LLM và cuộc giằng co giữ lấy tư duy

TTCT - Các mô hình ngôn ngữ lớn (LLM, hay AI xử lý ngôn ngữ tự nhiên) chỉ nên là "đối thủ" để tập phản biện, rèn giũa tư duy, chứ không bao giờ nên là bộ não nghĩ thay con người.

Gần đây, "bong bóng" mạng xã hội của tôi xôn xao chuyện đặt LLM cạnh tư duy phản biện. Có người đề xuất cho các LLM "đấu võ mồm" với nhau, người khác gợi ý làm chatbot chuyên "phản biện" bán cho đám thích cãi tay đôi.

Hai người đang chửi nhau như chó mắng mèo cứ ung dung đi uống bia, để "đại diện AI" của mỗi người miệt mài bút chiến qua khung bình luận trên Facebook. Dân mạng thì làm quan sát viên, không bỏ sót còm nào.

Phản biện giả, tư duy thật ở đâu?

Thật ra không cần tưởng tượng. Tuần trước, tôi chứng kiến một cảnh hài như thế diễn ra trong lớp mình dạy. Ngay trong môi trường giáo dục - nơi đáng ra tư duy phải được mài giũa - các em sinh viên năm nhất lại tận dụng (hay lạm dụng) LLM để làm mờ ranh giới giữa tư duy thật và giả.

Tôi thiết kế bài tập thuyết trình tin tức khoa học để khuyến khích các nhóm chủ động cập nhật những tiến bộ trong lĩnh vực này. Để sinh viên tập trung hơn, lớp đặt ra quy tắc: đặt câu hỏi để nhận điểm cộng.

Hôm ấy, một nhóm đưa tin về một phát minh y học mới - chủ đề không dễ vì nhiều thuật ngữ y khoa xa lạ với cả lớp. Đúng ra chỉ cần đặt vài câu hỏi cơ bản, xoay quanh các thuật ngữ ấy cũng đủ làm sáng tỏ vấn đề rồi. Vậy mà tôi để ý thấy một sinh viên ngồi dưới dùng LLM tạo câu hỏi rồi đọc lên.

Câu hỏi nghe chung chung và không ăn nhập lắm đến nội dung bài thuyết trình, khiến nhóm trên bục không thể trả lời. Nhưng thay vì thừa nhận mình không biết, một thành viên trong nhóm thuyết trình đáp lại bằng một câu trả lời từ LLM khác, đọc thẳng từ điện thoại.

Cuộc đối thoại giữa hai "người phát ngôn cho LLM" (ngược ngạo làm sao, con người giờ làm cái loa cho thuật toán) khô khốc, cứng nhắc. Cả hai em đều có kết nối tới kho tàng kiến thức nhân loại, vậy mà chẳng ai nhận ra cuộc "thảo luận" đó đã lạc khỏi chủ đề chính. Sau đó, tôi đã ngồi lại trò chuyện với cả lớp về việc này.

Nhưng liệu cách sinh viên của tôi làm có phải là cách đa số người dùng sử dụng LLM? Tuy không dị ứng với LLM, nhưng tôi khó chịu khi người ta dùng LLM "đẻ" thẳng ra cái gì đó rồi cứ thế gửi đi.

Chúng ta cầm điện thoại, tưởng mình nắm được chìa khóa tri thức trong tay, nhưng thực tế chỉ đang chơi trò điền từ. Cái này xuất phát từ việc hiểu sai và dùng sai LLM, như giáo sư Monica Lam, giám đốc Phòng thí nghiệm trợ lý ảo mã nguồn mở của Đại học Stanford, có nhắc lại trong một workshop về AI do trường này tổ chức hồi tháng 2.

Khi ta hỏi và LLM trả về kết quả, ta tưởng nó đã phân tích, đánh giá và hiểu (đã suy nghĩ), vì trong trường hợp của con người thì phải hiểu mới trả lời được. Nhưng thật ra LLM chỉ là một máy nhớ khổng lồ và không hề đi qua từng bước để ra kết quả.

Đúng là con người cũng bắt đầu suy luận từ việc thu thập quan sát qua từng trường hợp, nhưng chúng ta nhanh chóng chuyển sang suy luận dựa trên mối quan hệ nguyên nhân - kết quả, các trải nghiệm trong thế giới thực và cả những suy tưởng trừu tượng. Con người có thể suy luận mà không nhất thiết cần rất nhiều dữ liệu, khác với cách máy nhớ LLM làm việc.

Nhưng là máy nhớ thì vẫn nhớ sai. Theo một nghiên cứu vào đầu năm nay của BBC, tỉ lệ AI trích nguồn hoặc cung cấp sai thông tin từ 13 - 19%. Làm sao ta biết LLM dự đoán đúng không? Làm sao chắc ý nghĩa ta gán vào là phù hợp?

Giáo sư Christopher D. Manning, giám đốc Phòng thí nghiệm AI Đại học Stanford, cùng cộng sự nghiên cứu độ chính xác của LLM trong bối cảnh tư vấn luật, và kết quả là, "Bạn không muốn tin chúng đâu. Chúng thật sự kém trong việc hiểu và áp dụng các văn bản luật" - ông phát biểu trong một bài nói cũng thuộc workshop kể trên.

Như thế, một sinh viên năm nhất có thể coi những gì LLM tạo ra là chân lý, còn các chuyên gia thì luôn đặt dấu hỏi. Có thể nói, chất lượng đầu ra của LLM lại phụ thuộc vào trình độ của người dùng. LLM có thể giỏi "phản biện", nhưng hỏi "tại sao" hay "đúng không" là việc của con người.

Tư duy phản biện: Không phải cứ cãi là giỏi

Là một người hướng dẫn tư duy phản biện cho con người, tôi thấy nhầm lẫn giữa "phản biện" và "tư duy phản biện" rất phổ biến. "Phản biện" thường bị hiểu là bốp chát lại cho đã miệng, cho đối phương tâm phục khẩu phục.

Nhưng tư duy phản biện sâu hơn thế - nó gồm nhiều thao tác trong tâm trí như đọc hiểu, lắng nghe sâu, phân tích, kiểm chứng, lập luận để nhận thức rõ hiện thực. Bạn có thể "phản biện" ầm ĩ mà không có tư duy phản biện. Ngược lại, bạn có thể tư duy phản biện mà chẳng cần mở miệng.

Các dự báo về xu hướng kỹ năng lao động tương lai nhắc nhở chúng ta: tư duy phản biện vẫn sẽ luôn cần thiết. Theo báo cáo của Diễn đàn Kinh tế thế giới (WEF) 2025, tư duy phân tích và hệ thống, hai thành phần của tư duy phản biện vẫn được coi là những kỹ năng cốt lõi vào năm 2030. Nhưng đừng mơ đi vài workshop là xong.

Tư duy phản biện, như mọi kỹ năng thuộc về tâm trí khác, được rèn qua mạng lưới neuron thần kinh. Bạn giỏi phân tích vì bạn luyện tập liên tục, nên não bộ hình thành những kết nối bền vững. Không dùng thì nó yếu đi - thần đồng hay thiên tài cũng không thoát khỏi quy luật "tay làm hàm nhai" của sinh học.

Tới đây, chắc bạn đã thấy một vòng lặp: bạn cần thực hành tư duy phản biện để trở thành chuyên gia, và bạn phải là chuyên gia để đánh giá được chất lượng chữ nghĩa do LLM tạo ra. Các LLM phổ biến nhất hiện nay, từ ChatGPT và Gemini đến Grok và DeepSeek đều đã cho người dùng miễn phí thử tính năng nghiên cứu sâu (Deep Research).

Nhưng nếu cứ ỷ lại vào tính năng này thường xuyên, bỏ qua việc đọc hiểu đơn thuần, sớm muộn cách tư duy của chúng ta sẽ cùn đi. Và với trình độ tầm thường, ta sẽ lại tưởng LLM nói toàn lời vàng ý ngọc.

Tôi cũng không thích cụm từ "bộ não thứ hai" (second brain) mà một số cộng đồng xây dựng hệ thống quản lý tri thức hay gọi. Tên gọi ấy ám chỉ việc phát triển một hệ thống lưu trữ tri thức bên ngoài "bộ não thứ nhất" ta đang dùng. Nhưng nó cũng gợi ý rằng Google (hồi xưa) và LLM (thời nay) có thể thay thế được trí nhớ và tư duy của ta.

Còn thực tế, khi bạn tỉ mẩn ghi chú, xây dựng sổ tổng hợp (commonplace book), hay viết blog, bạn không chỉ đang lưu trữ tri thức - bạn đang phát triển chính bộ não của mình. Những dòng ghi chú, những bài viết logic, cô đọng và chính xác trên giấy hay trên màn hình là biểu hiện của những kết nối neuron ngày một rõ ràng trong tâm trí. LLM không làm được điều đó thay bạn. Bạn cũng không nên để LLM làm thay bạn. Ta tư duy phản biện để giữ lại tính người.

Trong bộ phim Interstellar (2014) đang được chiếu lại, tôi mê mẩn hai con robot TARS và CASE. Chúng có thể lưu trữ và truy xuất các thông tin, tính toán nhanh, phụ trợ cầm lái, giải cứu nhanh chóng, và nhất nhất nghe lời con người.

Tôi ước mình có chúng để phiêu lưu cùng vì an tâm, chứ không phải du hành thay cho tôi. Interstellar ra mắt mới hơn 10 năm, nhưng những gì nó mô tả về trợ lý robot đang tồn tại với chúng ta đây rồi. Tôi tin chắc chắn trí thông minh nhân tạo rồi sẽ tốt hơn rất nhiều. Nhưng chúng ta hãy viết, hãy nghĩ, hãy học, hãy đặt câu hỏi, phân tích, nghiên cứu vì đó là cách để giữ lấy chính mình.

Nếu có đi chợ và cãi nhau cho vui, tôi hy vọng có thể tự mình làm chuyện đó. Dù bạn dùng công cụ gì đi nữa, xin đừng tư duy ít hơn.

(*) Tác giả là thạc sĩ giáo dục khoa học, giảng viên môn tư duy phản biện, bộ môn giáo dục khai phóng

Định nghĩa "con người" trong thời AI

LLM gây náo động vì ta tin nó làm được (lại gán ý nghĩa, thực ra là bắt chước) những đặc trưng của con người: suy luận và ngôn ngữ. Nhưng nếu để máy "suy nghĩ" hộ, ta lại phải hỏi: Còn gì là người? Điều gì quy định tính con người (humanness)? Trong quyển Transcend sắp ra mắt, tác giả Faisal Hoque đưa ra vài gợi ý:

Thứ nhất, con người có thể nhận biết giới hạn nhận thức của mình. Như câu nói nổi tiếng của Socrates "Tôi biết là tôi chẳng biết gì". Còn với LLM, giáo sư Lam nói phải tập cật lực chỉ để cho LLM trả về kết quả "em không biết".

Thứ hai, con người có khả năng nhận ra và phá bỏ mô thức để suy nghĩ và tạo ra cái mới. Từ chữa lành bản thân hay các phong trào xã hội, mọi thay đổi bắt đầu từ việc nhận diện bối cảnh và thói quen vô thức. LLM chỉ dự đoán dựa trên dữ liệu cũ. Một copywriter kỳ cựu tự tin nói với tôi, LLM có thể viết giống anh của quá khứ, nhưng nó không biết được ngày mai anh viết gì.

Thứ ba, con người có hệ giá trị. LLM có thể tạo ra cả tá lập luận đa chiều, nhưng dùng cái nào thì lại phụ thuộc vào điều bạn coi trọng. Nghĩ ý tưởng (brainstorm) với AI tiện lợi đấy, nhưng có một nhóm bạn viết, một biên tập viên để tranh luận thì đáng giá hơn, nếu bạn coi trọng mối quan hệ chuyên nghiệp hơn mỗi tính năng sửa bài.

Thừa nhận LLM có khả năng khổng lồ, tôi vẫn đang học cách sử dụng LLM. Sau đây là một số cách cụ thể tôi hay làm với LLM để mài giũa tư duy của mình.

Một, vì muốn được suy nghĩ nên tôi bắt LLM hỏi mình qua câu lệnh: "I want … Ask me one at a time to …" (Tôi muốn làm … Hãy hỏi tôi từng câu hỏi một để tôi …). Hai, khi muốn làm rõ và tăng sự hiểu của mình với một chủ đề, tôi cho LLM "ăn" tài liệu và đặt câu hỏi để tôi ôn tập. Tôi sẽ là người tìm từ tài liệu và tự tóm tắt để trả lời. Ba, để tăng kỹ năng tư duy đa chiều, tôi đặt lệnh để LLM trở thành đối thủ của mình trong một cuộc tranh biện. Vì biết khả năng "bịa" của LLM, tôi sẽ cho nó ở phe tôi biết rõ khi nào nó "xào nấu" cái gì. Tất nhiên, những cách này đều có người để làm thay cho LLM. Tôi thường coi trọng giá trị kết nối với con người hơn sự tiện lợi.