Khi tiếng kền kền lắng xuống, AI thật sự đã giết chết thứ gì?

Vài năm trở lại đây, AI liên tục được tuyên bố là đã “giết chết” một ngành nghề nào đó. Hôm nay là copywriter, ngày mai là designer, tuần sau là kỹ sư phần mềm. Mới nhất, đến lượt toán học: tháng 9 vừa rồi, OpenAI thông báo rằng họ đã dùng một hệ thống AI Agents để giải quyết thành công bài toán thiên niên kỷ mang tên Navier-Stokes, dù kết quả vẫn đang chờ cộng đồng toán học thẩm định.

Mỗi lần như vậy, tiếng kền kền lại vang lên: ngành này chết rồi, không ai cần học nữa. Mình thì tò mò hơn: nếu thật sự có một cái xác, tại sao chúng ta không thử khám nghiệm xem thứ gì đã chết, và vì sao?

Là người làm sản phẩm, mình biết rằng khi đứng quá gần một vấn đề, chúng ta dễ bị mắc kẹt trong chính góc nhìn của ngành mình. Vì vậy, bài viết này sẽ đi đường vòng: ghé qua toán học, một ngành tưởng chừng xa lạ nhưng cũng đang bị AI làm rung chuyển, tìm vài tia sáng ở đó, rồi mang chúng về với câu chuyện làm sản phẩm. Trên đường đi, chúng ta sẽ gặp một nhà toán học từng làm startup, một người nô lệ ở Hy Lạp cổ đại, và một kiểu tư duy chậm đến mức có thể kéo dài hàng năm.

AI đang giết chết toán học, hoặc đúng hơn là giết chết hình dung sai lầm về nó

Nếu bạn hình dung công việc của kỹ sư phần mềm là dùng ngôn ngữ lập trình để viết code, thì chỉ cần trừu tượng hóa nó lên vài nấc nữa sẽ đến hình ảnh một nhà toán học dùng ký hiệu để chứng minh các định lý hay phương trình lạnh lẽo. AI đang làm rung chuyển cộng đồng toán học, vậy cộng đồng toán học đang phản ứng như thế nào, và chúng ta liệu có học được gì để nhìn lại các ngành nghề khác cũng đang bị AI “giết chết” hay không?

Khi tìm hiểu nhiều hơn về chủ đề này, mình biết đến David Bessis - một nhà toán học và cựu founder của một startup về machine learning. Ông cũng là tác giả của một cuốn sách được xuất bản gần đây mang tên Mathematica: A Secret World of Intuition and Curiosity. Luận điểm thú vị nhất của tác giả, mà mình rất đồng cảm, thể hiện rất rõ qua câu trích dẫn sau của Bill Thurston - một nhà toán học đã đoạt được huy chương Fields:

“The product of mathematics is clarity and understanding. Not theorems, by themselves.” - Bill Thurston.

David Bessis cho rằng, bản chất của toán học không phải nằm ở việc chứng minh định lý hay tính toán phương trình, mà nằm ở việc làm rõ những hình dung trong tâm trí về các khái niệm toán học trừu tượng. Điều quan trọng nhất là hình dung được “có một thứ gì đó như định lý A hay phương trình B tồn tại,” rồi sau đó mới dùng ngôn ngữ toán học để chứng minh định lý A, giải phương trình B và làm rõ được trực giác đó hơn.

Bản chất này của toán đã nằm chìm trong suốt chiều dài phát triển của ngành toán học:

• Alexandre Grothendieck, một trong những nhà toán học vĩ đại nhất thế kỷ XX, từng ví cách làm toán của mình như việc để nước biển từ từ dâng lên, nhấn chìm một hòn đảo, thay vì trực tiếp tấn công nó. Ý của ông là thay vì cố gắng giải một bài toán bằng những công cụ sẵn có, ta có thể xây dựng những khái niệm và cách hình dung mới, đến mức bài toán ban đầu trở nên đơn giản.
• Henri Poincaré cũng từng nhấn mạnh rằng logic là công cụ để chứng minh, còn trực giác là công cụ để khám phá. 
• Còn Terence Tao mô tả giai đoạn phát triển cao của tư duy toán học là khi những suy luận chặt chẽ đã được nội hóa thành trực giác linh hoạt

AI giúp chứng minh định lý A hay giải phương trình B nhanh hơn, nhưng nó không tự nhiên khiến con người chúng ta hình dung được “có một thứ gì đó như định lý A hay phương trình B tồn tại” ngay từ đầu. Vì vậy, nhiều người cho rằng AI đang giết chết toán học, nhưng mình lại thấy rằng AI chỉ đang giết chết hình dung sai lầm về toán học, để buộc một hình dung đúng đắn hơn về bản chất của toán học dần hiện rõ.

Đến đây, có thể nhiều người sẽ nghĩ: chỉ những nhà toán học vĩ đại mới thật sự cần hiểu được bản chất toán học mà thôi, còn người thường như chúng ta thì làm sao có được thứ năng lực tuyệt vời này. Đừng từ bỏ quá sớm như vậy! Việc làm rõ được hình dung trong tâm trí mà David Bessis cho rằng là bản chất của toán học không nhất thiết chỉ dành cho những bài toán thiên niên kỷ, mà còn cho những vấn đề thường nhật hơn. Để hiểu rõ hơn, chúng ta cần nhìn vào một câu chuyện đã được ghi chép hơn 2000 năm trước.

Một bài toán tưởng chừng không có lời giải có thể trở nên đơn giản khi chúng ta tìm được một cách hình dung khác về nó

Giả sử bạn sống ở Hy Lạp cổ đại và có một khoảng sân hình vuông, mỗi cạnh dài 2 mét. Bạn muốn mở rộng sân để tổ chức những buổi tụ họp đông người hơn. Sân ban đầu có diện tích 4 m². Bạn muốn tăng diện tích lên 8 m², nhưng vẫn giữ nguyên hình dạng vuông. Bạn sẽ tiếp cận bài toán này như thế nào?

Plato từng ghi lại đúng bài toán này trong The Meno. Phần lớn tác phẩm là cuộc đối thoại giữa Socrates và Meno, một nhà quý tộc trẻ, về việc liệu đức hạnh có thể dạy được hay không. Để chứng minh rằng linh hồn con người vốn đã sở hữu tri thức, Socrates gọi một người nô lệ của Meno đến và đặt ra cho anh ta bài toán về hình vuông như trên.

Người nô lệ đó ban đầu đã trả lời rất nhanh chóng rằng chỉ cần tăng độ dài của cạnh lên gấp đôi thì chúng ta sẽ có một hình vuông gấp đôi diện tích. Nhưng Socrates đã vẽ thêm ba hình vuông nữa cạnh hình vuông gốc để thành một hình vuông lớn hơn với độ dài cạnh là 4m, và ông chỉ ra rằng diện tích của hình này đến tận 16 mét vuông.

Người nô lệ suy nghĩ một chốc, và cho rằng nếu cạnh là 4 mét thì diện tích tăng lên quá nhiều, nên có thể chọn vẽ một hình vuông với cạnh 3 mét. Nhưng với cách này thì Socrates đã chỉ ra rằng diện tích cuối cùng vẫn chỉ có 9 mét vuông.

Đến lúc này, người nô lệ đành thừa nhận rằng mình không biết phải giải bài toán này như thế nào. Socrates bèn quay sang Meno và chỉ ra một điều thú vị: ban đầu, người nô lệ rất tự tin rằng mình biết câu trả lời, nhưng sau khi nhận ra những sai lầm trong cách suy luận của mình, anh ta giờ đây đã biết rằng mình không biết. Socrates cho rằng đây là một sự tiến bộ, bởi ít nhất anh ta không còn lầm tưởng rằng mình đã hiểu vấn đề nữa.

Sau đó, Socrates tiếp tục bằng cách vẽ một đường chéo cho mỗi hình vuông trong bốn hình vuông đã ghép lại. Socrates tiếp tục dẫn dắt người nô lệ qua từng đoạn hỏi đáp: mỗi đường chéo chia một hình vuông có diện tích 4 mét vuông thành hai tam giác bằng nhau, nên diện tích của mỗi tam giác cũng sẽ là một nửa: 2 mét vuông.

Lúc này thì người nô lệ nhận ra, rằng bốn hình tam giác đó gộp lại thành một hình vuông với diện tích chính xác là 8 mét vuông. Người ấy đã không cần biết chính xác chiều dài cạnh của hình vuông này là bao nhiêu, hay cần phải hiểu được căn bậc hai là gì, nhưng vẫn trực quan nhận biết được đây là câu trả lời đúng.

Ban đầu, người nô lệ có một hình dung trong tâm trí về khái niệm hình vuông, mình đoán như một chiếc hộp vuông nằm trên sàn. Hình ảnh này khiến anh ta cố gắng thay đổi độ dài của cạnh để thay đổi diện tích, giống như phóng to hay thu nhỏ chiếc hộp ấy. Khi Socrates vẽ các đường chéo, người nô lệ nhận ra được một hình dung khác: hình vuông có thể được xem như là những vùng diện tích có thể được chia nhỏ và kết hợp lại. Đây chính là mấu chốt để đi đến lời giải.

Quay lại bài toán mở rộng một khoảng sân hình vuông với mỗi cạnh dài 2 mét. Kể cả bạn không biết căn bậc hai là gì đi nữa, thì với hình dung trong tâm trí ở trên, bạn hoàn toàn có thể đóng hai chiếc cọc ở hai góc đối diện của sân, dùng dây thừng để đo độ dài của đường chéo, rồi dùng khoảng cách này làm độ dài cạnh của khoảng sân mới.

Mình kể câu chuyện này không phải để khơi gợi lại nỗi sợ học toán trong lòng của bàn dân thiên hạ đâu, mà là để dẫn chứng cho luận điểm: Một bài toán tưởng chừng không có lời giải có thể trở nên đơn giản khi chúng ta tìm được một cách hình dung khác về nó. Đây là bản chất của toán học mà David Bessis nói đến, và rộng hơn, là khả năng của trực giác con người trong việc nhìn ra những tầng sâu hơn của thực tại.

Tư duy nhanh, chậm và siêuuu chậmm

Trong quyển Thinking Fast and Slow nổi tiếng, Daniel Kahneman đề xuất một mô hình về hai hệ thống tư duy khác nhau:

• System 1 là trực giác, tốc độ, cảm tính. Tác giả đưa ra nhiều dẫn chứng về thiên kiến, quyết định nóng vội, hay đánh giá sai lệch đều là từ System 1 mà ra.
• System 2 là tư duy phân tích, chậm rãi, lý tính. Đây là hệ thống tạo ra những quyết định thấu đáo, cẩn thận, hay đánh giá chính xác.

Theo Kahneman, chúng ta thường dựa vào câu trả lời của System 1, vì nó là con đường tiết kiệm năng lượng nhất, còn System 2 tốn nhiều não hơn nên được dùng ít hơn. Phép ẩn dụ về hai hệ thống này đã khoác lên mình sự sống riêng, lan tỏa và len lỏi vào trong văn hóa đại chúng. Niềm tin phổ biến từ mô hình này, đó là chúng ta nên hiểu về những thiên kiến để chống lại bản năng dùng System 1 và thay vào đó vận dụng System 2 nhiều hơn.

Tuy nhiên, David Bessis trong Mathematica, ngoài bàn luận về bản chất của toán học, còn nói về một hệ thống tư duy khác nữa gọi là System 3: tư duy siêu siêu chậm. Tư duy này mở ra cuộc đối thoại giữa System 1 và System 2 với mục đích cuối cùng là để giúp những phán đoán trực giác của chúng ta ngày càng chính xác hơn. Thay vì gạt bỏ những hình dung mà trực giác System 1 gợi ra chỉ để dựa vào System 2, chúng ta tìm ra những điểm bất đồng giữa trực giác và phân tích, rồi dùng nó để dần tinh chỉnh hình dung trong đầu về vấn đề cho đến khi bức tranh rõ ràng hiện ra.

Trong The Meno, chúng ta đã thấy một minh chứng cụ thể: thông qua sự hướng dẫn từ Socrates, người nô lệ nhận ra rằng anh ta có thể nhìn hình vuông theo một cách khác để thấy được câu trả lời. Đây là một vòng lặp nhỏ trong quá trình áp dụng System 3: Socrates đóng vai là người đặt câu hỏi để nêu ra được khoảng cách giữa trực giác và lý luận, qua đó người nô lệ nhận ra được giới hạn trong hình dung ban đầu của mình, anh ta rũ bỏ nó và dần phát triển được một hình dung khác hữu dụng hơn.

Những giai thoại như Archimedes và khoảnh khắc Eureka hay Newton và quả táo thường được kể như những tia chớp trực giác lóe bừng lên và thay đổi mọi thứ. Nhưng tia chớp đó chỉ là phần nổi của tảng băng. Einstein tưởng tượng mình đuổi theo một tia sáng từ năm 16 tuổi, và phải mất khoảng mười năm sau, thuyết tương đối hẹp mới ra đời. Những trực giác sắc bén như vậy, khi chúng ta nhìn kỹ, chính là sản phẩm của tư duy siêu chậm.

Phát triển trực giác một cách siêu chậm khi làm sản phẩm

Hơn một năm trước, mình có một hình dung về những người làm sản phẩm ở Việt Nam. Nhiều bạn PM sau vài năm đi làm bắt đầu cảm thấy mắc kẹt ở cấp độ hiện tại. Các công ty thường tập trung vào việc triển khai tính năng theo ý khách hàng hay lãnh đạo, hơn là xác định vấn đề thật sự của người dùng và thị trường. Sau khi tham khảo nhiều nguồn, không ít bạn tìm ra từ khóa “product discovery” và tin rằng đây là chìa khóa để lên level tiếp theo. Nhưng giữa muôn vàn frameworks, họ không biết bắt đầu từ đâu, trong khi điều quan trọng nhất chỉ đơn giản là tiếp xúc với thực tại người dùng và học từ nó.

Đó là hình dung mình mang theo khi phát triển CLRA. Sản phẩm hữu hình hóa một quy trình discovery đơn giản: lên kế hoạch nghiên cứu, phỏng vấn người dùng, trích xuất insights, định hình vấn đề và chọn vấn đề để giải quyết. Mình nghĩ rằng chỉ cần một cấu trúc đủ đơn giản để bắt đầu, các bạn PM sẽ thôi loay hoay chọn framework và tập trung vào việc hiểu người dùng của họ.

Khi mình làm một khảo sát nho nhỏ trong cộng đồng BPM để hỏi rằng vấn đề hay chủ đề nhức nhối gần đây nhất mà bạn đã và đang muốn discover là gì, thì hơn 50% trong số các bạn đang làm product nói rằng không có. Thiếu đi ngay cả một giả thuyết hay một ý niệm mà chúng ta muốn tìm hiểu, thì discovery chỉ tạo thêm thông tin chứ không giúp làm sản phẩm tốt hơn.

Mình bắt đầu phỏng vấn thêm để hiểu tại sao, và hình dung trong đầu mình dần thay đổi. AI làm giảm chi phí phát triển phần mềm, và những công ty vốn đã chuộng làm tính năng mới giờ như được tiêm thêm steroid. Họ yêu cầu team sản phẩm làm nhanh hơn, nhiều hơn, trong khi đi về đâu thì vẫn chưa rõ. Chỉ riêng việc theo kịp tốc độ đó đã đủ khiến PM kiệt sức và không còn băng thông cho discovery. Còn những bạn vẫn cố gắng làm discovery thì lại ngộp giữa hằng hà sa số luồng thông tin từ thị trường, người dùng và chính lãnh đạo công ty. Với họ, làm thêm discovery chưa chắc tìm ra hướng đi, mà có khi còn ngộp thêm.

Điểm nghẽn lớn nhất, mình nghĩ, không nằm ở việc thu thập thêm thông tin, mà ở việc thiếu một hình dung ban đầu để thông tin có chỗ bám vào. Giống như nhà toán học cần cảm nhận được “có một thứ gì đó như định lý A tồn tại” trước khi chứng minh, người làm sản phẩm cũng cần một giả thuyết trước khi kiểm chứng . Nếu không có hình dung của riêng mình về bản chất vấn đề đang gặp phải, chúng ta không thể thật sự discover gì cả, mà chỉ là thu thập thêm thông tin mà thôi.

Câu chuyện của mình, khác với cuộc đối thoại của Socrates, vẫn đang tiếp diễn từng ngày. Trực giác hiện tại cũng chỉ là một vòng lặp nữa, chưa phải hình thái cuối cùng, nhưng phải mất gần hơn một năm để mình đi được vòng lặp này. May mắn thay lúc trước mình đã ghi chép rất rõ hình dung ban đầu xuống thành một giả thuyết, nên về sau mình mới nhìn nhận rõ được sự thay đổi của nó qua những tương tác với thực tại. Nếu chúng ta không cố gắng nhìn ra được hình dung của mình, chúng ta không thể nào làm nó rõ ràng hơn được.

Nếu bạn cũng đang cảm thấy ngộp giữa quá nhiều thông tin, có lẽ câu hỏi đáng đặt ra không phải là “mình cần tìm hiểu thêm gì”, mà là “hình dung hiện tại của mình về vấn đề này là gì, và nó có thể sai ở đâu?” Câu hỏi đầu tiên dễ hướng bạn ra bên ngoài thế giới và bắt đầu công cuộc thu gom thông tin không hồi kết, còn câu hỏi thứ hai hướng bạn vào bên trong để tự articulate được cái trực giác của mình, rồi mọi thông tin sau đó đều sẽ giúp bạn điều chỉnh trực giác này.

Kết quả khám nghiệm

Khi tiếng kền kền đã lắng xuống, hãy cùng quay lại phòng khám nghiệm. Thứ AI thật sự đã giết không phải toán học, cũng không phải nghề kỹ sư phần mềm hay nghề làm sản phẩm. Thứ nó giết là một hình dung sai lầm: coi những nghề này là việc sản xuất ra định lý, dòng code, bản PRD hay trích xuất thông tin từ user interviews, những thứ mà AI giờ đây làm ra nhanh hơn chúng ta rất nhiều. Thứ còn sống, và có lẽ quan trọng hơn bao giờ hết, là quá trình chậm rãi xây dựng hình dung về vấn đề: để trực giác va chạm với lý luận và thực tại, nhận ra mình sai, rồi tôi rèn lại nó.

AI có thể đẩy System 2 nhanh lên gấp nhiều lần, nhưng không thể chạy vòng lặp System 3 thay cho chúng ta, vì sản phẩm của vòng lặp đó là trực giác nằm trong chính đầu mình. Mối nguy thật sự không phải AI giết chết nghề của bạn, mà là bạn tự tay giết đi khả năng ấy, khi để AI đưa ra câu trả lời trước khi kịp biết rằng mình không biết. Hãy dùng AI như một Socrates của riêng mình: đặt câu hỏi và chỉ ra chỗ hình dung của mình còn hổng, thay vì như người đọc sẵn đáp án. Có lẽ đây là khác biệt giữa người được AI làm cho sắc bén hơn và người bị AI làm cho cùn đi.