Vài ngày trước, tôi tình cờ xem được một video ngắn của ông Zhang Wenhong, Giám đốc Trung tâm Quốc gia về Bệnh truyền nhiễm, phát biểu tại Diễn đàn Cấp cao Hồng Kông ngày 10 tháng 1. Ông ấy đã nói rõ: "Tôi từ chối đưa trí tuệ nhân tạo (AI) vào hệ thống hồ sơ bệnh án của bệnh viện." Điều này là bởi vì AI, nếu không được đào tạo bài bản, sẽ làm thay đổi căn bản con đường đào tạo bác sĩ, làm suy yếu hoặc gây tổn hại đến khả năng chẩn đoán độc lập mà các bác sĩ trẻ cần có thông qua đào tạo truyền thống. Ông Zhang Wenhong giải thích rằng bản thân ông cũng sử dụng AI, để nó xem xét các trường hợp trước. Nhưng điểm mấu chốt là, với hơn 30 năm kinh nghiệm lâm sàng, ông có thể ngay lập tức phát hiện ra lỗi của AI. Vấn đề nằm ở các bác sĩ trẻ. Nếu một bác sĩ bắt đầu dựa vào AI để đưa ra kết luận chẩn đoán ngay từ khi thực tập, bỏ qua quá trình đào tạo lý luận lâm sàng đầy đủ, họ sẽ mãi mãi mất đi một khả năng quan trọng: khả năng phân biệt tính đúng đắn của khả năng chẩn đoán của AI. Lời nói của ông Zhang Wenhong, từ góc nhìn của một người dùng AI bình thường, đã hé lộ một thực tế bị hiểu sai rộng rãi về kỹ năng và tầm ảnh hưởng trong kỷ nguyên AI. Trong một hoặc hai năm qua, tôi đã chứng kiến một "nỗi lo lắng tập thể" kỳ lạ. Điều thú vị là, nỗi lo lắng này không xuất phát từ những người không quen thuộc với công nghệ; ngược lại, nó phổ biến hơn trong các nhóm ưu tú đã thành thạo AI: lập trình viên, luật sư, nhà phân tích và những người nổi tiếng trên mạng xã hội. Ban đầu, mọi người đều hào hứng tin rằng AI sẽ biến họ thành siêu nhân. Nhưng sau cơn sốt hiệu quả ngắn ngủi, nhiều người rơi vào cảm giác bất lực sâu sắc hơn: Khi AI có thể hoàn thành 80% công việc với chi phí bằng không, liệu 20% giá trị còn lại của tôi có thực sự giữ vững phẩm giá nghề nghiệp của mình? Nếu AI có thể hoàn thành lượng mã lập trình hai tuần của tôi chỉ trong vài phút; nếu một mô hình lớn có thể tạo ra một báo cáo thẩm định hoàn hảo trong vài giây; nếu Gemini hay Doubao có thể giúp những người không có kiến thức vẽ tạo ra những kiệt tác; nếu GPT có thể "đọc chính xác" các báo cáo khám bệnh hoặc báo cáo xét nghiệm, vậy thì rào cản bảo vệ kỹ năng con người nằm ở đâu? Trước đây, The Atlantic đã đăng một bài báo nói rằng chúng ta đang bước vào kỷ nguyên mất kỹ năng; nhưng mặt khác của vấn đề chính là: AI không làm cho các kỹ năng trở nên vô dụng; nó đã gây ra một sự "lạm phát kỹ năng" đáng kể. Các kỹ năng đơn giản chỉ cần được định nghĩa lại. Trong thời đại mà chi phí thực thi gần như bằng không, AI là tấm gương phản chiếu tất cả. Nó không chỉ khuếch đại hiệu quả của bạn mà còn cả độ chi tiết hay độ chính xác trong nhận thức của bạn. Bạn có thể cảm thấy "vô dụng" vì AI đã phơi bày một sự thật phũ phàng: hầu hết công việc mà bạn từng tự hào chỉ là "xây dựng", thực thi và "làm theo mệnh lệnh", chứ không phải là "suy nghĩ", chứ đừng nói đến việc nêu ra và giải quyết vấn đề. Sự thật về kỹ năng trong thế kỷ 21 không còn nằm ở việc bạn có bao nhiêu công cụ, mà là bạn sở hữu bao nhiêu đòn bẩy thực sự. Khả năng toàn diện của "kiểm soát cấp độ vĩ mô + xác minh cấp độ vi mô" chính là sự đảm bảo thực sự cho một tương lai an toàn trong kỷ nguyên AI. I. Nghịch lý của Zhang Wenhong: 0 nhân 10 vẫn là 0. Có một quan điểm được lưu truyền rộng rãi ở Thung lũng Silicon, nhưng nó thường bị hiểu sai. Người ta nói, "AI là một bộ khuếch đại năng suất gấp 10 lần." Hàm ý toán học của câu nói này còn đáng sợ hơn cả nghĩa đen. Nếu khả năng hiện tại của bạn là 1, AI sẽ biến bạn thành 10; Nếu bạn 10 tuổi, AI sẽ biến bạn thành 100. Nhưng nếu hiểu biết cơ bản của bạn về một lĩnh vực nào đó là 0, thì 0 nhân với 10 vẫn là 0. Đây chính là cốt lõi mối lo ngại của Zhang Wenhong: một bác sĩ trẻ dựa vào AI từ khi thực tập có thể có khả năng phán đoán lâm sàng bằng 0. Cho dù AI mạnh mẽ đến đâu, 0 nhân với bất kỳ số nào vẫn cho kết quả là 0. Điều đáng sợ hơn nữa là con số "0" này thậm chí có thể không biết mình là 0. Zhang Wenhong đã nói thẳng thừng: "Các bác sĩ mới không thể chỉ dựa vào AI để chẩn đoán." Tại sao? Bởi vì ngay cả khi AI đạt tỷ lệ chính xác 95%, thì 5% sai sót vẫn cần được các bác sĩ chuyên môn xác định và sửa chữa. Nếu các bác sĩ thiếu kỹ năng chẩn đoán độc lập, làm sao họ có thể phát hiện ra lỗi của AI? Làm sao họ có thể xử lý các trường hợp phức tạp mà AI không thể giải quyết? Đây là điều tôi gọi là "Nghịch lý Zhang Wenhong," ở một khía cạnh, đó là vấn đề con gà và quả trứng. Nhưng ở một khía cạnh khác, nó nhấn mạnh liệu con người đang sử dụng công cụ hay công cụ đang sử dụng con người. Nó hé lộ lớp sự thật đầu tiên về kỹ năng trong kỷ nguyên AI: Bản chất của AI là "phù hợp với xác suất", trong khi giá trị của con người nằm ở "gánh chịu hậu quả". Trước đây, kỹ năng thường đề cập đến việc thực hiện thành thạo, ghi nhớ cú pháp, đọc thuộc lòng các điều khoản pháp luật và làm chủ các phím tắt khác nhau. Tuy nhiên, trong kỷ nguyên AI, những kỹ năng cứng này đã nhanh chóng bị giảm giá trị, trở thành cơ sở hạ tầng đơn thuần. Thay vào đó, một khả năng tinh tế và hiếm hoi hơn đã xuất hiện: khả năng phán đoán. Trong ngữ cảnh này, khả năng phán đoán có nghĩa là hiểu được hậu quả lâu dài của hành động của mình. Hãy tưởng tượng một kịch bản: một kỹ sư cao cấp và một người mới vào nghề đang đồng thời viết mã bằng AI. Người mới vào nghề chỉ nhận được các khối mã. Họ không thể đánh giá xem mã có lỗi kiến trúc hay không, dự đoán hiệu suất của nó dưới sự đồng thời cực độ, hoặc thậm chí liệu đó có phải là một giải pháp bế tắc hay không. Mặt khác, kỹ sư cao cấp không chỉ nhìn thấy mã, mà còn cả một lộ trình. Anh ta biết nên giao nhiệm vụ nào cho AI, làm thế nào để xác minh kết quả và quan trọng hơn, nên sửa lỗi AI ở đâu - và AI chắc chắn sẽ mắc lỗi. Đối với người mới vào nghề, AI là một hộp đen; Họ chỉ có thể hy vọng nó đưa ra câu trả lời chính xác. Đối với các chuyên gia, AI là một nhóm thực tập sinh với năng lượng vô hạn, có khả năng thực hiện nhiệm vụ một cách chính xác. Do đó, sự khác biệt trong tương lai giữa chuyên gia và người bình thường nằm ở việc bạn có khả năng "kiểm chứng kết quả đầu ra của AI" hay không. Zhang Wenhong có thể ngay lập tức phát hiện ra chẩn đoán sai của AI, không phải thông qua trực giác bí ẩn nào đó, mà thông qua "khả năng siêu việt" được tích lũy từ hơn ba mươi năm kinh nghiệm lâm sàng. Khả năng này chính xác là điều mà các bác sĩ trẻ, những người được đào tạo mà AI đã bỏ qua, thiếu nhất. Do đó, nếu không có kiến thức chuyên môn sâu rộng làm nền tảng, AI không mang lại hiệu quả mà lại mang đến sự hỗn loạn tốn kém. II. Tại sao các gợi ý của bạn luôn "gần đúng"? Tại sao một số người có thể sử dụng AI để giải quyết các vấn đề phức tạp, trong khi những người khác chỉ có thể sử dụng nó như một chatbot? Vấn đề không phải là bạn không thể viết "câu thần chú", mà là năng lượng tư duy của bạn quá cao. Gần đây, một hiện tượng đáng lo ngại đã xuất hiện: mọi người đang bắt đầu ủy thác việc suy nghĩ của mình cho AI. Khi đối mặt với một vấn đề, thay vì phân tích nó, họ lại đưa ra một mớ hỗn độn các yêu cầu cho mô hình, rồi tức giận với kết quả tầm thường: "AI này hoàn toàn vô dụng." Thực ra, không phải AI ngu ngốc, mà là bạn chưa suy nghĩ thấu đáo. Cho dù mô hình AI có tiên tiến đến đâu, về cơ bản nó vẫn là một cỗ máy dự đoán dựa trên "ngữ cảnh". Chất lượng đầu ra của nó bị giới hạn nghiêm ngặt bởi chất lượng của ngữ cảnh bạn đưa vào. Đây là phiên bản hiện đại của câu nói "Đầu vào rác, đầu ra rác". Kỹ năng hàng đầu của thế kỷ 21 đã trở thành "diễn đạt rõ ràng" và "tư duy có cấu trúc". Những bậc thầy thực thụ đã hoàn thành một quá trình suy luận nghiêm ngặt trước khi thậm chí mở hộp thoại: 1. Xác định vấn đề: Mâu thuẫn cốt lõi nào tôi cần giải quyết? 2. Phân tích logic: Các nhiệm vụ phụ nào tạo nên vấn đề lớn này? Các mối quan hệ phụ thuộc là gì? 3. Đặt tiêu chuẩn: Loại kết quả nào được coi là chấp nhận được? Ví dụ, trước khi để AI hỗ trợ phát triển một tính năng, bạn đã làm rõ luồng dữ liệu chưa? Trước khi để AI viết bài, bạn đã xây dựng được một khung quan điểm độc đáo chưa? Đừng mong AI sẽ làm thay bạn việc suy nghĩ "từ 0 đến 1". AI rất giỏi trong việc điền vào các chi tiết (từ 1 đến 100), nhưng "1" đó, cái hiểu biết cốt lõi đó, khung logic đó, phải do bạn cung cấp. Nếu bạn không thể diễn đạt rõ ràng ý tưởng của mình cho các đồng nghiệp là con người, bạn sẽ không bao giờ nhận được kết quả như ý từ AI. Viết rõ ràng là tư duy rõ ràng. Trong tương lai, lập trình bằng ngôn ngữ tự nhiên sẽ là một kỹ năng phổ biến. Nhưng điều này không có nghĩa là lập trình sẽ trở nên đơn giản hơn; mà đúng hơn, nó có nghĩa là sự chính xác của ngôn ngữ và logic sẽ trở thành mã mới. Nếu suy nghĩ của bạn hỗn loạn, AI sẽ chỉ khuếch đại sự hỗn loạn đó một cách hiệu quả.
III. Thoát khỏi kén thông tin: Đến gần hơn với bản chất hơn 99% người khác
Vì AI được đào tạo trên một lượng lớn dữ liệu hiện có của con người, nên nó vốn dĩ mang một nhược điểm lớn: sự đồng thuận tầm thường, tức là quay trở lại giá trị trung bình.
Nếu bạn hỏi AI ý kiến về sức khỏe, tài chính hoặc lịch sử, rất có thể nó sẽ đưa ra câu trả lời "sách giáo khoa". Những câu trả lời này an toàn và chính xác, nhưng thường cực kỳ tầm thường vì chúng chỉ đơn giản lặp lại thông tin xuất hiện thường xuyên nhất trên internet.
Điều này dẫn đến chiều thứ ba: khả năng phân biệt sự thật và sai lầm.
Kiến thức và sự hiểu biết là hai điều khác nhau.
Kiến thức là biết "bạn nên làm theo cách này"; sự hiểu biết là hiểu "tại sao bạn nên làm theo cách này, và khi nào bạn không nên làm theo cách này." Đây chính xác là sự khác biệt cơ bản giữa Trương Văn Hồng và các bác sĩ trẻ. Các bác sĩ trẻ có thể ngay lập tức tiếp thu "kiến thức" thông qua AI, chẳng hạn như kết quả chẩn đoán, khuyến nghị thuốc và kế hoạch điều trị. Nhưng Trương Văn Hồng lại sở hữu "sự thấu hiểu": ông biết giới hạn của kiến thức này nằm ở đâu, khi nào cần phá vỡ quy tắc thông thường và khi nào "câu trả lời tiêu chuẩn" do AI đưa ra là sai. Trong thời đại bùng nổ thông tin này, nếu bạn chỉ tiếp thu thông tin thông qua học thuộc lòng và các khuyến nghị của thuật toán, về cơ bản bạn chỉ đang lặp lại thông tin một cách máy móc trong một "buồng vọng" khổng lồ. Bạn không thực sự hiểu cách mọi thứ vận hành. Để thông minh hơn AI, chúng ta cần gần gũi hơn với bản chất của sự vật (các nguyên tắc cơ bản) so với 99% dân số. Muốn hiểu về kinh doanh? Đừng chỉ đọc sách bán chạy nhất và báo cáo tài chính; hãy nghiên cứu dòng tiền, đòn bẩy, cung cầu và lòng tham của con người. Muốn hiểu về sức khỏe? Đừng chỉ tin vào các hướng dẫn được gọi là có thẩm quyền; hãy nghiên cứu các cơ chế sinh học của quá trình trao đổi chất, hormone và phản ứng viêm. Khi AI đưa ra "gợi ý tiêu chuẩn hóa", chỉ những người thực sự hiểu cách hệ thống cơ bản hoạt động mới có thể tinh tường phát hiện ra những thiếu sót của nó hoặc dứt khoát bác bỏ gợi ý của AI trong những tình huống cụ thể. Như Trương Văn Hồng đã nói: Việc bạn có bị AI đánh lừa hay không phụ thuộc vào việc khả năng của bạn có mạnh hơn AI hay không. Và bạn không thể cạnh tranh với AI về kiến thức; bạn chỉ có thể cạnh tranh về khả năng hiểu biết. Lợi thế cạnh tranh của tương lai thuộc về những người dám đặt câu hỏi về "dữ liệu huấn luyện". Bạn cần xây dựng hệ thống nhận thức của riêng mình, một hệ thống không phải sao chép, mà được tự mình kiểm chứng thông qua thực hành, các vòng phản hồi đầy khó khăn và tư duy độc lập. AI đại diện cho mức trung bình của tất cả kiến thức của con người. Nếu bạn muốn vượt qua mức trung bình, bạn không thể chỉ dựa vào AI; bạn phải sở hữu những hiểu biết độc đáo mà AI không thể suy ra thông qua xác suất thống kê. IV. Sau khi Giá trị Thực thi Đạt đến Zero: Từ Người Thực hiện đến Người Chấp nhận Nhìn vào bức tranh lớn hơn, lịch sử có thể không lặp lại, nhưng nó thường có những điểm tương đồng. Vào những năm 1980, việc áp dụng rộng rãi máy tính đã gây ra sự hoảng loạn trong giới kế toán và luật sư. Trước đây, luật sư phải mất nhiều ngày để sàng lọc hàng núi hồ sơ mới tìm được tiền lệ pháp lý. Sự ra đời của công nghệ tìm kiếm điện tử đã đơn giản hóa công việc này chỉ còn vài giây. Vậy luật sư có mất việc không? Không. Ngược lại, ngành luật đã trở nên lớn mạnh và phức tạp hơn. Vì việc tìm kiếm trở nên dễ dàng hơn, kỳ vọng của khách hàng đối với luật sư cũng tăng lên. Mọi người không còn trả tiền cho việc "tìm kiếm tiền lệ pháp lý", mà là cho việc "xây dựng các chiến lược bào chữa độc đáo dựa trên các tiền lệ phức tạp". Tương tự, khi trí tuệ nhân tạo (AI) đảm nhiệm việc lập trình, tạo tài liệu và chẩn đoán cơ bản, vai trò của con người đang trải qua một bước nhảy vọt cơ bản: Chúng ta đang tiến hóa từ "người thợ thủ công" thành "người chỉ huy"; từ "người thực hiện" thành "người chấp nhận". Trước đây, một kỹ sư giỏi có thể dành 50% thời gian để viết mã và 50% để suy nghĩ về kiến trúc. Giờ đây, họ có thể dành 90% thời gian để suy nghĩ về kiến trúc, hiểu biết về kinh doanh và tối ưu hóa trải nghiệm người dùng, đồng thời giao phó công việc lập trình cho AI (và để AI xem xét lại). Điều này có nghĩa là giới hạn trên của độ phức tạp công việc đã được mở rộng. Một nhà phát triển độc lập giờ đây có thể điều hành một công ty mà trước đây cần đến đội ngũ mười người; một người sáng tạo nội dung tự sản xuất có kiến thức chuyên môn có thể tạo ra lượng nội dung của cả tuần chỉ trong một ngày; một bác sĩ kỳ cựu (như Trương Văn Hồng) có thể xử lý số lượng ca bệnh mà trước đây không thể với sự hỗ trợ của trí tuệ nhân tạo. Đây là định nghĩa mới về "kỹ năng" trong kỷ nguyên AI: Nó không còn là "chuyên môn hóa" một chiều, mà là khả năng tích hợp đa chiều. Bạn không cần phải tự tay đặt từng viên gạch, nhưng bạn phải hiểu cơ cấu xây dựng, có gu thẩm mỹ để đánh giá hình thức bên ngoài và có đầu óc kinh doanh để xác định vị trí xây dựng nào mang lại giá trị cao nhất. Khả năng toàn diện "kiểm soát vĩ mô + xác minh vi mô" này chính là sự đảm bảo thực sự cho một tương lai an toàn trong kỷ nguyên AI. Hai khả năng then chốt mà Trương Văn Hồng nhấn mạnh về cơ bản có nghĩa là: 1. Đánh giá độ chính xác của chẩn đoán AI (xác minh vi mô) 2. Chẩn đoán và điều trị các trường hợp phức tạp và khó khăn mà AI không thể xử lý (kiểm soát vĩ mô). Các bác sĩ không có hai khả năng này chỉ có thể được coi là "người vận hành AI". Kết luận: Chỉ khi nâng cao tầm nhìn, người ta mới có thể tận hưởng cảm giác hồi hộp khi đánh bại đối thủ yếu hơn. Quay trở lại hiện tượng đã đề cập ở phần đầu: Tại sao chúng ta lại cảm thấy vô dụng hơn khi càng sử dụng AI nhiều? Bởi vì AI tước đoạt của chúng ta quyền được đạt được cảm giác thành tựu thông qua "lao động". Trước đây, dành ba ngày để soạn thảo một báo cáo hoàn hảo sẽ khiến bạn cảm thấy mình có giá trị; giờ đây, AI có thể làm điều tương tự chỉ trong ba giây, ngay lập tức phá vỡ cảm giác giá trị ảo tưởng đó. Điều này quả thực đau đớn, nhưng đó cũng là một sự thức tỉnh. AI buộc chúng ta phải đối mặt với câu hỏi khó khăn nhất: Vượt ra ngoài việc thực hiện máy móc, giá trị trí tuệ thực sự của tôi nằm ở đâu? Đối với những người không muốn suy nghĩ, đây là thời điểm tồi tệ nhất. Họ sẽ hoàn toàn phục tùng các thuật toán, không nhận ra rằng mình đang bị nuốt chửng bởi một cái kén thông tin tầm thường. Nhưng đối với những người đầy tò mò, sở hữu khả năng tư duy độc lập và khao khát khám phá bản chất của mọi thứ, đây là thời điểm tốt nhất trong lịch sử loài người: mọi rào cản đã được hạ thấp. Mọi giới hạn đã biến mất. Giờ đây, bạn đang sở hữu đội ngũ tư duy và thực thi mạnh mẽ nhất trong lịch sử nhân loại, luôn sẵn sàng 24/7. Trương Văn Hồng không phản đối AI; ông phản đối việc bỏ qua giai đoạn phát triển các năng lực nền tảng và trực tiếp sử dụng AI, giao phó tư duy và siêu nhận thức cho AI. Bản thân ông sử dụng AI rất thành công vì ông có nền tảng 30 năm kinh nghiệm. AI là một công cụ mạnh mẽ đối với ông; nhưng đối với các bác sĩ trẻ không có nhiều kinh nghiệm như vậy, AI có thể phản tác dụng, giống như việc nhổ bỏ cây non để giúp chúng lớn lên, hoặc uống thuốc độc để giải khát. Trong thế kỷ 21, kỹ năng sẽ không biến mất, nhưng chúng sẽ trải qua quá trình tinh luyện khắc nghiệt. Đừng cố gắng cạnh tranh với AI trong việc "giải quyết vấn đề", hãy cạnh tranh với AI trong việc "tạo ra vấn đề". Khi bạn ngừng sử dụng AI như một công cụ giúp bạn lười biếng, và thay vào đó coi nó như một đòn bẩy siêu việt đòi hỏi trí thông minh cực kỳ cao của bạn để kiểm soát, hướng dẫn và sửa chữa sai lầm, những gì bạn nhìn thấy thông qua AI sẽ không còn là bản thân tầm thường của bạn nữa, mà là một siêu cá thể mạnh mẽ và được phóng đại vô hạn.
Alex
Kikyo
Hui Xin
Brian