Khóa học AI cộng sinh có độ khó thế nào
Sau khi viết xong 4 bài giải thích về 4 kỹ năng cốt lõi mà chúng ta sẽ tập luyện trong khóa học. Mình thấy nhiều bạn góp ý là nội dung bài viết khó hiểu và trừu tượng quá. Mình đã suy nghĩ rất nhiều về nhận ra sai lầm ở đâu.
Nguyên nhân là do viết bài, mình đang đứng ở góc nhìn 1 người đã có nhiều trải nghiệm cộng tác sâu với AI, nên trong quá trình mô tả, mình vô tình cài cắm những từ ngữ, khái niệm mà chỉ những người trải nghiệm rồi mới cảm nhận được. Việc này vô hình chung khiến cho người đọc, nếu chưa trải nghiệm bao giờ, có thể thấy khó hiểu.
Giống như ngoài đời, nếu 1 người chưa bao giờ ăn món gì có vị chua, đọc 1 bài viết mô tả về hương vị này, họ sẽ thấy nó rất trừu tượng. Nhưng nếu sau đấy, ai đó cho họ nếm 1 lát chanh, quay lại đọc, họ sẽ thấy bài viết rất dễ hiểu.
Vậy cuối cùng, độ khó của khóa học là bao nhiêu?
Mình sẽ so sánh với khóa embedded Linux cho mọi người dễ hình dung. Mình đặt mục tiêu và thiết kế chương trình học sẽ có độ khó = 6/10 so với khóa học Linux. Đối tượng đầu vào chỉ cần là sinh viên năm thứ nhất, đã học xong lập trình C.
Nếu ai đã đọc hết 4 bài viết kia, chắc sẽ thấy bất ngờ khi đọc bài này nhỉ.
AI cộng sinh là gì
Về mặt tư tưởng, nó đưa ra các phương pháp tập luyện, để điều chỉnh tư duy con người phù hợp với mô hình hợp tác với AI. Thay vì sử dụng AI như tool, trong mô hình này, 2 bên cùng học hỏi lẫn nhau và cùng tiến bộ. Thông qua việc cùng tiến bộ, con người có thể cộng tác lâu dài chứ không bị AI đào thải.
Vậy điều chỉnh tư duy là gì?
Về mặt bản chất, AI có 1 số điểm yếu về mặt triết học AI. Mọi người có thể hiểu là kể cả công nghệ AI có phát triển, những điểm yếu này nó vẫn tồn tại. Con người sẽ tập trung luyện tập, để có thế mạnh thuộc về những điểm yếu của AI. Về cơ bản sẽ là 4 kỹ năng:
I. System thinking.
Do AI không sống trong thế giới thực, nên nó bị giới hạn trong việc đánh giá bức tranh tổng thể của bài toán. Ví dụ như bài toán làm hệ thống tưới nước tự động cho nhà kính. Nó không chỉ gói gọn trong requirement của người dùng, mà đi từ đặc thù của trồng rau trong nhà kính, sự vất vả của người nông dân... Vì sống trong thế giới thực, con người có thể nhìn vấn đề 1 cách toàn cảnh, từ đó training, điều chỉnh lại AI cho bài toán thực tế. Con người giống như ông sếp ở công ty, hiểu về nhu cầu thị trường, bài toán tổng thể. Đưa việc về giao cho đội ngũ coder ở cty – chính là AI. Vậy nên ông sếp phải có tư duy toàn cảnh, chính là cái system thinking. Phần kỹ năng coding thì nên giao cho nhân viên làm vì nhân viên toàn đứa trẻ khỏe, code giỏi hơn sếp.
Cách tập luyện system thinking: Tập tìm hiểu vấn đề đến tầng cốt lõi sâu nhất, vẽ đồ thị ra giấy, ghép nối các mảnh kiến thức với nhau...
II. Expressive Prompt
Bài toán trong thực tế thì đa dạng, AI chạy theo 1 mô hình cố định, không thể lúc nào cũng cho ra kết quả chính xác. Chính vì vậy, là người sống trong thế giới thực, hiểu rõ bài toán thực tế hơn. Người dùng không được sử dụng AI theo chế độ default mà phải liên tục training, hiệu chỉnh lại AI cho phù hợp với bài toán thực tế. Các công cụ như ChatGPT, việc training sẽ thực hiện thông qua trò chuyện trên Prompt. => Kỹ năng Expressive Prompt.
Expressive Prompt tập luyện như nào: Có thể cho 1 bạn đứng lên trước lớp, giải thích cho cả lớp hiểu về 1 tình huống lạ lùng mà bạn ý gặp phải. Thông qua việc này, bạn ý phải học cách đặt mình vào vị trí người nghe, học cách điều chỉnh ngôn từ để cho người nghe dễ hình dung...
III. Mind Observer
AI không tự nghi ngờ chính suy nghĩ của nó được. Nhưng con người thì lại có thể. Kỹ năng tự nghi ngờ bản thân là 1 đặc thù riêng của bộ não sinh học. Do không có khả năng tự phản biện, lật lại lập luận của chính mình, sẽ có những trường hợp, AI đi vào trạng thái dead lock suy luận. AI cần con người để phản biện, lật lại vấn đề, từ đó tìm ra hướng quyết khác và thoát khỏi vòng lặp suy luận.
Mind Observer tập luyện thế nào: Đưa ra các tình huống cần tìm hiểu, yêu cầu 1 bạn đứng lên trình bày ý kiến và bảo vệ ý kiến của mình. 1 bạn khác đóng vai người phản biện, lật lại các thiếu sót về mặt tư duy của bạn kia. Đổi vai...
IV. Mindset Rebuilding and Identity Realignment
Kỹ năng này nếu gọi theo cách dân gian thì nó là kỹ năng rút kinh nghiệm. Kỹ năng càng cao thì sợi dây kinh nghiệm rút ra được càng dài, rút mãi không hết.
Tại sao kỹ năng này lại quan trọng khi làm việc với AI? Vì công nghệ AI phát triển liên tục, thói quen làm việc của chúng ta ngày hôm qua tuy hiệu quả nhưng ngày hôm nay có thể không còn đúng nữa. Kỹ năng này giúp chúng tìm được điểm sai ở đâu, từ đó cải tiến cách làm việc.
Tập luyện như thế nào: Đưa ra các video về cách mọi người làm các công việc cụ thể. Như lập trình dùng vscode, debug bằng gdb. Yêu cầu học viên đặt mình vào vị trí người dùng, tìm cách cải tiến... Yêu cầu học viên liệt kê ra cách họ thực hiện công việc hàng ngày, đưa ra phương pháp cải tiến và áp dụng luôn vào ngày hôm sau.
Kết luận
Đến đây, mình hi vọng mọi người đã hiểu rõ về chương trình đào tạo AI cộng sinh, nó không hề cao siêu hay có gì trừu tượng cả.
Trong bài viết, mình có cố tình bẻ bớt ý nghĩa của 1 vài khái niệm phụ, mục đích để giúp người đọc có thể hiểu được trọn vẹn nội dung chính.
Fun fact:
Việc mình là người hiểu về các khái niệm trong cộng tác sâu với AI, giải thích lại cho người khác, những người chưa bao giờ trải nghiệm cảm giác này. Chính là là 1 ví dụ của Expressive Prompt. Trong đó người đọc, đóng vai trò là AI, người viết đóng vai trò là người training. Người training phải training được cho AI về 1 khái niệm chưa có trong hệ thống.
