Thà tôi đọc prompt còn hơn
(claytonwramsey.com)- Đây là lời phê bình rằng văn bản do LLM viết, từ bài làm của sinh viên đến phản biện bài báo, dù bề ngoài có vẻ hợp lý nhưng hầu như không mang lại ý tưởng hay trải nghiệm mới nào cho người đọc
- Lý do mọi người giao việc viết cho LLM có thể chia thành: họ không coi nhiệm vụ đó là quan trọng, tin rằng mô hình viết tốt hơn mình, hoặc muốn tạo văn bản tự động phục vụ thương mại
- Nếu mục đích của việc viết là truyền đạt suy nghĩ của bản thân, thì đầu ra của LLM, vốn không có suy nghĩ riêng, gần với một sản phẩm rỗng tuếch hơn cả đạo văn
- Ngay cả những việc trông có vẻ mang tính hình thức như bài tập trên lớp và phản biện bài báo thực ra cũng đòi hỏi tư duy và phán đoán; LLM chỉ tạo ra văn bản chứ không thay thế được quá trình suy nghĩ
- Ví dụ 234 từ tạo bằng Gemini chỉ lặp lại prompt một cách dài dòng và thêm vào những nhận định chung chung, nên prompt gốc còn đáng đọc hơn kết quả đầu ra
Văn phong và giới hạn bộc lộ trong bài viết của LLM
- Khi chấm bài tập của sinh viên, tác giả thường gặp những bài viết có vẻ là đầu ra của ChatGPT, chẳng hạn câu trả lời giải thích nhược điểm của góc Euler (Euler angles)
- Những câu trả lời như vậy thường dài dòng, mơ hồ, bị ám ảnh với kiểu bullet in đậm, và có xu hướng lặp lại prompt
- Văn phong kiểu ChatGPT đủ đặc trưng để nhận ra, nhưng tác giả cho rằng đó không phải bằng chứng quyết định đến mức có thể chuyển lên hội đồng danh dự
- Ngay cả khi nêu vấn đề, tác giả cũng khó chắc rằng lợi ích về tính liêm chính trong lớp học có lớn hơn thời gian phải tranh luận vụ việc hay không
Vì sao mọi người giao việc viết cho LLM
-
Những việc họ cảm thấy không quan trọng
- Tác giả xem đây là thái độ phổ biến ở những sinh viên coi các môn học chỉ là chuỗi chướng ngại vật để lấy bằng
- Động cơ tương tự cũng đang tăng lên trong phản biện bài báo, với ví dụ liên quan là paper reviews
- Nhiều nhà nghiên cứu có thể xem việc phản biện là việc phụ trong khối lượng công việc vốn đã quá tải, và cảm thấy khó dành thời gian để viết phản biện tốt
-
Trường hợp tin rằng mô hình viết tốt hơn
- Một số đồng nghiệp tin rằng LLM tạo ra văn bản tốt hơn họ
- Theo cảm nhận của tác giả, hiện tượng này có vẻ phổ biến hơn ở những người dùng tiếng Anh như ngôn ngữ thứ hai
- Điều này cũng tương tự với người mới học lập trình, và gắn với thái độ xem lập trình như những câu thần chú bí ẩn cần học thuộc rồi đọc ra
- Trong viết học thuật cũng có cách dùng tương tự, với ví dụ liên quan là academic writing
-
Văn bản tự động có lợi ích liên quan
- Ví dụ gồm astroturfing, chatbot hỗ trợ khách hàng, và phần mở đầu dài dòng trong các công thức làm bánh trực tuyến
- Tác giả cho rằng những văn bản này không được viết để con người đọc, và cũng không chứa ý định của tác giả
- Trong phạm vi bàn về động cơ cá nhân, tác giả không đi sâu vào kiểu này
Mục đích của việc viết và sự rỗng tuếch của đầu ra LLM
- Lý do chính con người viết là để truyền đạt suy nghĩ gốc
- Suy nghĩ đó không cần phải đặc biệt hay mang tính học thuật; kỳ nghỉ, chó cưng, màu yêu thích đều có thể là chủ đề đủ tốt
- Điều kiện quan trọng là suy nghĩ đó phải là của chính mình
- Nếu sao chép lời người khác, ta không truyền đạt được suy nghĩ của mình, nhưng ít nhất vẫn truyền đạt suy nghĩ của một con người
- Vì LLM về mặt cấu trúc không có suy nghĩ riêng, tác giả xem việc công bố đầu ra của nó gần như là một hành động không có mục đích
Những việc trông không quan trọng thực ra cũng quan trọng
- Tác giả cho rằng việc bình luận dưới một bài Reddit bằng bản tóm tắt nội dung gốc do máy tính tạo ra là lãng phí thời gian của tất cả mọi người
- Nếu bài gốc nghèo nàn đến mức chỉ cần bản tóm tắt là đủ, thì nó không đáng để tham gia bình luận
- Nếu bài gốc đòi hỏi con người thực sự đọc hiểu, thì bản tóm tắt là vô nghĩa
- Mục đích của bài tập viết trên lớp không phải là sản phẩm văn bản, mà là buộc sinh viên suy nghĩ
- LLM tạo ra sản phẩm, nhưng không tạo ra quá trình tư duy
- Trong phản biện bài báo, một bài phản biện nửa vời chỉ tạo thêm việc không cần thiết cho tác giả gốc, và không cung cấp cho biên tập viên thông tin nào ngoài những điều họ đã biết
Phản bác niềm tin rằng “mô hình làm tốt hơn”
- Trong giao tiếp chuyên nghiệp, tác giả cho rằng LLM chủ yếu được dùng để tạo thêm phần rườm rà hoặc chỉnh giọng điệu của prompt gốc
- Trong quá trình đó, ý nghĩa ban đầu bị làm mờ, và ngay cả những suy nghĩ đơn giản cũng bị phủ thêm nhiều lớp lời lẽ không cần thiết
- Nếu may mắn thì nó không sai, nhưng tác giả cho rằng nó thường bịa hoàn toàn những chi tiết quan trọng hoặc tạo ra văn bản khó hiểu
- Trong văn bản vụng về của con người, ít nhất ta có thể kỳ vọng có sự hiểu biết nội tại mà họ muốn chia sẻ; với LLM thì không thể kỳ vọng điều đó
Lập trình và vibe coding
- Tác giả có phần thông cảm hơn với lập trình viên, nhưng cho rằng hậu quả dài hạn âm thầm gây hại hơn
- Nhắc đến Programming as Theory Building của Peter Naur, tác giả cho rằng để viết một chương trình đủ phức tạp, không chỉ cần sản phẩm mã nguồn mà còn cần một lý thuyết về cấu trúc logic đằng sau mã
- vibe coding được định nghĩa là cách gần như giao toàn bộ việc tạo chương trình cho LLM
- Cách này tạo ra sản phẩm không có lý thuyết, và kết quả là mã về thực chất vô dụng
- Theo cách nói của Naur, chương trình như vậy đã chết; ở đây tác giả ví nó gần như chết ngay khi vừa sinh ra
- Tác giả nêu ví dụ về ứng dụng vibe-coded gặp vấn đề bảo mật: ứng dụng công thức nấu ăn vibe-coded làm lộ khóa OpenAI
Thử nghiệm với Gemini
- Tác giả đưa luận điểm của bài luận vào Google Gemini và yêu cầu hoàn thiện bài viết thành 2 đoạn ngắn
- Đầu ra của Gemini dài 234 từ, và tác giả đánh giá rằng nó chỉ diễn đạt lại prompt một cách dài dòng
- Giọng văn dừng ở những khái quát rộng và vô nghĩa; dùng từ to tát nhưng không có gu
- Câu ví dụ “Perhaps it stems from a desire for efficiency, a wish to quickly generate text without the perceived effort of crafting each sentence.” là một trường hợp biến một ý nhỏ thành câu lớn
- Cùng ý đó có thể rút gọn thành “Perhaps it stems from a desire for efficiency.”, và nếu gọt giũa thêm thì thành “Perhaps people do it for efficiency.”
- Thử nghiệm này dẫn đến kết luận rằng LLM rất giỏi kéo dài những lời nhảm nhí, nhưng ngoài việc đó thì không tốt lắm
Kết luận: thà đọc prompt còn hơn
- Tác giả cho biết chưa từng có đầu ra nào của mô hình tạo sinh sáng tạo, dù là hình ảnh, văn bản, âm thanh hay video, khiến họ muốn xem hơn prompt gốc
- Kết quả được tạo ra có ít thực chất hơn prompt, và trong quá trình tạo ra nó không có tầm nhìn của con người
- Mục đích của sáng tạo là chia sẻ trải nghiệm của bản thân; nếu không có trải nghiệm để chia sẻ thì không có lý do gì phải tạo ra
- Bài viết kết lại rằng thứ không đáng viết thì cũng không đáng đọc
1 bình luận
Ý kiến trên Hacker News
Tôi đã nhiều lần yêu cầu các đồng nghiệp ở chỗ làm, những người dùng LLM để tạo ra những bài viết dài dòng đến vô lý, rằng thà chỉ gửi prompt cho tôi còn hơn
Nếu LLM có thể tạo ra một bài dài từ đầu vào hạn chế, thì thứ cần thiết chỉ là đầu vào súc tích đó, còn phần còn lại tôi xem là những thứ rườm rà bịa thêm
Nếu gõ hoặc đọc chính tả một dòng ý thức nhiều ngoặc đơn, nửa có cấu trúc rồi nhờ nó tóm tắt, nhiều khi nó sắp xếp điều tôi định nói tốt hơn
Điều này cũng gần với câu nói nổi tiếng của Pascal: “Nếu có thời gian, tôi đã viết một lá thư ngắn hơn”
Nhân tiện, tôi thử nhờ LLM nén câu trên, và nó cho ra đại ý: “Khi khó diễn đạt một ý nghĩ mơ hồ, nếu nói hoặc viết dài một dòng suy nghĩ nửa được sắp xếp rồi nhờ LLM tóm tắt, nó sẽ nắm bắt ý định rõ ràng và hiệu quả hơn”
Giờ AI chỉ còn là một bộ xuất kết quả đẹp nhưng mất mát thông tin
Khi cuối cùng cũng liên lạc được, người đó thú nhận đã đưa yêu cầu thực tế vào ChatGPT và “không có thời gian kiểm tra kết quả”, khiến tôi thật sự tức giận
LLM không thể biết về tôi nhiều hơn những gì tôi đưa vào prompt, nên kết quả không thể cung cấp nhiều thông tin hơn prompt
Với các câu hỏi về tri thức công khai, nó hữu ích hơn nhiều vì có thể kéo thông tin mới từ tài liệu bên ngoài
Tôi thích góc nhìn của tác giả: không phải là phán xét giá trị đối với cá nhân dùng LLM như ChatGPT hay Gemini, mà là suy nghĩ bỏ ra để tạo prompt tất yếu thú vị, độc đáo và mang tính con người hơn đầu ra của LLM
Theo trải nghiệm của tôi khi dùng LLM để viết code, nếu prompt rác thì code về mặt khách quan cũng là rác
Nếu tôi không biết mình muốn gì, không có ý tưởng, cấu trúc hay kế hoạch, thì code như vậy sẽ xuất hiện
Tôi cũng muốn nghe phản biện từ những người gần đây đã dùng LLM cho viết học thuật hoặc viết sáng tạo. Ngoài việc dùng các model gần đây để vượt qua boilerplate hoặc dựng khung trong các dự án lập trình cá nhân, tôi chưa dùng chúng nhiều
Rốt cuộc vẫn là cấu trúc lặp đi lặp lại của rác vào, rác ra
Vài tuần trước, tôi cũng nêu điểm này như lý do vì sao LLM hiện tại không thể trở thành người thiết kế campaign xuất sắc cho Dungeons and Dragons
Con người không cần “ràng buộc”. Nếu bảo một nhà văn có năng lực ngồi yên lặng và nghĩ ra cốt truyện tiểu thuyết mới, họ cứ thế làm được
https://news.ycombinator.com/item?id=43677863
Tuy vậy, LLM có thể là một bảng cộng hưởng ý tưởng tuyệt vời
Nếu cần thêm bằng chứng, hãy tăng temperature lên 1.0 rồi hỏi bất kỳ LLM nào: “Hãy tưởng tượng một căn phòng dungeon độc lập cho campaign DND, có một câu đố độc đáo chưa từng có. Hãy viết cụ thể về câu đố, lời giải, bố cục phòng, v.v., và làm cho nó hoàn toàn mới mẻ, giàu tưởng tượng”
Tôi dám chắc 99% nó sẽ đưa ra một câu đố vật lý kiểu công thức như “The Resonant Hourglass” hoặc “The Mirror of Acoustic Symmetry”
Kiểu như đưa ý tưởng vào, bỏ những thứ cần bỏ, xác định giọng văn và độ súc tích, rồi chạy nhiều bản nháp
https://old.reddit.com/r/singularity/comments/1andqk8/gemini...
Đồng thời, những người cần LLM cho các mục đích này nhất lại có khả năng kém nhận ra điểm yếu của đầu ra nhất. Cũng như tôi không viết được tiếng Tây Ban Nha, tôi cũng không thể đánh giá chất lượng bản dịch tiếng Tây Ban Nha do LLM tạo ra
Nhìn cực đoan hơn, sinh viên ngày nay có thể phụ thuộc vào LLM, tin tưởng nó dù không hiểu rõ hơn, rồi thành ra tin mọi thứ trong trạng thái chẳng biết gì, thậm chí không đánh giá được chất lượng hay hiệu năng
Một lĩnh vực tôi nhìn khác tác giả là lập trình. Tôi thích thuật toán, nhưng code được viết để máy tính đọc, và tôi không thấy có vấn đề lớn khi máy tính viết code
LLM tiết kiệm cho tôi rất nhiều thời gian viết các hàm đơn giản, giúp tôi nhanh chóng vượt qua những việc lặt vặt nhàm chán của dự án để tập trung vào phần thú vị
Tôi nghĩ câu nói của Miyazaki rằng “con người đã đánh mất sự tự tin” là phù hợp nhất. LLM có thể là công cụ tuyệt vời để tự động hóa các việc lặp lại và nhàm chán, nhưng thật buồn khi nghĩ rằng nó có thể thay thế góc nhìn riêng của con người
Nó hầu như không giúp gì cho việc xây dựng cấu trúc. Viết là việc hiểu rõ đến mức có thể rút gọn ý nghĩa đó thành lời để người khác nắm bắt được
Tôi đồng ý rằng LLM không giúp được nhiều ở phần đó
Tuy nhiên, mọi thông tin phải nằm trong prompt. Nếu không, nó sẽ ảo giác
Kết quả chưa đạt mức có thể nộp nguyên xi, nhưng đủ để bắt đầu và lặp lại thay vì nhìn vào màn hình trống
Tôi cũng muốn thử để nó viết phần phương pháp. Vì trong mỗi bài báo, đó gần như là việc lặp lại cùng một thông tin bằng câu chữ khác
Nhưng tôi vẫn chưa tin vào độ chính xác của các chi tiết kỹ thuật. LLM chỉ là mô hình ngôn ngữ, không có tri thức hay sự hiểu biết
Viết kiểu này thì LLM giống như một thuật toán giải nén ngược. Một ý tưởng đơn giản bị LLM thổi phồng lên thành thứ lộn xộn, rồi người khác lại dùng LLM để tóm tắt nó, đưa nó trở về gần với prompt ban đầu
Thứ duy nhất hưởng lợi từ công việc vô nghĩa này là Sam Altman và nhóm của ông ta, những người bỏ túi khoảng $0.000000001 để đổi lấy việc khiến điều đó khả thi
Ngoại lệ là những văn bản và mã có tính lặp lại hoặc boilerplate, nơi cần diễn đạt dài dòng từ ít thông tin
http://prize.hutter1.net/
Chỉ cần xem lời nói đầu, FAQ, và việc tất cả các mục chiến thắng giờ đều là mạng nơ-ron
Tôi nghĩ câu trả lời cho sự chán nản của giảng viên khá đơn giản. Nhiều người vào đại học không phải để học và rèn luyện tinh thần, mà là để sống sót trong một hệ thống kinh tế Darwin xã hội tàn khốc
Ngay từ đầu đã chỉ có rất ít người thật lòng đến để học góc Euler; phần còn lại xem đó là một cửa ải phải vượt qua để có được một công việc có thể rồi sẽ bị AI tự động hóa
Nhìn từ góc độ củng cố điều kiện, giảng viên rõ ràng chỉ cần trừ điểm những sinh viên gian lận một cách hiển nhiên
Về lý thuyết, sinh viên sẽ bỏ cuộc, hoặc trở nên đủ giỏi để không bị phát hiện. Trường hợp sau có thể là một kỹ năng có nhu cầu trong tương lai
Việc cha mẹ nói “nếu con vượt qua các cửa ải này, thì mỗi khi con xay vừng kiếm được 1 đô la ở một công ty nào đó, chúng ta sẽ cho con thêm 2 đô la” quả là hơi kỳ lạ
Làm việc và tự giáo dục bản thân không phải là việc ổn và có phẩm giá sao? Đây là một giao dịch tệ à?
Ít nhất trang của anh ấy viết như vậy: https://claytonwramsey.com/about/
Các giáo sư cũng không hẳn được đào tạo thực sự về giáo dục, nhưng người này cũng có vẻ chưa học phương pháp giảng dạy một cách bài bản
Rốt cuộc, anh ấy còn khá trẻ, và bài viết đó gần với một phản ứng mạnh bột phát. Nên đánh giá nó theo cách đó
Có nhiều cách dùng LLM
Vấn đề nằm ở chỗ một số người ném vào một prompt dùng một lần ngắn ngủi, rồi nhận lại đầu ra chung chung và nhàm chán. Đó là “đầu vào rác, đầu ra chung chung”
Cách tôi thực sự dùng là trút ra suy nghĩ rồi nhờ hỗ trợ sắp xếp, nhận phản hồi về cách diễn đạt và liên kết câu, với tư cách người không phải bản ngữ thì cải thiện giọng điệu và phong cách nhưng cố giữ cá tính, đơn giản hóa những câu lộn xộn, tìm chỗ thiếu sót hoặc vấn đề trong bài viết, v.v.
Thường đó là một quá trình lặp, và tổng độ dài các prompt cộng lại dài hơn kết quả cuối cùng. Tôi cũng áp dụng phản hồi theo cách thủ công
Nếu ai đó chỉ gõ “hãy viết một bài blog về X” thì prompt có lẽ sẽ thú vị hơn đầu ra, nhưng nếu có năm vòng chỉnh sửa và ngữ cảnh, bạn có thật sự muốn đọc toàn bộ prompt và bản nháp thay vì bản cuối cùng không?
Nếu muốn thì ở đây: https://chatgpt.com/share/6817dd19-4604-800b-95ee-f2dd05add4...
Nhân tiện, bản nháp ban đầu đưa cho ChatGPT hay hơn bài đăng ở đây
Đây là điểm rất khó làm cho sinh viên hiểu. Khi giáo viên yêu cầu viết về một sự kiện lịch sử, đó không phải là một nghi thức nào đó trên đường lấy bằng
Mục tiêu là cải thiện nhiều năng lực: thu thập thông tin, hiểu, hấp thụ, phê bình những gì đã đọc, và cuối cùng hình thành ý kiến của riêng mình
Câu “trút suy nghĩ ra rồi để LLM sắp xếp” nghe như thể bạn không quan tâm đến việc rèn luyện khả năng thật sự hấp thụ thông tin
Với tôi, đó giống như tín hiệu rằng bạn không quan tâm đến việc trở thành một người thú vị. Tôi nghĩ đây là vấn đề về độ trưởng thành, và một ngày nào đó bạn sẽ hiểu
Điều tác giả nói rốt cuộc cũng là vậy. Thứ tôi quan tâm là điều bạn nói về chủ đề bạn quan tâm, chứ không phải thứ bạn có thể làm để giả vờ quan tâm hoặc giả vờ biết
Nếu bạn không thể tự sắp xếp suy nghĩ của mình, khó mà tin rằng bạn đã đạt đến điểm thú vị; và để tới được đó thì cần luyện tập
Nhưng tôi lo rằng nếu không luyện tập mà dùng LLM, cuối cùng bạn sẽ không trở thành một người thú vị
Việc này cũng không phải lúc nào cũng đơn giản, nên đôi khi phải lặp lại kiểu “hãy dịch sang ngôn ngữ mà những người sống ở vùng này sử dụng”
Có phần tác giả nói đúng. Với tư cách người dùng ngôn ngữ thứ hai, LLM tạo ra bài viết tốt hơn tôi
Nhưng prompt là tiếng nước ngoài và các mảnh bản nháp lẫn lộn nên vô dụng với độc giả, vì vậy tôi sẽ không chia sẻ
Tôi xem nó gần giống như việc chuyển bản thảo sách cho biên tập viên và dịch giả
Kể từ khi AI xuất hiện, tôi vẫn luôn nghĩ về tỷ lệ giữa prompt và đầu ra
Do đặc tính của các hệ thống chúng ta dùng, ta tự nhiên giả định prompt sẽ ngắn hơn đầu ra, nhưng càng cụ thể hóa điều mình muốn thì prompt càng dài ra, trong khi kích thước đầu ra vẫn vậy
Nếu thay vì viết một bài luận, ta mô tả nội dung sẽ có trong bài luận đó, thì phần mô tả ấy tất yếu sẽ dài hơn chính bài luận. Vì việc giải thích điều mình định nói đòi hỏi nhiều văn bản hơn là cứ nói thẳng ra
Việc ta kỳ vọng nhận lại nhiều công sức hơn với ít nỗ lực hơn cho thấy thứ ta nhận được rốt cuộc chỉ là lời lấp chỗ trống
Vì thế prompt lại thú vị hơn; nhiều lần tôi bắt đầu viết prompt vì không biết phải viết gì, rồi trong quá trình đó đột nhiên điều mình muốn nói trở nên rõ ràng
Nhìn chung, AI hữu ích hơn nhiều trong việc nén các ý tưởng phức tạp thành đơn giản, hơn là mở rộng các ý tưởng đơn giản thành phức tạp
Nếu đã có thể đặc tả hệ thống mới mình muốn xây bằng tiếng Anh đủ chính xác để nhận được đúng hệ thống mong muốn, thì thà viết code luôn còn hơn
Nếu tôi dành 1 giờ viết một prompt 500 từ, gắn thêm X dữ liệu bổ sung như các hàng trong bảng, rồi LLM trả lại X câu trả lời hoàn hảo, thì việc tỷ lệ đầu ra tệ hơn so với khi tôi tự gõ những ký tự đó không còn quan trọng
Điều quan trọng là trong 1 giờ đó cộng với vài phút xử lý của LLM, tôi có hoàn thành việc nhanh hơn hay không
Cũng giống lập trình. Mục đích dùng LLM không phải là viết code tốt hơn code tôi có thể tự viết, mà là viết code đủ tốt nhanh hơn rất nhiều
Tuy nhiên, như những người khác đã nói, prompt có thể không thú vị hay lặp lại như chúng ta nghĩ. Nó cũng có thể chỉ là “bài tập là thế này, đáp án là gì”
Tôi hoàn toàn đồng ý với ý chính của tác giả, nhưng khó bác bỏ các điều kiện và rào cản kinh tế đi kèm việc lấy bằng
Phần lớn mọi người xem bằng cấp là cửa ngõ để có một công việc tử tế, và điều đó là tự nhiên về mặt kinh tế
Đáng tiếc là ngày nay các nhà tuyển dụng cũng đang khuyến khích kiểu công việc sao chép-dán này. Hãy nhìn Meta và Google nói rằng phần lớn code mới được viết là do AI tạo ra
Thế giới sẽ bị AI nuốt chửng
Trước đây chỉ những người thông minh nhất hoặc giàu có nhất mới vào đại học, nên bằng đại học trở thành một chỉ báo thay thế cho sự thông minh
Giờ đây người tốt nghiệp đại học có việc làm tốt, nên cách để cho mọi người việc làm tốt là phát bằng cho mọi người
Nếu phần lớn mọi người không quan tâm đến việc học nằm bên dưới tấm bằng mà chỉ quan tâm đến công việc, thì cuối cùng sẽ xuất hiện những sinh viên chỉ để ý đến điểm đạt và tờ chứng nhận cuối cùng
Nếu mọi người chỉ đến để chơi trò chơi, ta không thể kỳ vọng họ sẽ học
Tuy nhiên, ngay cả khi 90% bỏ lỡ cơ hội trước mắt, 10% sẽ nắm lấy cơ hội đó và tận dụng đến tận xương tủy
Nếu đang ở đại học, tôi khuyên hãy tận dụng tri thức được cung cấp và cơ hội tương tác. Đại học có thể mở cho tất cả, nhưng những người nhìn thấy vàng bên trong và thật sự học được chỉ là một thiểu số may mắn
Trò chơi không chỉ có điểm số cuối cùng. Có rất nhiều thứ hơn thế được cung cấp
Tôi sợ rằng LLM có lẽ đã tạo ra thế hệ đầu tiên của những lập trình viên không thể hoạt động nếu thiếu LLM
Dùng LLM cho một phần công việc thì không sao, nhưng bạn phải có khả năng làm việc cả khi không có LLM
Không phải dữ liệu nào cũng có thể đưa vào prompt AI, có những vấn đề không thể giải bằng LLM, và nếu dựa vào code hoặc cấu hình được sinh ra cho các vấn đề đơn giản thì bạn sẽ không phát triển được năng lực của chính mình
Tôi phản đối mạnh mẽ kết luận của Clayton rằng “chưa bao giờ tôi không muốn xem prompt gốc hơn là đầu ra của mô hình sinh. Đầu ra có ít thực chất hơn prompt và thiếu tầm nhìn của con người”
Chúng tôi đã dùng AI để tạo ra thứ này, và tôi chắc rằng nếu không phải là người sáng tạo, bạn sẽ không muốn xem đầu vào thô
https://www.youtube.com/watch?v=H4NFXGMuwpY
Người dùng AI sẽ chia thành hai nhóm. Những người dùng AI như một công cụ đầu-cuối hoàn chỉnh, và những người dùng nó như công cụ để tăng cường công việc và sự sáng tạo vốn có của mình
Nhóm sau rõ ràng là một trường hợp sử dụng tuyệt vời của AI
Có lẽ điều này sẽ buộc cách đánh giá sinh viên phải thay đổi lớn. Sau khi nộp bài luận, giáo viên có thể phải trò chuyện với sinh viên về chủ đề đó để xác nhận họ thực sự tiếp thu được bao nhiêu
Hoặc nhiều khả năng hơn là LLM chỉ khiến mọi thứ tệ đi
Chuyện này xảy ra vì giảng viên đang đặt câu hỏi chỉ yêu cầu sinh viên nhắc lại văn bản của giảng viên
Muốn dạy cho đúng thì nên làm thế này
“Có một cánh tay robot giả nhỏ làm bằng Tinkertoys. Nó có ba khớp góc: đế xoay, vai và khuỷu tay; mỗi khớp có một thước đo góc để xem góc”
Làm như vậy sẽ giúp hiểu đúng những vấn đề này thực sự có ý nghĩa gì
Tôi hoàn toàn không biết gì về robotics, nhưng nghe như một bài tập khá phổ biến, và có vẻ là loại mà LLM có thể nhả lại bài làm của người khác
Nếu một sinh viên làm vậy thì có thể vấn đề nằm ở sinh viên đó, nhưng nếu 90% làm vậy thì tôi nghĩ bài tập có vấn đề
Tôi từng giảng dạy từ rất lâu trước khi LLM xuất hiện, và khi đó cũng có rất nhiều bài nộp rác được sao chép-dán
Tôi luôn cho 0 điểm, và không nói đó là đạo văn. Vì nếu xử lý như đạo văn thì phải qua quy trình hành chính của trường đại học
Thay vào đó tôi chỉ nhận xét: “Yêu cầu làm X, nhưng lại nộp thứ vô nghĩa dán vào”
Chừng nào đầu ra của LLM còn ở mức như hiện nay, nó không thực sự là mối đe dọa có khả năng cạnh tranh trong các bài tập
Nếu sinh viên đủ cẩn thận để viết lại bằng giọng văn của chính mình thì tôi còn xem đó là thành công. Nếu nộp nguyên xi rác từ LLM đã được các công ty gia công gán nhãn dữ liệu tinh chỉnh bằng RLHF, thì cứ cho 0 điểm là được
Sinh viên không quan tâm đến bài blog 3000 từ kêu gọi cảm xúc; họ sẽ chọn con đường ít trở ngại nhất
Nếu không sẵn sàng gạch chéo toàn bộ bài làm và viết bằng chữ đỏ thật to “Lời nhảm nhí của ChatGPT, 0 điểm” rồi trả lại, thì ngay từ đầu nên tự hỏi mục đích của bài tập là gì
Tuy vậy tôi cũng hiểu. Đại học đã trở thành một cấu trúc nơi sinh viên trả tiền để lấy bằng, còn các giáo sư đã mất quyền thực thi bất kỳ tiêu chuẩn hay kỷ luật nào trước các nhà quản trị
Vì thế điều duy nhất họ có thể làm là cho đống rác ChatGPT điểm vừa đủ qua môn, rồi giảng triết lý trên một blog mà sinh viên sẽ chẳng bao giờ đọc
Đó rõ ràng là gian lận. Ví dụ như dùng mã sai mà vẫn ra đáp án đúng
Nhưng tôi không có ý định đi qua quy trình hành chính để tố cáo gian lận, nên chỉ cho 0 điểm
Nếu cho 0 điểm một câu trả lời đúng, có vẻ điều đó sẽ dẫn đến một đơn khiếu nại hoặc kháng nghị thành công
Nhưng ý tưởng mới luôn có khả năng thất bại, nên phần lớn chúng không hay lắm và nhận điểm thấp
Không biết phải làm sao, chẳng bao lâu sau tôi bắt đầu viết luận dựa trên tóm tắt Wikipedia và bài đánh giá của người khác, mà không đọc sách được giao
Sau khi lần đầu nhận điểm A và A+, tôi nhận ra rằng ngay cả một bài viết độc đáo ở mức trung bình thì một nửa số người cũng quá kém khả năng hiểu để nắm bắt
Để một ý tưởng trong văn học được công nhận là thật sự trí tuệ, nó cũng phải hấp dẫn cả với những người không nhớ nội dung mình đã thực sự đọc
Ngay cả với người hiểu biết và thông minh, một biển thông tin tương tự cũng làm tầm nhìn trở nên mờ mịt
Mục đích của bài tập viết trong lớp không nên là tạo ra một sản phẩm văn bản, mà là khiến học sinh suy nghĩ. Mô hình ngôn ngữ có thể làm được vế trước, nhưng không làm được vế sau
Thật vô cùng tuyệt vọng khi thấy nhiều chuyên gia và học giả thông minh trong giáo dục và học thuật không hiểu điều này
Họ nhìn công việc chỉ như việc sản xuất đầu ra đơn giản, mà không nghĩ quá trình đó tích lũy kiến thức, kỹ năng và kinh nghiệm như thế nào
Những sinh viên ít hiểu biết nhất đang bị LLM dắt đi, lãng phí nhiều năm mà không hiểu mục đích của việc viết hay giải quyết vấn đề, cũng như giới hạn của LLM
Đôi khi họ bỏ ra hàng trăm nghìn đô la để làm bộ não thoái hóa và chỉ nhận được một tờ giấy, rồi đối mặt với thế giới thực nơi các vấn đề mở hơn rất nhiều và chất lượng giải quyết vấn đề của LLM giảm mạnh
Những người thực sự tự mình bám lấy vấn đề và học hỏi về lâu dài sẽ có lợi thế khổng lồ
Nếu thứ ta quan tâm chỉ là di chuyển vật nặng thì dùng công cụ là đúng
Nhưng công việc này được làm vì tác động nó tạo ra lên bạn. Giáo viên đặt câu hỏi không phải vì họ không biết câu trả lời
Nếu muốn học và đắm mình vào tài liệu, tôi có thể tiết kiệm 60.000 đô la và làm việc đó miễn phí trên mạng, có lẽ còn hiệu quả hơn
Mục đích của bài tập viết trong lớp là khiến trường đại học cấp bằng cho tôi
Việc thật sự học tài liệu không đồng nghĩa với việc có được bằng; chỉ khi vượt qua các cửa ải do giáo sư đặt ra và trả khoản học phí khổng lồ thì mới được
Sẽ tốt nếu có một hệ thống khác cho phép bạn thật sự học rồi nhận được một chứng nhận có giá trị về khả năng được tuyển dụng dựa trên điều đó, nhưng chừng nào các giáo sư còn là người gác cổng của tấm chứng nhận khả năng có việc làm đáng thèm muốn, vấn đề về động lực này sẽ còn tiếp diễn
Khi còn nhỏ, lúc tôi nhận bài luận “vì sao phe thiện đã chiến thắng trong Chúa tể những chiếc nhẫn”, đó là một cửa ải nhằm kiểm tra xem tôi có thật sự đọc tiểu thuyết hay không
Có ba lựa chọn: đọc tiểu thuyết rồi tự viết bài luận, tìm một bài luận đã có sẵn, hoặc lấy bài của bạn làm mẫu rồi viết lại
Trước thời Internet, tìm một bài luận có sẵn cũng không dễ, nhưng vẫn có sách tuyển bài luận về các chủ đề phổ biến, và có rủi ro bị giáo sư phát hiện hoặc ai đó dùng cùng nguồn
Lựa chọn A và C ít nhất cũng giúp bạn học về tiểu thuyết và rèn kỹ năng viết
Ngày nay, bạn có thể bảo ChatGPT viết một bài luận 4 trang về một cuốn tiểu thuyết mình chưa từng nghe tới rồi kết thúc ở đó. Quá trình ấy không đem lại giá trị gì
Đây là ví dụ đơn giản, nhưng cũng áp dụng y hệt cho lập trình. Lập trình viên mới vào nghề có thể nói rằng LLM cho họ sức mạnh để xử lý các tác vụ khó và ngôn ngữ họ không biết, nhưng họ không thu được kỹ năng hay kiến thức từ trải nghiệm đó
Nếu nhờ Google Maps tìm đường từ Prague đến Brussels, nó sẽ đưa cho bạn danh sách các lượt rẽ dẫn tới đích, nhưng bạn không thể vì thế mà nói rằng mình đã học được địa hình nước Đức trong quá trình đó
Tôi đồng ý rằng tình huống tác giả mô tả là không thỏa đáng, nhưng phần lớn là trách nhiệm của hệ thống giáo dục, và rộng hơn là của người viết
Với những bài tập viết trong lớp như vậy, việc sinh viên dùng LLM là điều đương nhiên. Nếu bạn cùng lớp đang dùng mà mình không dùng thì mới là ngốc
Nhà giáo dục cần tái cấu trúc cách dạy và cách đánh giá. Thật lạ là tác giả không nhìn ra điều này
Các trường đại học và trường học phải thay đổi cách vận hành trước AI; nếu không, họ đang đẩy sinh viên tới thất bại
Tôi biết AI có nhiều vấn đề tiềm tàng và hiện hữu đối với xã hội, nhưng nếu được tiếp nhận đúng cách, nó cũng có khả năng thay đổi trải nghiệm giáo dục theo hướng tích cực
Thứ nhất, học sinh là khán giả bị giữ lại. Họ không muốn ở đó, nhưng luật buộc họ phải ở đó
Sau giáo dục bắt buộc cũng vẫn vậy. Họ bị quán tính đẩy lên giáo dục bậc cao và không nhận ra rằng mình thật sự có lựa chọn hay phương án thay thế
Thứ hai, nhiều kỹ năng được rèn trong lớp thực ra vô dụng
Tôi đã dành nhiều thời gian cho các lớp tiếng Anh như ngôn ngữ thứ hai, nhưng thứ thật sự dạy tôi ngôn ngữ là việc dùng Internet. Các lớp tiếng Anh giai đoạn sau chỉ là làm ra vẻ bận rộn
Trong lớp tiếng mẹ đẻ, tôi cũng phải viết khá nhiều bài luận, nhưng thứ hữu ích duy nhất là kỳ thi cuối kỳ của lớp đó
Từ đó về sau tôi chưa từng viết một bài luận “thật sự” nào. Ngay cả nếu có viết, có lẽ tôi cũng sẽ viết bằng tiếng Anh và dùng một phong cách khác học được từ các bài viết trên diễn đàn