Gần đây, tôi đã nói với con gái của mình, một sinh viên đại học: Nếu muốn theo đuổi sự nghiệp kỹ sư, con nên tập trung vào việc học triết học bên cạnh các môn học kỹ thuật truyền thống. Tại sao vậy? Bởi vì điều đó sẽ cải thiện việc lập trình của con.
Điều này có vẻ ngược đời đối với một kỹ sư, nhưng khả năng phát triển mô hình tư duy trong vấn đề bạn muốn giải quyết và hiểu vì sao trước khi bắt đầu tìm hiểu cách thực hiện là một kỹ năng ngày càng quan trọng, đặc biệt trong thời đại của trí tuệ nhân tạo.
Việc lập trình là một trong những điều trí tuệ nhân tạo làm tốt nhất. Thường xuyên, trí tuệ nhân tạo có thể viết mã chất lượng cao hơn cả con người, và khả năng của nó đang nhanh chóng cải thiện. Bạn thấy đấy, ngôn ngữ máy tính, sử dụng vốn từ vựng ít hơn nhiều so với ngôn ngữ của con người. Và bởi vì sự phức tạp của một mô hình trí tuệ nhân tạo tăng theo bậc hai với vô số ký hiệu đại diện cho ngôn ngữ mà AI hiểu được, nên vốn từ vựng nhỏ hơn có nghĩa là kết quả nhanh hơn, tốt hơn.
Tuy nhiên, có một điều đáng chú ý ở đây: Mã do AI tạo ra có thể đúng về mặt cú pháp và ngữ nghĩa nhưng không chính xác về mặt chức năng. Nói cách khác, nó có thể hoạt động tốt nhưng không làm được những gì bạn muốn nó làm. Kết quả của một mô hình rất nhạy cảm đối với cách lời nhắc (prompt) được viết. Nếu lời nhắc không chính xác, trí tuệ nhân tạo của bạn sẽ tạo ra đoạn mã có thể đáng tin cậy nhất, tuy nhiên lại không chính xác và nguy hiểm nhất.
Trong lĩnh vực mới nổi có tên là “kỹ thuật ra lời nhắc” – ở giai đoạn này mang tính nghệ thuật hơn là khoa học – người dùng học cách tạo ra các lời nhắc rút gọn, diễn đạt và hiệu quả để làm cho trí tuệ nhân tạo làm theo ý muốn của họ. Có nhiều kỹ thuật tồn tại, chẳng hạn như kỹ thuật ra lời nhắc bao gồm chỉ dẫn và một vài ví dụ (few-shot prompting), trong đó người dùng thêm một số ví dụ vào lời nhắc để hướng dẫn trí tuệ nhân tạo theo đúng hướng, đôi khi với câu hỏi và câu trả lời. Ví dụ, để phân tích quan điểm sử dụng kỹ thuật few-shot prompting, một người dùng có thể nhập một lời nhắc (prompt) như: “Phân tích quan điểm của các câu thoại được thu thập trong một cuộc gọi” sử dụng các ví dụ cụ thể như “Triển vọng cải thiện: Tích cực” hoặc “Nhu cầu chậm lại: Tiêu cực” để giúp trí tuệ nhân tạo hiểu mô hình và bối cảnh để tạo ra các phân tích quan điểm chính xác dựa trên các ví dụ.
Một trong những kỹ năng quan trọng nhất mà tôi đã học trong nhiều thập kỷ quản lý nhóm kỹ sư là biết đặt đúng câu hỏi. Điều này tương tự như với trí tuệ nhân tạo: Chất lượng kết quả của một mô hình ngôn ngữ lớn (LLM) rất nhạy cảm với chất lượng của lời nhắc. Câu hỏi mơ hồ hoặc không được định hình rõ ràng sẽ làm cho trí tuệ nhân tạo cố gắng đoán câu hỏi bạn thực sự đang hỏi, điều này tăng khả năng nhận được một câu trả lời không chính xác hoặc thậm chí là hoàn toàn giả mạo (hiện tượng thường được gọi là “ảo giác”). Bởi vì vậy, người ta phải trước hết và quan trọng nhất là nắm vững luận điểm, logic và tư duy nguyên bản để có thể tận dụng tối đa trí tuệ nhân tạo – tất cả chính là những kỹ năng nền tảng được phát triển thông qua đào tạo/học triết học. Câu hỏi “Bạn có thể lập trình được không?” sẽ trở thành “Bạn có thể nhận được đoạn mã lập trình tốt nhất từ trí tuệ nhân tạo của bạn bằng cách đặt câu hỏi phù hợp không?”
Nhìn rộng hơn, sự phụ thuộc của hiệu suất trí tuệ nhân tạo vào chất lượng các mô hình tư duy do người dùng tương tác với trí tuệ nhân tạo cho thấy một sự chuyển đổi cơ bản trong mối quan hệ giữa các tác giả và độc giả, nói cách khác là mối quan hệ của chúng ta với tri thức. Theo một cách nào đó, nó tương đương với việc phát minh ra máy in, thứ đã dân chủ hóa thông tin thông qua việc sản xuất hàng loạt sách, và việc tạo ra thư viện và đại học. Trước khi có máy in, nếu bạn muốn tìm hiểu về toán học, ví dụ, bạn có thể phải tiếp cận với một nhà toán học hoặc quyền truy cập vào một văn bản được sao chép bằng tay, có thể được mua với chi phí lớn. Sách in khiến rào cản đó thấp hơn nhiều, và internet giảm nó xuống gần như bằng không. Tuy nhiên, vẫn còn một rào cản là khoảng cách tri thức giữa tác giả và độc giả. Bạn có thể truy cập bất kỳ bài báo hoặc sách nào trên thế giới, nhưng chúng ít có ích nếu bạn không thể hiểu chúng.
Làm việc với trí tuệ nhân tạo, mối quan hệ này thay đổi, cũng như khái niệm về quyền tác giả. Một mô hình ngôn ngữ lớn (LLM) điều chỉnh nội dung của mình dựa trên mức độ tri thức và hiểu biết của độc giả, lấy gợi ý/lời nhắc từ họ. Lời nhắc của độc giả là hạt giống kích thích trí tuệ nhân tạo tạo ra nội dung, dựa vào các nội dung trong dữ liệu đào tạo của nó để tạo ra một văn bản mới dành riêng cho người dùng đó – độc giả, một nghĩa nào đó, người đọc vừa là người tiêu dùng, vừa là tác giả. Sử dụng ví dụ về toán học, nếu bạn muốn hiểu khái niệm về giới hạn trong phép tính, bạn có thể tìm thấy một cuốn sách giáo khoa dành cho học sinh trung học hoặc đại học hoặc cố gắng tìm một nguồn trên Internet phù hợp với mức hiểu biết hiện tại của bạn. Một mô hình trí tuệ nhân tạo, ngược lại, có thể cung cấp hướng dẫn cá nhân hóa và thích ứng phù hợp với mức độ hiểu biết và phong cách học của bạn. Có thể trong tương lai, tiêu chuẩn vàng của việc học tập sẽ là: mọi người đều tiếp cận được các nội dung, hướng dẫn học tập cá nhân hoá. Hậu quả của việc đó là không thể tưởng tượng được.
Trí tuệ nhân tạo tạo ra sự thay đổi trong mối quan hệ của chúng ta với tri thức, xoá bỏ các rào cản, không chỉ cung cấp quyền truy cập vào kiến thức, mà còn giải thích kiến thức theo cách tiếp nhận phù hợp. Nó tạo ra một đường dốc nhẹ giữa mức độ hiểu biết của bạn và mức độ hiểu biết cần thiết để tiếp cận một chủ đề cụ thể. Nhưng khả năng truy cập vào tri thức được điều chỉnh phù hợp và, quan trọng hơn là chính xác, bắt đầu – và kết thúc – với người dùng. Khi tri thức trở nên dễ dàng hơn để có được, việc lập luận trở nên ngày càng quan trọng hơn. Nhưng việc sử dụng những kỹ năng tư duy triết học đó không kết thúc sau khi bạn nhận được kết quả bạn nghĩ bạn đang tìm kiếm – công việc vẫn chưa hoàn thành. Như chúng ta đã biết, trí tuệ nhân tạo có thể phạm lỗi, và chúng rất giỏi trong việc làm cho các kết quả không chính xác trở nên hợp lý, làm cho khả năng phân biệt sự thật trở thành một kỹ năng quan trọng khác. Để tương tác với công nghệ một cách có trách nhiệm để có được thông tin phù hợp và chính xác mà chúng ta muốn, chúng ta phải dẫn dắt bằng tư duy triết học cũng như thái độ hoài nghi phù hợp và lương thức trong suốt hành trình.
Trước đây, để tạo ra một chương trình máy tính, tôi phải bật/tắt các công tắc hoặc đục lỗ trên thẻ giấy. Quá trình tạo ra một phần mềm đó ở mức cơ bản với những sự phức tạp về số lượng bit của bộ nhớ hoặc thanh ghi mà máy tính sở hữu. Với hàng tỷ bóng bán dẫn và hàng ngàn tỷ ô nhớ, quá trình tạo ra phần mềm của chúng ta phải nâng lên các mức độ cao hơn với việc tạo ra các ngôn ngữ máy tính có thể trừu tượng hóa sự phức tạp của phần cứng cơ bản, cho phép các nhà phát triển tập trung gần như hoàn toàn vào chất lượng của thuật toán thay vì quan tâm đến các con số 0, 1.
Ngày nay, chúng ta đang ở thời điểm mà máy tính (tức là trí tuệ nhân tạo) không cần phiên dịch trung gian giữa ngôn ngữ chúng ta nói và ngôn ngữ chúng hiểu. Chúng ta có thể bỏ qua Rosetta Stone và chỉ nói tiếng Anh với máy tính. Chúng có thể hiểu có lẽ cũng tốt như khi nói chuyện với chúng bằng ngôn ngữ Python. Điều này ngay lập tức đặt ra hai lựa chọn: Chúng ta có thể trở nên lười biếng, hoặc chúng ta có thể nâng cao tư duy của mình.
Khi ngôn ngữ không còn là rào cản nữa, chúng ta có thể sử dụng toàn bộ khả năng diễn đạt của ngôn ngữ con người để truyền đạt các khái niệm và logic cao hơn cho trí tuệ nhân tạo, những khái niệm và logic đó sẽ nắm bắt yêu cầu của chúng ta một cách mạnh mẽ và hiệu quả nhất, theo cách mang tính tuyên bố (tập trung vào kết quả chúng ta muốn đạt được) so với mang tính mệnh lệnh (tập trung vào các bước làm thế nào để đạt được điều đó). Mệnh lệnh: Rẽ trái, sau đó đi thẳng, sau đó rẽ trái một lần nữa, sau đó (1.000 lần). Tuyên bố: Đưa tôi về nhà. Tôi đã thấy mọi người trên mạng xã hội tạo ra toàn bộ trò chơi chỉ với vài lời nhắc được viết một cách khéo léo mà trước đây đã phải mất hàng tháng để phát triển.
Điều này quay lại với điểm ban đầu của tôi: Có tư duy sắc bén về một vấn đề, có khả năng phân tích nó thành các bước dễ xử lý, tư duy nguyên bản hoàn hảo, đôi khi được chuẩn bị (và có thể) tranh luận với một trí tuệ nhân tạo cứng đầu – đây là những kỹ năng sẽ tạo ra một kỹ sư xuất sắc trong tương lai, và có lẽ cũng áp dụng cho nhiều loại nghề nghiệp khác.
Chúng ta không muốn mất khả năng kiểm tra những thứ mà trí tuệ nhân tạo đã tạo ra. Điều đó sẽ là một vấn đề thực sự cho loài người, và chúng ta có lẽ sẽ không để điều đó xảy ra vì chính chúng ta đang phát triển trí tuệ nhân tạo mà. Tuy nhiên, điều này chỉ giúp chúng ta được một phần nào đó. Tự động hóa cơ chế sinh ra mã lập trình và tập trung vào khả năng suy luận/tư duy phản biện là điều cho phép chúng ta tạo ra nhiều hơn, nhanh hơn và có tác động không cân xứng đến thế giới.
Giúp trí tuệ nhân tạo giúp chúng ta trở nên con người hơn!
Marco Agenti