Trước đây mình có bài viết: một framework xài AI của bản thân để nói về những trải nghiệm và một số kinh nghiệm chung sử dụng AI. Tuy nhiên bài viết đó dành cho lập trình viên nhiều hơn. Trong bài viết hôm nay mình muốn chia sẻ những điều cốt lõi để kiểm soát và sử dụng AI một cách phổ cập và bình dân hơn. Một số nguyên tắc chung của bài viết này có lẽ cũng sẽ rất hữu ích trong việc áp dụng nó vào cách bạn giải quyết vấn đề nói chung.

Học gì để kiểm soát AI

Trình độ chuyên môn - các nguyên lý căn bản là yếu tố bắt buộc phải nắm

Mình không thể kiểm soát được AI, nếu mình không hiểu được những nguyên lý căn bản, cách thức vận hành. Nói một cách nôm na là: học những điều nền tảng và căn bản trong ngành của bạn. Thiếu nền tảng, mình sẽ không nhận biết được điểm nào là sai, điểm nào là đúng, sao là hay và sao là dở. Chỉ nhìn thấy output bề ngoài sẽ rất dễ làm mình đưa ra những kết luận vội vàng và không thể đánh giá được chất lượng thật sự.

Đối với một lập trình viên, những thứ nguyên lý cơ bản đó là:

Hiểu rõ các nguyên lý thiết kế
Nắm được cấu trúc dữ liệu, thuật toán
Nắm được tinh thần và cách viết code tinh gọn, tổ chức cấu trúc dễ hiểu.
Hiểu rõ cách các giao thức, hệ thống phổ biến vận hành
Kinh nghiệm đọc code, phân rã vấn đề, kĩ năng troubleshooting
...

Đa phần những kiến thức, kĩ năng này là những điều rất căn bản, nhưng lại là những thành tố có thể giúp bạn "dĩ bất biến, ứng vạn biến". Điều này cũng áp dụng tương tự cho việc bạn vận dụng AI vào các ngành nghề khác. Bạn phải nắm được những yếu tố cốt lõi, bạn phải có trình độ chuyên môn, nghiệp vụ tốt thì bạn mới kiểm soát được kết quả bạn mong đợi.

Học cách xác định và phát biểu vấn đề

Khi bạn phát biểu được vấn đề của bạn, có nghĩa là 50% vấn đề được giải quyết.

Để phát biểu được vấn đề cần giải quyết, bạn cần:

Phân tích được đâu là vấn đề
Có khả năng mô tả được vấn đề đó cho người khác hiểu được một cách rõ ràng và chi tiết

Rất nhiều người thường không phát biểu đúng vấn đề họ đang gặp. Con người chỉ tập trung nhìn một sự vật ở bề nổi và rất ít khi đi sâu vào để giải thích nguyên lý tại sao. Khi bạn đặt câu hỏi tại sao nhiều lần, nhìn lại sự việc bạn đang gặp, bạn mới thực sự tìm ra vấn đề cần giải quyết.

Nhiều người nói rằng vấn đề của họ là không có tiền, nên họ không nắm bắt được những cơ hội phát triển.
-> Vậy tại sao họ không có tiền? Vì họ không có một kế hoạch chi tiêu hợp lý và dẫn đến nợ nần.
-> Vậy tại sao họ không có kế hoạch chi tiêu hợp lý? Vì họ thiếu kiến thức về tài chính cá nhân và các thói quen cho một cuộc sống tài chính lành mạnh.

Chỉ với vài lớp câu hỏi tại sao. Bạn sẽ nhìn thấy vấn đề thực sự nằm ở đâu.

Khi đã xác định được đâu là vấn đề, việc bạn phát biểu vấn đề lại một cách có cấu trúc, dễ hiểu sẽ là bước kế tiếp. Việc phát biểu được chính xác vấn đề mình đang gặp thật sự rất quan trọng. Bởi vì:

1/ Nó giúp bạn xác định ra miền (domain) tri thức mình cần khám phá để giải quyết vấn đề.
2/ Nó giúp người khác hiểu chính xác vấn đề bạn đang gặp để giúp đỡ. Nói một cách khác, nó giúp mình quy vấn đề mình đang gặp thành thứ ngôn ngữ có thể "hỏi được" một cách hiệu quả.

Tip: bạn hãy tập thói quen viết ra vấn đề mình gặp và đọc đi đọc lại ở góc nhìn của người khác, sau đó chỉnh sửa lại nội dung cho đến khi bạn có thể hiểu thật sự vấn đề mà bạn đang vướng mắc. Điều này sẽ giúp bạn rất nhiều. Thật!

Học cách quan sát, thẩm định và phản biện

Kết quả từ GenAI nói chung không đúng đắn tuyệt đối. Chính vì vậy, chúng ta phải luôn đặt mình vào góc nhìn thẩm định để xem có yếu tố nào bất ổn. Việc áp dụng tư duy phản biện, suy nghĩ logic là rất cần thiết. Song song đó, chính việc quan sát, học hỏi và nắm bắt kiến thức, quy luật trong quá trình sử dụng AI cũng là cách tốt nhất để bạn nâng cấp bản thân mình và sử dụng AI tốt hơn.

Học cách "prompting" để kiểm soát AI

Prompting hiểu nôm na là cách mô tả sao cho AI hiểu và giúp bạn giải quyết vấn đề tốt nhất.

Đối với mình công thức của prompting hiệu quả rất đơn giản:

Prompting = Mô tả vấn đề + Cung cấp ngữ cảnh

Prompting nghe thật sự ghê gớm, chứ về bản chất bạn chỉ cần mô tả vấn đề chính xác, chi tiết là bạn đã giải quyết được 50% của prompting rồi. Mô tả vấn đề chính xác, rõ ràng, đưa ra mong đợi chi tiết chính là việc cung cấp một dữ liệu đầu vào chất lượng để giải quyết được vấn đề bạn muốn.

50% còn lại của prompting là việc cung cấp ngữ cảnh. Ngữ cảnh có thể là nguồn tài liệu, những ràng buộc bên ngoài, tham khảo giải pháp, các công cụ có thể sử dụng, hoặc vai trò mà AI sẽ giúp ta xử lý tình huống ... Nắm vững cách thức cung cấp ngữ cảnh phù hợp, nội dung phù hợp sẽ giúp bạn có được chất lượng câu trả lời tốt hơn rất nhiều.

Đối với một người sử dụng bình thường, việc thuần thục tất cả các kĩ năng này đã có thể boost hiệu suất của bạn lên ít nhất là 2 lần. Việc xây dựng các chiến lược prompting, các mô hình phức tạp để kiểm soát chất lượng kết quả cao cấp hơn bạn không cần đụng đến trừ phi bạn là một AI engineer.

Tóm lược

Việc nắm bắt được công nghệ (vd: GenAI) thật sự không thể làm tăng hiệu suất của bạn nếu bạn không có đủ kĩ năng để kiểm soát công nghệ. Vì vậy, theo góc nhìn của mình: cho dù công nghệ có hiện đại đến đâu, thì việc trang bị các kĩ năng:

Kiến thức - kinh nghiệm chuyên môn
Năng lực tư duy để xác định vấn đề và khả năng ngôn ngữ để mô tả vấn đề.
Khả năng quan sát, thẩm định, phản biện
Kĩ năng "mô tả vấn đề vận vào công nghệ một cách hiệu quả" (prompting trong ngữ cảnh của GenAI, và có thể là một kĩ thuật khác đối với công nghệ khác)

là cực kì thiết yếu. Đây chính là nền tảng để bạn có thể phát triển xa hơn, và không bó buộc năng lực của mình vào bất cứ công cụ hay công nghệ nào.