Nguyên tác: The Age of De-Skilling, Will AI stretch our minds—or stunt them?
Tác giả: Kwame Anthony Appiah
Chuyển ngữ: PHAN THỊ SÓNG BIỂN
Nỗi lo âu lớn dần, từ tiếng thì thầm thành một cơn ồn, với muôn vàn biến thể về một chủ đề đáng ngại: “Bộ não của bạn khi dùng ChatGPT.” “AI đang khiến bạn ngu đi.” “AI đang giết chết tư duy phản biện.”
Trước đây, người ta lo rằng một trí tuệ nhân tạo (AI) mất kiểm soát sẽ tiêu diệt nhân loại, có thể biến cả hành tinh thành nhà máy sản xuất kẹp giấy. Giờ đây, khi chatbot đã đi theo con đường của Google, trở thành một điều hiển nhiên, nỗi lo cũng đổi dạng: từ tận thế sang thoái hóa.
Đặc biệt, giới giáo chức, nói rằng họ bắt đầu thấy sự “thối rữa” ấy. Thuật ngữ dành cho hiện tượng này nghe không mấy đẹp, nhưng khá chính xác: mất kỹ năng (de-skilling).
Nỗi lo ấy không hề viển vông. Những đứa trẻ dùng Gemini để tóm tắt cuốn Twelve Night, Đêm Thứ Mười Hai có thể sẽ chẳng bao giờ tự vật lộn được với Shakespeare. Những luật sư tương lai dựa vào Harvey AI để phân tích pháp lý có thể sẽ không phát triển được năng lực diễn giải mà thế hệ trước xem là điều hiển nhiên.
Trong một nghiên cứu tại Anh gần đây, vài trăm người tham gia được cho làm một bài kiểm tra tư duy phản biện tiêu chuẩn, đồng thời được hỏi về mức độ dùng AI để nghiên cứu hay ra quyết định. Kết quả: những người trẻ dựa vào công nghệ nhiều hơn và đạt điểm thấp hơn. Một nghiên cứu khác quan sát các bác sĩ thực hiện nội soi đại tràng: sau ba tháng dùng AI để phát hiện polyp, những bác sĩ này trở nên kém nhạy bén hơn khi phải tự quan sát bằng mắt thường.
Nhưng điều đáng suy ngẫm không phải là việc “mất kỹ năng” có tồn tại hay không vì hiển nhiên là có, mà là bản chất của việc mất kỹ năng đó là gì. Phải chăng mọi hình thức mất kỹ năng đều có hại? Hay có những loại mà chúng ta có thể chấp nhận, thậm chí chào đón?
“Mất kỹ năng” là một khái niệm bao trùm cho nhiều dạng mất mát rất khác nhau: có cái đắt giá, có cái tầm thường, có cái lại sinh ra điều mới mẻ. Để hiểu rõ điều gì đang bị đánh đổi, ta phải nhìn kỹ vào cách mà kỹ năng rạn nứt, phai nhạt, hoặc biến đổi mỗi khi có công nghệ mới xuất hiện.
Những Chatbot chúng ta đang dùng rất mới. Kiến trúc “transformer” chỉ mới được phát minh vào năm 2017, và ChatGPT ra mắt công chúng chỉ năm năm sau đó. Nhưng nỗi sợ rằng một công nghệ mới có thể làm cùn mòn trí tuệ con người thì đã hiện hữu từ lâu.
Trong tác phẩm Phaedrus, ra đời từ thế kỷ thứ tư trước Công nguyên, Socrates kể lại một huyền thoại: vị thần Ai Cập Thoth dâng lên vua Thamus món quà chữ viết, điều ông gọi là “một công thức cho trí nhớ và trí tuệ.” Nhưng Thamus không thấy hứng thú. Cho rằng sự hiểu biết chính là trí thức, Thamus cảnh báo là chữ viết sẽ mang lại điều ngược lại: nó sẽ gieo rắc sự quên lãng, khiến con người đánh đổi công sức ghi nhớ bằng những ký hiệu. Socrates đứng về phía Thamus. Ông than phiền rằng chữ viết không bao giờ trả lời được những câu hỏi cụ thể của con người; nó đáp lại ai cũng như nhau, người khôn hay kẻ dại, và hoàn toàn bất lực khi bị hiểu sai.
Tất nhiên, lý do ngày nay chúng ta biết được điều này, lý do mà câu chuyện ấy vẫn được nhắc lại mãi trong những “biên niên sử” về công nghệ, là bởi Plato đã viết nó xuống.
Thế nhưng, giới chỉ trích chữ viết không hoàn toàn sai. Trong các nền văn hóa truyền miệng, thi sĩ mang trong đầu những trường ca dài hàng ngàn câu; các griot (người kể chuyện ở châu Phi) có thể đọc vanh vách hàng thế kỷ gia phả chỉ bằng trí nhớ. Chữ viết khiến những khả năng đó trở nên không còn cần thiết.
Giờ đây, con người có thể tiếp nhận ý tưởng mà không cần vật lộn với sự suy nghĩ.
Đối thoại đòi hỏi phản hồi, giải thích, phản biện, chỉnh sửa. Ngược lại, đọc cho phép bạn đắm mình trong trí tuệ của người khác, gật gù tán thưởng mà chẳng bao giờ phải tự mình khám phá ra.
Điều tưởng như là mất mát khi nhìn từ một góc độ, lại có thể là điều lợi ích khi nhìn từ góc khác. Chữ viết đã mở ra những vùng lãnh địa tinh thần mới: chú giải, luật học, lịch sử đáng tin cậy, và khoa học.
Học giả Walter J. Ong, người nghiên cứu về văn hóa truyền miệng và chữ viết, khẳng định: “Chữ viết là một công nghệ tái cấu trúc tư duy.”
Mẫu hình này nghe quen thuộc. Khi những người thủy thủ bắt đầu dùng dụng cụ sextant, họ rời bỏ kỹ năng “đọc bầu trời,” nghệ thuật quan sát sao trời từng giúp họ trở về nhà an toàn sau những chuyến phiêu lưu. Về sau, hệ thống định vị vệ tinh lại khiến kỹ năng dùng sextant cũng dần biến mất.
Có thời, sở hữu một chiếc Model T đồng nghĩa với việc bạn là một thợ máy bán thời gian, biết vá ruột xe, chỉnh thời điểm đánh lửa bằng tai, khéo léo khởi động lại động cơ sau khi chết máy. Ngày nay, những động cơ hiện đại hoạt động ổn định đến mức đóng kín mọi bí mật bên trong chúng. Thước tính (slide rule) nhường chỗ cho calculator, rồi calculator lại nhường chỗ cho computer. Mỗi lần như thế, sự tinh thông cá nhân giảm đi, nhưng hiệu quả tổng thể của công việc lại tăng vọt.
Đó là một mẫu hình đầy an ủi, ta buông bỏ một thứ, để rồi nhận lại một thứ khác. Nhưng có những cái “lợi” đi kèm với cái giá cao: chúng không chỉ làm thay đổi những gì con người có thể làm, mà còn làm lung lay cảm nhận của họ về bản thân.
Vào thập niên 1980, nhà tâm lý học xã hội Shoshana Zuboff đến quan sát các nhà máy sản xuất bột giấy ở miền Nam nước Mỹ, đúng vào thời kỳ họ chuyển từ kiểm phẩm bằng tay sang máy tính. Những công nhân từng đánh giá chất bột bằng cảm giác “Nó trơn không? Nó dính không?” nay ngồi trong phòng máy lạnh, dõi theo những con số chạy trên màn hình. Kỹ năng cũ của họ không còn được dùng, cũng chẳng còn được coi trọng. Một người nói với Zuboff: “Làm việc qua máy tính, cảm giác khác lắm. Nó giống như bạn đang cưỡi một con ngựa mạnh mẽ, nhưng có ai đó ngồi sau lưng nắm dây cương.”
Hệ thống mới nhanh hơn, sạch hơn, an toàn hơn, nhưng nó cũng rút cạn ý nghĩa của công việc.
Nhà xã hội học Richard Sennett từng ghi lại một sự chuyển đổi tương tự ở một tiệm bánh tại Boston. Vào thập niên 1970, công nhân ở đó là người Hy Lạp, dùng mũi và mắt để đoán khi nào bánh chín, và họ tự hào về tay nghề của mình. Đến thập niên 1990, lớp thợ mới chỉ việc tương tác với màn hình cảm ứng trên một bộ điều khiển kiểu Windows. Ổ bánh giờ chỉ còn là một biểu tượng trên màn hình, màu sắc được suy ra từ dữ liệu, loại bánh được chọn từ menu kỹ thuật số.
Mai một kỹ năng kéo theo sự mai một bản sắc. Bánh vẫn ngon, nhưng những người làm trong bếp biết rằng họ không còn là “thợ bánh” thực thụ nữa. Một người nói với Sennett, nửa đùa nửa thật:
“Làm bánh, làm giày, in ấn, anh kể đi, nghề nào tôi cũng làm được.” Ý cô là: cô chẳng còn cần phải có kỹ năng nào nữa.
Lĩnh vực văn hóa, chắc chắn, cũng đã trải qua việc khỏi dùng tay.
Trong những ngôi nhà trung lưu châu Âu thế kỷ 19, yêu âm nhạc thường đồng nghĩa với tự mình chơi nhạc. Những bản giao hưởng vang lên trong phòng khách không phải từ dàn âm thanh, mà từ bốn bàn tay, hai người, bên một cây đàn piano, cố gắng tái hiện Bản giao hưởng số 1 của Brahms bằng tất cả khả năng của mình.
Điều đó đòi hỏi kỹ năng: đọc bản nhạc, kỹ thuật chơi đàn, và tạo lại âm thanh của cả một dàn nhạc chỉ bằng mười ngón tay. Muốn nghe bản nhạc mình yêu thích, bạn phải dày công tập luyện.
Rồi máy hát đĩa than (gramophone) ra đời, và những cây đàn piano trong phòng khách bắt đầu phủ bụi.
Lợi ích thì quá rõ: bạn có thể mang cả dàn nhạc vào phòng khách, mở rộng đôi tai từ những khúc nhạc nhẹ nhàng đến Debussy, Strauss, Sibelius. Người yêu nhạc hiện đại có thể ít là người trình diễn hơn, nhưng lại nghe nhiều hơn.
Tuy vậy, sự rộng mở ấy đánh đổi bằng chiều sâu. Tập luyện một bản nhạc mang lại cho bạn cảm giác thân thuộc đến từng nếp gấp, từng đường nét của nốt nhạc.
Còn đứa con nhà bạn, với chiếc Victrola sáng bóng kia, liệu có còn cảm nhận được điều đó không?
Cảm giác xa cách, như ta bị tách khỏi cái thật, luôn xuất hiện mỗi khi một công cụ mạnh mẽ mới ra đời.Từ thế kỷ 17, thước tính (slide rule) đã giúp con người không còn cần phải giỏi toán nhẩm như trước; nhiều thế kỷ sau, calculator lại khiến một số kỹ sư bất an, sợ rằng khả năng “làm tính” đang dần phai nhạt. Nỗi lo đó không hề vô cớ. Chỉ cần nhấn nút “Cos” là có ngay kết quả, nhưng ý nghĩa đằng sau con số ấy có thể tan biến.
Ngay cả trong những lĩnh vực học thuật tinh vi hơn, nỗi lo ấy vẫn hiện hữu. Nhà vật lý Victor Weisskopf của MIT từng băn khoăn trước sự lệ thuộc ngày càng tăng của đồng nghiệp vào mô phỏng máy tính. Khi họ đưa cho ông bản in kết quả, Weisskopf nói: “Máy tính thì hiểu câu trả lời, nhưng tôi không nghĩ là anh hiểu câu trả lời đó.”
Trong cái mà Zuboff gọi là “thời đại của máy thông minh,” tự động hóa phần lớn vẫn giới hạn trong nơi làm việc, các nhà máy, lò bánh, buồng lái máy bay. Bước sang kỷ nguyên máy tính cá nhân, rồi Internet, công nghệ thoát khỏi phạm vi lao động, trở thành công cụ đa năng, len lỏi vào đời sống hằng ngày.
Đến thập niên 2000, giới nghiên cứu bắt đầu đặt câu hỏi: “Công cụ tìm kiếm đang làm gì với chúng ta?” Trên mặt báo xuất hiện những tựa đề như “Bộ não của bạn khi dùng Google.”
Dù cơn hoảng loạn ấy có phần bị phóng đại, nhưng một số tác động là có thật. Một nghiên cứu được trích dẫn rộng rãi cho thấy rằng, trong một số trường hợp, con người có xu hướng nhớ vị trí nơi chứa thông tin hơn là thông tin đó. Đó chính là nỗi bất an của nhà vua Ai Cập trong phiên bản kỹ thuật số, tin rằng con người đang lầm tưởng kết quả đầu ra là trí tuệ thật sự.
Thực ra, tư duy của con người chưa bao giờ bị giới hạn trong cái sọ, nó luôn tràn ra ngoài, vào công cụ, ký hiệu, và vào nhau. Chúng ta đã lưu trữ suy nghĩ của mình trong thế giới suốt hàng chục nghìn năm. Nhiều loài sinh vật biết dùng công cụ, nhưng tri thức của chúng chết đi cùng công cụ còn tri thức của loài người tích lũy lại thành văn hóa, một hệ thống tiếp sức cho trí tuệ.
Chúng ta thừa hưởng, mở rộng, và xây dựng thêm trí tuệ, để mỗi thế hệ leo cao hơn thế hệ trước: từ dao bằng đá, đến kim khâu bằng xương, đến máy in, và đến cả máy tính lượng tử. Sự tích lũy tri thức ấy kéo theo một hệ quả quan trọng: nó dẫn đến chuyên môn hóa.
Khi hiểu biết mở rộng, nó không còn nằm đều trong mọi bộ não. Trong những nhóm người nhỏ thuở sơ khai, ai cũng có thể săn thú, hái lượm, nhóm lửa. Nhưng sau cách mạng nông nghiệp, khi xã hội phình to, nghề nghiệp và phường hội bắt đầu xuất hiện, thợ rèn biết rèn lưỡi dao, thợ nề biết giữ cho mái vòm không sập, thợ thổi thủy tinh nắm giữ những công thức và kỹ thuật bí truyền. Những kỹ năng từng gắn trong cơ thể chuyển sang công cụ, rồi nâng cấp thành thể chế. Theo thời gian, phân công lao động tất yếu trở thành phân công trí tuệ.
Năng lực của loài người không chỉ nằm trong từng cá nhân, mà nằm trong mạng lưới mà họ tạo thành, mỗi người dựa vào người khác để bù đắp điều mình không biết. Khi quy mô xã hội mở rộng, trao đổi xã hội biến thành sự phụ thuộc lẫn nhau một cách có hệ thống.
Kết quả là một thế giới nơi không ai thật sự biết cách làm ra một cây bút chì. Vì để làm được cây bút chì, ta cần có kỹ năng của người tiều phu, thợ cưa, thợ mỏ, nhà hóa học, thợ sơn, một mạng lưới nghề nghiệp vô hình ẩn sau ngay cả vật dụng giản đơn nhất.
Nhà văn Mark Twain, trong A Connecticut Yankee in King Arthur’s Court, từng tưởng tượng một kỹ sư thế kỷ 19 bị đưa ngược về thời vua Arthur, làm các hiệp sĩ phải kinh ngạc với những “phép màu hiện đại.” Độc giả thời ấy tin điều đó là có thể.
Nhưng nếu bạn ném một kỹ sư thế kỷ 21 vào cùng bối cảnh ấy, anh ta có lẽ sẽ bất lực. Làm dây điện cách điện? Pha thuốc nổ dynamite? Tự tay dựng một hệ thống điện tín từ đầu? Ngày nay hầu hết chúng ta sẽ bó tay không làm được gì khi không có Wi-Fi.
Sự phân công trí tuệ ngày nay đồng nghĩa với việc chúng biết ngày càng nhiều càng sâu hơn về ít thứ so với trước. Sự tập trung này tạo nên những bước tiến phi thường, nhưng cũng khiến ta nhận ra sự giới hạn của chính mình: Các chuyên gia thừa hưởng những khái niệm mà họ có thể sử dụng, nhưng không còn tự tạo ra được nữa.
Ngay cả toán học, vốn được lãng mạn hóa như lãnh địa của những thiên tài cô độc, giờ cũng hoạt động như vậy. Khi Andrew Wiles chứng minh Định lý cuối cùng của Fermat, ông không tự mình suy ra từng định đề; thay vào đó, ông lắp ghép những kết quả mà ông tin tưởng, nhưng không trực tiếp chứng minh lại, xây nên một cấu trúc mà ông nhìn thấy toàn thể, dù không tự tay đẽo từng thanh xà.
Sự mở rộng của hợp tác đã làm thay đổi ý nghĩa của việc “biết” một điều gì đó.
Tri thức, vốn từng được xem là tài sản cá nhân, nay trở thành một mối quan hệ, phụ thuộc vào khả năng tìm ra, diễn giải và tổng hợp những gì người khác biết. Chúng ta đang sống trong một mạng lưới trí tuệ phân tán, dựa vào các chuyên gia, cơ sở dữ liệu, và công cụ để mở rộng tầm với của chính mình.
Và rồi, điều tất yếu đã đến: mạng lưới tri thức này có thêm một thành viên mới, một thực thể không chỉ lưu trữ thông tin, mà còn bắt chước được cả sự hiểu biết: AI.
Ranh giới xưa kia giữa thông tin và kỹ năng, giữa “biết cái gì” (knowing what) và “biết cách làm” (knowing how), giờ đã trở nên mờ nhạt trong kỷ nguyên các mô hình ngôn ngữ lớn (large language models) của AI.
Theo một nghĩa nào đó, những mô hình này tĩnh, chỉ là một ma trận trọng số những khối đông cứng có thể tải về laptop. Nhưng ở nghĩa khác, chúng lại động: khi vận hành, chúng tự phản hồi theo thời gian thực.
AI làm được điều mà Socrates từng than rằng chữ viết không thể làm: chúng trả lời câu hỏi, thích ứng với người đối thoại, và duy trì được cuộc trò chuyện. (Đôi khi còn trò chuyện với chính mình, khi mô hình đưa đầu ra trở lại làm đầu vào, các nhà nghiên cứu AI gọi đó là “lý luận.”)
Nếu Google từng được xem là phần mở rộng của trí nhớ, thì một mô hình ngôn ngữ lớn giờ đây với nhiều người lại giống như một bản sao của trí tuệ con người.
Và câu hỏi cuối cùng, lửng lơ mà đáng sợ: Khi ta khai thác những dạng trí tuệ nhân tạo mới, liệu trí tuệ của chúng ta đang được khuếch đại, hay chính trí tuệ nhân tạo, nhẹ nhàng như bước chân mèo, đang bắt đầu thức giấc và định hình bản thân nó?
Chúng ta không thể nhốt lại con thần đèn vào lọ, nhưng có thể chọn phép thuật mà nó thi triển. Khi người ta nói đến “mất kỹ năng” (de-skilling), họ thường hình dung một cá nhân đánh mất một khả năng nào đó, như phi công để kỹ năng điều khiển máy bay bị mai một, hay bác sĩ bỏ sót khối u nếu không có AI hỗ trợ.
Nhưng hầu hết công việc hiện đại đều là chuỗi hợp tác giữa kỹ thuật với con người, và sự xuất hiện của AI không thay đổi điều đó. Vấn đề không còn là so sánh con người với máy, mà là so sánh con người có dùng máy với con người không dùng máy.
Một số người lo ngại rằng sự phụ thuộc vào AI sẽ khiến chúng ta dở đi, đến mức lấn át mọi lợi ích mà nó hứa hẹn.Trong khi Dario Amodei, CEO của Anthropic, lạc quan hình dung về “một đất nước toàn thiên tài,” thì những người khác lại lo rằng đó sẽ là một đất nước toàn kẻ ngu si.
Nỗi lo này gợi nhớ đến cuộc tranh luận xưa về “cái giá của rủi ro” (risk compensation): Khi xe hơi có dây an toàn hay phanh chống bó cứng (ABS), một số nhà khoa học xã hội từng lập luận rằng con người sẽ lái xe ẩu hơn, vì cảm giác an toàn giả tạo khiến họ “ỷ vào” phần lợi thế công nghệ mang lại. Nhưng nghiên cứu sau đó cho thấy kết quả khả quan hơn: Con người có điều chỉnh hành vi, nhưng chỉ một phần nào, nên lợi ích vẫn đáng kể.
Điều tương tự cũng đúng với AI trong y học lâm sàng, vốn đã phổ biến ở bệnh viện hơn một thập niên. Hãy nhớ lại nghiên cứu nội soi đại tràng: Sau khi thực hiện các ca nội soi có hỗ trợ AI,các bác sĩ tiêu hóa thấy tỷ lệ phát hiện polyp bằng mắt thường giảm 6%. Nhưng một nghiên cứu tổng hợp trên 24.000 bệnh nhân lại cho thấy bức tranh đầy đủ hơn: AI giúp tăng tổng tỷ lệ phát hiện polyp khoảng 20%.
(Ở đây, AI là hệ thống máy hẹp, mà nhiều người tin cậy, khác với loại AI sinh ngữ (generative) vận hành chatbot.)
Vì tỷ lệ phát hiện cao hơn đồng nghĩa với ít ca ung thư bị bỏ sót, nên cách tiếp cận “centaur,” tức người và máy cùng làm, rõ ràng đã mang lại lợi ích thực tế. Ngay cả khi kỹ năng cá nhân của bác sĩ có giảm đôi chút, nếu sự hợp tác ấy cứu được mạng người, thì việc từ chối dùng AI chỉ vì tự ái hay sĩ diện mới là điều vô trách nhiệm.
Trong những lĩnh vực khác, càng giỏi, con người càng hợp tác hiệu quả hơn với máy, ít nhất, đó là điều một số nghiên cứu gần đây cho thấy. Một thí nghiệm khám phá ra rằng con người vượt trội bot khi phân loại hình ảnh của hai loài chim hồng tước (wren) và hai loài chim gõ kiến (woodpecker). Nhưng trong việc phát giác ra các bài đánh giá khách sạn giả, thì bot lại thắng. Sau đó, các nhà nghiên cứu ghép người với bot, cho phép con người đưa ra phán đoán dựa trên gợi ý của máy, và thấy kết quả phụ thuộc vào loại công việc.
Khi trực giác con người yếu, như trong việc phát hiện đánh giá giả, họ nghi ngờ bot quá nhiều, khiến hiệu quả chung giảm đi. Nhưng khi trực giác con người mạnh, như trong việc phân biệt chim, họ hợp tác ăn ý hơn với máy, biết khi nào nên tin vào bản thân, và khi nào nên tin vào hệ thống vì nó thấy được điều họ không thấy. Trong thử nghiệm với các loài chim, đội ngũ gồm người + bot đã vượt qua cả hai khi mỗi bên làm riêng lẻ.
Nguyên tắc đó cũng đúng ở nơi khác: Khi máy móc bước vào quy trình làm việc, sự thành thạo có thể chuyển hướng từ “tạo ra” sang “đánh giá”. Một nghiên cứu năm 2024 với các lập trình viên sử dụng GitHub Copilot cho thấy AI không thay thế kỹ năng con người, mà tái định hướng nó: họ tốn ít thời gian viết lập trình, nhưng nhiều thời gian kiểm tra lập trình hơn, phát hiện lỗi logic, làm sạch đoạn code. Kỹ năng con người như vậy chuyển từ sáng tác sang giám sát.
Ngày càng rõ ràng rằng, đó chính là ý nghĩa mới của cụm “human in the loop” con người trong chuỗi công việc. Chuyên môn không còn nằm ở việc tạo bản nháp đầu tiên, mà ở việc chỉnh sửa, đánh giá và phán đoán. AI tạo sinh (Generative AI) là hệ thống xác suất, không phải hệ thống tất định: nó đưa ra khả năng có thể xảy ra, chứ không phải sự thật tuyệt đối. Khi công việc có tầm quan trọng trong đó rủi ro có thể xảy ra, con người có kỹ năng vẫn phải chịu trách nhiệm cuối cùng, nhận ra khi mô hình Ai trượt khỏi thực tế, và xem sản phẩm của AI như một giả thuyết để kiểm chứng, chứ không phải mệnh lệnh để tuân theo.
Đó là một kỹ năng mới, và thiết yếu. Tương lai của chuyên môn sẽ phụ thuộc không chỉ vào việc công cụ của ta thông minh đến đâu, mà còn vào việc chúng ta biết suy nghĩ cùng chúng đến mức nào.
Nhưng mọi hợp tác đều đòi hỏi năng lực. Một “centaur,” nửa người nửa máy, cũng chỉ lẩn quẩn nếu phần con người không biết mình đang làm gì. Chính ở đây, nỗi hoảng sợ về giáo dục bắt đầu xuất hiện. Bạn không thể “mất kỹ năng” nếu chưa bao giờ có kỹ năng đó. Vậy làm sao dạy những năng lực căn bản trong một thời đại mà “máy làm bài tập tốt nhất thế giới” nằm gọn trong túi mỗi học sinh?
Chính những ai làm nghề dạy học, cũng có bài tập về nhà phải làm. Các phương pháp dạy cũ cần được xây dựng lại từ đầu; trong vài năm gần đây, quá nhiều sinh viên đại học đã rơi vào tình trạng “chuyên ngành ChatGPT,” theo cách nói nửa đùa nửa thật mà đầy lo ngại. Thế nhưng, vẫn còn quá sớm để khẳng định chắc chắn AI sẽ ảnh hưởng thế nào đến giáo dục.
Đúng, AI có thể làm cùn mòn một số kỹ năng, nhưng nếu dùng đúng cách, nó cũng có thể mài sắc khả năng con người.
Hãy xem một thí nghiệm ngẫu nhiên gần đây trong khóa học vật lý quy mô lớn tại Đại học Harvard. Một nửa sinh viên học hai bài theo phương pháp truyền thống, lớp học năng động, tương tác, có giảng viên hướng dẫn trực tiếp. Nửa còn lại dùng một trợ giảng AI được thiết kế riêng. Sau đó họ hoán đổi vai trò.
Kết quả? Ở cả hai vòng, nhóm học với AI đều vượt trội, và vượt xa nhóm kia. Họ không chỉ học được nhiều hơn, mà còn học nhanh hơn, và cho biết mình cảm thấy có động lực và hứng thú hơn.
Hệ thống AI ấy được thiết lập như một huấn luyện viên giỏi: hướng dẫn học sinh cách chia nhỏ vấn đề lớn thành từng bước, gợi ý thay vì bật mí đáp án, điều chỉnh mức độ phản hồi, và thích nghi với nhịp học của từng sinh viên.
Chính “sự chú ý” đã làm nên sức mạnh của mô hình hướng dẫn cổ điển. Tôi vẫn nhớ những tuần đầu tiên ở Đại học Cambridge, khi được một người hướng dẫn môn sinh hóa dạy kèm. Khi tôi nói: “Em hiểu đại khái rồi,” ông không buông tha mà gặng hỏi cho đến khi cả hai cùng chắc rằng tôi thật đã sự hiểu. Sự tập trung có mục tiêu đó chính là linh hồn của hình thức “supervision” ở Cambridge.
Nếu được tùy chỉnh đúng cách, các mô hình ngôn ngữ lớn (LLMs) có thể tái tạo hàng loạt loại chú ý ấy, không phải là cái áo cardigan, ống tẩu gỗ bóng loáng hay nét trầm ngâm kiểu Oxford, mà là sự kiên trì, lắng nghe, và phản hồi có định hướng, thứ có thể biến sự mơ hồ thành hiểu biết thực chất.
Máy móc sẽ không thể thay thế người thầy. Điều chúng có thể làm là giải quyết những phần lặp đi lặp lại trong việc dạy kèm, kiểm tra phép tính đại số, luyện tập các định lý nhỏ, nhắc học sinh ghi đơn vị đo, và đảm bảo họ hiểu cách các kênh màng tế bào hoạt động.
Về lý thuyết, điều này giúp người thầy có thể tập trung vào những điều thực sự quan trọng hơn: giải thích các ý tưởng lớn, rèn luyện tư duy tinh tế, trò chuyện về nghề nghiệp, và nhận ra khi nào học sinh đang kiệt sức.
Đó là viễn cảnh lạc quan, nhưng chúng ta nên thận trọng khi khái quát hóa từ một nghiên cứu duy nhất. (Một nghiên cứu khác ở Thổ Nhĩ Kỳ, với học sinh trung học, không tìm thấy lợi ích rõ rệt từ việc dùng trợ giảng AI.) Và cần nhớ rằng các sinh viên vật lý ở Harvard đã tận dụng AI hiệu quả vì họ phải đối mặt với bài thi thật trên lớp với giám thị, đồng hồ bấm giờ, và ánh mắt lạnh lùng của người chấm điểm.
Chúng ta cũng nên nhớ rằng điều hiệu quả với các ngành STEM, viết tắt của các lĩnh vực Khoa học (Science), Công nghệ (Technology), Kỹ thuật (Engineering) và Toán học (Mathematics) chưa chắc phù hợp với khối nhân văn. Bài luận học kỳ, dù nhàm chán đến đâu, vẫn rèn luyện một kỹ năng khó có thể tái tạo qua đối thoại: xây dựng lập luận từng bước, cân nhắc chứng cứ, sắp xếp tư liệu, và mài giũa giọng viết riêng.
Một số giảng viên đại học (trong đó có tôi) đã bắt đầu nói với sinh viên ham học rằng:
“Nếu em muốn viết bài luận, thầy sẽ đọc và cùng thảo luận, nhưng sẽ không tính điểm.” Đó là một cách xoa dịu, chứ không phải giải pháp. Và trong một cuộc quay ngược văn hóa kỳ lạ, tính truyền khẩu có lẽ sẽ phải gánh thêm phần trách nhiệm. Liệu Socrates, người từng bảo vệ đối thoại như một hình thức tri thức tối thượng, rốt cuộc sẽ có tiếng nói sau cùng?
Sự mất dần kỹ năng vẫn là mối nguy thật sự, không thể vờ như không có. Đó là sự teo dần của năng lực nhận thức và cảm giác cơ bản, do phụ thuộc quá mức vào công cụ mà không có lợi ích bù đắp tương xứng. Những khiếm khuyết này làm hao hụt “nguồn dự trữ” của hệ thống, những kỹ năng ta ít khi dùng đến, nhưng phải có khi gặp trục trặc. Khi mất đi điều đó, khả năng phục hồi suy yếu, và tính mong manh len vào.
Hãy nghĩ đến phi công hàng không, người dành hàng nghìn giờ chỉ giám sát chế độ lái tự động, nhưng bị đông cứng khi hệ thống trục trặc. Một số nhà lý thuyết về tự động hóa phân biệt hai loại người vận hành: “Human in the loop,” con người tham gia chủ động vào quy trình, “Human on the loop,” con người chỉ ký duyệt sau khi máy làm xong.
Kiểu người thứ hai, nếu quản lý kém, sẽ tạo ra đúng điều mà nhà tâm lý công nghiệp Lisanne Bainbridge đã cảnh báo từ lâu: rối vai trò, giảm cảnh giác, mất phản xạ tự nhiên. Giống như một nhân viên cứu hộ dành hầu hết ngày tháng chỉ quan sát những người bơi giỏi trên mặt nước yên, rồi đến khi biến cố xảy ra, họ phải hành động ngay, và thật nhịp nhàng.
Cơ chế tương tự cũng đang ám ảnh mọi loại công việc văn phòng. Khi luật sư, quản lý dự án, hay nhà phân tích chỉ còn phê duyệt những gì hệ thống đã tự soạn, họ dần trở thành “human on the loop,” và mất dần kỹ năng thực hành.
Đó là nghịch lý của tự động hóa một phần: hệ thống càng tốt, con người càng ít phải tỉnh táo, và do đó càng kém sẵn sàng cho những khoảnh khắc hiếm hoi khi công nghệ thất bại.
Giải pháp có lẽ nằm ở sự tổ chức. Chẳng hạn, nơi làm việc có thể tổ chức các “diễn tập định kỳ” tương tự như huấn luyện mô phỏng bay của phi công nơi con người phải chủ động thách thức máy, đảm bảo rằng khả năng phán đoán thực sự của họ vẫn nguyên vẹn, dù đã trải qua những quãng dài “bay êm” nhờ tự động hóa.
Kỹ năng dự phòng, trong nhiều trường hợp, không cần phải phổ biến với tất cả mọi người, chúng chỉ cần tồn tại đâu đó trong hệ thống. Đó là lý do tại sao Học viện Hải quân Hoa Kỳ, lo ngại trước nguy cơ GPS bị nhiễu hoặc vô hiệu hóa, đã khôi phục chương trình huấn luyện định vị thiên văn cơ bản sau nhiều năm bị lãng quên. Hầu hết các thủy thủ sẽ không bao giờ chạm tay vào chiếc sextant khi đi giữa đại dương, nhưng chỉ cần một số ít người thành thạo, họ đã đủ để giữ cho cả hạm đội vững vàng nếu vệ tinh đột ngột “tắt đèn.”
Mục tiêu, suy cho cùng, là đảm bảo rằng ít nhất vẫn còn một phần năng lực được lưu giữ trong con người, để khi hệ thống vấp ngã, con người vẫn có thể đứng vững, hoặc ít nhất, vẫn nổi được trên mặt nước.
Triển vọng đáng lo ngại nhất là điều có thể gọi là “sự mất kỹ năng nền tảng,” tức sự xói mòn những năng lực tạo nên bản chất con người. Phán đoán, trí tưởng tượng, lòng đồng cảm, cảm quan về ý nghĩa và tỷ lệ, đó không phải là những “kỹ năng dự phòng”; chúng là những thực hành của cuộc sống hằng ngày. Nếu, như Jean-Paul Sartre từng lo sợ, con người trở thành “cỗ máy của cỗ máy,” thì mất mát ấy sẽ hiện ra ngay trong kết cấu của đời sống thường nhật. Điều có thể biến mất là tri thức bẩm sinh, gắn liền với thân thể, thứ giúp ta nhận biết, cảm nhận, và phân biệt một cách tự nhiên.
Nếu con người học cách đặt câu hỏi theo khuôn của máy, hoặc chọn câu trả lời trong thực đơn mà hệ thống gợi ý, thì hậu quả sẽ không phải là những sai lầm nghiêm trọng dễ nhận thấy, mà là sự mòn dần của nhân tính: cuộc trò chuyện trở nên nông hơn, khả năng chịu đựng sự mơ hồ suy giảm, ngôn ngữ dần trượt về những cụm từ tự động, nơi ta từng đắn đo tìm kiếm từ ngữ chính xác. Và sự lưu loát sẽ bị âm thầm thay thế bằng hiểu biết. Khi ta trao những năng lực ấy cho máy, thì thực chất là ta đang trao đi chính mình. Và điều đó sẽ không chỉ thay đổi cách ta làm việc, mà còn thay đổi con người ta là ai.
Tuy vậy, nếu nhìn ở tầm xa hơn, đa số các dạng mất kỹ năng đều vô hại hoặc tất yếu. Một số kỹ năng trở nên lỗi thời vì hệ thống nuôi dưỡng chúng cũng đã biến mất. Điện báo đòi hỏi người vận hành thành thạo dấu chấm và gạch, máy sắp chữ linotype cần đôi tay nhanh nhạy trên bàn phím kim loại nóng, biên tập phim phẳng đòi hỏi bút mỡ, băng nối, và một bản đồ tinh thần về vị trí các cảnh quay và âm thanh. Khi đường dây điện báo, máy in kim loại, và cuộn phim celluloid biến mất, các nghề ấy cũng lụi tàn theo.
Một dạng mất kỹ năng khác lại là sự giải phóng khỏi lao dịch. Ít ai nuối tiếc việc phải tự giặt quần áo, hoặc phải tính tiền bằng những đốt ngón tay. Một nhà thần kinh học mà tôi quen thường xuyên dùng mô hình ngôn ngữ lớn (LLM) để rút ngắn công đoạn soạn thảo các bản đề nghị tài trợ vốn đầy rẫy phần văn bản lặp lại. Ông vẫn chịu trách nhiệm về nội dung khoa học, nhưng nếu kỹ năng viết đơn xin tài trợ của mình có sa sút, ông cũng chẳng bận tâm. Vì theo ông, đó không phải là khoa học, mà chỉ là điều do hệ thống nghiên cứu buộc phải thực hiện. Trao lại phần ấy cho máy, với ông, là giành lại thời gian để khám phá thực sự.
Sự mất kỹ năng trong nghề nghiệp, trên thực tế, cũng có thể mang tính dân chủ hóa, mở rộng phạm vi tham gia cho nhiều người vào một công việc.
Với các nhà khoa học gặp khó khăn về tiếng Anh, chatbot có thể giúp soạn thảo các bản trình bày cho hội đồng đánh giá đạo đức nghiên cứu, giúp họ vượt qua rào cản ngôn ngữ vốn chẳng liên quan gì đến phẩm chất những nghiên cứu của họ. Trong trường hợp này, mất kỹ năng lại đồng nghĩa với mở rộng cơ hội tiếp cận.
Hãy nghĩ đến tiệm bánh của Richard Sennett và những người đàn ông Hy Lạp từng làm việc trong đó. Những lò nướng cổ từng làm họ bị bỏng tay, những máy trộn bột cơ học cũ khiến cơ bắp họ đau nhức,và những khay bánh nặng trĩu khiến lưng họ mỏi rã rời.
Đến thập niên 1990, khi hệ thống vận hành bằng bộ điều khiển Windows, bộ mặt của lực lượng lao động đã thay đổi: một nhóm đa sắc tộc gồm đàn ông và phụ nữ cùng đứng trước màn hình, chạm vào các biểu tượng. Tay nghề thu hẹp lại, nhưng lực lượng lao động đủ điều kiện lại mở rộng ra. (Và vâng, giá lao động cũng giảm đi: cánh cổng mở rộng, nhưng mức lương hạ thấp.)
Chúng ta thường đánh mất một số kỹ năng đơn giản chỉ vì công nghệ cho phép ta sử dụng thời gian hiệu quả hơn, và phát triển những kỹ năng ở cấp độ cao hơn trong “chuỗi giá trị” tri thức.
Tại một trong những nhà máy bột giấy mà Shoshana Zuboff từng nghiên cứu, những công nhân được giải phóng khỏi công việc tay chân có thể dành nhiều thời gian hơn để dự đoán và ngăn ngừa tai nạn.
Một người nói: “Ngồi trong căn phòng này và suy nghĩ đã trở thành một phần trong công việc của tôi.”
Zuboff gọi hiện tượng đó là “tái kỹ năng” (reskilling,) khi kỹ năng hành động nhường chỗ cho tư duy trừu tượng và suy luận quy trình, mà bà đặt tên là “intellective skills,” kỹ năng trí tuệ hóa.
Một điều tương tự đã xảy ra với kế toán viên sau khi các chương trình bảng tính như VisiCalc ra đời: họ không còn phải cộng từng cột số như trước, mà có thể tập trung thời gian vào chiến lược thuế và phân tích rủi ro, một bước chuyển từ lao động tính toán sang tư duy chiến lược.
Cấp tiến hơn nữa, những công nghệ mới có thể gọi ra những kỹ năng hoàn toàn mới. Trước khi kính hiển vi xuất hiện, thế giới đã có các nhà tự nhiên học, nhưng chưa hề có “nhà hiển vi học,” Robert Hooke và Antonie van Leeuwenhoek đã phải phát minh ra chính cách nhìn và diễn giải điều vô hình.
Điện ảnh không chỉ vay mượn từ sân khấu; nó còn sinh ra những nhà quay phim và biên tập viên, những người có nghề nghiệp chưa từng tồn tại trước đó. Mỗi bước nhảy vọt như thế mở rộng thêm biên giới của cái có thể.
Điều tương tự có thể đang diễn ra ngay lúc này. Những đồng nghiệp trẻ của tôi khẳng định rằng làm việc với các mô hình ngôn ngữ lớn (LLM) đã dạy họ một dạng nghề mới, đặt câu lệnh (prompting), đào sâu câu hỏi (probing), phát giác thiên kiến và “ảo giác” của máy, và, vâng, học cách tư duy song hành cùng máy.
“`
Đó là những kỹ năng mới, nảy sinh từ sự đan xen giữa con người và kiến trúc số, một kiến trúc mà chắc chắn sẽ không biến mất.
Những công nghệ có tầm quan trọng lớn, theo bản chất của chúng, luôn mở ra những ngành nghề và thiên hướng mới mà hiện còn chưa có tên gọi.
Điều khó khăn nhất là xác định một cách tỉnh táo, không sa vào hoài niệm hay trì trệ, những kỹ năng nào cần giữ, và những kỹ năng nào nên buông. Không ai trong chúng ta thích thấy những khả năng khó nhọc mới đạt được bị ném vào quá khứ, nhưng chính vì thế mà ta phải chống lại sức hút của cảm tính.
Mỗi bước tiến đều có cái giá của nó. Chữ viết làm suy yếu trí nhớ phi thường của con người, nhưng lại mở ra khả năng phân tích sâu sắc hơn. Calculator làm mòn kỹ năng tính nhẩm, nhưng giúp nhiều người có thể “làm toán” hơn bao giờ hết. Việc thu thanh khiến khả năng chơi nhạc thường ngày của ta phai nhạt, nhưng đổi lại là một cách lắng nghe hoàn toàn mới. Và ngày nay? Chắc chắn chúng ta vẫn có tiếng nói trong việc liệu các mô hình ngôn ngữ lớn (LLMs) của AI sẽ mở rộng tâm trí ta hay làm nó co lại.
Trong suốt lịch sử loài người, năng lực của chúng ta chưa bao giờ đứng yên. Tri thức luôn chảy ra ngoài bản thân, từ bàn tay sang công cụ. Trí tuệ cá nhân lan tỏa thành trí tuệ tập thể, được thúc đẩy bởi thói quen cổ xưa của con người: ngoại hóa tư duy, lưu ký ức vào ký hiệu, đặt logic vào máy móc, gửi phán đoán vào thể chế, và gần đây nhất, giao dự đoán cho thuật toán.
Sự chuyên môn hóa từng tạo ra các phường nghề, nay tạo ra các viện nghiên cứu và liên minh khoa học. Những gì xưa kia chỉ được truyền giữa thầy và trò, nay chảy trong các mạng lưới và ma trận kỹ thuật số. Generative AI, một sự cô đặc thống kê của tri thức nhân loại, chỉ đơn giản là chương mới nhất của hành trình dài trong đó con người làm học trò của chính phát minh của mình.
Câu hỏi cấp bách nhất, như vậy, là làm sao để giữ cho quyền chủ động của chúng ta còn nguyên vẹn, làm sao để vẫn là tác giả của những hệ thống nay đang chuẩn bị gánh vác phần lớn tư duy của chúng ta. Mỗi thế hệ đều phải học cách làm việc với những “bộ phận giả nhận thức” mới của mình, từ bút viết thư pháp, cuộn giấy cho đến điện thoại thông minh. Điều khác biệt ngày nay nằm ở tốc độ và sự thân mật của sự trao đổi: các công cụ học từ chúng ta trong khi chúng ta cũng học từ chúng.
Làm người “giám hộ” trong kỷ nguyên này có nghĩa là phải đảm bảo rằng những năng lực làm nên nhân tính của ta, phán đoán, tưởng tượng, và thấu hiểu, vẫn còn sống trong chúng ta.
Nếu có một kỹ năng duy nhất mà con người không thể để mất, thì đó chính là kỹ năng nhận ra kỹ năng nào thật sự đáng giữ.
Kwame Anthony Appiah là giáo sư triết học và luật tại Đại học New York (New York University), đồng thời là tác giả của cuốn sách “Captive Gods: Religion and the Rise of Social Science” (Các vị thần bị giam cầm: Tôn giáo và sự trỗi dậy của khoa học xã hội).
Nguồn: The Atlantic
Similar articles: https://www.toiyeutiengnuoctoi.com/category/kien-thuc/cong-nghe/
