AI đang chống lại việc học tập như thế nào?

Khi các mô hình ngôn ngữ lớn (LLM) ngày càng được thiết kế để làm thay chúng ta mọi việc, con người dần đánh mất cơ hội học hỏi và trở nên phụ thuộc vào chúng. Bài viết dưới đây phân tích nghịch lý này và đưa ra những cách để biến AI thành công cụ học tập thực sự.

Một công cụ luôn muốn làm thay bạn

Dành đủ thời gian làm việc với các LLM, bạn sẽ nhận ra một số mẫu hành vi quen thuộc. Có thể bạn đang làm việc với một codebase và muốn nâng cấp một dependency hoặc phiên bản ngôn ngữ, thiết kế lại một component, hoặc thêm tính năng mới. Bạn hỏi LLM cách làm, và nó đưa ra một mô tả ngắn gọn rồi kết thúc bằng câu: "Bạn có muốn tôi bắt đầu không?". Đôi khi nó thậm chí không buồn trả lời, mà trực tiếp sửa code cho bạn.

Bạn hỏi nó lệnh để tra cứu bản ghi DNS của một domain, và nó trả về chính các bản ghi DNS. Không phải các câu lệnh. Và nó luôn kết thúc bằng cách gợi ý thêm một việc khác mà nó có thể làm. Dẫn dắt bạn tiến về phía trước, nhưng luôn giữ bạn cách xa một bước so với những gì thực sự đang diễn ra.

Nếu bạn rất kỷ luật, bạn có thể duy trì sự tham gia bằng cách xây dựng prompt cẩn thận, kiểm tra mọi hành động được thực hiện trong harness (những hành động ngày càng khó thấy qua mỗi bản cập nhật), và dừng agent khi nó đi chệch hướng. Nhưng điều đó đòi hỏi đúng một thứ: kỷ luật. Tất cả ý chí đó để giữ mình tham gia và không đầu hàng trước "tiếng hát nàng tiên cá" của agentic coding.

Nhưng bạn đang làm việc chống lại chính công cụ. Một công cụ được thiết kế để khuyến khích bạn dựa vào nó cho mọi thứ, cho đến khi bạn không còn nhìn vào code nữa. Cho đến khi bạn không thể tự sửa file nữa.

Cho đến khi bạn trở nên phụ thuộc hoàn toàn vào nó.

Không phải bản chất của công nghệ, mà là mục tiêu của các công ty

Đây không phải là đặc tính cố hữu của LLM với tư cách là một công nghệ. Đây là kết quả từ những công ty có mục tiêu không hướng tới việc con người học hỏi, hay con người duy trì sự tham gia và nằm trong vòng kiểm soát.

Để biện minh cho mức định giá khổng lồ của mình, họ cần AI thay thế mọi thứ khác. Nó phải được dùng cho mọi việc. Để những công ty này có thể sinh lời, tất cả kỹ sư phần mềm trên thế giới cần trở nên phụ thuộc vào sản phẩm của họ. Họ muốn trở thành chủ nhà và phần còn lại của thế giới phải trả tiền thuê cho họ.

Nếu bạn sẵn sàng đảm nhận vai trò quản lý agent, sản xuất ý tưởng để nuôi cỗ máy đói khát, cung cấp cho bầy agent định hướng cấp cao, và duy trì nhà máy phần mềm, thì bạn sẽ thấy các mô hình khớp hoàn hảo vào vai trò này. Đó là mục đích huấn luyện của chúng, đó là mục đích thiết kế của chúng.

Để tránh nhầm lẫn, bài viết này không bàn về việc agentic coding là tốt hay xấu. Rõ ràng ngành công nghiệp đang chuyển dịch theo hướng đó. Nhưng tôi vẫn muốn học những điều mới, vì chính việc học. Dù bạn có cho rằng điều đó còn cần thiết hay không.

Khi tất cả những gì bạn muốn là khai thác lượng thông tin khổng lồ lưu trữ trong mô hình, bạn sẽ thấy mình liên tục phải đấu tranh với nó. Nếu tất cả những gì bạn muốn là xây dựng trực giác về cách một thuật toán mã hóa dựa trên địa chỉ nội dung (content-addressed encoding) hoạt động, mọi thông tin đều nằm trong đó. Về lý thuyết, hoàn toàn có thể dùng mô hình để dạy bạn mọi thứ. Chỉ có điều chúng không được thiết kế chủ yếu cho mục đích đó.

Những gì bạn có thể làm

Nếu bạn vẫn muốn đối mặt với thách thức học tập bằng LLM, đây là một số nguyên tắc cơ bản mà tác giả gợi ý:

• Khóa chặt agent harness để nó không thể chỉnh sửa hoặc chạy lệnh không phải để đọc. Mỗi lệnh nó chạy thay bạn là một cơ hội bị bỏ lỡ để học và xây dựng phản xạ tương tác với máy tính.
• Bạn gần như phải van xin nó đọc các nguồn tài liệu của con người — nó sẽ luôn cố clone repo và đọc mã nguồn. Hãy liên tục yêu cầu nó cung cấp nguồn tài liệu từ con người.
• Đưa vào system prompt hoặc project prompt những chỉ dẫn rõ ràng về việc bạn đang làm gì. Chỉ định rõ liệu bạn có muốn nó hiển thị mẫu code hay chỉ cung cấp nguồn và thông tin.
• Càng ít chiều theo sự cám dỗ để agent làm thay, bạn càng học được nhiều, ngay cả khi điều đó gây khó chịu hay bực bội. Sự vất vả (toil) rất quan trọng với con người. Nó giúp chúng ta học hỏi và trưởng thành.
• Và như mọi khi, hãy cực kỳ hoài nghi với mọi thứ nó đưa ra. LLM được huấn luyện để luôn thể hiện mọi phát biểu với sự tự tin tuyệt đối. Điều đó giúp các công ty mô hình bán được công nghệ của họ. Nó không giúp bạn.

Điểm sáng nếu bạn có thể khiến nó phục vụ mình: bạn có một máy tạo tài liệu học tập vô tận. Nó có thể cung cấp nội dung được thiết kế riêng cho bạn, và điều chỉnh, tinh chỉnh mọi thứ khi bạn tiến bộ.

Trong trường hợp lý tưởng, nó giống như có một cuốn sách lập trình mà bạn có thể đặt câu hỏi, có thể tạo bài tập cho bạn, có thể điều chỉnh ngôn ngữ và nội dung theo trình độ của bạn. Nó có thể dạy bạn những khái niệm tối nghĩa nhất, ngay cả với những thứ gần như không có tài liệu nào.

Đó là một gợi ý về những gì chúng ta có thể đã có, nếu mọi chuyện diễn ra theo cách khác.

Một thế giới tốt đẹp hơn

Tôi không nghĩ chúng ta nên nhường các khái niệm khoa học và công nghệ nền tảng của LLM cho các startup được hậu thuẫn bởi quỹ đầu tư mạo hiểm (VC) đang lao vào cuộc chiến sống còn giành vị trí thống trị. Tôi cũng không nghĩ rằng "phiên bản tốt" của LLM đủ sinh lời để thúc đẩy khoản chi tiêu vốn khổng lồ cho việc phát triển chúng.

Nhưng tôi vẫn hy vọng rằng chúng ta có thể tìm ra một cách làm tốt hơn. Một ngày nào đó.

Tôi cũng muốn nói rõ rằng bài viết này không nhằm phê phán những người yêu thích agentic coding. Bài viết này chỉ bàn về việc học.

Hiện tại, hãy làm theo trái tim mình. Dùng LLM nếu bạn thấy chúng hữu ích và bạn thấy chấp nhận được. Nếu không, thì đừng. Nhưng dù cách tiếp cận của bạn là gì, hãy nhớ phát triển và học hỏi. Điều đó xứng đáng.

Tác giả: Johanna Larsson. Bài viết gốc đăng tại jola.dev.