Cách tránh suy giảm kỹ năng trong thời đại AI

• Mức tăng năng suất do các công cụ AI mang lại đang tạo ra nguy cơ suy giảm kỹ năng cốt lõi (skill atrophy) cho các lập trình viên
• Nếu phụ thuộc quá mức vào AI, tư duy phản biện và năng lực giải quyết vấn đề sẽ dần suy yếu
• Những kỹ năng quan trọng như debugging, thiết kế kiến trúc, trí nhớ có thể dần mai một
• Hãy dùng AI như một công cụ, nhưng nhất định phải duy trì thói quen tự suy nghĩ và tự học
• Nếu sử dụng theo cách hợp tác với AI, bạn có thể nâng cao cả năng suất lẫn trình độ kỹ năng

Cách tránh suy giảm kỹ năng trong thời đại AI

• Sự trỗi dậy của các trợ lý AI trong lĩnh vực lập trình, bên cạnh việc nâng cao năng suất, cũng tạo ra nguy cơ suy giảm kỹ năng (skill atrophy)
  • Suy giảm kỹ năng là hiện tượng kỹ năng yếu dần theo thời gian do ít sử dụng hoặc thiếu luyện tập
• Giao các công việc lặp đi lặp lại cho AI có thể hữu ích, nhưng nếu quá đà sẽ dẫn đến đánh mất năng lực cốt lõi
• Do hiện tượng cognitive offloading, xu hướng phụ thuộc vào AI ngày càng mạnh hơn thay vì tự học qua tài liệu hay tutorial
• Ví dụ, cũng như việc dùng GPS làm suy yếu khả năng định hướng, các tính năng tự động hoàn thành bằng AI và sinh mã có thể làm giảm năng lực tư duy
• AI xử lý mã boilerplate giúp mở ra cơ hội thử sức với các dự án quy mô lớn, nhưng điều quan trọng là phải đặt ranh giới giữa tự động hóa và suy giảm kỹ năng

Tư duy phản biện có đang trở thành vật hy sinh?

• Theo nghiên cứu năm 2025 của Microsoft và nhóm nghiên cứu Carnegie Mellon, mức độ phụ thuộc AI càng cao thì tư duy phản biện càng suy giảm
• Việc quá tin vào AI khiến con người chuyển sang trạng thái lái tự động thay vì tự suy nghĩ
• Công việc càng dễ thì càng dễ mất cảnh giác, từ đó dẫn đến suy giảm năng lực giải quyết vấn đề độc lập trong dài hạn
• Những người làm việc với sự hỗ trợ của AI có xu hướng đưa ra ít lời giải đa dạng hơn cho cùng một vấn đề, và điều này dẫn đến sự đồng nhất hóa tư duy
• Nhóm nghiên cứu định nghĩa đây là sự suy giảm của tư duy phản biện
• Những rào cản làm suy yếu tư duy phản biện
  • Rào cản nhận thức: công việc càng lặp lại càng dễ phụ thuộc quá mức vào AI
  • Rào cản động lực: áp lực thời gian hoặc giới hạn phạm vi công việc khiến con người né tránh suy nghĩ sâu
  • Rào cản năng lực: cảm thấy khó tự kiểm chứng hoặc cải thiện câu trả lời của AI
• Một kỹ sư đã thú nhận rằng dù có 12 năm kinh nghiệm, nhờ sự trợ giúp tức thì từ AI mà anh lại cảm thấy mình là một lập trình viên kém hơn
  • Ngừng đọc tài liệu: vì LLM giải thích ngay lập tức nên không còn thấy cần đọc tài liệu chính thức
  • Suy giảm năng lực debugging: thay vì tự phân tích stack trace hay thông báo lỗi, người ta sao chép dán vào AI để tìm cách giải quyết
  • Mất đi sự hiểu biết sâu: lặp lại áp dụng đề xuất của AI mà không nỗ lực thực sự để hiểu vấn đề
  • Thay đổi phản ứng cảm xúc: niềm vui từng có khi sửa được bug nay biến thành sự thất vọng nếu AI không đưa ra câu trả lời trong 5 phút
• Khi ủy thác việc suy nghĩ cho LLM, lập trình viên thực hiện một cuộc trao đổi: mất đi năng lực thành thạo dài hạn để đổi lấy sự tiện lợi ngắn hạn

  "Không phải AI đã biến chúng ta thành lập trình viên giỏi hơn 10 lần, mà là khiến chúng ta phụ thuộc vào AI nhiều hơn 10 lần"
  "Mỗi lần chúng ta để AI giải quyết những vấn đề mà bản thân có thể tự giải quyết, chúng ta đang đổi sự hiểu biết dài hạn lấy năng suất ngắn hạn"

Những dấu hiệu tinh vi của sự suy giảm kỹ năng

• Việc phụ thuộc vào AI không chỉ là giả thuyết mà thực sự có thể dẫn đến sự suy yếu kỹ năng phát triển phần mềm
• Có thể tự kiểm tra xem kỹ năng của mình có đang mai một hay không thông qua một vài dấu hiệu rõ ràng

• Từ bỏ debugging

  • Khi có lỗi xảy ra, có xu hướng dựa ngay vào AI thay vì dùng debugger hoặc tự đọc stack trace
  • Trước đây ta trưởng thành bằng cách tự phân tích và giải quyết bug, nhưng giờ quá trình đó thường bị đẩy cho AI
  • Trong tình huống AI không giải được hoặc không thể sử dụng, có nguy cơ rơi vào trạng thái đến cả chẩn đoán vấn đề cơ bản cũng trở nên khó khăn

• Lập trình kiểu copy-paste mà không hiểu

  • Để AI viết mã boilerplate thì không sao, nhưng sẽ có vấn đề nếu chỉ sao chép dùng luôn mà không hiểu vì sao nó hoạt động như vậy
  • Đặc biệt, lập trình viên trẻ có thể viết mã nhanh nhờ AI nhưng lại không giải thích được lý do chọn cách đó hoặc cách xử lý ngoại lệ
  • Khi quá trình cân nhắc nhiều phương án khác nhau biến mất, việc rèn luyện tư duy nền tảng cũng mất theo

• Suy yếu năng lực kiến trúc và tư duy hệ thống

  • Thiết kế hệ thống phức tạp không thể giải quyết chỉ bằng một prompt đơn lẻ
  • Nếu quen dùng AI để xử lý các bài toán nhỏ, bạn có thể bắt đầu sợ hoặc né tránh những công việc thiết kế ở cấp độ cao
  • AI có thể gợi ý một số component hay pattern cụ thể, nhưng việc hiểu toàn bộ ngữ cảnh như hiệu năng, bảo mật, khả năng bảo trì vẫn là phần việc của chính lập trình viên
  • Nếu không dùng đến tư duy ở cấp độ hệ thống, nó sẽ dần suy yếu

• Suy giảm trí nhớ và khả năng hồi tưởng

  • Ngay cả những lời gọi API hay cú pháp ngôn ngữ dùng thường xuyên cũng có thể trở nên mờ nhạt trong trí nhớ
  • Khi đã quen với tính năng tự động hoàn thành của AI, năng lực tự viết mã sẽ suy yếu
  • Điều này giống như học sinh phụ thuộc quá mức vào máy tính cầm tay và đánh mất năng lực tính toán cơ bản
• Theo thời gian, việc một số kỹ năng tự nhiên biến mất là điều bình thường
  • Ví dụ, khả năng tự quản lý bộ nhớ bằng assembly hoặc chia dài bằng tay không còn là kỹ năng thiết yếu nữa
  • Nhưng điều quan trọng là phải phân biệt kỹ năng nào cần giữ lại và kỹ năng nào có thể bỏ đi
  • Khả năng debugging trong tình huống khẩn cấp vẫn nên được xem là kỹ năng thiết yếu

  Đánh đổi giữa tốc độ và tri thức:
  AI cung cấp câu trả lời nhanh (tốc độ cao, học được ít),
  còn cách truyền thống (Stack Overflow, tài liệu chính thức) chậm hơn nhưng giúp xây dựng sự hiểu biết sâu

• Khi mải đuổi theo câu trả lời tức thì, ta có nguy cơ đánh mất sự hiểu ngữ cảnh và chiều sâu cần thiết để trưởng thành thành chuyên gia thực thụ

Rủi ro dài hạn của việc quá phụ thuộc vào AI

• Nếu sự phụ thuộc quá mức vào các công cụ AI không được kiểm soát, bạn có thể đối mặt với một khủng hoảng tư duy phản biện trong sự nghiệp
• Nếu AI thay bạn thực hiện hầu hết quá trình suy nghĩ, khi công cụ thất bại hoặc gặp bài toán không giải nổi, bạn sẽ mất năng lực tự ứng phó

  "Càng dùng AI nhiều, bạn càng dùng não ít hơn. Vậy khi gặp một vấn đề mà AI không giải được, liệu bạn còn kỹ năng để tự mình giải quyết không?"

• Trên thực tế đã có những trường hợp workflow của lập trình viên đứng khựng hoàn toàn do sự cố của trợ lý lập trình AI

• Lời tiên tri tự ứng nghiệm (Self-Fulfilling Prophecy)

  • Trong khi lo lắng AI sẽ cướp việc làm, nhóm nghiên cứu Microsoft cảnh báo rằng nếu "dùng AI một cách không phê phán (uncritically)", con người có thể tự đánh mất năng lực cạnh tranh của chính mình
  • Đặc biệt, lập trình viên mới vào nghề có nguy cơ bỏ qua "con đường khó", chỉ tập trung vào năng suất tức thì và rơi vào đình trệ phát triển từ sớm mà không có học tập chuyên sâu
  • Kết quả là có thể xuất hiện cả một nhóm những người chỉ biết bấm nút (button-pushers) chưa từng trải nghiệm niềm vui tự giải quyết vấn đề hay đạt được sự hiểu biết sâu
  • Họ có thể rất thành thạo trong việc hỏi AI, nhưng lại rơi vào tình trạng không thực sự hiểu đáp án
  • Khi AI sai một chút, họ có thể không phát hiện ra lỗi đó, khiến bug hoặc lỗ hổng bảo mật lọt vào mã nguồn

• Văn hóa nhóm và động lực tổ chức

  • Nếu mọi lập trình viên chỉ dùng trợ lý AI, mentorship và học tập kiểu thẩm thấu (osmosis learning) có thể suy yếu
  • Khi lập trình viên junior dựa vào AI thay vì đồng nghiệp, senior sẽ khó truyền lại kiến thức hơn
  • Nếu số lượng junior có nền tảng yếu tăng lên, senior sẽ phải tiêu tốn thời gian để sửa các lỗi do AI tạo ra
  • Cuối cùng, nhóm có thể biến thành một tập hợp các cá nhân phụ thuộc vào AI, nơi văn hóa review phản biện và cùng nhau duy trì chất lượng biến mất
  • Trên thực tế, bus factor thậm chí có thể bao gồm cả "sự cố dịch vụ AI"
    • "Cần bao nhiêu người bị xe buýt tông thì dự án mới sụp đổ?"
• Đây không phải lời kêu gọi quay lại cách làm analog, mà là cảnh báo rằng cần dùng AI một cách thận trọng
  • Trong khi tận dụng AI, cần cẩn thận để không outsource không chỉ công việc mà cả chính năng lực tư duy
  • Mục tiêu là tận hưởng tối đa lợi ích của AI nhưng đồng thời vẫn giữ vững kỹ năng và năng lực suy nghĩ của chính mình

Dùng AI như cộng sự thay vì nạng chống

• Để vừa tận hưởng năng suất do trợ lý lập trình AI mang lại vừa giữ được tư duy và kỹ năng, cần có thói quen sử dụng một cách có ý thức
• Hãy xem AI không phải là cỗ máy trả lời toàn năng, mà là một lập trình viên pair junior hoặc đối tác rubber duck debugging
• Dưới đây là những chiến lược thực hành cụ thể đáng cân nhắc

• Thực hành "AI hygiene" – luôn kiểm chứng và hiểu rõ

  • Dù kết quả của AI có vẻ hợp lý, vẫn phải hình thành thói quen không tin vô điều kiện mà luôn kiểm chứng
  • Với các hàm hay đoạn mã do AI tạo ra, cần thực hiện kiểm thử có chủ đích và tìm các edge case
  • Tự hỏi: "Vì sao giải pháp này hoạt động?", "Giới hạn của nó là gì?"
  • Có thể yêu cầu AI giải thích mã theo từng dòng hoặc đưa ra cách tiếp cận thay thế để phục vụ việc học
  • Khi chất vấn câu trả lời của AI, bạn có thể biến một phản hồi thụ động thành một bài học chủ động

• Rèn nền tảng – đôi khi cần chấp nhận vất vả

  • Mỗi tuần hãy dành một khoảng thời gian làm "giờ lập trình không AI" để giải quyết vấn đề hoàn toàn thủ công
  • Nhiều lập trình viên giàu kinh nghiệm còn chỉ định "No-AI Day" để tự viết mã, tự phân tích lỗi và tự tra cứu tài liệu
  • Ban đầu sẽ chậm và bực bội, nhưng theo thời gian bạn có thể lấy lại sự tự tin và sự hiểu biết sâu
  • Kiên trì lập trình không có AI sẽ giúp năng lực nền tảng không bị rơi vào trạng thái entropy
  • Đây giống như cross-training cho bộ não của lập trình viên

• Hãy tự thử giải bài toán trước khi hỏi AI

  • Khi gặp vấn đề, đừng hỏi AI ngay mà hãy tự nghĩ cách tiếp cận trước
  • Hãy tự dựng ít nhất pseudocode hoặc một ý tưởng đơn giản rồi mới dùng AI
  • Khi gặp bug, hãy dành tối thiểu 15–30 phút để tự debugging trước
  • Làm vậy sẽ giúp phát triển năng lực giải quyết vấn đề, đồng thời có thể học chủ động bằng cách so sánh câu trả lời của AI với cách tiếp cận của chính mình

• Đừng thay thế code review bằng AI, hãy dùng AI để tăng cường nó

  • Ngay cả mã do AI sinh ra cũng phải được review kỹ lưỡng như thể do đồng nghiệp viết
  • Nếu có thể, hãy kết hợp code review bởi con người đối với mã AI để duy trì chất lượng ở cấp độ nhóm
  • Nhờ đó kiến thức của nhóm vẫn được giữ trong vòng lặp, và khi tin vào AI bạn vẫn có thể phát hiện những vấn đề mà một lập trình viên đơn lẻ dễ bỏ sót
  • Điều này khuyến khích thái độ rằng "AI có thể viết bản nháp, nhưng chúng ta là người sở hữu mã nguồn"
  • Bất kể ai viết ra, cả nhóm đều có trách nhiệm hiểu và bảo trì mọi đoạn mã trong repository

• Học chủ động – hỏi tiếp và lặp lại việc học

  • Ngay cả khi giải pháp AI đưa ra hoạt động tốt, hãy dành thời gian củng cố việc học ngay tại chỗ
  • Nếu AI viết giúp một biểu thức chính quy phức tạp hay một thuật toán, hãy tự giải thích cấu trúc của nó hoặc hỏi AI vì sao lại dùng cách đó
  • Hãy dùng AI theo kiểu đối thoại như một gia sư kiên nhẫn vô hạn, chứ không chỉ là nơi phát đáp án
    • Hỏi về đoạn mã do ChatGPT tạo ra: "Vì sao cách này không được?"
  • Làm như vậy, AI sẽ trở thành người cố vấn chứ không chỉ là máy phát mã

• Ghi lại nhật ký học tập và danh sách "AI assist"

  • Hãy ghi lại những chủ đề bạn hỏi AI lặp đi lặp lại để xác định lỗ hổng kiến thức
  • Ví dụ, nếu cứ liên tục hỏi về căn chỉnh div trong CSS hoặc tối ưu SQL query, hãy tập trung học kỹ chủ đề đó
  • Tạo flashcard hoặc bài tập ngắn để ôn lặp lại và chuyển kiến thức vào trí nhớ dài hạn
  • Lần sau khi gặp bài toán tương tự, hãy thử giải mà không dùng AI để kiểm tra xem bạn còn nhớ cách làm không
  • Giữ thái độ xem AI là lưới an toàn cuối cùng chứ không phải giải pháp đầu tiên

• Pair programming với AI

  • Đừng đối xử với AI như một API chỉ để hỏi đáp, mà hãy đối thoại với nó như một đối tác pair programming
  • Ví dụ, bạn viết bản nháp hàm rồi nhờ AI gợi ý cải thiện, hoặc ngược lại AI viết bản nháp còn bạn sửa lại
  • Ví dụ hội thoại: "Hàm này chạy được rồi, nhưng có cách nào refactor cho rõ ràng hơn không?"
  • Cách này giúp bạn vẫn ngồi ở ghế lái. Thay vì chỉ tiêu thụ câu trả lời, bạn chủ động tuyển chọn và chỉ đạo để AI đóng góp
  • Hãy coi AI là một lập trình viên junior cần được giám sát, và xác định rõ người chịu trách nhiệm cuối cùng là lập trình viên con người
• Với những thói quen này, việc dùng AI sẽ trở thành lợi ích thuần túy, mà bạn cũng không đánh mất năng lực của mình
• Trên thực tế, việc dùng AI để giải thích mã lạ hoặc đem các trường hợp phức tạp ra thử AI cũng rất hữu ích cho việc nâng cao kỹ năng cá nhân
• Ví dụ, dùng AI để giải thích một đoạn mã chưa quen có thể giúp đào sâu kiến thức, còn khiến AI lúng túng với các ca khó có thể cải thiện tư duy kiểm thử
• Điều cốt lõi là phải luôn là người dùng chủ động chứ không phải người tiêu thụ thụ động

Kết luận: Giữ cho mình luôn sắc bén

• Ngành phần mềm đang tăng tốc tiến vào kỷ nguyên sinh mã bằng AI, và đây đã là một xu hướng không thể đảo ngược
• Đón nhận các công cụ này không chỉ là điều không thể tránh, mà nhìn chung còn có lợi
• Tuy nhiên, khi tích hợp AI vào workflow, mỗi người cần cẩn trọng lựa chọn giữa những gì giao cho máy và những gì phải tự giữ lại cho mình

• Nếu bạn yêu lập trình, hãy giữ không chỉ khả năng phát hành tính năng nhanh hơn, mà còn cả tay nghề và niềm vui giải quyết vấn đề

• Hãy dùng AI như một bộ khuếch đại năng lực (amplifier), đừng biến nó thành vật thay thế (replacement)
• Hãy để AI xử lý các công việc lặp lại, và dùng phần thời gian được giải phóng đó cho những việc sáng tạo, phức tạp hơn
• Nhưng cần cảnh giác để kỹ năng nền tảng không bị mai một, và luôn giữ sự tò mò để khám phá "như thế nào" và "vì sao"
• Hãy tiếp tục mài giũa bản năng debugging và tư duy hệ thống, thay vì chỉ đi tìm những lối tắt do AI đưa ra
• "Nói ngắn gọn, hãy biến AI thành cộng sự chứ không phải chiếc nạng của bạn"

• Lập trình viên thành công sẽ là người biết kết hợp hài hòa trực giác và kinh nghiệm của con người với siêu năng lực của AI
  • biết điều hướng codebase dù có hay không có autopilot
• Thông qua luyện tập tự chủ và những thử thách, bạn phải có khả năng tự giải quyết vấn đề ngay cả khi công cụ hào nhoáng thất bại hoặc khi đối mặt với bài toán mới
• "Đừng lo AI sẽ thay thế bạn, hãy lo rằng bạn không phát triển những kỹ năng khiến mình không thể bị thay thế"
• Nếu luôn giữ nguyên tắc rằng phải hiểu câu trả lời AI đưa ra bằng tâm thế của một kỹ sư, bạn sẽ lướt cùng làn sóng AI mà không bị nó cuốn trôi

• Bonus

  • Lần tới nếu bạn cảm thấy bị cám dỗ muốn để AI viết cả một tính năng, hãy coi đó là tín hiệu để tự tay viết một phần trước
  • Có thể bạn sẽ ngạc nhiên vì mình vẫn nhớ được rất nhiều, và lại cảm nhận được niềm vui khi trực tiếp viết mã bằng tay
  • Hãy xem AI là công cụ tăng năng suất, nhưng đừng bao giờ ngừng thói quen chủ động rèn giũa kỹ năng

Lập trình viên giỏi nhất của tương lai sẽ là người mà, dù sống trong thời đại AI ngày nay, vẫn không quên cách tự suy nghĩ

[redcrash0721]

https://freederia.com/researcharchive/
Đây là trang web của nhà khoa học AI.
Hướng đi như vậy sẽ thúc đẩy mạnh hơn nữa sự đa dạng về định hướng.

[mhj5730]

Đây là một công nghệ mang lại mức năng suất khó có thể chối từ. Hơn nữa, khi nó gợi ra những cách tiếp cận hoặc sử dụng API của thư viện mà bình thường ta chưa từng nghĩ tới, trong đầu như có tia lửa lóe lên. Việc phụ thuộc vào AI gấp 10 lần là hiện tượng tự nhiên, nhưng để giao phó mọi thứ cho một giải pháp all-in-one, vẫn cần nhận thức rằng nó chỉ là co-pilot (phi công phụ). Trong đời sống hằng ngày cũng vậy, trong code cũng vậy, cảm giác như lúc nào cũng có một nghiên cứu sinh tiến sĩ cực kỳ tận tình ở bên cạnh.

[ruinnel]

Trước đây có một bạn lập trình viên junior từng làm cùng tôi... tôi đã thở dài khi thấy bạn ấy copy-paste nguyên xi cả đoạn code tìm trên Internet mà thậm chí không sửa cả indent...

"Đừng cứ Google rồi copy-paste nguyên xi code từ những chỗ như Stack Overflow, hãy hiểu rồi hẵng dùng"
Tôi đã từng nói như vậy.

Sao bây giờ lại y hệt thế nhỉ? haha

[savvykang]

Vì với những người không hiểu rõ, đó là cách dễ nhất.

[loblue]

Foundation không phải là tiểu thuyết khoa học viễn tưởng mà là một cuốn sách tiên tri sao!

[GN⁺]

Ý kiến trên Hacker News

• Đưa ra một góc nhìn khác về phép so sánh phổ biến rằng GPS làm suy yếu khả năng đọc bản đồ. Người cha học lái xe trước thời GPS gặp khó khăn khi vừa lái xe vừa điều hướng. Ngược lại, những người học lái xe cùng với GPS đã phát triển khả năng quản lý việc lái xe trong khi xử lý chỉ dẫn điều hướng. Kỹ năng này đã trở thành một năng lực thiết yếu của tài xế hiện đại

  • Có thể thấy một mẫu hình tương tự trong AI và lập trình. Những kỹ năng mới để tích hợp AI hiệu quả vào quá trình phát triển đang xuất hiện, và điều này đang phát triển thành "lập trình cùng AI"

• Việc dùng LLM để chụp ảnh bài tập trong giáo trình nhằm hỗ trợ hiểu bài nay đã khả thi. LLM là công cụ khuếch đại ý định của con người, nên có lợi cho những người thực sự muốn học. Tuy nhiên, nó có thể gây tác động tiêu cực với những người chỉ muốn tô vẽ bề ngoài

• Khi làm việc với LLM, khả năng hiểu trọn vẹn vấn đề và diễn đạt rõ ràng ý định được cải thiện. LLM giúp tăng tốc độ viết code, nhưng cũng có thể tạo ra code sai nhanh hơn. Vì vậy, khả năng mô tả rõ yêu cầu hệ thống và tư duy ở mức trừu tượng cao trở nên quan trọng hơn

• Có ý kiến cho rằng sự suy giảm kỹ năng liên quan đến AI là hệ quả có chủ đích nhằm cắt giảm chi phí lao động. Điều này nhấn mạnh thực tế rằng mục tiêu không phải là nâng cao năng suất qua AI, mà là giảm chi phí

• LLM hữu ích để luyện các kỹ năng như LeetCode. Có thể học bằng cách dùng Gemini 2.5 Pro trong AI Studio để giải bài LeetCode và gợi mở các điểm cần cải thiện

• Dùng Claude để khám phá ý tưởng và phát hiện lỗ hổng trong lập luận. Trong tình huống xấu nhất, Claude đóng vai trò một cố vấn đáng tin; trong tình huống tốt nhất, nó giống như một thám tử

• Ví dụ không thể dùng bản đồ giấy cho thấy thay đổi công nghệ ảnh hưởng thế nào đến năng lực cá nhân. Có lo ngại rằng nếu GPS ngừng hoạt động, sẽ rất khó tìm được bản đồ giấy

• Không chỉ có nguy cơ suy giảm kỹ năng, mà còn có rủi ro tri thức con người bị đồng nhất hóa. "Thường thức" được LLM củng cố có thể thay thế các vấn đề mang tính địa phương bằng những lời giải chung chung

• Tắt mạng và viết code hoặc soạn tài liệu mà không phụ thuộc vào công cụ bên ngoài là cách tốt để kiểm tra năng lực tư duy của bản thân. Người viết quyết định nghỉ hưu vì không còn muốn lặp lại ý tưởng của người khác thay vì suy nghĩ sáng tạo

• IQ trung bình có thể giảm hơn 10 điểm trong 10 năm tới, nhưng mọi người vẫn sẽ khẳng định năng suất đã tăng nhờ các bài blog do AI tạo ra