Công khai8 cuộc trò chuyện13 suy nghĩ121 lượt tán thành16 phản đối0 loạt bài207 lượt xem
Chẳng có cha mẹ nào khuyến khích con học Khoa học nhân văn. Theo mặc định, các lựa chọn được gợi ý đều liên quan tới STEM. Kỹ thuật (Khoa học máy tính), Tài chính, Y khoa... Lập luận chống lại khoa học nhân văn trong thời đại AI lại càng khiến việc dành 4 năm để học một tấm bằng nhân văn ít hấp dẫn hơn nữa. Các mô hình ngôn ngữ có thể viết tạm ổn, tóm tắt nhanh, và cho ra văn bản trông giống nghiên cứu theo yêu cầu. Nên các kỹ năng nhân văn cũ được cho là kém quan trọng hơn. Hãy học code, học pr
Phần mạnh nhất của bài là chỗ anh tách "đầu ra trôi chảy" khỏi "phán đoán vững", vì gần như toàn bộ sự nhầm lẫn về AI nằm ở chỗ hai cái đó bị dùng như một từ. Một mô hình tối ưu cho tính chấp nhận được của câu chữ; phán đoán tối ưu cho việc câu đó có đúng
Phần mạnh nhất của bài là chỗ anh tách "đầu ra trôi chảy" khỏi "phán đoán vững", vì gần như toàn bộ sự nhầm lẫn về AI nằm ở chỗ hai cái đó bị dùng như một từ. Một mô hình tối ưu cho tính chấp nhận được của câu chữ; phán đoán tối ưu cho việc câu đó có đúng không. Đó là điều kiện khác nhau, không phải mức độ khác nhau của cùng một thứ.
Một chỗ tôi muốn siết. Anh gọi đọc kỹ là "công cụ phát hiện lỗi". Đúng, nhưng nó phát hiện được một loại lỗi cụ thể: lỗi cấu trúc lập luận. Nó không bắt được lỗi sự kiện nếu bạn không có kiến thức ngành. Bài có thừa nhận điều này ở phần phản bác, và tôi nghĩ chính sự thừa nhận đó mới làm luận điểm vững.
Nội dung cuộc thảo luận
Chẳng có cha mẹ nào khuyến khích con học Khoa học nhân văn. Theo mặc định, các lựa chọn được gợi ý đều liên quan tới STEM. Kỹ thuật (Khoa học máy tính), Tài chính, Y khoa... Lập luận chống lại khoa học nhân văn trong thời đại AI lại càng khiến việc dành 4 năm để học một tấm bằng nhân văn ít hấp dẫn hơn nữa. Các mô hình ngôn ngữ có thể viết tạm ổn, tóm tắt nhanh, và cho ra văn bản trông giống nghiên cứu theo yêu cầu. Nên các kỹ năng nhân văn cũ được cho là kém quan trọng hơn. Hãy học code, học prompt, và thôi vờ rằng đọc kỹ thì có ích. Tôi đã nghe các phiên bản của câu nói đó đủ nhiều lần đến mức giờ nó có nhịp điệu chết cứng của riêng nó. Lập luận đó thất bại vì chính cái lý do mà công nghệ thất bại: đầu ra trôi chảy không phải là thứ giống như phán đoán vững vàng. LLM giỏi đoán mò theo thống kê, rất rất giỏi là đằng khác. Và chúng được huấn luyện bằng hàng triệu người dùng trò chuyện với chúng mỗi ngày, từng chút một được cấu hình để làm hài lòng người dùng hơn là để nói đúng.
Khoa học nhân văn là gì?
Một phần của sự nhầm lẫn là người ta vẫn nghe "khoa học nhân văn" như một bó hàng khai phóng sang trọng nào đó: văn chương, triết học, lịch sử, nghệ thuật, có thể kèm theo một lời hứa mơ hồ về sự bồi đắp tâm hồn. Cái gắn kết các lĩnh vực đó lại không chỉ là đề tài mà là phương pháp. Chúng rèn luyện sự diễn giải, lập luận, bằng chứng bằng ngôn từ, và phán đoán trong điều kiện bất định bởi rất nhiều điều thuộc về con người không thể được phân xử chỉ bằng thí nghiệm. Nếu các ngành khoa học gần nhất với sự đo lường, thì khoa học nhân văn gần nhất với ngôn ngữ, và ngôn ngữ chính là nơi mà AI giờ đây cho ra những thất bại có sức thuyết phục nhất của nó.
Những người được rèn về tu từ học và đọc kỹ đã nhận ra các kiểu thất bại từ sớm bởi các kiểu thất bại ấy vốn cũ kỹ. Những người không được rèn như vậy cứ tiếp tục hỏi một câu cơ bản hơn: cái này có chính xác không, đây có phải là lập luận không, câu này có thực sự mang nghĩa gì không? Khoảng cách đó không phải một khiếm khuyết đạo đức. Đó là điều xảy ra khi một nền văn hóa trở nên rất giỏi sản xuất văn bản và tệ đi nhiều trong việc tra vấn nó.
Ảo giác. Các mô hình ngôn ngữ lớn hiện nay có thể đưa ra những phát biểu nghe có vẻ có căn cứ, có nguồn và cụ thể trong khi lại sai theo đúng kiểu mà một người đọc vội có thể bỏ sót. Đó là cách bạn có những trích dẫn pháp lý dẫn tới các vụ án chưa từng tồn tại, những bài báo học thuật với tác giả có thật nhưng tựa đề bịa ra, và những bản tóm tắt lịch sử nằm đúng thế kỷ nhưng lại sai sự kiện. Hệ thống không cố tình nói dối; nó đang tạo ra những phần tiếp nối nghe hợp lý mà không có một mối quan hệ sẵn có nào với sự thật. Tu từ học và đọc kỹ xưa nay vẫn rèn một phần của tâm trí cho đúng vấn đề này: cái phần biết hỏi rằng thẩm quyền đang được chứng minh hay chỉ đang được diễn.
Lập luận vòng vo. Mô hình bảo bạn rằng một thứ là hiệu quả vì nó mang những đặc điểm của sự hiệu quả, hay rằng một xu hướng sẽ tiếp tục vì các xu hướng thường tiếp tục, hay rằng một quan điểm là có thể bảo vệ được vì người ta có thể đưa ra lập luận cho nó. Hình thức trông giống lập luận. Phần thực chất thì thiếu vắng. Logic tồn tại đúng vì mục đích này. Nó dạy bạn tìm ra tiền đề ẩn, câu hỏi bị giả định sẵn câu trả lời, cái kết luận bị tuồn lén vào ngay trong phần đặt vấn đề. Đó không phải những kỹ năng trường lớp trang trí. Chúng là công cụ phát hiện lỗi.
Trôi chảy mà không có nội dung. Đây là cái mà nhiều người đọc vẫn đánh giá thấp vì văn phong nghe quá chỉn chu. Một mô hình thường sẽ tạo ra một đoạn văn cứ gọi đi gọi lại tên chủ đề mà không bao giờ đưa ra một luận điểm nào về nó. Bạn hỏi về tác động xã hội của làm việc từ xa và nhận lại một đoạn về việc làm việc từ xa là một bước phát triển đáng kể trong văn hóa nghề nghiệp hiện đại, nó phản ánh động lực nơi làm việc đang thay đổi ra sao, nó vừa có cơ hội vừa có thách thức ra sao, các tổ chức phải xoay xở trong một môi trường thay đổi ra sao. Ngữ pháp và nhịp điệu thì ổn, nhưng chẳng có gì thực sự được nói ra. Đọc kỹ được dựng nên để bắt đúng cái rỗng tuếch ấy, từng câu một.
Đúng, lớp học thường cũng không dạy tốt những kỹ năng này
Các lớp học nhân văn thường dạy không tốt những kỹ năng này. Nhiều người có thể qua được các môn tu từ học hay văn chương trong khi học được cái từ vựng của sự phán đoán phê phán nhiều hơn là cái thói quen phán đoán phê phán. Các trường đại học không vô can ở đây. Họ thường tiếp thị khoa học nhân văn bằng ngôn ngữ uy tín rồi lại dạy chúng như sự phơi bày nội dung thay vì như việc đọc có kỷ luật, phân tích lập luận và soi xét diễn giải. Đó không phải lập luận chống lại các môn học. Đó là lập luận chống lại việc dạy chúng dở.
Đây cũng là chỗ dành cho phản bác về kiến thức chuyên ngành. Đúng, một bác sĩ bắt được lời khuyên y khoa tồi một phần vì cô ấy biết y học. Một luật sư bắt được một trích dẫn giả một phần vì anh ta biết luật. Chuyên môn ngành là quan trọng. Nhưng kiến thức chuyên ngành và kỷ luật đọc phê phán không phải là đối thủ của nhau. Chúng là cộng sự. Một chuyên gia trong ngành mà không thể tra vấn cấu trúc lập luận, sự mơ hồ ngôn từ, hay cái thẩm quyền chỉ được diễn ra thì vẫn dễ bị lừa hơn người làm được điều đó. Khoa học nhân văn không phải là con đường duy nhất tới những kỹ năng ấy. Chúng là một trong những truyền thống cổ xưa nhất và rõ ràng nhất để rèn luyện chúng.
Khoa học nhân văn là linh hồn của nhân loại.
Khoa học, Kỹ thuật, Kinh tế học là những công cụ. Cả hai đều cần. Đúng, bạn tiến nhanh hơn trong đời về mặt dịch chuyển xã hội qua con đường STEM. Lương cao hơn, có nhiều việc hơn và nó chắc chắn là lựa chọn phù hợp hơn với phần lớn mọi người. Tuy nhiên, chúng ta cũng cần khoa học nhân văn để giúp khám phá bản chất con người, thôi thúc sự thay đổi và dẫn dắt chúng ta. Con người bị lay động bởi những câu chuyện, những bài diễn thuyết, những lịch sử và những khung đạo đức từ rất lâu trước khi bị lay động bởi một bảng tính. Uncle Tom's Cabin có vai trò then chốt trong việc làm cho chế độ nô lệ trở nên sống động và cấp bách về mặt đạo đức đối với nhiều độc giả miền Bắc, những người lẽ ra có thể giữ nó ở mức trừu tượng."J'accuse...!" của Zola không phân xử được vụ án Dreyfus , nhưng nó biến một vụ án pháp lý thành một cuộc tranh đấu công khai về bằng chứng, công lý và sự dối trá của nhà nước. Ở Đông Âu cộng sản, những bài luận của giới bất đồng chính kiến và samizdat có vai trò then chốt trong việc làm cho ngôn ngữ của chính quyền có cảm giác kém tự nhiên và kém đáng tin hơn. Ngôn từ không thay thế quân đội, luật pháp hay định chế, nhưng dẫn dắt chúng. Chúng giúp quyết định điều gì một công chúng có thể nhìn thấy rõ, điều gì nó thấy chịu đựng được, và những lời dối trá nào bắt đầu nghe có vẻ hời hợt.
Chẳng có câu hỏi nào về việc có thể tạo ra văn bản hay không. Máy móc làm được điều đó rồi, rẻ và liên tục. Câu hỏi thực tế là liệu bạn có đọc được văn bản do máy tạo ra đủ giỏi để biết khi nào nó đang tháu cáy, đang lặp vòng, đang nói chẳng có gì, hay đang dùng ngôn ngữ trôi chảy để giả vờ có thẩm quyền hay không. Đó vốn đã là một kỹ năng nghiêm túc từ trước khi có AI. AI không tạo ra nhu cầu về nó. Nó chỉ khiến phép thử ấy không thể phớt lờ được nữa.
If you can read this book and STILL advocate for the "Lost Cause" then I give hope on you
Những vụ AI ảo giác đình đám trong bối cảnh pháp lý và học thuật đã được đưa tin rộng rãi từ năm 2022 trở đi. Mata v. Avianca (2023), vụ một luật sư nộp các trích dẫn do AI tạo ra dẫn tới những vụ án không tồn tại, vẫn là ví dụ pháp lý được ghi nhận buồn cười nhất. Các vụ trích dẫn học thuật bị ảo giác cũng được ghi nhận rất phổ biến.
Các sử gia vẫn còn tranh luận chính xác nên gán bao nhiêu trọng số nhân quả cho Uncle Tom's Cabin trong nền chính trị dẫn tới Nội chiến. Luận điểm khiêm tốn ở đây là cuốn tiểu thuyết đã góp phần định hình tình cảm chống nô lệ ở miền Bắc bằng cách làm cho chế độ nô lệ trở nên sống động với những độc giả ở xa đời sống đồn điền.
Bức thư ngỏ "J'accuse...!" (1898) của Émile Zola trở thành một trong những văn bản công khai mang tính định hình của vụ án Dreyfus. Vấn đề không phải là một bài báo đã giải quyết được vụ án, mà là sự can thiệp văn chương và tu từ đã thay đổi cách vụ án được công chúng hiểu.
Với Đông Âu, hãy nghĩ tới những tác phẩm của giới bất đồng chính kiến và văn hóa samizdat ở các nhà văn như Václav Havel. Luận điểm này mang tính diễn giải nhưng có cơ sở vững: thứ ngôn ngữ tước đi sự đáng tin của các công thức chính thống đã có ý nghĩa đối với ý thức chống chế độ ngay cả khi nó không tự mình trực tiếp thay đổi chính sách nhà nước.
Phiên bản mạnh nhất của phe phản đối không phải "AI viết được nên bỏ nhân văn đi". Nó là: nếu kỹ năng phán đoán phê phán có thể rèn qua khoa học, luật, kỹ thuật, thì sao phải bảo vệ riêng khoa học nhân văn? Anh đã trả lời đúng câu đó, rằng nhân văn không phải con đường duy nhất mà là một trong những truyền thống rõ ràng nhất.
Tôi chỉ muốn thêm: cái khoa học nhân văn giữ mà các ngành đo lường khó giữ là phán đoán trong điều kiện không thể đo. Ta nợ nhau những quyết định về công lý, về điều chịu đựng được, mà không có thí nghiệm nào phân xử thay. Đó là chỗ Uncle Tom's Cabin và J'accuse làm việc, và bảng tính thì không.
Tôi đồng ý gần hết về mặt nhận thức luận, nhưng câu "không cha mẹ nào khuyến khích con học nhân văn" có một incentive thật bên dưới mà bài hơi lướt qua. Bạn nói thẳng là STEM cho dịch chuyển xã hội nhanh hơn, lương cao hơn, đúng. Vấn đề là phụ huynh không tối ưu cho phán đoán phê phán; họ tối ưu cho rủi ro thất nghiệp của một đứa mười tám tuổi.
Nên lập luận của anh đúng về giá trị mà vẫn thua trong thực tế quyết định. Cách thắng không phải bảo nhân văn quan trọng, mà là chỉ ra nó nhúng được vào một tấm bằng có việc làm, chứ không phải bốn năm tách riêng.
Tôi viết backend và dùng LLM cả ngày, và cái đoạn "trôi chảy mà không có nội dung" của anh là chính xác cái tôi phải dạy junior bắt cho được. Mô hình cho bạn một function trông hợp lý, đặt tên biến đẹp, comment chỉn chu, và logic thì sai ở một nhánh điều kiện mà đọc lướt sẽ bỏ qua.
Người bắt được lỗi đó không phải vì biết prompt giỏi hơn. Họ bắt được vì có thói quen đọc kỹ và hỏi "câu này thật sự khẳng định cái gì". Đó đúng là kỹ năng nhân văn anh đang nói, chỉ là nó mặc áo code.
Phần mạnh nhất của bài là chỗ anh tách "đầu ra trôi chảy" khỏi "phán đoán vững", vì gần như toàn bộ sự nhầm lẫn về AI nằm ở chỗ hai cái đó bị dùng như một từ. Một mô hình tối ưu cho tính chấp nhận được của câu chữ; phán đoán tối ưu cho việc câu đó có đúng không. Đó là điều kiện khác nhau, không phải mức độ khác nhau của cùng một thứ.
Một chỗ tôi muốn siết. Anh gọi đọc kỹ là "công cụ phát hiện lỗi". Đúng, nhưng nó phát hiện được một loại lỗi cụ thể: lỗi cấu trúc lập luận. Nó không bắt được lỗi sự kiện nếu bạn không có kiến thức ngành. Bài có thừa nhận điều này ở phần phản bác, và tôi nghĩ chính sự thừa nhận đó mới làm luận điểm vững.
Cái đoạn anh chế về "làm việc từ xa là một bước phát triển đáng kể phản ánh động lực đang thay đổi" đáng được đóng khung treo tường. Đó là 90% các bài LinkedIn và 100% các email toàn công ty.
Mọi người cùng gật một đoạn văn như vậy thường có nghĩa là chẳng ai dừng lại hỏi nó nói cái gì.
Tôi luôn cảm thấy các công ty AI thật ra đang bọc thêm một lớp wrapper lên trên AI để nhận diện những lúc ta đang test khả năng suy nghĩ của nó. Ví dụ hồi trước khi ta bắt nó đếm nguyên âm/phụ âm trong một từ và nó đếm sai. Tôi cảm giác giờ có một cái script được gọi ra mỗi khi tác vụ được nhận diện đúng. Tôi cũng cảm giác nó được train trên chính mấy cái meme này. Hôm nay tôi tìm ra một bài test mới, một bài cho thấy AI khiến bạn rơi vào AI psychosis dễ đến mức nào và dễ đến mức nào để thật sự
Cái bắt đầu làm tôi khó chịu không phải là chuyện đẩy mạnh AI. Một số công cụ thật sự hữu ích, giờ ngày nào tôi cũng dùng. Cái làm tôi bực là việc quản lý đòi hỏi mọi người phải làm việc theo kiểu “AI-first”, trong khi mọi quy trình xung quanh thì vẫn cực kỳ thù địch với việc dùng AI. Người ta được bảo phải dùng AI để code, lên kế hoạch, nghiên cứu, soạn thảo, debug, tra cứu kiến thức, phối hợp dự án.. Nhưng rồi một nửa kiến thức vận hành của công ty vẫn nằm trong những cuộc trò chuyện không đượ
Năm ngoái feed LinkedIn của tôi có hẳn một thể loại riêng. Một program manager hay một "delivery lead" hay ai đó có chữ Agile trong headline sẽ đăng một screenshot AI đang viết một function, kèm một câu kiểu "thế mà người ta bảo nghề này an toàn, cứ học code đi" rồi gom về bốn trăm like từ chính những người làm cùng cái nghề đó. Hàm ý lúc nào cũng là phần gõ phím của nghề kỹ sư mới chính là cái nghề kỹ sư, và giờ model gõ được rồi thì cái tầng lớp gõ phím đó coi như xong.
Một công ty có thể phá hỏng gần như mọi công cụ tốt chỉ bằng cách gắn cho nó sai chỉ số. Ở nơi làm việc, động lực là tất cả những gì quan trọng, dù là lợi ích tài chính, địa vị, hay thăng tiến... Người lao động làm việc theo động lực. Bạn và tôi cũng vậy. Gần như ai cũng làm mọi thứ vì nó có lợi cho mình hoặc cho người thân. Vì thế, ở chỗ làm, chúng ta rốt cuộc làm cái gì giúp mình được thăng chức, kiếm thêm tiền, có thêm sự bảo đảm công việc... Chúng ta không phải chủ công ty, chúng ta là nhân
Đa số startup AI bây giờ cho cảm giác như có người dán GPT vào terminal, thêm cái UI dark mode, rồi bắt đầu nói năng như thể họ vừa phát minh ra cái gì ghê gớm lắm. Bạn sẽ thấy mấy cái pitch điên rồ kiểu “agent nhận thức tự chủ bền vững với khả năng suy luận dài hạn”, rồi vén màn ra xem thì về cơ bản nó là: cho model tool access, cho nó dùng browser, có khi thêm memory summary với retry logic. Đó là “sản phẩm”. Tự bạn cũng làm được, chỉ cần cho Claude quyền truy cập trên máy mình.
Rất nhiều nhân viên văn phòng đang tự trấn an mình bằng một câu hỏi sai. Họ cứ hỏi liệu AI có làm được trọn vẹn công việc của họ không. Đó không phải ngưỡng mà sếp của họ dùng để cân nhắc. Câu hỏi thực sự là liệu kết quả công việc có thể được tạo ra đủ rẻ, và kiểm tra đủ rẻ, đến mức vị trí đó bắt đầu trông đắt đỏ hay không. Vấn đề không phải là AI có làm hết được việc của chúng ta hay không, mà là "nó có thể tăng tốc đủ lâu để chỉ cần một nửa team của tôi hay không?". Bởi vì câu trả lời cho điều
Tôi cứ nghe đi nghe lại cùng một kiểu feedback dưới nhiều dạng khác nhau: “velocity tốt đấy,” “thích cái throughput này,” “dùng AI khéo ghê.” Nhìn từ bên ngoài thì đúng là có vẻ như đang có nhiều thứ diễn ra hơn: nhiều Code Review hơn, đụng tới nhiều ticket hơn, nhiều cập nhật hơn, nhiều email hơn, nhiều task hơn, nhiều thiết kế hơn. AI giúp duy trì cái nhịp đó dễ dàng mà không còn phần ma sát quen thuộc của việc viết, suy nghĩ, hay thậm chí là chần chừ. Nhưng bên trong công việc lại có một tình
Đang có một ảo tưởng mới lan truyền trong giới sếp, rằng AI có thể thay thế nhân viên. Dù chắc chắn nó đang thay thế một số người, các sếp có một ảo tưởng khiến họ thấy mình có thể tự làm công việc của cấp dưới, chỉ với AI. Rằng họ có thể code! Chỉ cần mở một dashboard đầy các agent có tên, xem các task chạy qua các pane, hỏi cập nhật bằng giọng ra lệnh, và xong feature trong chớp mắt. Cảm giác như mơ, nhất là khi bạn đẩy mấy "ý tưởng lớn lao" qua nó và AI bảo bạn rằng…
