Outsourcing Tư duy của bạn cho Trí tuệ nhân tạo, và Nó sẽ Thay thế Bạn

Giám đốc Trí tuệ nhân tạo tại Microsoft, Mustafa Suleyman, vừa chia sẻ một dự đoán đáng sợ: trong vòng 12 đến 18 tháng tới, hầu hết, hoặc thậm chí tất cả, công việc văn phòng sẽ được tự động hóa hoàn toàn bởi trí tuệ nhân tạo. Ông Suleyman không phải là người đầu tiên chia sẻ giả định như vậy (tôi đang nói về Dario Amodei và câu “5 năm án tử” của ông đối với thế giới), và chắc chắn không phải là người cuối cùng. Nhưng hãy để tôi chia sẻ một quan điểm gây tranh cãi: Trí tuệ nhân tạo, dù trong 18 tháng hay 5 năm, sẽ không thể thay thế công nhân văn phòng. Nhưng nếu chúng ta ngừng suy nghĩ, nó sẽ.

Và tôi không nói rằng nó sẽ không được tích hợp vào hầu hết các quy trình, hoặc rằng nó không thể giúp người dân với công việc của họ. Điều này đã đang xảy ra. Nhưng thay thế suy nghĩ của con người, loại bỏ đầu vào của con người, là một nhiệm vụ mà Trí tuệ nhân tạo không thể thực hiện (trừ khi chúng ta thay thế động cơ ra quyết định của mình bằng Trí tuệ nhân tạo, tức là).

Tại sao tư duy của con người không thể và không nên được Outsourcing

Có ba lý do cụ thể mà tôi luôn quay lại mỗi khi有人 nói với tôi rằng Trí tuệ nhân tạo sẽ thay thế mọi người. Mỗi lý do là điều mà não bộ con người làm như một vấn đề thường xuyên, và mỗi lý do là điều mà Trí tuệ nhân tạo, dù tiên tiến đến đâu, không thể tái tạo.

Trí tuệ nhân tạo không thể có ngữ cảnh như não bộ con người

Khi một người đưa ra phán quyết, họ không giống như một mô hình ngôn ngữ, chỉ dự đoán từ tiếp theo dựa trên xác suất chung. Họ đang dựa trên toàn bộ kinh nghiệm sống được mã hóa trên nhiều hệ thống cùng một lúc: ký ức cá nhân, thói quen đã học, và các yếu tố cảm xúc của những khoảnh khắc đó. Tổng thể quá khứ này cho phép não bộ liên tục đoán xem điều gì sẽ xảy ra tiếp theo, chỉ cập nhật quan điểm của mình khi thực tế chứng minh nó sai. Ngữ cảnh, nói cách khác, là chất nền mà mọi nhận thức được xây dựng.

Một mô hình ngôn ngữ lớn hoạt động khác nhau. Trọng số của nó đến từ một tập hợp văn bản hữu hạn mà nó đã được đào tạo một lần và không còn truy cập vào. Nó không có vòng lặp nhận thức, không có lỗi dự đoán từ thế giới mà nó phải sống trong. “Ngữ cảnh” có sẵn cho nó là bất cứ điều gì xảy ra trong cửa sổ lời nhắc. Nó chưa bao giờ bước vào phòng trước. Vì vậy, khi chúng ta đưa ra phán quyết phụ thuộc vào việc biết điều gì là bình thường ở đây, điều gì xảy ra trước, và điều gì đang bị đe dọa, chúng ta đang chạy dự đoán chống lại một đời kinh nghiệm bị ràng buộc – cá nhân và của các thế hệ trước chúng ta. Mô hình đang khớp mẫu trên cơ sở dữ liệu văn bản. Hai hoạt động rất khác nhau, và không có sự mở rộng cửa sổ ngữ cảnh nào có thể đóng khoảng cách này.

Biết tên không giống như biết điều gì

Sự khôn ngoan này đến từ nhà vật lý học Nobel Richard Feynman (hoặc từ cha của ông, để được chính xác hơn). Ông tin rằng chỉ đơn giản ghi nhớ nhãn hoặc định nghĩa không có nghĩa là biết chủ đề. Sự hiểu biết thực sự đến từ kinh nghiệm và sự hiểu biết.

Charlie Munger, một doanh nhân và nhà đầu tư người Mỹ, đã đề xuất một thuật ngữ cho loại học tập bề mặt như vậy – “Kiến thức của tài xế”. Câu chuyện đằng sau điều này là về một tài xế thực sự của nhà vật lý Max Planck, người đã nghe bài giảng của ông về cơ học lượng tử nhiều lần đến mức ông học thuộc lòng. Sau đó, ông đã đề nghị trình bày nó thay cho Planck ở Munich, điều mà ông đã làm thành công. Nhưng khi có câu hỏi từ khán giả, ông, không ngạc nhiên, không thể trả lời. Và đó là sự khác biệt giữa kiến thức “tài xế” bề mặt và kiến thức toàn diện, kiếm được thông qua nhiều năm làm việc và đấu tranh, của Planck.

Ngày nay, các mô hình ngôn ngữ lớn là những tài xế tinh vi nhất mà chúng ta đã từng xây dựng. Chúng có thể đọc lại cơ học lượng tử, tóm tắt triết học, soạn thảo một hợp đồng, và nhịp nhàng một số từ. Nhưng điều gì đòi hỏi kinh nghiệm chứ không phải nhận ra mẫu, như biết tại sao một vị trí thương hiệu hoạt động trong một thị trường sẽ thất bại trong thị trường khác, là duy nhất cho con người, và điều đó thực sự thúc đẩy quyết định.

Nhưng hiểu tại sao một vị trí thương hiệu hoạt động trong một thị trường sẽ thất bại trong thị trường khác không thể đạt được bằng cách nhận ra mẫu đơn giản. Kinh nghiệm là duy nhất cho con người và là điều thực sự thúc đẩy quyết định.

Vẫn còn, sự khác biệt chính giữa chúng ta và Trí tuệ nhân tạo không phải là xử lý dữ liệu – mà là quyền sở hữu

Khả năng của con người (hoặc ít nhất một số trong chúng ta) để chịu trách nhiệm về hành động, sở hữu hậu quả, sự xấu hổ, học hỏi từ chúng, và làm mọi thứ có thể để tình huống không xảy ra lại, và do đó để chúng ta không cảm thấy nỗi đau của một thất bại khác – đây là điều làm cho tư duy và ra quyết định của chúng ta trở nên độc đáo so với trí tuệ nhân tạo.

Trí tuệ nhân tạo không cảm thấy xấu hổ. Hay cảm giác tội lỗi. Nó không mất ngủ vì một quyết định đã trở nên tồi tệ. Nó không mang ký ức của một thỏa thuận nó đã mất, một chiến lược nó đã bảo vệ trong một cuộc họp hội đồng quản trị đã dần phá hủy giá trị hai năm sau đó. Mô hình đưa ra câu trả lời, câu trả lời chứng minh là sai, và mô hình chuyển sang lời nhắc tiếp theo như thể không có gì xảy ra (vì đối với chúng, không có gì xảy ra). Không có chi phí nội bộ để sai, và do đó không có áp lực để đúng vào lần tiếp theo – điều gì thực sự thúc đẩy con người tiến hóa và cải thiện.

Mười năm trước, tôi làm việc trong lĩnh vực vốn đầu tư, phân tích các công ty khởi nghiệp giai đoạn đầu, và chúng tôi xem xét các thỏa thuận lái xe tự động. Ngay cả khi đó, các nguyên mẫu taxi tự động đã an toàn hơn so với lái xe của con người. Công nghệ đã hoạt động. Nó vẫn hoạt động vào năm 2026. Vậy tại sao các thành phố của chúng ta vẫn chưa bị ngập lụt bởi xe tự lái? Bởi vì trách nhiệm của một phương tiện tự động không rõ ràng enough. Khi có một vụ va chạm, hệ thống pháp lý thực sự không biết ai để đổ lỗi – người đã bật công tắc, nhà sản xuất, hoặc nhà phát triển phần mềm. Cho đến khi câu hỏi đó có một câu trả lời, chúng ta sẽ bị kẹt. Công nghệ đã chạy trước khuôn khổ trách nhiệm mà nên được hấp thụ.

Làm thế nào không để mất tâm trí (và công việc) trong thời đại Trí tuệ nhân tạo

Trong khi tôi thực sự tin rằng Trí tuệ nhân tạo không thể thay thế tư duy của con người, tôi cũng có thể thấy mẫu của những người rơi vào cạm bẫy của việc tìm kiếm một lối tắt đến kết quả. Đối với lần đầu tiên trong lịch sử, bạn không cần phải có não bộ để có được câu trả lời. Bạn chỉ cần gõ một câu hỏi. Ma sát mà trước đây buộc chúng ta phải suy nghĩ đã được loại bỏ, điều này nghe có vẻ tuyệt vời, cho đến khi bạn nhận ra rằng ma sát là toàn bộ điểm của việc đó. Đó là cách não bộ được xây dựng từ đầu.

Và đây là nơi câu hỏi công việc cũng quay lại. Trí tuệ nhân tạo sẽ không thay thế công nhân văn phòng như một thể loại. Nhưng nó sẽ thay thế những người cụ thể đã Outsourcing tất cả tư duy của họ cho nó. Nếu bạn trao đổi phán quyết, ngữ cảnh và quyền sở hữu cho câu trả lời nhanh từ một cửa sổ trò chuyện, bạn ngừng trở thành người mang lại điều gì đó cho bàn. Tại thời điểm đó, người sử dụng lao động của bạn không thực sự cần bạn. Họ có thể nói chuyện trực tiếp với mô hình.

Vậy, giữ công việc của bạn trong thời đại Trí tuệ nhân tạo và giữ tâm trí của bạn trong thời đại Trí tuệ nhân tạo đều phụ thuộc vào cùng một câu hỏi. Và dưới đây là bốn thói quen bạn cần giải quyết nó.

Trí tuệ nhân tạo nên tăng sự tò mò

Hiệu ứng Trí tuệ nhân tạo có trên não bộ của bạn phụ thuộc hoàn toàn vào cách bạn sử dụng nó. Nếu bạn tò mò và sẵn sàng đào sâu, Trí tuệ nhân tạo trở thành người bạn học tập tốt nhất mà bất kỳ ai đã từng có. Tốt hơn Wikipedia, tốt hơn bất kỳ cuốn sách nào, vì nó có thể giải thích cùng một ý tưởng năm cách khác nhau cho đến khi một trong số chúng nhấp, và theo bạn xuống bất kỳ lỗ thỏ nào bạn muốn. Hoặc bạn có thể yêu cầu nó giúp bạn giữ thông tin tốt hơn – như thực hành lặp lại khoảng cách cho đến khi bạn thực sự hiểu khái niệm.

Đối với người không tò mò, Trí tuệ nhân tạo làm ngược lại. Nó tiếp quản tư duy mà họ nên làm cho chính mình. Họ nhận được đầu ra mà không có công việc, và công việc là toàn bộ điểm. Theo thời gian, cơ bắp đó teo lại. Sau Cách mạng Công nghiệp, khi máy móc làm cho lao động thể chất ít phổ biến hơn, chúng ta xây dựng phòng tập thể dục để cho cơ thể chúng ta những gì chúng cần để thách thức và duy trì chúng. Và đó là những gì chúng ta sẽ cần cuối cùng: phòng tập thể dục tinh thần để giữ cho não bộ của chúng ta phù hợp.

Năm 2025, MIT Media Lab đã chạy một nghiên cứu nơi 54 người tham gia viết luận trong bốn tháng, chia thành ba nhóm: ChatGPT, công cụ tìm kiếm, và não bộ chỉ. Trong khi họ viết, điện não đồ đã theo dõi hoạt động não của họ. Cuối cùng, nhóm ChatGPT liên tục cho thấy sự kết nối thần kinh thấp nhất và tạo ra các bài luận mà giáo viên mô tả là “không có hồn”. Nhóm não bộ chỉ, ngược lại, có hoạt động não mạnh nhất trong suốt.

Nhưng phần hấp dẫn nhất đến trong phiên cuối cùng, khi các nhà nghiên cứu hoán đổi các nhóm. Những người não bộ chỉ, một khi được giao ChatGPT, đã vượt qua mọi người. Họ đã xây dựng cơ bắp suy nghĩ trước và sau đó sử dụng Trí tuệ nhân tạo trên nó. Nhóm khác không thể bắt kịp, vì họ đã bỏ qua phần xây dựng cơ bắp.

Học là một động từ, vì vậy nó không thể là thụ động

Để học tập dính, lý thuyết phải được kết hợp với thực hành. Đọc về một ý tưởng là một hình thức đầu vào; làm điều gì đó với ý tưởng đó là một hình thức khác. Nhấn, trả lời, áp dụng, nhận được điều gì đó sai, và thử lại – những hoạt động này kéo trong các phần khác nhau của não bộ so với tiêu thụ thụ động, và chúng giữ cho bạn tập trung vào tài liệu.

Socrates đã làm điều này hàng nghìn năm trước: ông không bao giờ đơn giản đưa ra câu trả lời cho học sinh của mình, mà buộc họ phải tạo ra nó (thường là một câu trả lời sai) trước, và chỉ sau đó sửa nó. Và tôi mình đã trải nghiệm lợi ích của triết lý này như một chuyên ngành toán: chúng tôi chỉ nhận được nửa tín chỉ cho việc ghi nhớ lý thuyết, trong khi nửa còn lại yêu cầu chứng minh nó. Sự tập trung vào hiểu biết cơ bản này là điều cho phép chúng tôi nhớ và áp dụng các khái niệm tốt hơn.

Giảng dạy một chủ đề đưa kiến thức của bạn lên cấp độ tiếp theo, làm cho nó khó hơn để rơi vào bẫy tâm lý gọi là ảo giác về năng lực, và cung cấp một sự hiểu biết tốt hơn về chủ đề. Khi bạn cần giải thích một ý tưởng rõ ràng và làm như vậy nhiều lần theo nhiều cách khác nhau, không có cách nào để bạn không hiểu và nhớ nó mình.

Số liệu ủng hộ tất cả điều này. Trong các nghiên cứu đào tạo an toàn, người học tích cực giữ lại 93.5% thông tin so với 79% cho người học thụ động (Engageli, 2025). Tháp học tập rộng hơn Learning Pyramid từ National Training Laboratories ở Bethel, Maine, cho thấy cùng một mẫu tại mọi cấp độ:

Dữ liệu không có nguồn đáng tin cậy là tin đồn

Đúng, người nên đặt câu hỏi về câu trả lời họ nhận được từ Trí tuệ nhân tạo. Họ nên yêu cầu nguồn, và khi không có nguồn, họ nên hoài nghi.

Nhưng có một vấn đề lớn hơn đằng sau tất cả điều này, và đó là việc xác thực đầu ra của Trí tuệ nhân tạo đang trở nên khó khăn hơn và hơn. Các mô hình trích dẫn nguồn không tồn tại, chúng paraphrase nguồn thực trong cách thức làm sai lệch ý nghĩa, chúng trộn thông tin chính xác với thông tin được tạo ra trong cùng một đoạn, và không có cách rõ ràng để phân biệt cái nào là cái nào.

Trên hết, ngày càng nhiều internet là chính nó được tạo ra bởi Trí tuệ nhân tạo, điều này có nghĩa là các mô hình đang học từ đầu ra của các mô hình khác. Các nguồn gốc nhân tạo được viết ban đầu đang bị chôn vùi dưới tất cả những gì đã được tạo tự động trên chúng.

Vì vậy, tôi nghĩ kiến thức đáng tin cậy vẫn phải đến từ con người. Nếu chúng ta không thể hoàn toàn tin tưởng mô hình, và chúng ta không thể hoàn toàn tin tưởng nguồn gốc đằng sau mô hình, thì kinh nghiệm con người là điều duy nhất còn lại để dựa vào.

Như Tony Robbins đã từng nói: “Nếu bạn muốn thành công, hãy tìm người đã đạt được kết quả bạn muốn và sao chép những gì họ làm, và bạn sẽ đạt được kết quả tương tự.” Một người đã thực sự làm điều họ đang dạy đã trải qua nhiều năm làm việc, trả tiền cho những sai lầm của họ, và xây dựng kiến thức của họ với hậu quả thực sự gắn liền – đó là loại nguồn mà đứng vững.

Không có ngữ cảnh, chi tiết sẽ bị thiếu

Một thói quen khác giúp khi học với Trí tuệ nhân tạo là chống lại sự cám dỗ để nhảy thẳng vào câu hỏi cụ thể của bạn. Hầu hết mọi người, khi họ muốn biết điều gì đó, gõ câu hỏi cụ thể vào một chatbot và lấy câu trả lời tại giá trị mặt. Vấn đề là họ bỏ lỡ toàn bộ nền tảng mà câu trả lời nằm trong đó. Một mảnh thông tin cụ thể tách rời khỏi ngữ cảnh của nó rất dễ bị hiểu lầm.

Tôi là một người hâm mộ lịch sử, vì vậy hãy để tôi đưa ra một ví dụ về lịch sử. Diễn văn Gettysburg là một bài phát biểu ngắn mà Lincoln đã đưa ra vào năm 1863, tại địa điểm của một trong những trận chiến đẫm máu nhất của Nội chiến Mỹ. Hãy tưởng tượng bạn cần viết một bài luận về nó. Bạn yêu cầu Trí tuệ nhân tạo phân tích và nhận được một phân tích sạch về từ ngữ, cấu trúc, và các thiết bị hùng biện.

Nhưng bạn có thể thực sự viết bài luận đó mà không biết gì về Nội chiến bản thân? Có lẽ không. Bạn sẽ không hiểu tại sao trận chiến cụ thể này lại quan trọng, hoặc tại sao một bài phát biểu được đưa ra trên đất đó lại mang nhiều trọng lượng. Bạn sẽ không bắt được rằng chiến tranh đã chuyển từ việc bảo tồn Liên minh sang việc chấm dứt chế độ nô lệ, và rằng bài phát biểu là cách của Lincoln để định nghĩa lại những gì đất nước đang chiến đấu. Bạn sẽ không thấy căng thẳng chính trị đằng sau gần như mọi dòng, vì đối với bạn, những dòng đó sẽ chỉ là những cụm từ hay về một sự kiện buồn.

Không có ngữ cảnh của Nội chiến, bài phát biểu đọc như một bài điếu. Với nó, bạn đang đọc một điểm chuyển trong cách một quốc gia hiểu về bản thân. Và đó là loại tinh tế mà Trí tuệ nhân tạo sẽ trao cho bạn chỉ khi bạn đã biết đủ để yêu cầu nó.

Nguyên tắc tương tự áp dụng cho gần như bất cứ điều gì bạn có thể sử dụng Trí tuệ nhân tạo. Bắt đầu rộng. Nhận được bức tranh tổng thể. Sau đó, hãy sâu vào các chi tiết. Chúng sẽ có ý nghĩa một khi chúng có một ngữ cảnh để hạ cánh.

Kết luận: Trí tuệ nhân tạo là một công cụ, và công cụ cần tay

Mỗi bước nhảy công nghệ lớn trong lịch sử loài người đã kích hoạt cùng một sự hoảng sợ. Máy tính sẽ làm cho chúng ta quên toán. Internet sẽ làm cho chúng ta quên cách suy nghĩ. Công cụ tìm kiếm sẽ giết chết ký ức của chúng ta. Và thế là chúng ta ở đây, vẫn tính toán, vẫn suy nghĩ, vẫn nhớ, chỉ với những công cụ tốt hơn trong tay.

Trí tuệ nhân tạo là cái tiếp theo trong dòng đó, và có lẽ là cái mạnh mẽ nhất chúng ta đã từng xây dựng. Nó có thể viết, tóm tắt, phân tích, soạn thảo, dịch, mã hóa, và làm tất cả những điều đó nhanh hơn bất kỳ ai trong chúng ta. Nhưng nó không muốn gì. Nó không thể quan tâm đến kết quả. Nó không thể sống với hậu quả của việc sai. Những phần việc đó vẫn thuộc về chúng ta, và chúng là những phần xác định liệu công việc có tốt hay không vào cuối ngày.

Những người sẽ thịnh vượng trong thập kỷ tới sẽ là những người vẫn tò mò, những người vẫn hỏi câu hỏi tốt hơn, và những người sử dụng Trí tuệ nhân tạo để học nhanh hơn và suy nghĩ sâu hơn, thay vì sử dụng nó để bỏ qua việc suy nghĩ. Họ sẽ là những người mang lại điều gì đó cho bàn mà không mô hình nào có thể sao chép: phán quyết, ngữ cảnh, và sự sẵn sàng sở hữu một quyết định.

Vậy, không, Trí tuệ nhân tạo sẽ không thay thế bạn hoặc làm bạn mất việc. Nhưng phiên bản của bạn đã ngừng suy nghĩ có thể.