- Khi AI đưa ra câu trả lời hoàn chỉnh cho mọi thứ, từ những lựa chọn nhỏ nhặt đến điều tra và suy luận phức tạp, điều quan trọng không chỉ là tiết kiệm thời gian mà còn là ta sẽ giữ được tính tự chủ trong tư duy đến đâu
- Công cụ tìm kiếm từng để con người tự phân rã câu hỏi, đánh giá nguồn và tổng hợp câu trả lời, nhưng Google Deep Research và OpenAI Deep Research nay làm thay cả quá trình tư duy trung gian vốn mất vài phút, vài giờ, thậm chí vài ngày
- Khi trước tiên tự lập giả thuyết và thảo luận về lịch sử thuộc địa của Bồ Đào Nha rồi dùng AI để kiểm chứng, AI đã củng cố nhiều giả thuyết và bổ sung lời giải thích mới, nhưng cũng bỏ sót một số khả năng hợp lý, cho thấy giá trị của việc suy nghĩ trước rồi mới dùng AI
- AI có thể giảm bớt việc lặp lại và gánh nặng học tập, như Gemini dịch thuật, coding agent, hay ChatGPT làm gia sư cá nhân; nhưng trường hợp sinh viên nộp bài gần như giống hệt nhau cho thấy nhận được đáp án và học cách suy nghĩ là hai chuyện khác nhau
- Nếu AI không chỉ tự động hóa việc đơn giản mà còn thay ta quyết định ta muốn gì và sẽ đưa ra lựa chọn nào, con người có thể đánh đổi cả sự tiện lợi lẫn tính chủ thể hành động
AI bắt đầu thay ta cả những phán đoán hằng ngày
- Việc giao cho AI điều tra, suy luận và trả lời đã trở nên dễ dàng, tiện lợi, từ quyết định nhỏ nhặt đến tư duy phức tạp; trong một số môi trường, điều này còn được khuyến khích tích cực
- Truyện ngắn năm 2012 của Ken Liu, The Perfect Match, có một trợ lý AI đa năng tên Tilly, nói rằng nó hiểu sở thích và tâm trạng của người dùng
- Nhân vật chính giao cho Tilly quyết định từ việc ăn gì vào buổi sáng, nghe nhạc gì, hẹn hò với ai, cho đến nên nói gì trong buổi hẹn
- Anh tin rằng Tilly sẽ tìm ra lựa chọn phù hợp với sở thích của mình một cách khoa học, nên ủy thác cả những quyết định nhỏ như ăn mặc lẫn những quyết định quan trọng như tìm kiếm tình yêu
- Tại một sự kiện startup ở San Francisco, có người xuất hiện với một micro dạng viên nang kim loại rộng chưa đến hai ngón tay gắn trên áo, ghi âm mọi cuộc trò chuyện
- Cuối ngày, anh chạy một workflow để tóm tắt và phân tích các cuộc trò chuyện đã ghi âm
- Anh nói rằng mình giao phó mọi suy nghĩ vì tin Claude Fable tư duy phản biện tốt hơn mình
- Startup của anh muốn thu thập mọi đầu vào và công việc của kỹ sư con người mà không có sự đồng ý rõ ràng, nhằm thay thế các kỹ sư đó
Từ kết quả tìm kiếm đến câu trả lời hoàn chỉnh
- Ngay cả trước Claude, ChatGPT và Gemini, con người đã giao một phần suy nghĩ cho công cụ tìm kiếm, nhưng việc tìm kiếm vẫn đòi hỏi phân rã câu hỏi, đánh giá nguồn và tổng hợp câu trả lời
- AI thực hiện thay các bước trung gian này, tạo ra câu trả lời hoàn chỉnh trong vài phút ngay cả với những câu hỏi phức tạp hoặc mang tính chuyên môn
- Google Deep Research và OpenAI Deep Research có thể xử lý những công việc mà một người thường mất từ vài phút đến vài giờ, lâu hơn nữa là vài ngày
- Khoảng thời gian của các tác vụ mà mô hình AI có thể hoàn thành được đề cập trong Task-Completion Time Horizons of Frontier AI Models của METR
- Những công cụ này không chỉ giảm thời gian mà còn giảm cả quá trình tự mình suy nghĩ, nên có thể làm mờ ranh giới giữa hỗ trợ công việc và đánh mất tự chủ
- Việc ai đưa ra quyết định cuối cùng cho những vấn đề quan trọng trong đời sẽ phân định giữa mức độ trợ lý AI hỗ trợ tác vụ và mức độ nó chi phối quyết định
Phân biệt câu trả lời nhanh và suy nghĩ chậm
- Với nhiều câu hỏi như thời tiết hiện tại, tổng thống của một quốc gia cụ thể 10 năm trước, hay đánh giá sản phẩm chăm sóc da và thiết bị thể thao, câu trả lời nhanh là phù hợp
- Ngược lại, cũng có những câu hỏi đáng để suy nghĩ lâu hơn thay vì tra cứu ngay lập tức
- Khi đi dạo không mang điện thoại, ta có thể nảy ra những câu hỏi như quả anh đào mọc trên cây hay bụi cây, hoặc trận World Cup đầu tiên diễn ra khi nào và ở đâu, nhưng phần lớn sẽ bị quên trước khi về đến nhà
- Nếu chỉ vài câu hỏi quan trọng còn đọng lại trong trí nhớ, thì việc quên những câu hỏi vụn vặt và không trả lời ngay mọi thắc mắc cũng có thể có giá trị
Chuyến đi Bồ Đào Nha: lập giả thuyết trước, rồi dùng AI kiểm chứng
- Monument to the Discoveries của Bồ Đào Nha tưởng niệm cái gọi là Thời đại Khám phá của nước này
- Ở Bồ Đào Nha, các nhân vật thời đó dường như được tôn sùng là “nhà phát hiện” và “nhà thám hiểm”, nhưng ở Mỹ cùng những nhân vật ấy có thể bị gọi là “kẻ chinh phục” và “nhà thực dân” — đó là khác biệt mà tác giả cảm nhận được
- Hướng dẫn viên địa phương trả lời rằng những nhân vật như Henry the Navigator không phải là đối tượng của văn hóa tẩy chay ở Mỹ như Christopher Columbus, mà nhìn chung vẫn là những nhân vật lịch sử được kính trọng
- Khi thắc mắc vì sao Bồ Đào Nha tự hào về lịch sử thuộc địa và phản ứng khác với Mỹ, hai chị em quyết định không hỏi ChatGPT ngay mà tự lập giả thuyết trước
- Khả năng Bồ Đào Nha tương đối đồng nhất và mang tính tôn giáo hơn Mỹ
- Khả năng “Thời đại Khám phá” là một trong những chương nổi bật nhất trong tự sự quốc gia của Bồ Đào Nha
- Trong lúc suy đoán, liên kết, phản bác và thay đổi ý kiến, hai người nhớ lại kiến thức lịch sử đã học ở trường từ lâu
- Dù biết một số giả thuyết có thể sai, họ vẫn luyện tập chính quá trình huy động ký ức, kiến thức, hiểu biết về thế giới và tư duy phản biện
- Sau đó, khi hỏi AI cùng câu hỏi, AI đã ủng hộ nhiều giả thuyết ban đầu và bổ sung các lời giải thích bị bỏ sót, nhưng lại bỏ qua một số khả năng mà hai người vẫn cho là hợp lý
- Nếu theo trình tự câu hỏi → tạo giả thuyết → AI kiểm chứng và mở rộng, AI có thể bổ trợ cho tư duy con người thay vì thay thế nó
Cách dùng hiệu quả để giảm công việc lặp lại
- Ngay cả trong công việc đo lường khả năng của Gemini về giải bài toán khó, tư duy và sử dụng công cụ, cũng có thể thấy khả năng ứng dụng thực tế của AI
- Trong môi trường làm việc và học tập, AI giúp giảm đáng kể thời gian cần thiết và giúp con người tập trung vào phần quan trọng hơn
- Một người dùng làm việc tại doanh nghiệp Hàn Quốc dùng Gemini để dịch các báo cáo chính thức dài bằng tiếng Anh sang tiếng Hàn, giúp tăng tốc công việc
- Một nhà nghiên cứu phát triển ý tưởng rồi giao phần triển khai chi tiết cho coding agent, nhờ đó dành nhiều thời gian hơn cho phân tích
- Một người học dùng ChatGPT như gia sư cá nhân để học hóa sinh từ đầu và chuẩn bị cho MCAT chỉ trong vài tháng
- Nếu giao cho AI những suy nghĩ thông thường và công việc lặp lại để dành thời gian cho những suy nghĩ quan trọng và thú vị hơn, mức độ hài lòng với cuộc sống và năng suất có thể tăng lên
- Báo cáo của OECD về tác động của AI tại nơi làm việc bàn về tự động hóa các công việc có khuôn mẫu, lặp lại và nhàm chán bằng AI
- Digital Labour Platforms and the Future of Work của International Labour Organization đề cập đến những công việc mà lao động con người từng làm với thù lao thấp
- Nếu AI xử lý nhiều giờ lao động đơn giản vất vả, con người có thể tập trung vào những suy nghĩ thú vị và đem lại cảm giác thỏa mãn hơn
Vấn đề phát sinh khi bỏ qua quá trình học
- Một giáo sư dạy vật lý tại một đại học trực tuyến nghi ngờ phần lớn hoặc toàn bộ sinh viên dùng AI để làm bài tập
- Một số bài làm gần như giống hệt nhau, như thể sinh viên đã dán nguyên đề vào cùng một AI
- Câu trả lời AI chung chung lặp lại, không có suy nghĩ hay ý kiến cá nhân của sinh viên
- Không có cách nào chứng minh việc dùng AI, và bản thân câu trả lời khá bao quát, nên phần lớn sinh viên nhận điểm A
- AI có thể hỗ trợ học tập, nhưng cũng có thể chỉ tạo ra kết quả mà không dạy cách đi đến câu trả lời
- Trong bài vật lý, việc quyết định dùng phương trình nào, hay trong bài luận, việc chọn nguồn và luận cứ có thể nhàm chán, nhưng nếu bỏ qua chúng thì chính mục đích của nhà trường và việc học sẽ bị suy yếu
Tự động hóa việc đơn giản và tính tự chủ trong tư duy
- Rất khó phân tách rạch ròi giữa tự chủ hoàn toàn trong tư duy và tự động hóa công việc đơn giản; việc dùng AI trong thực tế thường là sự pha trộn của cả hai
- Công việc thu thập và phân tích dữ liệu cá nhân cũng phần nào giống cách làm của Microphone Man
- Có một dự án ghi chép cá nhân trong đó dữ liệu được tự thu thập và phân tích
- Trước đó cũng từng giao cho AI phân tích dữ liệu cá nhân
- Khác biệt có thể nằm ở việc tự mình thu thập và chọn lọc dữ liệu, đặt ra câu hỏi muốn được trả lời, và đánh giá kết quả cuối cùng
- Cũng có khác biệt ở chỗ dùng dữ liệu của chính mình thay vì ghi âm cuộc trò chuyện của người khác
- Giữa việc tự động hóa công việc đơn giản để dành thời gian cho hoạt động có ý nghĩa, và việc tự mình làm để có trải nghiệm học tập, luôn cần có sự cân bằng
Ai định hình ham muốn và tính chủ thể hành động?
- Jenny trong The Perfect Match phê phán rằng Tilly không chỉ cho người dùng biết họ muốn gì, mà còn quyết định cả việc họ sẽ nghĩ gì
- Tự chủ, ít nhất một phần, phụ thuộc vào việc tiếp tục tham gia vào quá trình tự mình định hình ham muốn của bản thân
- Nếu giao cho AI quyết định nhạc để nghe, phim để xem, món để ăn, giày để mang, ta cũng đồng thời trao đi khả năng tự phán đoán mình muốn gì
- Khi đánh giá tự động hóa bằng AI, cần phân biệt liệu nó đang giảm bớt công việc và nhiệm vụ của con người, hay đang thay thế cả tư duy và tính chủ thể hành động của con người
1 bình luận
Ý kiến Hacker News
Lạm dụng quá mức là một khái niệm mang tính chủ quan, nên bất kỳ ai dùng AI nhiều đều có thể biện hộ rằng họ chỉ đang khai thác hết tiềm năng, và máy tính cầm tay cũng đâu biến con người thành kẻ ngốc
Nhưng giao phép cộng cho máy tính cầm tay thì tôi vẫn là tôi, còn nếu giao phần lớn suy nghĩ cho LLM thì sẽ còn lại gì? Nếu cả việc nuôi dạy con cái, các mối quan hệ hay thiết kế sản phẩm cũng giao nốt, thì phải tự hỏi liệu giá trị độc nhất ta đóng góp cho thế giới có chỉ là đoạn prompt đã viết ra một lần hay không
Tiểu thuyết do con người viết vốn bám rễ vào những trải nghiệm chung có được một cách nhọc nhằn nên về bản chất đáng giá hơn, và tôi cũng muốn mình là một con người có thể viết tiểu thuyết theo cách cũ. Tôi cũng không giỏi thể thao, nên ít nhất muốn giữ được năng lực tư duy của mình
Có thể dùng AI như một chiếc khuyên tai cứ liên tục hỏi “giờ làm gì tiếp và sửa thế nào?”, hoặc dùng nó như một bộ ngoại xương bằng cách định trước hình dạng kết quả mong muốn rồi ra lệnh “hãy triển khai kd-tree áp dụng cho không gian metric xyz của bài toán này”. Cách sau là tự động hóa khâu thực thi sau khi đã suy nghĩ xong nên dễ rà soát, còn cách trước thì làm teo tóp năng lực tư duy
Một người bạn học cấp ba của tôi vài năm trước còn không cấu hình nổi một trang Drupal, giờ đã thành kỹ sư tiên phong ở một startup AI và ngày nào cũng đăng từ khóa thời thượng về AI lên LinkedIn. Cuối cùng sẽ đến lúc không thể phân biệt sản phẩm do AI tạo ra với kết quả của con người, và đã có không ít người ngay từ bây giờ cũng không phân biệt được
Khi lập trình bằng LLM cũng vậy, cần có kiến thức để biết phải yêu cầu điều gì, và để đánh giá xem kết quả có đúng phạm vi yêu cầu, có chính xác và an toàn hay không. Người không chuyên kỹ thuật mà không tự rà soát và sửa đầu ra cuối cùng sẽ đâm vào bức tường không thể tự debug và phải nhờ đến con người giúp đỡ
Trong mắt giáo viên toán thời đó, tư duy phản biện của học sinh rõ ràng đã giảm đi. Khi dùng người tính tay và bảng toán, còn phải cân nhắc các chữ số có nghĩa các thứ, nhưng máy tính cầm tay thì không đòi hỏi kiểu suy nghĩ đó
Khi rà soát kế hoạch dự án của một đồng nghiệp, tôi đã tự tra cứu các tham số nền tảng và hỏi về những chỗ không hiểu, rồi đồng nghiệp nói trong cuộc họp rằng tôi đã phát hiện ra nhiều vấn đề mà Claude không tìm thấy. Điều này đặc biệt nguy hiểm với người mới chưa học hết các cạm bẫy của lĩnh vực, mà trong trường hợp ấy ngay cả người có kinh nghiệm cũng đã giao nguyên cả việc cho LLM
Trái với lời khuyên kiểu “giờ hãy xem mình là người quản lý”, tôi cho rằng để trở thành người hữu ích hơn trong thời đại AI và cũng để dùng AI hiệu quả thì tốt hơn là tích lũy hiểu biết kỹ thuật thật sâu
Tôi khuyên bọn trẻ đọc giáo trình trong lĩnh vực chúng quan tâm và bản thân tôi cũng làm vậy. Tôi dự đoán chẳng bao lâu nữa sự hiểu biết sâu sắc tự nó sẽ trở thành một nguồn lực hiếm và có giá trị
Những quản lý tuyến đầu giỏi thường đều có năng lực này, còn những người ngay từ đầu không có hoặc đã đánh mất từ lâu thì gặp khó. Việc quản lý quản lý cấp cao hay giám đốc là chuyện khác, nhưng quản lý LLM lại giống quản lý tuyến đầu
Khi trò chuyện với một AI tạm gọi là có năng lực nhưng đôi lúc sai chết người, người ta buộc phải đặt câu hỏi, nghi ngờ câu trả lời, điều tra, suy luận, phê phán rồi lặp lại. Giáo trình có thể đúng hơn nhưng không có gì đảm bảo, và nó truyền thông tin theo một chiều; còn câu trả lời sai của AI lại buộc người học chủ động can dự vào tư liệu
Trong một buổi rà soát thiết kế, tôi hỏi một lập trình viên trẻ vì sao lại làm phép tính đó thì cậu ấy trả lời “em không biết”, khiến tôi sốc. Cả chuỗi tính toán sai đều do AI tạo ra, và bản thân cậu ấy thậm chí còn không phân biệt được nó sai
Phần lớn mọi người dùng AI không phải để học tri thức mới mà để bắt nó làm thay công việc, rồi cũng chẳng hiểu kết quả. Nếu ngoài tài nguyên để tạo prompt ra mà con người không còn đóng góp giá trị nào khác, thì phải tự hỏi con người còn cần để làm gì
Với một sinh viên thừa nhận chưa từng đọc lại code của chính mình, tôi nói: “Thầy không mắng em đâu, nhưng chính em vừa nói rằng hiện giờ em hoàn toàn không cần thiết ở đây.”
Ta rất dễ tự tin rằng mình đang tự động hóa công việc của con người, nhưng thứ ngày càng bị tự động hóa thực ra là tính chủ thể và tư duy của con người. Những ý nghĩ mà mô hình đưa sẵn theo mặc định hoặc trả về chỉ sau một prompt thường quá hoàn hảo về mặt ngữ pháp, đến mức rất khó phớt lờ chúng để tự suy luận từ trang giấy trắng
Để chống lại một mô hình luôn tìm cách cho ta đi đường tắt trong quá trình suy nghĩ, có lẽ cần cô lập một số nhiệm vụ và ý tưởng khỏi AI. Nhưng dưới áp lực phải tạo ra thật nhanh và thật nhiều đầu ra, bản thân việc quyết định nên cô lập dạng lao động trí óc nào đã là cực kỳ khó khăn
Điều đáng sợ hơn là trong tương lai sẽ xuất hiện thời đại bị ép phải ủy thác tư duy cho AI, nơi mọi phát ngôn đều phải kèm trích dẫn từ LLM và mọi hành động đều phải được phê duyệt. Nếu Fable 9 đánh giá một ý tưởng nêu ra trong cuộc họp là tệ thì không thể thúc đẩy nó, thậm chí chống lại còn có thể bị sa thải
Vì con đường ít bị kháng cự nhất luôn là làm theo chỉ thị của LLM, nhiều người sẽ từ bỏ tư duy hoàn toàn. AI có thể trở thành thứ được đối xử như một vị thần có thể đối thoại nhưng không được phản bác, chỉ được phép thuyết phục để nó đổi ý; đó là một dạng áp bức tinh thần khủng khiếp, và theo tôi nó chỉ còn cách vài năm nữa
Đã rất thường gặp những người giao việc suy nghĩ cho LLM rồi nổi giận khi được báo là nó sai. Họ đòi những sản phẩm hay dịch vụ mà công ty chúng tôi thậm chí không cung cấp, nhưng không chấp nhận việc LLM đã sai, ngược lại còn chỉ trích chúng tôi, những người là chuyên gia thực tế, mới là người sai. Chỉ trong 3 năm rưỡi, LLM đã được xem là có thẩm quyền cao hơn chuyên gia theo cách đang diễn ra rộng khắp hơn nhiều so với tôi tưởng
Tôi áp dụng cho LLM cùng một cách như khi trước lúc dùng máy tính bỏ túi, ta ước lượng trước bậc lớn gần đúng của đáp án trong đầu. Tôi nghĩ trước xem mình sẽ trả lời thế nào rồi so sánh xem nó gần đến mức nào, và không tin hoàn toàn vào câu trả lời mà vẫn cân nhắc các sắc thái của ngữ cảnh
Tuy vậy, tôi càng mệt mỏi hơn khi nó giải thích quá nhiều hoặc quá ít ở những chỗ lạc đề, và dù hình thức có trả lời đúng câu hỏi thì lại đưa ra lời giải khách quan mà nói là tệ hại. Nó giống như một học sinh viết câu trả lời dài dòng để kiếm điểm chỉ để không bỏ trống chỗ nào
Gần đây công việc tư vấn của tôi ngày càng nghiêng về việc dọn dẹp hậu quả sau khi người khác giao việc suy nghĩ cho AI
Có những nhà nghiên cứu dùng Claude suốt mấy tháng để xử lý bằng regex một kiểu loại bỏ trùng lặp vô lý chẳng liên quan gì tới câu hỏi nghiên cứu, và cũng có người ứng biến toàn bộ phương pháp nghiên cứu bằng cách rút ra từ ChatGPT. Kết quả lúc nào cũng hỗn loạn, gây ra căng thẳng khổng lồ và lãng phí thời gian
Người không chuyên về kỹ thuật xem LLM như một lời sấm truyền, rồi đưa ra các giả định và quyết định lớn mà hầu như không xem xét hệ quả của kết quả. Sự thiếu tư duy phản biện vốn đã tồn tại trước AI, nhưng giờ đã ở một cấp độ hoàn toàn mới, và hẳn đang có vô số chuyện sai lầm xảy ra khắp nơi chỉ vì ai đó nói “hãy hỏi Claude đi”
dockervàagents, như thể họ là kỹ sư cấp dưới. Cả hai nghề này vốn dĩ đều dành rất nhiều thời gian để rà soát công việc của bản thân và của người khác một cách phản biện và cẩn trọngLý do nhiều người, kể cả dân kỹ thuật, đối xử với LLM như lời sấm truyền là vì văn hóa của chúng ta coi trọng việc chuyển gạch nhanh hơn là việc xem viên gạch có đang đi đúng chỗ hay không, hay ngay từ đầu nó có phải đúng viên gạch hay không. Vì sao viên gạch lại quan trọng có thể xem tại https://www.business.com/articles/management-theory-of-frank... và https://en.wikipedia.org/wiki/Time_and_motion_study
LLM dường như đang khiến con người lười hơn. Họ ném câu hỏi ra trước khi tự mình bỏ ra bất kỳ nỗ lực nào để tìm câu trả lời, và kỳ vọng người đối diện sẽ dừng mọi việc để trả lời chi tiết như AI
Không ai đọc hướng dẫn hay tài liệu, cũng không có sự tập trung hay ý chí để đọc, và chúng còn bị xem là thứ lãng phí đến mức người ta thậm chí không buồn kiểm tra xem chúng có tồn tại hay không. Vốn dĩ trước đây cũng đã như vậy phần nào, nhưng sau khi có LLM tôi cảm thấy khả năng tự suy nghĩ và tự giải quyết vấn đề đã kém đi rất nhiều
Cá nhân tôi không ủy thác tư duy vì hoàn toàn không dùng AI tạo sinh. Nhưng khi nhìn vào nhiều diễn đàn công nghệ và lập trình, tôi không thích hướng đi mà ngành đang lao tới
Tôi vẫn còn hy vọng là xu hướng này sẽ biến mất, nhưng càng kéo dài thì thiệt hại cũng sẽ càng lớn
Ngay từ đầu, tiền đề cho rằng phần lớn mọi người thực sự suy nghĩ đã là điều đáng nghi. Đa số chỉ hành động theo những khuôn mẫu học được khi tiếp xúc với suy nghĩ của người khác, và khi chấp nhận chúng hoặc khi chúng va chạm với nhau thì mới gượng ép tạo ra tính nhất quán.
Tư duy thực sự thì khó và tốn thời gian, nhưng chỉ với các khuôn mẫu học từ người khác cũng đủ để đạt những mục tiêu thấp, nên có rất ít động lực để bỏ thời gian và công sức vào đó. AI hiện đại gần giống như một bản mở rộng thực hiện sự thiếu tư duy của con người hiện đại nhanh hơn và với năng lượng lớn hơn rất nhiều
Nếu các kỹ sư xem con người tầm thường đến vậy thì tương lai của nhân loại thật đáng sợ. Rốt cuộc, dù tài nguyên cơ thể của bạn có bị tái phân bổ sang sản xuất kẹp giấy thì cũng sẽ chẳng ai buồn đâu
Một số ít người vất vả suy nghĩ để khám phá điều mới mẻ và hữu ích, còn số đông có thể bắt chước điều đó mà không cần phê phán. Đây không phải là hình ảnh con người đáng khích lệ, nhưng cũng không phải lý do để hạ thấp ai, mà gần hơn với thực tế đời sống cần được xử lý một cách chiến lược.
https://en.wikipedia.org/wiki/Mimesis
AI không chỉ là phần mở rộng của sự thiếu tư duy vốn có, mà còn tạo ra cả những vấn đề trước đây không tồn tại. Ngay cả các nhà khoa học, nghiên cứu sinh và tiến sĩ, những người từng suy nghĩ sâu ở tuyến đầu của tri thức, cũng đang lo rằng việc dùng LLM khiến họ đánh mất năng lực tư duy. Thay vì cam chịu việc này bị làm trầm trọng hơn với tốc độ nhanh hơn và mức tiêu thụ năng lượng lớn hơn, chúng ta phải dừng nó lại và đảo ngược nó