- Nghiên cứu này phân tích tác động của việc sử dụng LLM (mô hình ngôn ngữ lớn) lên chi phí nhận thức của con người trong quá trình viết bài luận
- Người tham gia được chia thành nhóm LLM, nhóm công cụ tìm kiếm, và nhóm Brain-only để tham gia thí nghiệm viết luận tùy theo việc có sử dụng công cụ hay không
- Kết quả phân tích EEG (điện não đồ) cho thấy khi dùng LLM thì độ kết nối mạng nơ-ron và mức độ nhập tâm nhận thức là thấp nhất, trong khi nhóm Brain là cao nhất
- Sau khi viết bài luận, ở các chỉ số cảm giác sở hữu (ownership), khả năng trích dẫn và hồi tưởng ký ức, nhóm LLM cho kết quả thấp nhất
- Kết quả gợi ý rằng việc dùng LLM có thể hiệu quả ở giai đoạn đầu nhưng về dài hạn có thể gây suy giảm khả năng học tập và năng lực nhận thức
Tóm tắt
Ngày nay, với việc các sản phẩm LLM (mô hình ngôn ngữ lớn) như ChatGPT được áp dụng rộng rãi, cả cá nhân lẫn doanh nghiệp đều đang sử dụng LLM một cách thường nhật. Các công cụ này đồng thời mang theo những ưu điểm và hạn chế riêng. Nghiên cứu này tập trung làm rõ chi phí nhận thức khi sử dụng LLM trong bối cảnh giáo dục là viết bài luận, tức là tác động của việc dùng LLM lên cấu trúc nhận thức và hoạt động não bộ của người học.
Để thực hiện nghiên cứu, người tham gia được chia thành nhóm LLM, nhóm công cụ tìm kiếm và nhóm Brain; ở mỗi phiên, họ viết bài luận bằng công cụ tương ứng (hoặc không dùng công cụ). Tổng cộng 54 người tham gia các phiên 1~3, trong đó 18 người hoàn thành đến phiên 4. Ở phiên 4, nhóm LLM không dùng công cụ, còn nhóm Brain chuyển sang dùng LLM (LLM-to-Brain, Brain-to-LLM). Trong lúc viết bài luận, tín hiệu EEG (điện não đồ) của người tham gia được ghi lại để phân tích mức độ nhập tâm nhận thức, tải nhận thức và kết nối thần kinh; sau mỗi phiên còn thực hiện phỏng vấn, phân tích NLP (xử lý ngôn ngữ tự nhiên), cùng chấm điểm bởi giáo viên con người và tác nhân đánh giá AI.
Kết quả phân tích cho thấy trong Named Entities Recognition (NER), n-gram và ontology chủ đề, có tính đồng nhất cao trong từng nhóm. Phân tích điện não đồ cho thấy mỗi nhóm có mẫu kết nối thần kinh khác biệt rõ rệt, và khi mức hỗ trợ từ công cụ bên ngoài tăng lên thì quy mô mạng kết nối não và mức độ nhập tâm giảm xuống (theo thứ tự Brain > công cụ tìm kiếm > LLM). Ở phiên 4, những người tham gia LLM-to-Brain cho thấy kết nối não suy yếu, hoạt hóa thấp ở mạng alpha·beta, và cảm giác sở hữu chủ đề thấp. Ngược lại, những người tham gia Brain-to-LLM cho thấy khả năng hồi tưởng ký ức được cải thiện và sự tái kích hoạt ở các vùng não liên quan đến xử lý thị giác. Bài luận của nhóm LLM có kết quả thấp ở cả cảm giác sở hữu, khả năng trích dẫn và hồi tưởng ký ức, còn nhóm công cụ tìm kiếm có cải thiện phần nào nhưng vẫn thấp hơn nhóm Brain.
Tổng thể, việc sử dụng LLM có hiệu quả tăng năng suất ngắn hạn, nhưng khi lặp lại trong nhiều tháng thì liên tục kém hơn nhóm Brain ở hành vi não, thành tựu ngôn ngữ và điểm số. Nghiên cứu này gợi ý rằng việc lạm dụng công cụ AI có thể gây suy giảm về nhận thức và thực hành trong môi trường học tập, đồng thời đề xuất cần thận trọng trong thiết kế học tập dài hạn.
Tóm lược các kết quả chính của thí nghiệm
- Ở phiên 4, những người tham gia Brain-to-LLM cho thấy độ kết nối não cao hơn (trên toàn bộ các dải alpha·beta·theta·delta) so với nhóm LLM ở các phiên 1~3. Điều này gợi ý rằng nếu đã từng tự viết không cần AI rồi mới dùng AI, thì mạng não sẽ được kích hoạt rộng hơn
- Những người tham gia LLM-to-Brain dù có lịch sử dùng LLM, khi viết không dùng công cụ vẫn cho thấy hiện tượng thiếu phối hợp thần kinh (suy giảm kết nối) trên phần lớn sóng não cùng với thiên lệch từ vựng đặc trưng của LLM
- Kết quả chấm điểm từ cả AI và con người đều cho thấy bài luận của nhóm LLM có độ đa dạng NER/n-gram thấp và mang tính đồng dạng về cấu trúc
- Trong phân tích theo chủ đề, giữa nhóm LLM và nhóm Brain có mẫu sử dụng khác biệt đáng kể ở một số chủ đề cụ thể (HAPPINESS, PHILANTHROPY)
- Theo từng nhóm, OWNERSHIP (cảm giác sở hữu) và khả năng trích dẫn xếp theo thứ tự Brain > công cụ tìm kiếm > LLM
Hướng dẫn mục lục bài báo
- Tổng quan nhanh: Discussion, Conclusion
- Phân tích NLP của văn bản bài luận: NLP ANALYSIS
- Tìm hiểu dữ liệu điện não đồ: EEG ANALYSIS
- Phân tích chuyên sâu theo chủ đề: TOPICS ANALYSIS
- Phương pháp thí nghiệm chi tiết·hoạt động của người tham gia: EXPERIMENTAL DESIGN
- Phụ lục: dữ liệu bổ sung, giá trị EEG dDTF, v.v.
Giới thiệu
Sự lan rộng nhanh chóng của mô hình ngôn ngữ lớn đã làm thay đổi căn bản các khía cạnh đời sống thường nhật như công việc, giải trí và học tập. LLM có tiềm năng lớn trong giáo dục ở các mặt như cá nhân hóa trải nghiệm học tập, phản hồi tức thì và dân chủ hóa tài liệu giáo dục. Trên thực tế, đã có báo cáo về các hiệu ứng tích cực như tăng tính tự chủ của người học, nâng cao mức độ nhập tâm và hỗ trợ phong cách học tập cá nhân hóa.
Tuy nhiên, các tác dụng phụ về nhận thức của việc sử dụng LLM trên diện rộng cũng đồng thời được nêu ra. Dù có ưu điểm là giảm tải nhận thức tức thời, nhưng các hiện tượng như suy giảm tư duy phản biện, yếu đi khả năng phân tích sâu và giảm mức độ nhập tâm cũng đã được ghi nhận. Đặc biệt, càng phụ thuộc vào AI thì năng lực phân tích và phán đoán của não càng có thể bị thoái hóa. Nghiên cứu đặc biệt lưu ý rằng thế hệ trẻ có xu hướng phụ thuộc vào công cụ AI nhiều hơn, và theo đó điểm số về hiệu năng nhận thức cũng có xu hướng thấp hơn.
Ngoài ra, cũng có kết quả cho thấy tương tác với AI làm giảm cơ hội giải quyết vấn đề độc lập và tư duy phản biện của cá nhân, từ đó làm dấy lên lo ngại rằng về dài hạn nó có thể tác động tiêu cực đến sự phát triển trí tuệ và tính tự chủ của con người. Khác với công cụ tìm kiếm truyền thống, LLM tạo ra câu trả lời mang tính đơn tuyến hơn là cung cấp nhiều góc nhìn, nên có xu hướng chuyển người dùng từ chủ động tìm kiếm thông tin sang tiêu thụ thụ động; điều này được dự đoán sẽ ảnh hưởng lâu dài đến cách xử lý và đánh giá thông tin.
Nghiên cứu này đo lường thực nghiệm chi phí nhận thức của việc viết bài luận có sử dụng LLM. Viết bài luận là một nhiệm vụ đòi hỏi đồng thời nhiều quá trình nhận thức như viết lách, tổ chức thông tin, trích dẫn và tư duy phản biện, nên thường được sử dụng trong bối cảnh giáo dục cũng như trong các bài đánh giá chuẩn hóa. Nghiên cứu cho thấy khi đưa các công cụ AI như LLM vào môi trường giáo dục, cần cân nhắc thận trọng tác động nhận thức dài hạn.
Thiết kế thí nghiệm và một số chi tiết
- Mỗi phiên đều tái phân bố người tham gia theo nhóm hoặc thay đổi điều kiện sử dụng công cụ để so sánh và đo lường các điều kiện LLM, công cụ tìm kiếm và Brain (không dùng công cụ)
- Ở phiên 4, nhóm Brain-only lần đầu sử dụng LLM (Braind-to-LLM), còn nhóm LLM viết mà không dùng công cụ (LLM-to-Brain)
- Trong thí nghiệm, các chỉ số điện não đồ và NLP, cảm giác sở hữu bài luận, khả năng trích dẫn, mức độ đa dạng theo chủ đề... được đánh giá một cách có hệ thống
- Phân tích điện não đồ tập trung vào thay đổi trong kết nối chức năng của não như độ kết nối mạng thần kinh (phân tích dDTF)
Các đặc điểm chính trong kết quả thí nghiệm và phân tích
- Khi sử dụng LLM, điện não đồ và độ đa dạng ngôn ngữ đều giảm rõ rệt, đồng thời cảm giác sở hữu công việc, năng lực hồi tưởng ký ức và khả năng trích dẫn cũng đều suy giảm
- Nhóm Brain-only nhìn chung cho kết quả vượt trội ở hoạt hóa mạng kết nối não, độ đa dạng ngôn ngữ, cảm giác sở hữu và khả năng trích dẫn
- Ở phiên 4, người tham gia Brain-to-LLM cho thấy những thay đổi mạnh trong mạng thần kinh não như tăng hồi tưởng ký ức và tái hoạt hóa vùng thị giác-trán so với trước khi đưa công cụ vào
- Nhìn tổng thể, mức phụ thuộc AI càng cao thì càng dấy lên lo ngại về suy giảm hiệu quả nhận thức và mất tính chủ động trong quá trình học tập
Ý nghĩa kết luận
Bài báo này chứng minh bằng dữ liệu đa tầng rằng các công cụ học tập AI tuy có thể nâng cao hiệu quả trong ngắn hạn, nhưng về dài hạn có thể ảnh hưởng tiêu cực đến những yếu tố cốt lõi của việc học như năng lực nhận thức, động lực học tập, cảm giác sở hữu và trí nhớ. Điều này cho thấy khi thiết kế và triển khai công nghệ giáo dục tiên tiến như AI và LLM, cần đặc biệt thận trọng với nợ nhận thức và sự suy giảm chất lượng học tập, đồng thời cần có thêm nghiên cứu tiếp theo.
1 bình luận
Ý kiến Hacker News
Tôi nghĩ cách diễn đạt phù hợp hơn “cognitive debt” là suy giảm nhận thức hoặc mất năng lực nhận thức, não không lưu giữ những thông tin không cần thiết. Nếu nhìn vào các nghiên cứu trước đây về việc sử dụng Google Maps, có kết quả cho thấy dùng GPS thường xuyên làm giảm trí nhớ không gian, và thực tế là lượng chất xám trong não của người dùng bản đồ cũng giảm đi. Bất kỳ ai từng xây dựng chuyên môn trong lĩnh vực khoa học đều biết rằng để thực sự hiểu một khái niệm, cần suy nghĩ đủ nhiều về nó và đào sâu mối liên hệ giữa nhiều ý tưởng. Không thể chỉ lướt qua sách toán mà học toán một cách dễ dàng được. Nhất định phải dừng lại và suy nghĩ thật sâu. Tôi cho rằng chính hành vi tư duy là quá trình thiết lập các khái niệm trong tâm trí để chúng vẫn hữu ích về sau.
Không thể đọc lướt sách toán rồi bảo là đã biết toán, nhất định phải dừng lại để suy nghĩ. Và điều quan trọng nhất là phải “viết”. Viết giúp não tôi cấu trúc lại suy nghĩ. Viết là công cụ tạo ra một cuộc đối thoại có cấu trúc giữa tôi và chính mình. Nó cho phép khám phá nhiều con đường khác nhau. Chỉ suy nghĩ thôi thì có giới hạn, nhưng viết cho phép tôi khám phá suy nghĩ của mình gần như không giới hạn. Hành vi tư duy gắn rất chặt với việc viết ra dưới một hình thức nào đó như văn bản, hình vẽ, công thức, đồ thị..., và giờ đây khi LLM ngày càng viết thay con người, tôi tự hỏi tác động đó sẽ phản chiếu lên năng lực nhận thức của mình như thế nào.
Tôi nghĩ thuật ngữ cognitive debt là chính xác. Bạn đã từng viết một báo cáo lớn bằng LLM chưa? Khi LLM giúp dựng cấu trúc, tạo biểu đồ và cả các luận điểm quá dễ dàng, dần dần kết quả tạo ra không còn thực sự là của mình nữa. Dù nộp dưới tên mình, đến lúc bị yêu cầu giải thích thì nhiều khi lại lúng túng. Thông thường trong đầu tôi sẽ có một mức hiểu thực sự ở tầng cao hơn, nhưng khi dùng LLM thì quá trình đó bị bỏ qua. Đến lúc cố giải thích các khái niệm cốt lõi thì lại rất chật vật. Cuối cùng tôi vẫn phải tự mình trải qua quá trình hình thành các khái niệm bản chất trong đầu, lặp đi lặp lại và điều chỉnh chúng để truyền đạt cho các đối tượng khác nhau. Cognitive debt thể hiện sự khác biệt giữa mô hình tinh thần mà trước thời LLM ta buộc phải tự xây dựng với sự hời hợt khi dùng LLM. Cuối cùng báo cáo vẫn mang tên tôi, nhưng theo thời gian có nguy cơ người ta sẽ ngày càng hạ thấp kỳ vọng với tác giả, hoặc thậm chí mặc nhiên mong LLM đứng ra giải thích thay. Mỗi LLM mô phỏng thực tại bằng các mô hình nội tại và thuật toán khác nhau, và để dự đoán chính xác nhất thì cần đủ “độ sâu hiểu biết”. Việc viết phụ thuộc vào LLM không tạo ra được độ sâu đó. Về dài hạn, điều này có thể dẫn tới suy giảm nhận thức hoặc mất kỹ năng trên quy mô toàn dân. Khi kỹ thuật in xuất hiện, giới tinh hoa tôn giáo thời đó cũng từng lo rằng người bình thường sẽ không thể đọc và diễn giải đúng, nhưng thực tế không phải vậy. Viết đúng là tư duy, và tôi vẫn chưa tìm ra công cụ nào tốt hơn viết. Tư duy là quá trình xây dựng các mô hình trong tâm trí dựa trên thông tin để dự đoán tương lai tốt hơn. Sự sống còn của chúng ta phụ thuộc vào điều đó. Xét từ góc nhìn lý thuyết thông tin, “sinh học chỉ có ý nghĩa khi được giải thích dưới ánh sáng của thông tin” liên kết YouTube
Về câu “não không lưu giữ những thông tin không cần thiết”, tôi tự hỏi vì sao mình vẫn còn nhớ cách tối ưu bộ nhớ bằng DOS
config.sysvàautoexec.batdù đã hơn 20 năm không dùng đến. Có lẽ sau này tôi cũng chẳng bao giờ cần lại kỹ năng đó.Những thuật ngữ như “cognitive decline” hoặc “brain rot” có thể nghe quá giật gân, và chính bài báo đó cũng nêu rõ hạn chế là cỡ mẫu nhỏ. Bài báo không đưa ra căn cứ hay trích dẫn nào cho thuật ngữ “cognitive debt”, nên tiêu đề tạo cảm giác khá lạ. Trông như thể họ chỉ đổi tiêu đề ở đoạn cuối. Dù vậy đây vẫn là một kết quả nghiên cứu thú vị từ MIT. Như mọi nghiên cứu tâm lý học, nó cần được nhìn bằng sự hoài nghi lành mạnh và kiểm chứng độc lập. Nó giống như một gói tổng hợp kết hợp cả chụp não lẫn đo lường tâm lý. Tôi thấy đa số những hình kiểu “đây là não của bạn khi dùng LLM” khá buồn cười.
Khi nghe câu “não không lưu giữ những thông tin không cần thiết” thì thấy có lý, nhưng cũng tò mò vì rõ ràng vẫn có những kỹ năng một khi đã học thì gần như theo cả đời, như đi xe đạp chẳng hạn.
Thảo luận về “cognitive debt” là phù hợp, nhưng tôi nghĩ cũng cần một góc nhìn mở rộng hơn. Đây không chỉ là chuyện tạm thời mất hay quên các kỹ năng như ngôn ngữ hoặc trí nhớ không gian, mà là hiện tượng các mạch thần kinh phụ trách suy luận tích hợp bị teo lại một cách có hệ thống, và không thể đảo ngược. Từ “debt” mang hàm ý rằng có thể trả lại, tức là phục hồi bằng luyện tập, nhưng rủi ro thực sự nằm ở khoảnh khắc vượt qua “cognitive tipping point”. Nếu giao quá nhiều gánh nặng về chức năng điều hành, tích hợp và lập luận cho hệ thống bên ngoài như LLM, não không chỉ đơn giản là cắt tỉa các mạch không dùng đến một cách không thương tiếc, mà còn có nguy cơ mất luôn cả “khả năng tái thiết” để phục hồi chúng. Não người là một hệ thống “use-it-or-lose-it” không có quản lý phiên bản. Một khi năng lực nhận thức phức tạp bị mất đi, coi như chính “mã nguồn” đã hỏng.
collapsed neural networkkhông thểgit revert. Những bình luận HN này tập trung vào viết luận, nhưng thực chất toàn xã hội đang tiến hành một thí nghiệm quy mô lớn và mất kiểm soát về việc ngoại hóa năng lực trí tuệ. Về lâu dài, xã hội có thể không chỉ thiếu kỹ năng, mà còn vướng vào giới hạn cấu trúc kiểu “chính lối tư duy đó cũng trở nên bất khả thi”. Vì vậy câu hỏi thật sự không chỉ là “làm sao tránh cognitive debt”, mà còn là nỗi sợ “liệu chúng ta có cần một chiếc container mới để chứa tâm trí mình khi bộ não sinh học tự tối ưu hóa theo hướng lười biếng một cách chí mạng hay không” liên kết liên quanAI là thứ đối lập với Zettelkasten. Thay vì con người tự mình đào sâu vào một chủ đề để có được hiểu biết sâu sắc hơn, điều xảy ra chỉ là vòng lặp nhanh nhưng nông trên các đầu ra do AI tạo ra. Ví dụ, tôi từng cùng OpenAI viết một bài luận 10 trang về nguồn gốc của Hammas và Hizbulah để hiểu tình hình Trung Đông, nhưng rồi chẳng nhớ lại được gì, thậm chí vài điều còn sót lại tôi cũng không biết đó là ảo giác của AI mà tôi đã sửa hay là sự thật.
Tôi khá lạc quan về tính hữu ích của LLM, nhưng đồng ý với ý trên. Ta có thể rèn được trực giác để dùng LLM cho tốt, nhưng đó không phải là cách xây dựng tri thức có thể giải thích được hay năng lực tư duy thách thức. Trọng tâm đúng hơn là hình thành “trí nhớ cơ bắp” cho một số mẫu đầu ra nhất định, điều chỉnh prompt và kiểm soát ngữ cảnh. Kiểu “kỹ năng” này rồi sẽ nhanh chóng mất giá khi mô hình tốt hơn. Ở một mức nào đó, cảm giác này khá giống sự bất lực mà công nhân dây chuyền lắp ráp có thể trải qua.
Những phần do chính tay mình sửa thì thường nhớ hơn. So với những phần trôi qua không có vấn đề gì, các phần tôi trực tiếp chỉnh sửa sẽ ở lại trong trí nhớ rõ hơn.
Hầu hết người thông minh đều biết rằng viết không chỉ là để tạo ra sản phẩm cuối cùng, mà chính là quá trình “tư duy”. Trong quá trình đó, LLM có thể là đối tác sparring tốt để chỉ ra sai sót, tìm lỗ hổng và lỗi, hoặc hỗ trợ việc khảo sát chung nhằm hiểu thế giới. Nhưng điều đó chỉ đúng khi LLM được dùng như công cụ hỗ trợ trong quá trình tự suy nghĩ, chứ không phải để nó “viết thay”. Dù thế nào thì đầu ra vẫn luôn phải kiểm chứng nguồn.
Cá nhân tôi không bất ngờ với kết quả nghiên cứu này. Khi dùng AI để hỗ trợ viết hay dịch, tôi ít có cảm giác mình chủ động nhập cuộc hoặc tham gia sâu vào tư duy. Nhưng khi dùng AI theo một cách hoàn toàn khác thì tôi lại thấy mức độ nhập tâm rất cao. Tôi đã thử dùng Claude Code trong 2 tuần để lên ý tưởng, nghiên cứu và tự động hóa viết luận/bài báo, và trong suốt quá trình đó tôi vẫn bị cuốn vào về mặt tinh thần gần như khi “thật sự” viết, dù tính chất có khác. Kết quả thử nghiệm của tôi cũng khá ổn. Ngay cả những bài luận hay bài báo do AI viết ra, khi đọc trực tiếp vẫn thấy đủ thú vị. Chỉ là tôi không có ý định công khai hay nộp chúng như một bài báo học thuật.
Hiện tượng này được gọi là “cognitive offloading”. Ai làm việc với trợ lý lập trình đủ lâu có lẽ đều sẽ đồng cảm với điều này.
Cũng giống như tác động của cơ giới hóa đối với ngành công nghiệp của con người, đây là một điểm để suy nghĩ rộng hơn về làn sóng mà LLM và các công nghệ mới tạo ra cho cấu trúc nhận thức của chúng ta. Tôi nghĩ tự động hóa là việc giao những công việc lặp lại và nhàm chán cho máy, để con người có thêm năng lượng và thời gian đi tới những thứ sáng tạo và đổi mới hơn. Điều tôi tò mò là liệu việc sử dụng ngày càng nhiều công cụ như LLM hay GPS có chỉ gây ra thay đổi ngắn hạn hay còn có thể thay đổi cả bản thân cách tư duy về dài hạn. Những thế hệ lớn lên cùng công cụ tìm kiếm thích nghi bằng cách nhớ “cách tìm thông tin” thay vì ghi nhớ bản thân thông tin. Có thể đây chỉ là bước tiếp nối tự nhiên của tiến bộ khi chức năng cũ được thay thế, nhưng cũng khiến tôi tự hỏi liệu sự phụ thuộc ngày càng cao vào LLM có dẫn đến mất đi những kỹ năng cốt lõi không thể thay thế hay không.
Trong trích dẫn dưới đây có chỉ ra rằng “LLM đã hạ thấp rào cản tiếp cận việc hỏi đáp, nhưng cái giá của sự tiện lợi đó là người dùng ngày càng ít có xu hướng tiếp cận câu trả lời hay ‘ý kiến’ của LLM một cách phê phán hơn, trong khi thực chất đó chỉ là các ước đoán xác suất dựa trên dữ liệu huấn luyện”. Cuối cùng hiện tượng ‘echo chamber’ không biến mất mà trái lại, sự tiếp xúc của người dùng được tái cấu trúc một cách có hệ thống quanh những nội dung được thuật toán xếp hạng là “ưu tiên hiển thị”. Bản thân cái “thứ tự ưu tiên” đó cũng phản ánh giá trị quan của chủ sở hữu LLM, tức các cổ đông.
Đây cũng là điều tôi nghĩ mãi gần đây, nên tôi chỉ thử copilot một chút. Tôi đang ở giai đoạn đầu sự nghiệp và mỗi ngày đều học hỏi. Dùng hỗ trợ từ LLM có thể giúp hoàn thành việc nhanh hơn, nhưng như vậy có vẻ sẽ làm tôi mất cơ hội lĩnh hội kỹ năng một cách dễ dàng. Tôi không đồng ý với lập luận rằng “tư duy phản biện ở tầng thấp sẽ dần trở nên vô nghĩa, và tương lai chỉ cần lập kế hoạch ở tầng cao/trừu tượng”. Về mặt cảm xúc, tôi thấy tự hào và tìm được ý nghĩa ở việc “mình biết cái gì đó và có thể tự làm được”. Tôi không nghĩ việc tận dụng LLM là khó, và khi cần thì cứ chọn công cụ mới nhất mà dùng, nhưng trong một thời gian nữa tôi vẫn thấy quá trình tự học và tự trưởng thành có giá trị hơn.
Tôi cho rằng tác động của AI không chỉ là làm giảm số lượng nhân lực cấp junior, mà còn là nguy cơ ngay cả những junior còn lại cũng sẽ không học được gì khi dùng AI, và mãi mãi kẹt ở trình độ junior.
Khi viết cùng AI thì ngay lúc đó có cảm giác trơn tru và khá ổn, nhưng lại thấy như mình không thật sự suy nghĩ nghiêm túc về các ý tưởng. Bài viết hoàn chỉnh cũng thường bóng bẩy về câu chữ, nhưng một thời gian sau lại không nhớ vì sao mình đã viết những câu đó. Hiện giờ tôi viết bản nháp đầu tiên bằng chính mình trước, rồi mới dùng AI để gọt giũa sau. Dù vất vả hơn một chút, cách này rõ ràng giúp tôi học được nhiều hơn và nhớ lâu hơn.