowd goes wild.

Đám đông cuồng lên.

(Laughter)

(Khán giả cười)

That's roughly how it happened.

Đại loại khoảnh khắc đó là như vậy.

(Applause)

(Khán giả vỗ tay)

Roughly.

Đại loại thôi.

(Applause)

(Khán giả vỗ tay)

That moment had about a nine percent chance of happening in the NBA

Trong các giải NBA có khoảng 9% khả năng xảy ra những khoảnh khắc như vậy.

Chúng tôi tính toán được và còn tính toán được nhiều thứ nữa.

and we know that and a great many other things.

I'm not going to tell you how many times it took us to make that happen.

Nhưng tôi không nói cho các bạn chúng tôi đã phải đóng lại mấy lần mới đạt đâu.

(Laughter)

(Khán giả cười)

Okay, I will! It was four.

Thôi được tôi nói. 4 lần .

(Laughter)

(Khán giả cười)

Way to go, Daria.

Daria cậu làm tốt lắm.

But the important thing about that video

Nhưng điều quan trọng trong đoạn băng đó

and the insights we have for every second of every NBA game -- it's not that.

không phải là những chỉ đạo từ cánh gà của huấn luyện viên.

It's the fact you don't have to be a professional team to track movement.

Bạn không cần là huấn luyện viên mới theo dõi được các chuyển động.

Bạn không cần là cầu thủ chuyên nghiệp mới có phân tích các chuyển động của mình.

You do not have to be a professional player to get insights about movement.

In fact, it doesn't even have to be about sports because we're moving everywhere.

Thậm chí, bạn không cần phải chơi thể thao bởi bạn tạo ra chuyển động ở khắp nơi.

We're moving in our homes,

Bạn chuyển động trong nhà mình,

in our offices,

trong công sở,

as we shop and we travel

khi đi shopping, khi đi du lịch

throughout our cities

khắp nơi bạn sống

and around our world.

và khắp thế giới.

What will we know? What will we learn?

Thiết bị này có thể giúp được gì?

Perhaps, instead of identifying pick-and-rolls,

Không phải nhận dạng kỹ thuật phối hợp yểm trợ nữa,

a machine can identify the moment and let me know

mà xác định khoảnh khắc và báo cho tôi biết

when my daughter takes her first steps.

khi nào con tôi bước bước đi đầu tiên.

Which could literally be happening any second now.

Cháu sắp biết đi rồi đấy các bạn ạ.

Perhaps we can learn to better use our buildings, better plan our cities.

Hay giúp chúng ta sử dụng các toà nhà tốt hơn, quy hoạch thành phố tốt hơn.

I believe that with the development of the science of moving dots,

Tôi tin rằng với sự phát triển của khoa học chuyển động điểm,

we will move better, we will move smarter, we will move forward.

Chúng ta sẽ chuyển động tốt hơn, thông minh hơn và sẽ tiến về phía trước.

Thank you very much.

Xin cám ơn các bạn rất nhiều.

(Applause)

(Khán giả vỗ tay)