- Sự trỗi dậy của AI tạo sinh khiến tầm quan trọng của ngành nhân văn gia tăng, đồng thời bản chất của chính ngành này cũng biến đổi theo hướng phức tạp và xa lạ hơn
- Tri thức và năng lực nhân văn ngày càng giữ vai trò quan trọng trong nghiên cứu và ứng dụng AI
- Một khả năng mới đang mở rộng: ngay cả người không phải chuyên gia cũng có thể dùng công cụ AI để dễ dàng tự phát triển phần mềm giáo dục hoặc công cụ nghiên cứu riêng
- Mặt khác, việc đưa chatbot AI vào sử dụng gây ra tác động tiêu cực như làm suy giảm động lực học tập tự chủ và chất lượng trải nghiệm giáo dục của sinh viên
- Trong bối cảnh lo ngại phân cực giáo dục ngày càng sâu sắc, năng lực sáng tạo trong việc ứng dụng AI của từng giáo viên nổi lên như một nhiệm vụ then chốt hơn bao giờ hết
Sự thay đổi trong mối quan hệ giữa AI và ngành nhân văn
Vị thế của ngành nhân văn trong kỷ nguyên AI mới
- Trong bài viết đăng trên The New Yorker, D. Graham Burnett chỉ ra rằng dù những thay đổi mang tính cấp tiến liên quan đến AI đang diễn ra trong khuôn viên trường đại học, vẫn tồn tại một bầu không khí né tránh hoặc phớt lờ chúng ở nhiều lĩnh vực học thuật, bao gồm cả ngành nhân văn
- Quan điểm được đưa ra là việc coi AI chỉ như một trào lưu nhất thời hoặc xem nhẹ tác động thực tế của nó là điều không còn bền vững
- Burnett nhấn mạnh rằng AI đã và đang tạo ra ảnh hưởng mang tính cấu trúc và không thể đảo ngược đối với ngành nhân văn
AI tạo sinh làm tăng giá trị của tri thức nhân văn
Tái khám phá năng lực nhân văn
- AI trong nhiều lĩnh vực như dịch ngôn ngữ tự nhiên, phân loại, khai phá dữ liệu... về bản chất đòi hỏi sự am hiểu nhân văn về ngôn ngữ và văn hóa của con người
- Ví dụ, khi OpenAI xử lý vấn đề nịnh nọt quá mức (sycophancy) của GPT-4o, họ tiếp cận bằng cách viết các câu tiếng Anh mới (prompt) thay vì chỉnh sửa mã kỹ thuật
- Nếu thiếu hiểu biết sâu sắc về bối cảnh văn hóa của ngôn ngữ, hiệu ứng tu từ, phân biệt thể loại, cũng như các yếu tố phi ngôn ngữ, hệ thống AI có thể phát sinh những lỗi vận hành ngoài ý muốn
- Các kỹ sư và nhà nghiên cứu vì thế cũng ngày càng cần đến năng lực tư duy phản biện rộng hơn về ngôn ngữ, văn hóa và lịch sử công nghệ
Mở rộng năng lực ứng dụng AI cho người không học chuyên ngành nhân văn
Kỷ nguyên tự tay tạo ra phần mềm
- Ngày nay, ngay cả người học ngành nhân văn không có nền tảng kỹ thuật cũng có thể trực tiếp phát triển các công cụ tùy chỉnh phục vụ nghiên cứu và giảng dạy bằng AI
- Tác giả bài viết thực tế đã phát triển các trò chơi tương tác dựa trên tri thức nhân văn, như trình mô phỏng dược sĩ thế kỷ 17 và trò chơi thám hiểm Galápagos của Darwin thời trẻ
- Trong trò chơi đầu tiên, người học trải nghiệm điều trị bệnh nhân bằng các công thức y học cận đại sơ kỳ có thật, và giữa chừng xuất hiện vấn đề AI ảo giác (hallucination) lệch khỏi sự thật lịch sử
- Trò chơi thứ hai (Young Darwin) sử dụng các ghi chép có thật của Darwin để mô phỏng trải nghiệm thu thập động vật và khám phá đảo, đồng thời nâng cao chất lượng bằng thiết kế nhằm giảm thiểu ảo giác của AI
- Những phương pháp học tập mang tính thử nghiệm này, khi kết hợp bổ trợ với viết luận hoặc thảo luận trên lớp, có thể mở rộng một cách trải nghiệm nhận thức lịch sử và tư duy phản biện của sinh viên
- Dạy kèm tương tác bằng AI cũng thực sự mang lại kích thích trí tuệ và cơ hội học hỏi trong giáo dục nhân văn
AI tạo sinh khiến giáo dục nhân văn trở nên phức tạp hơn
Những thay đổi và thách thức giáo dục do AI gây ra
- Trong môi trường giáo dục, các chatbot AI như ChatGPT đang cho thấy tác động tiêu cực khi làm suy yếu đáng kể trải nghiệm viết lách tự chủ của sinh viên
- Ngày càng nhiều sinh viên nộp bài luận hoặc bài tập do AI tạo ra, khiến hệ thống đánh giá và mục tiêu giáo dục hiện có bị thách thức
- Cuối cùng, sinh viên có nguy cơ không còn trải qua những nỗ lực trí tuệ có ý nghĩa, chẳng hạn như vượt qua tình trạng bí ý khi viết (writers' block), quá trình tìm kiếm tài liệu trong thư viện, hay bản thân việc theo đuổi khám phá thực tế trong thời gian dài
- Sinh viên ngày càng có xu hướng không cảm thấy hứng thú hay ý nghĩa với chính bài tập, mà chỉ quan tâm đến việc thực hiện nó đơn thuần thông qua AI
Các trường hợp tích cực và khả năng giáo dục mới
- Đồng thời, cũng có những trường hợp cho thấy việc thiết kế bài tập có bao gồm tương tác với AI mang lại cú hích trí tuệ mới và cơ hội phản tư cho cả sinh viên lẫn giáo viên
- AI không chỉ đơn thuần thay thế con người, mà còn có thể hoạt động như một công cụ hỗ trợ để sinh viên đối thoại với AI và tự kiểm tra tư duy của mình
- Đây chính là lúc cần thảo luận về ý nghĩa và mục đích của giáo dục, đồng thời cần đến vai trò chủ động của giáo viên tại hiện trường để bảo vệ những trải nghiệm dạy và học chân thực
Sự phân cực trong ứng dụng AI vào giáo dục nhân văn
Gợi ý cho giáo dục tương lai
- Có những lo ngại rằng AI tạo sinh rốt cuộc sẽ làm sâu sắc thêm khoảng cách trong giáo dục nhân văn
- Trong những môi trường tốt với các sinh viên được đào tạo bài bản, năng lực ứng dụng AI một cách sáng tạo sẽ nổi bật hơn; còn sinh viên ở môi trường kém thuận lợi có thể không được như vậy
- Việc mỗi giáo viên tự phát triển các bài tập và công cụ AI tùy chỉnh được xem là đặc biệt quan trọng
- Nếu môi trường giáo dục thụ động trước nhiệm vụ này, thì các công cụ giáo dục AI thương mại bề ngoài có vẻ “tương tác” nhưng thực chất đồng nhất và phi nhân tính sẽ bào mòn mối quan hệ thầy trò và bản chất của việc học
- Xuất phát từ nhận thức này, một dự án được hỗ trợ bởi NEH (Quỹ Nhân văn Quốc gia Hoa Kỳ) đã từng được lên kế hoạch và thúc đẩy triển khai, nhưng sau đó bị hủy do thay đổi chính sách
Gợi ý đọc thêm
- Cuốn The Sounding of the Whale của D. Graham Burnett là một tác phẩm độc đáo về lịch sử khoa học nghiên cứu cá voi
- Một mảnh thư được dùng trong kết cấu đóng sách đã được phát hiện trong một sách chú giải Kinh Thánh xuất bản năm 1608, mở ra một trường hợp nghiên cứu mới về mối quan hệ giữa Shakespeare và Anne Hathaway
- Giáo sư Kathleen DuVal của UNC gần đây đã giành giải Pulitzer với cuốn Native Nations: A Millennium in North America, và các tác phẩm trước đó của bà cũng được đánh giá là rất đáng đọc
1 bình luận
Ý kiến trên Hacker News
Tôi nghĩ có một vấn đề giáo dục sâu xa hơn: học sinh bị rèn luyện để nhìn trường học và công việc như một chuỗi vô tận các chặng hoàn thành mục tiêu. Cuối cùng mục tiêu là “có việc làm”, nhưng giờ thì không còn ai có thể tự tin nói nghề nào sẽ còn tồn tại sau 5–10 năm nữa. Có lẽ chỉ nghề kỹ thuật thực hành là ngoại lệ, nhưng các chương trình kiểu đó từ lâu đã gần như biến mất khỏi giáo dục. Nếu sinh viên đại học dùng AI để làm xong bài tập dễ dàng và bỏ qua việc đọc sách, rèn sự kiên nhẫn, thì tôi cho rằng trách nhiệm thuộc về hệ thống giáo dục và định hướng nghề nghiệp mà chúng ta tạo ra hơn là lỗi của sinh viên. Vấn đề này không phải mới xuất hiện qua một đêm, và cũng không phải chỉ do AI gây ra
Thật đáng tiếc khi cũng như AI đang bị dùng làm cái cớ để biện minh cho sa thải hàng loạt và cắt giảm chi phí, người ta còn bắt đầu đổ lỗi cho AI về sự thất bại của hệ thống giáo dục hiện đại. Thực tế, hệ thống giáo dục là một cấu trúc chỉ thưởng cho một thứ duy nhất: điểm số. Thứ duy nhất dễ bị “game hóa” nhất, một con số “điểm” (GPA), lại quyết định con đường từ trung học, phổ thông lên đại học rồi cả sau đó, còn hơn cả tri thức, khả năng hiểu biết hay trí tuệ. Tôi nghĩ đó mới là vấn đề lớn nhất của giáo dục
Tôi khá tin rằng những nghề đã tồn tại lâu đời sẽ vẫn tiếp tục tồn tại. Ngay cả khi công nghệ thay đổi, chúng sẽ không đột ngột biến mất mà suy tàn dần dần. Vì vậy tôi nghĩ vẫn có đủ thời gian để chuẩn bị và lập kế hoạch. Ngược lại, những công việc thu nhập cao trong các lĩnh vực kinh tế mới thường không tồn tại lâu, khó dự đoán hơn, và nếu bạn là kiểu người dễ ghen tị với những khoản thu nhập bất ngờ, thì có lẽ rất khó tìm thấy hạnh phúc trong các công việc đó
Về lập luận rằng “lỗi chủ yếu nằm ở hệ thống giáo dục và định hướng nghề nghiệp”, có ý nhắc rằng trên thực tế rất nhiều người vẫn lặp đi lặp lại việc đổ lỗi cho sinh viên
Chưa bao giờ con người có thể luôn chắc chắn dự đoán nghề nghiệp tương lai. Ai có nền tảng cơ bản tốt và tính linh hoạt thì rồi cũng sẽ tìm được đường đi
Chỉ cần 10% dân số đổ vào các nghề kỹ thuật thực hành thì ngành đó cũng sẽ sụp đổ. Tôi không hiểu vì sao mọi người cứ bỏ qua điểm này
Tôi rất hứng thú khi đọc một bình luận về việc một nghiên cứu sinh cao học triết ở SFSU đã thay đổi hoàn toàn lớp học theo kiểu “chạy vượt chướng ngại vật cùng AI” và sinh viên lại thấy hứng thú. Điều đó khiến tôi nảy ra ý tưởng thú vị: để sinh viên tự tạo bài tập mà ChatGPT không giải được rồi giao cho nhau. Trước đây tôi từng trải nghiệm một chương trình đố vui ở BarCamp được thiết kế sao cho không thể dễ dàng tìm đáp án bằng Google, và nó thực sự rất vui. Việc thiết kế bài tập “kháng ChatGPT” cũng cho tôi cảm giác là một thử thách trí tuệ cấp cao tương tự
Tôi nghĩ việc thiết kế bài tập “kháng ChatGPT” thực ra có thể khá đơn giản. Giống hệ thống đại học Đức, sinh viên phải giải các bài luyện tập khó hằng tuần và chỉ khi đạt mức thành công nhất định mới được quyền thi. Mục đích thật sự của những bài tập này là để sinh viên chưa chuẩn bị đủ không đi thi rồi tự làm hỏng mình. Dù có gian lận trong bài tập bằng “ChatGPT” hay công cụ khác thì cũng không bị trừng phạt quá nặng, nhưng sinh viên hiểu rất rõ rằng làm thế thì khi vào kỳ thi sẽ thất bại thảm hại. Ở phần lớn các trường đại học Đức, nếu trượt kỳ thi 3 lần thì bạn không thể tiếp tục học ngành đó nữa, và điều này áp dụng ở mọi trường
Howard Rheingold đang hoạt động rất tích cực quanh chủ đề này. Nếu quan tâm thì tôi gợi ý Peeragogy Handbook và bài viết đã thúc đẩy ý tưởng đó. Ông chia sẻ rằng “càng trao quyền của giáo viên cho sinh viên và khuyến khích họ tự chủ trong học tập, sinh viên càng cho tôi biết tôi nên thiết kế lại phương pháp giảng dạy của mình như thế nào”
Là người khiếm thị, tôi luôn bận tâm rằng kiểu bài toán chỉ “cho thấy đường viền của hòn đảo” như vậy hoàn toàn không thể tiếp cận được với những người như tôi. Xu hướng giảm bớt bài tập dựa trên văn bản lại đang khiến giáo dục dễ tiếp cận cho người khuyết tật trở nên khó khăn hơn. Đây là khởi đầu của một thế hệ khoảng cách số mới
Tôi đồng ý rằng việc thiết kế bài tập kháng ChatGPT là một thách thức trí tuệ. Nhưng giảng viên hầu như không được cung cấp thời gian lẫn đào tạo để áp dụng những phương pháp giảng dạy thử nghiệm như vậy. Với lịch dạy 4/4 (bốn môn mỗi học kỳ) thì việc chỉ xoay xở cho kịp tiến độ đã rất khó, chưa nói đến thử nghiệm, mà công cụ AI lại tiến hóa quá nhanh nên cả ý tưởng hay cũng nhanh chóng lỗi thời. Ví dụ, từng có lúc giao cho sinh viên làm podcast thay vì viết luận văn, nhưng rồi các công cụ “tạo podcast của tôi” xuất hiện rất nhanh, khiến việc gian lận lại dễ như với bài luận truyền thống
Nếu giáo viên thật sự nắm rõ chủ đề, chỉ cần trò chuyện 30 giây là biết ngay sinh viên có thực sự hiểu hay không. Có lẽ “bài tập” không phải lúc nào cũng là phương pháp tối ưu để hình thành và kiểm chứng tri thức
Tác giả bài gốc chủ yếu nói về giáo dục lịch sử, nhưng thực chất lại đang nhắc đến cách tiếp cận gần với “thưởng thức lịch sử”. Tức là không dùng lịch sử như công cụ dự báo, mà tiếp cận như một nền văn hóa đọc “kinh điển” (ví dụ: Cicero). Các sĩ quan quân đội học lịch sử theo cách hoàn toàn khác: họ truy tìm nguyên nhân của sai lầm và thất bại. Đây cũng là khía cạnh mà đến nay LLM vẫn chưa xử lý tốt. Nếu muốn hiểu thời Cicero, tôi khuyên đọc cuốn sách này. Sách do một phóng viên chính trị hiện trường viết, nên mang lại trải nghiệm sắc bén trong việc lật ngược cách nhìn lịch sử truyền thống vốn quá dễ bị mê hoặc bởi tu từ
Dùng lịch sử làm công cụ dự báo không phải mục đích nguyên bản của học thuật; lịch sử tồn tại để giúp hiểu dòng chảy của nhân sự, và phạm vi ứng dụng của nó rất rộng. Ngay cả quân sử cũng là một trong những lĩnh vực chậm nhất trong việc tiếp nhận phương pháp nghiên cứu mới
Tôi không đồng ý với quan điểm rằng cần tách “thưởng thức” khỏi “phân tích”. Lịch sử là thứ thiết yếu để giải thích hiện tại đã được hình thành như thế nào. Nghiên cứu kinh điển dĩ nhiên cũng phải được thực hiện một cách phê phán, và các sử gia thực tế vẫn làm như vậy
Nếu chỉ học về những “người chiến thắng” thì chắc chắn bạn chỉ đang học thiên kiến sống sót
Việc phân biệt lịch sử như phân tích chiến lược với lịch sử như giáo dục thưởng thức văn hóa là một luận điểm rất hay. Giáo dục ngày nay chủ yếu nghiêng về vế sau, và đó lại là lĩnh vực AI dễ bắt chước hơn. Trên thực tế, những câu hỏi khó chịu về thất bại, hệ quả ngoài ý muốn, và góc nhìn bên lề mới là nơi sản sinh ra tư duy có giá trị hơn
Bổ sung rằng khi các sĩ quan quân đội nhìn vào lịch sử, họ không chỉ đơn thuần làm “phân tích sai lầm”
Việc bảo vệ luận án tiến sĩ ở khối nhân văn gồm “luận án viết” và phần bảo vệ vấn đáp ứng khẩu, nên rất khó gian lận bằng ChatGPT. Giáo sư đặt câu hỏi rất giỏi, nối cả những thứ thoạt nhìn chẳng liên quan với nhau. Tôi từng giúp các kỹ sư xử lý những vấn đề phân tích ngữ nghĩa, và tôi thấy họ thường loay hoay vì không thực sự hiểu ngôn ngữ. Họ giao tiếp vẫn ổn nhưng không hiểu bản thân ngôn ngữ. Trong các đánh giá liên quan đến AI, người ta thực chất chỉ kiểm tra đúng những gì AI làm tốt, còn năng lực ngôn ngữ của tôi lại không nằm trong tiêu chí đánh giá. Tôi phải chỉ ra những vấn đề ngôn ngữ mà AI gặp phải và thuyết phục con người về giá trị của việc đó
Tôi nghĩ khi giáo viên vật lý lười thì mọi vấn đề đều bị biến thành bài toán toán học. Nếu bạn lo rằng một chiếc máy tính tốt hơn sẽ khiến kỳ thi trở nên vô nghĩa, thì thực ra trước giờ bạn đã dạy toán chứ không phải vật lý. Còn khi giáo viên khối nhân văn lười, mọi vấn đề lại bị biến thành bài tập viết. Nếu một công cụ kiểm tra chính tả tốt hơn có thể vô hiệu hóa việc đánh giá nhân văn, thì điều đó cũng có nghĩa là bạn thực chất chỉ đang đánh giá năng lực viết văn. Nói hơi gay gắt, nhưng tôi nghi ngờ việc viết tốt có nhất thiết đồng nghĩa với tư duy tốt hay không
Tôi đồng ý rằng các giảng viên có thể phát triển kỹ thuật đánh giá kháng AI. Nhưng gần như không có hỗ trợ nào ở cấp tổ chức, nên ai cũng phải tự xoay xở. Chu kỳ thử nghiệm cũng rất chậm so với tốc độ phát triển của công cụ AI. Dù có thử một phương pháp đánh giá mới trong cả học kỳ, chỉ vài tuần sau đã phải chuẩn bị môn kế tiếp nên rất khó đánh giá và cải tiến cho đàng hoàng; thường một năm cũng chỉ lặp lại được một lần
Điều này làm tôi nhớ đến tranh cãi thời máy tính bỏ túi xuất hiện trong giới khoa học. Hồi học vật lý trung học, một số học sinh khá giả mang theo “máy tính khoa học”, và việc có nên cho phép dùng hay không là chủ đề tranh luận. Máy tính bỏ túi không phải phép so sánh hoàn hảo với LLM, nhưng lập luận rằng cuối cùng ngoài đời người ta vẫn sẽ dùng nó là khá thuyết phục. Đặc biệt điều đó vẫn đúng với kỹ nghệ phần mềm ngày nay
Tôi nghĩ câu trả lời là đưa phương pháp Socrates trở lại trong giáo dục nhân văn. Thay vì một quá trình thụ động chỉ tiêu thụ và sản xuất văn bản — mà trên thực tế chỉ trợ giảng và giáo sư đọc — lớp học nên trở thành không gian đối thoại, nơi sinh viên trực tiếp thảo luận và tranh luận dựa trên tài liệu và nội dung bài giảng. LLM có thể viết những bài luận không quá xuất sắc khá tốt, nhưng không thể tham gia một cuộc thảo luận thực sự với bạn học trong lớp. Tất nhiên, trên thực tế cách này khó mở rộng vì chi phí nhân sự
Tôi nghĩ việc ví ChatGPT chỉ như một công cụ kiểm tra chính tả là vô lý. Bản thân kỹ năng viết cũng rõ ràng là một năng lực quan trọng cần được dạy
Tôi cho rằng nguyên nhân gốc rễ của gian lận ở khối nhân văn là vì có động cơ kinh tế để gian lận
Phần lớn mọi người không biết trong lịch sử và nhân văn còn nhiều việc phải làm đến mức nào. Ví dụ, có những người quan tâm đến việc giải mã các cuộn giấy cháy ở Herculaneum, nhưng thực tế là chưa đến 10% văn bản Neo-Latin từ thời Phục Hưng đến cận đại đầu kỳ được dịch sang tiếng Anh. Ngay cả một nhân vật như Marsilio Ficino, người mà các bản dịch kinh điển của ông để lại dấu ấn rất lớn trong lịch sử châu Âu, thì phần lớn trước tác của chính ông vẫn chưa được dịch sang tiếng Anh. LLM chắc chắn sẽ tạo tác động rất lớn ở đây, nhưng nếu có ý chí thì bất kỳ sinh viên nào cũng có thể thật sự đóng góp trong vùng đất chưa được khám phá này. Vì thế khi đánh giá sinh viên, tiêu chí của tôi là “tôi học được từ họ bao nhiêu”
Kiến trúc transformer ban đầu được thiết kế cho dịch thuật, nhưng tôi cảm thấy các mô hình sinh quá khớp hiện nay lại cực kỳ yếu trong dịch thuật thực tế. Những cách đơn giản như gán nhãn từ loại + tra từ điển + ánh xạ ngữ pháp lại cho hiệu năng tốt hơn nhiều, thậm chí còn đưa ra được khoảng tin cậy. Nếu cần công cụ dịch, tốt hơn nên dùng các công cụ như Project Bergamot thay vì AI sinh. Và tôi thật sự thấy tiếc khi các lớp nhân văn bậc phổ thông đã trở thành nơi luyện tập đơn thuần thay vì nơi có thể tạo ra “khám phá thực sự”
Lịch sử mà chúng ta có được tất yếu đi qua một cái cổ chai rất hẹp nên nhiều phần đã bị mất, bị biên tập nặng, hoặc bị bóp méo. Chúng ta gần như không biết điều gì thực sự đã xảy ra cách đây 500 năm, và rất có thể những kẻ nắm quyền như nhà Medici — những người kiểm soát lịch sử — cũng dàn dựng hồ sơ theo cách có lợi cho mình. Cuối cùng, lịch sử là việc vẽ phông nền cho hiện tại. Tôi không nghĩ AI sẽ giúp hiểu quá khứ tốt hơn nhiều, mà ngược lại có thể trở thành công cụ để những Medici mới của thời hiện đại thay đổi phông nền của quá khứ nhanh hơn
Có lập luận rằng các kỹ sư phát triển hệ thống AI cần suy nghĩ sâu sắc về ngôn ngữ, văn hóa, cũng như lịch sử và triết học của công nghệ, nhưng tôi cho rằng điều thực sự quan trọng là vấn đề nổ ra không phải vì thiếu tri thức học thuật mà vì người ta phớt lờ sự phức tạp của thế giới thực. Khi năng lực lập trình bị bình dân hóa, người có năng lực bổ trợ kết hợp (ví dụ: lập trình + lịch sử) sẽ hưởng lợi nhiều hơn. Đó chính là cốt lõi của thay đổi đang diễn ra trong khối nhân văn hiện nay
Về căn bản, “khả năng đặt câu hỏi hay và tự giải quyết chúng” luôn là một năng lực cực kỳ có giá trị
Sinh viên ngày nay đang ngày càng có xu hướng làm việc theo nhóm với những người bạn có nền tảng đa dạng hơn, thay vì chỉ đào sâu một thứ như lập trình hay bất cứ gì khác. Tốc độ thay đổi giờ nhanh đến mức không thể so với trước đây, nên bất kể chất lượng đào tạo thế nào, họ cũng sớm cảm nhận được giới hạn của bản thân và nhu cầu cộng tác. Giữa những tài năng khác biệt, mối quan tâm khác nhau và nhịp thay đổi quá nhanh, thách thức lớn hơn là làm sao hợp tác, đồng bộ và xác lập phương hướng như một đội
Giới sử học đã đối diện vấn đề “lịch sử như trần thuật” từ vài chục năm trước thông qua Hayden White. Điều White nói khi cho rằng “lịch sử là hư cấu (=fiction)” không phải là phủ nhận tính sự thật, mà là nhấn mạnh rằng trong lịch sử luôn có yếu tố diễn giải và trần thuật mang tính văn chương. Nói cách khác, ông nhấn mạnh rằng sử gia cũng như tiểu thuyết gia, cấu tạo ý nghĩa của sự kiện thông qua cấu trúc tự sự và kỹ pháp biểu đạt
Tôi nghĩ những thất bại mà chúng ta thấy ở các hệ thống AI phần lớn xuất phát từ việc bỏ qua sự phức tạp của thực tại
Về cơ bản đây chỉ là cách diễn đạt lại khái niệm “commoditize your complement” mà Joel Spolsky từng nói
Trong system prompt của OpenAI có câu “duy trì chuyên môn và sự chân thành thể hiện tốt nhất giá trị của OpenAI”, và người có nền tảng nhân văn có thể trực giác nhận ra rằng kiểu câu này có thể phản tác dụng chết người trong một cuộc khủng hoảng AI tương lai. Chính những sắc thái như vậy mới thật sự quan trọng, và cũng chính vì thế mới có kịch bản kiểu Hollywood rằng “cỗ máy cố trở nên giống tâm trí của người tạo ra nó rồi sụp đổ”
Tôi khá hoài nghi về hiệu quả của việc dùng máy tính trong môi trường giáo dục. Để thực sự học được điều gì đó, tôi phải đọc trên giấy và ghi chú bằng tay ở lề hoặc vào sổ giấy thì mới nhớ được. Dù là lập trình viên dùng màn hình hằng ngày, khi muốn thật sự ghi nhớ kiến thức mới tôi vẫn buộc phải dùng giấy. Trong các cuộc họp hay hội thảo trực tiếp, tôi cũng không bao giờ mở laptop mà luôn ghi chú trên giấy. Vì thế tôi luôn tự hỏi liệu học bằng laptop hay tablet có thật sự hữu ích hay không
Trường hợp này hoàn toàn chỉ là trải nghiệm cá nhân, và tôi nghĩ nó không thể ổn định áp dụng cho người khác. Nhiều năm nay tôi chẳng viết gì ra giấy cả nhưng vẫn học được rất nhiều điều mới
Có vẻ sự khác biệt này phụ thuộc lớn vào việc ta đã hình thành thói quen học tập ra sao từ ban đầu. Tôi thấy ghi chú vào Notepad thì kém hiệu quả hơn, còn viết tay thì nhớ tốt hơn, nhưng đó là sản phẩm của thói quen trường lớp, tức dạng huấn luyện cá nhân. Người khác hoàn toàn có thể học rất tốt bằng cách của riêng họ
Đã có cả một thế hệ chứng minh rằng trải nghiệm của thế hệ tôi không phải trường hợp phổ quát trong giáo dục
Tôi đồng ý rằng các ứng dụng học tập, đặc biệt là công cụ học được game hóa, cho thấy hiệu quả rõ ràng ở khía cạnh “luyện tập”
Tôi có trải nghiệm rằng LLM đã khoét một lỗ lớn vào cách giáo dục thực sự vận hành ở Mỹ. Từ trước đến nay, đánh giá dựa trên giả định rằng “một sản phẩm viết ra không có giám sát là bằng chứng của việc học”, nhưng LLM lại dễ dàng tạo ra sản phẩm đó, và kết quả là kéo luôn cả ngành viết thuê bài luận đi xuống. Giờ đây các nhà giáo dục buộc phải tìm lại chính tiêu chí đánh giá, và những câu hỏi cũ như “học là gì” hay “đo lường nó một cách có ý nghĩa thế nào” lại trở nên quan trọng hơn. Tôi dự đoán nửa đùa nửa thật rằng việc học thuộc lòng, thi vấn đáp và các hình thức đánh giá bằng lời nói sẽ hồi sinh. Cách này cũng có khuyết điểm, nhưng ở thời điểm hiện tại thì chưa dễ gian lận nên có lẽ còn hiệu quả một thời gian
Việc coi sinh viên chỉ cần nộp bài luận là đã chứng minh được học tập vốn là một ảo tưởng cũ. Giờ AI còn viết hộ luôn được nữa, nên cần một cách kiểm chứng bản chất hơn. Vấn đề còn lại là: “nếu chỉ viết không đủ chứng minh việc học, thì làm sao phân biệt được học thật?” Vì thế có thể thi vấn đáp và đánh giá tranh luận thời gian thực sẽ sống lại. AI không phá hỏng giáo dục; nó chỉ lột trần vấn đề vốn đã tồn tại
Tôi cho rằng bản chất của cái lỗ hổng đó nằm ở “tính khách quan”. Vì quá ám ảnh với đo lường trong giáo dục, chúng ta đã mặc nhiên giả định rằng những gì được dạy là sự kiện tiên nghiệm (“chân lý khách quan”), nhưng thật ra đó gần như là một huyền thoại. Càng cắt nghĩa và chấm điểm nghiêm ngặt, ta càng dễ lầm tưởng tri thức là chân lý. Nhưng trên thực tế, mọi việc viết và học đều là tập hợp của những trải nghiệm chủ quan; muốn tiến tới khách quan thì phải khảo sát vô số góc nhìn chủ quan. Sự xuất hiện của LLM thậm chí còn lách qua điểm này bằng cách tạo câu trả lời dựa trên “bầu không khí” chứ không phải diễn giải logic. Giờ mục tiêu đã trở thành tạo ra cảm giác xã hội hay ngữ cảnh quen thuộc, còn ranh giới nên kẻ ở đâu thì vẫn chưa rõ. Sự nghiêm ngặt đã bị đánh giá quá cao; học cùng lúc nhiều góc nhìn mới là cách học tốt nhất cho con người
Tôi không nghĩ định nghĩa của việc học đã thay đổi. Ngay từ những ghi chép đầu tiên của loài người đã có lời than rằng “cái kiểu chữ viết mới này làm học sinh không chịu học”, nên giáo dục từ xưa đến nay luôn thích nghi với thay đổi
Một tỷ trọng khổng lồ trong giáo dục Mỹ vốn là sản xuất ra những “bài luận vô nghĩa”, nên AI chui vào đúng ngách này là điều quá hiển nhiên