Còn ai khác không thể được chắt lọc thành kỹ năng?

Tác giả: Sleepy.md; Nguồn: BlockBeats

Thật không may, trong thời đại này, bạn càng làm việc chăm chỉ, bạn càng dễ nhanh chóng trở thành một kỹ năng có thể bị thay thế bởi AI.

Hai ngày qua, các chủ đề thịnh hành và các kênh truyền thông đã tràn ngập "colleague.skill". Khi vấn đề này tiếp tục sôi nổi trên các nền tảng mạng xã hội lớn, sự chú ý của công chúng gần như không có gì đáng ngạc nhiên khi bị cuốn vào những nỗi lo lớn như "sa thải do AI", "bóc lột vốn" và "sự bất tử kỹ thuật số cho giai cấp công nhân".

phản hồi ra quyết định > tin nhắn hàng ngày." Những người dễ dàng được chắt lọc và tái tạo hoàn hảo nhất bởi hệ thống chính là những người lao động cần cù nhất. Đó là những người, sau khi mỗi dự án kết thúc, vẫn cần cù viết các tài liệu tóm tắt; những người, khi gặp bất đồng, sẵn sàng dành nửa giờ để gõ những bài viết dài trong hộp trò chuyện, phân tích một cách trung thực logic ra quyết định của họ; những người cực kỳ có trách nhiệm, tỉ mỉ giao phó mọi chi tiết công việc cho hệ thống. Sự cần cù, từng là đức tính được ngưỡng mộ nhất nơi công sở, giờ đây đã trở thành chất xúc tác đẩy nhanh quá trình biến người lao động thành nhiên liệu cho AI. Những người lao động kiệt sức

Chúng ta cần hiểu lại một từ: ngữ cảnh.

Trong ngôn ngữ hàng ngày, ngữ cảnh là bối cảnh của giao tiếp. Nhưng trong AI, đặc biệt là trong thế giới của các tác nhân AI đang phát triển nhanh chóng, ngữ cảnh là nhiên liệu cho cỗ máy đang gầm rú, là dòng máu giữ cho nó đập, là điểm tựa duy nhất để mô hình đưa ra phán đoán chính xác trong sự hỗn loạn.

AI bị tước bỏ ngữ cảnh, bất kể nó có bao nhiêu tham số, cũng không hơn gì một công cụ tìm kiếm bị mất trí nhớ. Nó không thể nhận ra bạn là ai, không thể hiểu được những dòng chảy ngầm ẩn giấu bên dưới logic kinh doanh, và không có cách nào biết được cuộc giằng co và cân nhắc lựa chọn kéo dài mà bạn đã trải qua trên mạng lưới được dệt nên từ những hạn chế về tài nguyên và các trò chơi giữa các cá nhân khi bạn đưa ra quyết định.

Lý do "Colleague.skill" gây ra sự xáo trộn lớn như vậy chính là vì nó đã nhắm mục tiêu một cách tàn nhẫn và chính xác vào mỏ ngữ cảnh chất lượng cao - phần mềm cộng tác của các doanh nghiệp hiện đại. Trong năm năm qua, nơi làm việc của Trung Quốc đã trải qua một sự chuyển đổi kỹ thuật số thầm lặng nhưng sâu sắc. Các công cụ như Lark, DingTalk và Notion đã trở thành những kho tri thức khổng lồ của doanh nghiệp. Lấy Lark làm ví dụ, ByteDance đã công khai tuyên bố rằng họ tạo ra một lượng lớn tài liệu nội bộ mỗi ngày. Những tài liệu dày đặc này ghi lại một cách trung thực mọi buổi họp brainstorm, mọi cuộc họp căng thẳng và mọi thỏa hiệp chiến lược được hơn 100.000 nhân viên chấp nhận. Sự thâm nhập kỹ thuật số này vượt xa bất kỳ thời đại nào trước đây. Ngày xưa, kiến ​​thức mang một hơi ấm, tiềm ẩn trong tâm trí của những nhân viên kỳ cựu và được lưu truyền trong những cuộc trò chuyện thường nhật ở phòng nghỉ. Giờ đây, tất cả trí tuệ và kinh nghiệm của con người đã bị tước đoạt một cách tàn nhẫn, lắng đọng trong ma trận lạnh lẽo, vô cảm của các máy chủ đám mây. Trong hệ thống này, nếu bạn không viết tài liệu, công việc của bạn sẽ trở nên vô hình, và các đồng nghiệp mới không thể cộng tác với bạn. Hoạt động hiệu quả của các doanh nghiệp hiện đại được xây dựng dựa trên chu kỳ hàng ngày của việc mỗi nhân viên "đóng góp" ngữ cảnh cho hệ thống. Những người lao động cần cù, với sự chăm chỉ và thiện chí của mình, phơi bày quá trình suy nghĩ của họ trên những nền tảng lạnh lẽo này. Họ làm điều này để giúp các bánh răng của nhóm ăn khớp trơn tru hơn, để chứng minh giá trị của họ đối với hệ thống và để tìm kiếm vị trí của mình trong gã khổng lồ thương mại phức tạp này. Họ không tự nguyện đầu hàng; họ chỉ đơn giản là vụng về và siêng năng tuân theo các quy tắc sinh tồn của môi trường làm việc hiện đại. Nhưng chính những bối cảnh bị bỏ lại phía sau cho sự hợp tác giữa các cá nhân lại trở thành nhiên liệu hoàn hảo cho AI. Hệ thống quản lý phía sau của Lark có một chức năng cho phép quản trị viên cấp cao xuất hàng loạt tài liệu và hồ sơ liên lạc của các thành viên. Điều này có nghĩa là các đánh giá dự án và logic ra quyết định mà bạn đã dành ba năm để viết, trải qua vô số đêm không ngủ, có thể dễ dàng được đóng gói thành một tệp nén lạnh lẽo, vô hồn chỉ trong vài phút với một giao diện API duy nhất. Khi con người bị thu nhỏ thành API, một số sản phẩm phái sinh cực kỳ khó chịu đã bắt đầu xuất hiện trên GitHub Issues và các nền tảng truyền thông xã hội khác nhau, sau sự phổ biến bùng nổ của "colleague.skill". Một số người đã tạo ra "Ex.skill", cố gắng đưa lịch sử trò chuyện WeChat của họ từ vài năm trước vào AI, cho phép nó tiếp tục tranh luận hoặc thể hiện tình cảm với họ bằng giọng điệu quen thuộc đó; Một số người khác tạo ra "kỹ năng Ánh Trăng Trắng", thu hẹp những cảm xúc thu hút khó nắm bắt thành một sân chơi giao tiếp lạnh lùng, liên tục luyện tập những cuộc trò chuyện thăm dò và tỉ mỉ tìm kiếm giải pháp cảm xúc tối ưu từng bước một; những người khác lại tạo ra "kỹ năng Ông Chủ Giống Bố", chủ động sử dụng những từ ngữ PUA đầy áp bức trong không gian kỹ thuật số, xây dựng một lớp phòng vệ tâm lý đáng buồn cho chính mình. Các trường hợp sử dụng những kỹ năng này đã hoàn toàn lệch khỏi lĩnh vực hiệu quả công việc. Hóa ra, một cách vô thức, chúng ta đã trở nên thành thạo trong việc sử dụng logic lạnh lùng của các công cụ để mổ xẻ và khách thể hóa những con người bằng xương bằng thịt. Triết gia người Đức Martin Buber từng đề xuất rằng bản chất cơ bản của các mối quan hệ giữa con người không gì khác hơn là hai chế độ riêng biệt: "Tôi và Bạn" và "Tôi và Nó". Trong cuộc gặp gỡ "bạn và tôi", chúng ta vượt qua định kiến ​​và nhìn nhận nhau như những con người sống động và có phẩm giá. Mối liên kết này cởi mở và không dè dặt, đầy sự bất ngờ sống động, và chính vì sự chân thành của nó, nó dường như vô cùng mong manh. Tuy nhiên, một khi chúng ta rơi vào cái bóng của "nó và tôi", con người sống bị thu hẹp thành một vật thể có thể bị mổ xẻ, phân tích, phân loại và dán nhãn. Dưới sự soi xét cực kỳ thực dụng này, điều duy nhất chúng ta quan tâm là, "Điều này có ích gì cho tôi?". Sự xuất hiện của các sản phẩm như "Ex.skill" cho thấy tính hợp lý thực dụng của "nó và tôi" đã hoàn toàn xâm chiếm lĩnh vực cảm xúc riêng tư nhất. Trong một mối quan hệ thực sự, con người là ba chiều, đầy nếp nhăn, luôn luôn chứa đựng những mâu thuẫn và những góc cạnh thô ráp; phản ứng của họ thay đổi liên tục theo các tình huống cụ thể và tương tác cảm xúc. Phản ứng của người yêu cũ của bạn đối với cùng một câu nói có thể khác nhau hoàn toàn khi họ thức dậy vào buổi sáng so với sau khi làm việc muộn đến đêm khuya. Nhưng khi bạn chắt lọc một người thành một kỹ năng, những gì bạn trích xuất chỉ đơn thuần là phần còn lại có chức năng, vốn "hữu ích" và "hiệu quả" đối với bạn trong mối quan hệ cụ thể đó. Con người ấm áp ban đầu, với những niềm vui và nỗi buồn riêng, hoàn toàn bị tước đoạt linh hồn trong quá trình thanh lọc tàn nhẫn này, bị biến thành một "giao diện chức năng" mà bạn có thể cắm và rút tùy ý. Phải thừa nhận rằng trí tuệ nhân tạo (AI) không tự nhiên mà có sự tàn nhẫn đáng sợ này. Trước khi có AI, chúng ta đã quen với việc dán nhãn cho mọi người, cân nhắc chính xác "giá trị cảm xúc" và "tầm ảnh hưởng" của mỗi mối quan hệ. Ví dụ, chúng ta định lượng tình trạng của mọi người trên thị trường hẹn hò thành các bảng; chúng ta phân loại đồng nghiệp trong nơi làm việc là "có năng lực" và "dễ lười biếng". AI chỉ đơn giản là làm cho việc phân tích chức năng giữa các cá nhân một cách ngầm định này trở nên hoàn toàn rõ ràng. Con người bị đơn giản hóa, bị thu hẹp chỉ còn khía cạnh "nó có ích gì cho tôi?". Năm 1958, triết gia người Hungary-Anh Michael Polanyi đã xuất bản cuốn sách *Kiến thức cá nhân*. Trong cuốn sách này, ông đề xuất một khái niệm rất sâu sắc: kiến ​​thức ngầm. Polanyi nổi tiếng với câu nói: "Chúng ta luôn biết nhiều hơn những gì chúng ta có thể nói". Ông đã sử dụng ví dụ về việc học đi xe đạp. Một người lái xe lành nghề, đi xuôi gió, có thể giữ thăng bằng hoàn hảo với mọi độ nghiêng của trọng lực, nhưng anh ta không thể mô tả chính xác cho người mới bắt đầu về trực giác tinh tế của cơ thể tại thời điểm đó bằng các công thức vật lý khô khan hoặc những từ ngữ nhạt nhẽo. Anh ta biết cách lái xe, nhưng không thể giải thích được. Loại kiến ​​thức này, không thể mã hóa hay diễn đạt bằng lời, được gọi là kiến ​​thức ngầm. Môi trường làm việc đầy rẫy kiến ​​thức ngầm. Một kỹ sư cấp cao, khi khắc phục sự cố hệ thống, có thể xác định được vấn đề chỉ bằng cách nhìn vào nhật ký, nhưng anh ta sẽ khó có thể ghi lại "trực giác" này được xây dựng trên hàng ngàn lần thử và sai. Sự im lặng đột ngột của một nhân viên bán hàng giỏi nhất tại bàn đàm phán truyền tải cảm giác áp lực và thời điểm mà không một cuốn cẩm nang bán hàng nào có thể nắm bắt được. Một chuyên gia nhân sự giàu kinh nghiệm, trong một cuộc phỏng vấn, có thể phát hiện ra sự không nhất quán trong sơ yếu lý lịch chỉ bằng cách quan sát ánh mắt lảng tránh của ứng viên trong nửa giây. "Colleague.skill" chỉ có thể trích xuất kiến ​​thức tường minh đã được viết ra hoặc nói ra. Nó có thể ghi lại các tài liệu tóm tắt của bạn, nhưng không phải những khó khăn bạn đã trải qua khi viết chúng; nó có thể sao chép các phản hồi quyết định của bạn, nhưng không phải trực giác bạn có khi đưa ra những quyết định đó. Những gì hệ thống chắt lọc luôn chỉ là cái bóng của một người. Nếu câu chuyện kết thúc ở đây, nó sẽ lại là một sự bắt chước vụng về khác của công nghệ đối với con người. Nhưng một khi con người được chắt lọc thành một kỹ năng, kỹ năng đó không giữ nguyên. Nó được sử dụng để trả lời email, viết tài liệu mới và đưa ra quyết định mới. Nói cách khác, những "bóng ma" do AI tạo ra này bắt đầu tạo ra những bối cảnh mới. Và những bối cảnh do AI tạo ra này sau đó được lưu trữ trong Lark và DingTalk, trở thành tài liệu huấn luyện cho vòng chắt lọc tiếp theo. Quay trở lại năm 2023, một nhóm nghiên cứu từ Đại học Oxford và Cambridge đã cùng nhau công bố một bài báo về "sự sụp đổ của mô hình". Nghiên cứu cho thấy rằng khi các mô hình AI sử dụng dữ liệu do các AI khác tạo ra để huấn luyện lặp đi lặp lại, sự phân bố của dữ liệu ngày càng trở nên hẹp. Những đặc điểm hiếm hoi, bên lề, nhưng cực kỳ thực tế của con người nhanh chóng bị xóa bỏ. Sau chỉ vài thế hệ huấn luyện trên dữ liệu tổng hợp, mô hình hoàn toàn quên đi dữ liệu phức tạp, đa dạng của con người trong thế giới thực, thay vào đó tạo ra nội dung cực kỳ tầm thường và đồng nhất. Một bài báo nghiên cứu năm 2024 được công bố trên *Nature* cũng chỉ ra rằng việc huấn luyện các thế hệ mô hình học máy trong tương lai bằng các tập dữ liệu do AI tạo ra sẽ làm ô nhiễm nghiêm trọng đầu ra của chúng. Điều này tương tự như những hình ảnh meme đang lan truyền trên mạng; Ban đầu là một ảnh chụp màn hình độ phân giải cao, nó được chuyển tiếp, nén và chuyển tiếp vô số lần. Mỗi lần truyền tải đều dẫn đến việc mất một số pixel và thêm nhiễu. Cuối cùng, hình ảnh trở nên mờ, được phủ một lớp kỹ thuật số. Khi bối cảnh thực sự, ngầm định của con người cạn kiệt, và hệ thống chỉ có thể tự huấn luyện bằng cái bóng của lớp phủ kỹ thuật số này, thì còn lại gì? Ai đang xóa dấu vết của chúng ta? Tất cả những gì còn lại chỉ là những lời lẽ đúng đắn nhưng vô nghĩa. Khi dòng sông tri thức cạn kiệt, trở thành sự suy ngẫm và tự nghiền nát vô tận của AI chống lại AI, mọi thứ mà hệ thống tiếp nhận sẽ trở nên cực kỳ chuẩn hóa, cực kỳ an toàn, nhưng trống rỗng một cách vô vọng. Bạn sẽ thấy vô số báo cáo hàng tuần được cấu trúc hoàn hảo, vô số email không tì vết, nhưng chúng không chứa đựng dấu vết của cuộc sống con người, không có những hiểu biết thực sự có giá trị. Sự sụp đổ lớn về tri thức này không phải vì bộ não con người trở nên kém thông minh hơn; bi kịch thực sự nằm ở chỗ chúng ta đã trao quyền suy nghĩ và trách nhiệm để lại bối cảnh cho chính cái bóng của mình. Vài ngày sau khi ứng dụng "Colleague.skill" lan truyền rộng rãi, một dự án có tên "anti-distill" đã lặng lẽ xuất hiện trên GitHub. Tác giả của dự án này không cố gắng tấn công các mô hình lớn, cũng không viết bất kỳ bản tuyên ngôn vĩ đại nào. Ông chỉ đơn giản cung cấp một công cụ nhỏ giúp người lao động tự động tạo ra những bài viết dài, thoạt nhìn có vẻ hợp lý nhưng thực chất lại phi logic và ồn ào trên Lark hoặc DingTalk. Mục tiêu của ông rất đơn giản: che giấu kiến ​​thức cốt lõi của mình trước khi nó bị hệ thống chắt lọc. Vì hệ thống thích thu thập "những bài viết dài được viết chủ động", ông đã cung cấp cho nó một loạt những thứ vô nghĩa. Dự án này không lan truyền mạnh mẽ như "Colleague.skill"; thậm chí nó còn có vẻ nhỏ bé và yếu ớt. Sử dụng phép thuật để đánh bại phép thuật về cơ bản vẫn là hoạt động trong khuôn khổ luật chơi do tư bản và công nghệ đặt ra. Nó không thể thay đổi xu hướng chung của các hệ thống ngày càng dựa vào trí tuệ nhân tạo và ngày càng bỏ qua con người thực. Tuy nhiên, điều này không ngăn cản dự án này trở thành cảnh tượng bi tráng và giàu tính ẩn dụ nhất trong toàn bộ vở kịch phi lý này. Chúng ta cần mẫn để lại dấu ấn của mình trên hệ thống, viết những tài liệu chi tiết và đưa ra những quyết định tỉ mỉ, cố gắng chứng minh sự tồn tại và giá trị của mình trong cỗ máy doanh nghiệp hiện đại khổng lồ này. Ít ai biết rằng những dấu vết được tạo ra một cách tỉ mỉ này cuối cùng sẽ trở thành cục tẩy xóa sạch chúng ta. Nhưng nhìn từ một góc độ khác, đây có thể không phải là ngõ cụt hoàn toàn. Bởi vì thứ mà cục tẩy đó xóa đi chỉ là "con người quá khứ của bạn". Một kỹ năng được đóng gói vào một tập tin, cho dù logic thu thập dữ liệu của nó có khéo léo đến đâu, về cơ bản chỉ là một bức ảnh tĩnh. Nó bị khóa trong một giây xuất khẩu đó, chỉ dựa vào các nguồn lực lỗi thời, quay vòng vô tận trong các quy trình và logic đã được định trước. Nó thiếu bản năng để đối mặt với những điều chưa biết và sự hỗn loạn, và hơn thế nữa, khả năng phát triển thông qua những thất bại trong thế giới thực. Khi chúng ta từ bỏ những trải nghiệm được tiêu chuẩn hóa cao độ và theo công thức đó, chúng ta đồng thời giải phóng đôi tay của mình. Chừng nào chúng ta còn tiếp tục khám phá thế giới bên ngoài, liên tục phá vỡ và tái cấu trúc các ranh giới nhận thức của mình, thì cái bóng lơ lửng trên mây đó sẽ mãi mãi chỉ có thể theo bước chân của chúng ta. Con người là những thuật toán linh hoạt.