Trí tuệ nhân tạo và chuyên môn: Vì sao LLMs không dành cho người thiếu hiểu biết?

Trí tuệ nhân tạo và sự chuyển đổi vai trò của chuyên môn

Trong thập kỷ 2010, khi đối mặt với những khoảng trống kỹ thuật, như việc không thể viết mã CSS, bạn thường phải dựa vào sự hỗ trợ từ đồng nghiệp có kỹ năng hoặc hy vọng tìm được câu trả lời trên internet. Ngày nay, các mô hình ngôn ngữ lớn (LLMs) đã thay đổi hoàn toàn cách chúng ta tiếp cận vấn đề. Chỉ cần nhập một yêu cầu phù hợp, ngay cả người không có kiến thức chuyên sâu cũng có thể tạo ra một đoạn mã CSS "tạm được". Điều này khiến nhiều người tin rằng làm việc với LLMs không đòi hỏi kỹ năng gì đặc biệt. Tuy nhiên, quan điểm này không hoàn toàn chính xác.

Thực tế, khả năng làm việc hiệu quả với LLMs phụ thuộc rất nhiều vào mức độ hiểu biết của người dùng về lĩnh vực mà họ đang khai thác. Một ví dụ điển hình là cuộc trò chuyện giữa nhà toán học nổi tiếng Terence Tao và ChatGPT về một phản ví dụ mới được phát hiện liên quan đến Giả thuyết Jacobian. Kết quả mà Tao đạt được từ ChatGPT hoàn toàn khác biệt so với những gì một người dùng bình thường có thể nhận được, ngay cả khi họ có vô hạn thời gian và tài nguyên để thử nghiệm.

Chuyên môn định hình cách chúng ta tương tác với LLMs

Những gì Terence Tao thể hiện trong cuộc trò chuyện với ChatGPT không chỉ đơn thuần là kỹ năng đặt câu hỏi. Thay vào đó, ông sử dụng sự hiểu biết sâu sắc về toán học để định hướng mô hình, giúp nó tập trung vào những khía cạnh quan trọng và tránh đi lệch chủ đề. Các tin nhắn của Tao rất ngắn gọn và tập trung vào cốt lõi, không trả lời từng chi tiết mà chỉ phản hồi những ý chính. Điều này khác biệt hoàn toàn so với cách mà người dùng thông thường, thiếu chuyên môn, thường tương tác với LLMs — thường là những câu hỏi dài dòng hoặc không rõ ràng.

Một điểm đáng chú ý khác là cách Tao xử lý các câu trả lời sai hoặc không đầy đủ từ mô hình. Thay vì bác bỏ trực tiếp, ông nhẹ nhàng phản hồi rằng "điều này có vẻ phức tạp hơn mong đợi" và tiếp tục hướng dẫn mô hình theo hướng khác. Điều này không chỉ giúp tối ưu hóa kết quả đầu ra mà còn cho thấy rằng sự hiểu biết sâu sắc về lĩnh vực là chìa khóa để nhận ra những sai sót hoặc những điểm bất hợp lý trong câu trả lời của LLMs.

Tuy nhiên, điều quan trọng nhất mà Tao làm được là khả năng tự mình đưa ra các giả định, đề xuất và kiểm tra lại kết quả. Ông không chỉ dựa vào mô hình để đưa ra câu trả lời, mà còn tích cực tham gia vào quá trình tư duy và phân tích. Điều này cho thấy rằng, để khai thác tối đa tiềm năng của LLMs, người dùng cần phải có khả năng đánh giá và bổ sung thông tin từ chính mình.

Từ toán học đến lập trình: Chuyên môn là yếu tố quyết định

Không chỉ trong lĩnh vực toán học, mà ngay cả trong lập trình, kinh nghiệm cá nhân cũng đóng vai trò quan trọng khi làm việc với LLMs. Một lập trình viên có kiến thức sâu rộng về hệ thống mã nguồn sẽ có khả năng định hướng mô hình tốt hơn, từ việc yêu cầu giải pháp cụ thể đến việc nhận ra các lỗi hoặc cải tiến mã nguồn được tạo ra. Ngược lại, một người không quen thuộc với ngôn ngữ lập trình hoặc không hiểu rõ cách hoạt động của hệ thống sẽ khó có thể tận dụng được hết khả năng của LLMs.

Điều này đặt ra một câu hỏi thú vị: Liệu các mô hình ngôn ngữ lớn có thực sự biến tất cả mọi người thành chuyên gia tổng quát? Câu trả lời có lẽ là không. Thay vì loại bỏ nhu cầu về chuyên môn, LLMs thực chất chỉ cung cấp một công cụ mạnh mẽ hơn cho những người đã có nền tảng kiến thức. Chúng không thay thế được kiến thức chuyên môn, mà chỉ hỗ trợ và nâng cao khả năng của những người đã có sẵn sự hiểu biết về lĩnh vực của mình.

Một ví dụ khác có thể minh họa cho điều này là trong lĩnh vực sáng tạo nội dung. Một nhà văn chuyên nghiệp khi sử dụng LLMs sẽ biết cách định hướng mô hình để tạo ra những đoạn văn phong phú, mạch lạc và sắc sảo. Trong khi đó, một người không có kinh nghiệm viết lách có thể chỉ nhận được những kết quả trung bình, thậm chí là rập khuôn và thiếu sáng tạo. Điều này cho thấy rằng, dù LLMs có thể hỗ trợ, nhưng chúng không thể thay thế khả năng tư duy và kỹ năng của con người.

Kỷ nguyên mới của chuyên môn trong thời đại AI

Sự phát triển của các mô hình ngôn ngữ lớn không làm giảm tầm quan trọng của chuyên môn, mà ngược lại, còn làm nổi bật vai trò của nó. Những người có hiểu biết sâu rộng về lĩnh vực của mình sẽ luôn có lợi thế khi làm việc với LLMs, bởi họ biết cách tận dụng công cụ này để đạt được kết quả tốt nhất. Thay vì biến mọi người thành những chuyên gia tổng quát, LLMs đang tạo ra một kỷ nguyên mới, nơi mà chuyên môn trở thành yếu tố quyết định trong việc khai thác sức mạnh của trí tuệ nhân tạo.

Điều này cũng đặt ra một thách thức lớn cho giáo dục và đào tạo. Trong tương lai, việc trang bị cho người học không chỉ là những kiến thức cơ bản, mà còn là khả năng tư duy phản biện và hiểu biết sâu sắc về lĩnh vực của mình, sẽ trở thành một yêu cầu thiết yếu. Chỉ khi đó, chúng ta mới có thể thực sự tận dụng được tiềm năng của các công nghệ tiên tiến như LLMs, thay vì chỉ dừng lại ở việc sử dụng chúng một cách hời hợt.

Như vậy, thay vì lo ngại rằng LLMs sẽ làm mất đi giá trị của chuyên môn, chúng ta nên nhìn nhận chúng như một cơ hội để nâng cao trình độ và khả năng của mình. Bởi lẽ, trong thế giới mà công nghệ ngày càng phát triển, chính sự hiểu biết sâu sắc và khả năng ứng dụng linh hoạt mới là điều giúp con người nổi bật.