- Phần lớn mọi người dùng AI như một công cụ tạo nội dung, nhưng điểm mạnh thực sự của nó nằm ở khả năng đọc và kết nối lượng thông tin khổng lồ
- Cốt lõi là quá trình AI tiêu thụ dữ liệu tích lũy như ghi chú cá nhân, biên bản họp, ý tưởng rồi tìm ra các mẫu
- Bằng cách kết nối ghi chú Obsidian với AI, có thể trích xuất insight từ các bản ghi cũ, phát hiện những thay đổi trong tư duy đã quên hoặc các quyết định thiết kế lặp lại
- AI cho phép tìm kiếm dựa trên khái niệm thay vì từ khóa, khám phá mẫu vượt qua thời gian, và kết nối giữa các ý tưởng
- Năng lực cạnh tranh của con người nằm ở trải nghiệm, và AI chuyển nó thành tài sản tri thức có thể tìm kiếm, hỗ trợ học tập liên tục và cải thiện chất lượng ra quyết định
Cái bẫy của sáng tạo
- Hầu hết người dùng sử dụng AI như công cụ năng suất để viết email, tạo báo cáo, viết mã
- Điều này được ví như dùng siêu máy tính làm máy đánh chữ, một sự lãng phí
- Tác giả đã lưu trong Obsidian 3 năm ghi chú kỹ thuật, hơn 500 biên bản họp và hàng nghìn quan sát
- Với con người, đây là lượng thông tin không thể đọc hết trong cả đời, nhưng AI có thể tiêu thụ nó chỉ trong vài giây
Bước ngoặt của tiêu thụ
- Sau khi kết nối AI với Obsidian, cách đặt câu hỏi đã chuyển từ “hãy viết cho tôi điều gì đó mới” sang “tôi đã phát hiện ra điều gì rồi?”
- Ví dụ thực tế
- Trong phân tích mẫu của 50 buổi 1:1 gần đây, phát hiện vấn đề hiệu suất xuất hiện sớm hơn 2~3 tuần so với các phàn nàn về công cụ
- Khi theo dõi sự thay đổi trong cách nghĩ về technical debt, xác nhận được thời điểm vào khoảng tháng 3/2023 khi góc nhìn chuyển từ “thứ cần sửa” sang “thông tin về sự tiến hóa của hệ thống”
- Trong so sánh kiến trúc giữa Buffer API và carpeta.app, AI tìm ra 12 quyết định thiết kế lặp lại
Tích lũy tri thức và khả năng tiếp cận
- Mọi cuộc họp, suy nghĩ và trải nghiệm gỡ lỗi đều mang lại bài học, nhưng nếu không thể tìm kiếm thì tri thức đó sẽ vô nghĩa
- Tìm kiếm truyền thống đòi hỏi phải nhớ chính xác từ ngữ, trong khi trí nhớ con người có giới hạn
- AI vượt qua điều đó, cho phép
- truy vấn dựa trên khái niệm,
- tìm kiếm mẫu qua nhiều năm,
- kết nối ý tưởng vượt qua thời gian và ngữ cảnh
- Giới hạn của con người không nằm ở sáng tạo mà ở sự thiếu hụt khả năng tiêu thụ, ghi nhớ và kết nối
Xây dựng hệ thống tiêu thụ
- Cấu hình rất đơn giản
- Lưu mọi bản ghi vào Obsidian
- Để AI truy cập toàn bộ dữ liệu
- Đặt câu hỏi cho chính mình trong quá khứ như với một trợ lý nghiên cứu
- Điều cốt lõi không phải công cụ mà là sự chuyển đổi trong tư duy
- Cần nhìn AI không phải như người sáng tạo mà là người đọc trải nghiệm
- Mọi ghi chú đều trở thành insight cho tương lai, mọi suy ngẫm đều được chuyển hóa thành trí tuệ có thể tìm kiếm
Hiệu ứng lãi kép
- Kết quả thử nghiệm trong hai tháng
- Tăng tốc giải quyết vấn đề nhờ tìm được các trường hợp tương tự trong quá khứ
- Cải thiện chất lượng ra quyết định bằng cách khôi phục ngữ cảnh đã quên
- Có thể nhận ra những mẫu trước đây vô hình vốn nằm rải rác theo thời gian
- Hầu hết mọi người đều sở hữu một mỏ vàng insight bị chôn vùi trong ghi chú, tệp và ký ức
- AI biến nó thành cơ sở dữ liệu chuyên môn cá nhân có thể truy vấn
Cuộc cách mạng thực sự
- Nhiều người vẫn chỉ nhìn AI như công cụ viết lách và sinh mã
- Cuộc cách mạng thực sự nằm ở chỗ AI hoạt động như một người đọc có thể đọc toàn bộ suy nghĩ của con người
- Vì thế, việc ghi chép tri thức ngày nay nên trở thành hành vi tài liệu hóa dành cho chính mình trong tương lai và cho AI
- Cần duy trì thói quen ghi chép liên tục để phục vụ cho một AI có thể giúp ta nhớ lại những gì đã quên
3 bình luận
Rốt cuộc cũng chỉ là hồi quy được thực hiện bằng văn bản
> Bản thân mô hình nếu đứng một mình thì chỉ ở mức một người đọc bình thường, dễ bỏ lỡ những phần quan trọng; nhưng khi kết hợp với các công cụ như test, compiler, linter thì nó biến thành một công cụ sáng tạo với vòng phản hồi nhanh.
Nghe rất thấm. Mình chưa từng thử làm như vậy, chắc phải thử mới được.
Ý kiến trên Hacker News
Tôi nghĩ khả năng tiêu thụ thông tin của AI là một trong những phần đáng sợ nhất
NSA và các tập đoàn lớn đã thu thập các mẫu duyệt web của chúng ta suốt nhiều năm, và thật đáng lo khi AI có thể phân tích dữ liệu đó nhanh hơn con người rất nhiều rồi dùng nó cho việc dự đoán hay thao túng hành vi, lập hồ sơ tâm lý, nhận diện điểm yếu, v.v.
Vì thế nên thật mỉa mai khi vẫn có người chỉ trích AI là công nghệ vô dụng
Vì nó tạo ra ảo tưởng về sự tự tin cho những người làm việc đó
AI có thể không có giá trị (valueless), nhưng không hề vô dụng (useless)
Cũng như mìn vẫn có ích dụng nhưng không có giá trị, AI tạo sinh cũng vướng vào tranh luận tương tự về mặt ngoại tác
Không nhất thiết phải cần đến AI tạo sinh
Các thành phố vốn đã bị phủ kín bởi vô số camera, và hiện tại việc con người không thể giám sát toàn bộ video đang đóng vai trò như một dạng chốt an toàn, nhưng AI có thể phá bỏ rào cản đó
Có vẻ trong tương lai gần sẽ xuất hiện các hệ thống giám sát bằng ngôn ngữ tự nhiên kiểu như “báo cho tôi khi một chiếc Nissan màu đỏ đi qua”
Bản thân mô hình khi đứng một mình chỉ ở mức người đọc bình thường
Nó dễ bỏ sót phần quan trọng, nhưng khi kết hợp với các công cụ như test, compiler và linter thì sẽ biến thành một công cụ sáng tạo với vòng phản hồi rất nhanh
Việc thực sự khó vẫn là quyết định “phải khẳng định điều gì”
Nội dung này cũng sẽ được đưa vào bản tin HackerNewsAI
Ví dụ có lần tôi nói về năng lượng mặt trời mà nó lại hiểu nhầm thành chủ đề chính trị và chặn cuộc trò chuyện
Trong một số lĩnh vực, đã tồn tại các hệ thống đọc tài liệu nhanh hơn luật sư
Dù AI có thể đọc dữ liệu của tôi trong vài giây, việc kiểm chứng độ chính xác vẫn là không thể
Cũng có nghiên cứu cho rằng đó không phải tóm tắt mà chỉ là rút gọn (abbreviation) đơn thuần
Ngay cả kết quả như “đã tìm ra mẫu từ 50 cuộc họp 1:1” như ví dụ nêu ra cũng có thể trên thực tế chỉ áp dụng cho một phần dữ liệu
Nó chỉ nguy hiểm khi là vấn đề khó kiểm chứng trên thực tế
Nên dùng LLM như một công cụ khám phá, còn insight thì con người phải tự rút ra
Nếu AI chỉ cần tốt hơn con người một chút thì cũng đã đủ giá trị
Chỉ cần kiểm tra các mục AI đưa ra bằng tìm kiếm văn bản là được
Quản lý ngữ cảnh là mấu chốt, và dù không hoàn toàn mang tính quyết định luận thì vẫn hữu ích
Tôi ngại đưa tài liệu cá nhân lên cloud
Rủi ro quyền riêng tư quá lớn nên tôi đang chờ LLM chạy cục bộ phát triển hơn
Cỡ model 30B là đã có thể tóm tắt trên MacBook, nhưng khả năng sử dụng vẫn còn kém
Nếu là công việc kinh doanh có NDA thì khó mà khuyến nghị gì ngoài mô hình cục bộ
Dù giá phần cứng đắt, tôi vẫn nghĩ rồi sẽ có lúc quay lại môi trường chạy model lấy PC làm trung tâm
Tôi đã thử model Qwen 3 nhưng bị hallucination nhiều nên không thực tế
Có lẽ ngay cả model SOTA thì chất lượng tóm tắt cũng tương tự
Tôi mua 3 GPU để chạy model cục bộ, nhưng ROI hoàn toàn không hợp lý
Chỉ đơn giản là vì vui thôi
Nếu không có khóa nhạy cảm thì thuê GPU cloud quy mô nhỏ cũng là một lựa chọn ổn
Ý chính của bài viết có vẻ là ủy quyền tư duy cho máy móc
Tôi ghi chú theo hướng gắn với ký ức và liên tưởng, nên giao việc đó cho AI khiến tôi có cảm giác như từ bỏ suy nghĩ
Điểm hữu ích là nó có thể kéo lại những tri thức đang bị chôn vùi trong email hay các báo cáo cũ
Một nửa “siêu năng lực” của AI thực ra đến từ việc đã sắp xếp toàn bộ dữ liệu trong Obsidian
Có nền tảng đó thì công cụ nào cũng trở nên mạnh mẽ
Việc anh ấy gặt hái thành quả từ nỗ lực đó thật đáng nể
Năng lực thực sự của AI là nói ra điều bạn muốn nghe
Đặc biệt sau RLHF thì xu hướng đó càng mạnh
Khả năng tóm tắt vẫn còn yếu, và phần lớn không phải tóm tắt mà chỉ là rút gọn
LLM rất giỏi trong việc nối tiếp văn bản, nhưng lại yếu ở hiểu bức tranh lớn
Nếu điều người ta nói năm 2023 về “tiến bộ theo cấp số nhân” là thật, thì thậm chí đã chẳng có cuộc tranh luận kiểu này
Trong một buổi giảng toán, tôi đã tra một thuật ngữ không biết và bản tóm tắt AI khá ổn
Nó chỉ tái cấu trúc lại nội dung gốc, nhưng đó đúng là chức năng tôi cần
Đa số mọi người thích tiêu thụ nhanh nên không hiểu sâu được
Tôi thấy sợ khi ngay cả chuyên gia cũng tin nguyên xi như vậy
Hơn nữa tôi còn thấy không thoải mái vì lo Google đã liên hệ căn bệnh đó với hồ sơ của tôi
Có lần AI nói “JS Set nhanh hơn Array”, tôi tin theo rồi sau đó mới nhận ra nó sai vì thiếu ngữ cảnh
Dù vậy, AI vẫn xuất sắc trong việc tổng hợp lượng tài liệu khổng lồ về những chủ đề xa lạ
Chẳng hạn khi dịch thơ của Lorca và Cavafy, AI đã giải thích rất tốt nguyên tác và những khó khăn trong dịch thuật
Khi dùng nó như công cụ hỗ trợ thay vì giao hẳn việc dịch, tôi thu được kết quả tốt hơn nhiều
Tôi đã ghi lại trải nghiệm chi tiết trong bài blog của mình