“Người yêu cũ là đồ tồi. Người tiếp theo cũng tồi. Người sau nữa vẫn tồi.” Bốn mối quan hệ nghĩa là bốn trải nghiệm. Nhưng nếu bạn dán chung một cái nhãn cho cả bốn, “cơ sở dữ liệu” trong đầu có khi chỉ thêm đúng một cột hữu ích: đồ tồi.
Vấn đề nằm ở đây.
Trải qua nhiều chuyện không đồng nghĩa với việc rút ra được những mô hình dùng lại được. ChatGPT cũng vậy. Nếu giao hết câu trả lời cho nó, có thể bạn sẽ nghĩ ít đi. Nhưng nếu bạn cứ hỏi tiếp “tại sao?”, “còn cách giải thích nào khác không?”, “điều gì chứng minh mình sai?”, “nghiên cứu nói gì?” và “thông tin nào sẽ làm kết luận đổi khác?”, thì AI không còn nghĩ thay bạn nữa. Nó trở thành bạn tập đối kháng cho khả năng lập luận.
Một tổng quan hệ thống năm 2026, tổng hợp 67 nghiên cứu thực nghiệm, cho thấy điều tương tự. Khi dùng ChatGPT một cách có cấu trúc, có câu hỏi và có suy ngẫm xen vào, nó thường hỗ trợ tư duy bậc cao. Khi người ta chỉ nhận câu trả lời như nó đến, thì sự tham gia hời hợt và thói quen giao việc suy nghĩ cho AI xuất hiện thường xuyên hơn.[1]
1. Dùng AI có thật sự làm ta ít suy nghĩ đi không?
Câu trả lời thẳng thắn nhất: tùy cách dùng.
Một nghiên cứu năm 2025 khảo sát 319 nhân viên làm việc bằng tri thức, với 936 ví dụ dùng AI có thật. Càng tin AI, người ta càng báo cáo ít tư duy phản biện; càng tin vào phán đoán của chính mình, họ càng kiểm tra lại kỹ. Tư duy phản biện của họ cũng dịch chuyển sang việc đặt mục tiêu, kiểm tra kết quả, gộp thông tin và giữ vai trò quyết định cuối cùng.[2]
Vậy nếu làm thế này:
Hỏi AI → nhận câu trả lời → xong
thì rất dễ giao khoán luôn việc suy nghĩ.
Còn nếu làm thế này:
Thấy có gì đó sai sai
→ biến nó thành câu hỏi
→ đặt giả thuyết
→ nhờ AI đưa ra giả thuyết đối lập
→ kiểm tra nghiên cứu và nguồn gốc
→ so sánh với các trường hợp khác
→ sửa lại mô hình
→ thử ngoài đời thật
→ chỉnh tiếp theo kết quả
thì bạn vẫn còn rất nhiều việc phải làm.
Định dùng AI cho đỡ mệt, ai dè lại tự thuê một hội đồng phản biện ngay trong đầu mình.
2. Vì sao chỉ nói “người đó tồi” thì chẳng học được bao nhiêu?
Nói “tồi” thì hả giận thật, nhưng quá thô để dự đoán điều gì.
Người A = tồi
Người B = tồi
Người C = tồi
Người D = tồi
Bốn trải nghiệm mà gần như không còn gì để phân biệt trường hợp này với trường hợp khác.
Hãy lưu lại chuyện đã xảy ra, từng bước một:
Vượt qua một ranh giới nhỏ
→ xem bạn phản ứng ra sao
→ dừng lại sau khi bị nhắc / cứ tiếp tục
→ đòi hỏi giảm đi / tăng lên
Tỏ ra rất quý mến
→ mối quan hệ ổn định
→ công sức trở lại bình thường / biến mất đột ngột
Bị chỉ ra vấn đề
→ giải thích hoàn cảnh
→ cố sửa chữa / đẩy hết lỗi về phía người kia
Chỉ một hành vi thì chưa chứng minh được ai đó có tính xấu cố hữu. Hiểu lầm, mệt mỏi, thiếu kỹ năng hay một sai sót nhất thời cũng có thể trông giống vậy.
Điều đáng để ý hơn là hoàn cảnh, việc có lặp lại không, sự thay đổi sau khi bị góp ý, ai là người được lợi và có cố sửa hay không.
Đừng nhảy thẳng từ “họ làm một việc xấu” sang “họ là người xấu”. Hãy giữ lại cơ chế, đừng giữ cái nhãn.
3. Cách so sánh trải nghiệm có thể quan trọng hơn số lượng trải nghiệm không?
Đôi khi là có.
Trong một nghiên cứu kinh điển của Gick và Holyoak, những người giải thích được điểm chung về cấu trúc giữa hai bài toán trông rất khác nhau đã áp dụng tốt hơn lời giải nền tảng cho một bài toán mới.[3]
Trong đào tạo đàm phán cũng thấy điều tương tự. Các nhóm so sánh hai tình huống để tìm cấu trúc chung đã dùng chiến lược then chốt tốt hơn trong một cuộc đàm phán mới, so với các nhóm học hai tình huống đó riêng rẽ.[4]
Vì vậy thay vì ghi:
Mối quan hệ A: tệ hại
Mối quan hệ B: tệ hại
Chỗ làm C: tệ hại
hãy thử ghi thế này:
Mối quan hệ A: ranh giới mờ nên đòi hỏi tăng dần
Chỗ làm C: phân vai mờ nên việc cứ chất đống
Cấu trúc chung: khi ranh giới không được xác định, gánh nặng dễ dồn về một phía
Nhân vật khác nhau, nhưng sơ đồ đấu dây thì giống nhau.
4. Hỏi đi hỏi lại “tại sao?” và “điều gì chứng minh mình sai?” rèn được gì?
Tự giải thích nguyên nhân và mối liên hệ cho chính mình được gọi là tự giải thích (self-explanation). Một phân tích tổng hợp từ 64 báo cáo nghiên cứu và 69 mức độ ảnh hưởng cho thấy lợi ích học tập ở mức vừa phải, tính trung bình, khi người ta được khuyến khích tự giải thích.[5]
Một phân tích tổng hợp khác, gồm 122 thí nghiệm và 10,382 người tham gia, xem xét việc luyện tập lôi thông tin từ trí nhớ ra. So với chỉ đọc lại, cách luyện này trung bình mang sang tài liệu mới tốt hơn, kể cả với câu hỏi vận dụng và suy luận.[6]
Cho nên những câu hỏi như dưới đây không chỉ làm cuộc trò chuyện dài thêm:
- Rốt cuộc đã xảy ra chuyện gì?
- Vì sao mình lại hiểu theo cách đó?
- Nguyên nhân nào khác cũng khớp với sự việc?
- Phản ví dụ mạnh nhất là gì?
- Thông tin mới nào sẽ làm kết luận của mình đổi khác?
- Mình đã từng thấy cấu trúc này ở chỗ khác chưa?
Chúng biến một trải nghiệm thành cấu trúc có thể tra cứu lại sau này.
5. Điều này dẫn tới cảm giác “mình nhìn ra bước tiếp theo” như thế nào?
Khi đã có đủ mô hình trừu tượng, bạn không phải bắt đầu từ con số không với mỗi tình huống mới.
Sự việc mới
→ đối chiếu với mô hình A, B và C
→ ước lượng đang ở giai đoạn nào
→ đặt giả thuyết về diễn biến tiếp theo
→ quan sát rồi cập nhật
Đó không phải là bói toán. Chỉ là khả năng lấy ra một giả thuyết ban đầu từ thư viện các mẫu hình.
Cái bẫy lớn là thiên kiến nhìn lại. Khi kết quả đã có, nói “biết ngay mà” chẳng tốn gì cả.
Nếu thật sự muốn kiểm tra khả năng dự đoán, hãy ghi lại trước khi có kết quả:
Dự đoán: X sẽ xảy ra trong 2 tuần
Xác suất: 70%
Lý do: A và B đã xuất hiện
Điều chứng minh mình sai: nếu C xảy ra thì sửa mô hình
Kết quả: đã xảy ra / không xảy ra
Nghiên cứu khoa học quyết định về phân tích tình báo cũng khuyên theo dõi bằng con số mức độ chính xác của dự đoán và mức độ không chắc chắn.[7]
Như vậy, “mình cảm thấy mình dự đoán giỏi” trở thành thứ có thể hiệu chỉnh được.
6. Nếu ChatGPT là bộ não ngoài, con người nên giữ lại phần nào?
AI rất giỏi những việc nặng và lặp lại: tìm kiếm, gợi ý lựa chọn, so sánh, cãi lại phía đối lập, tóm tắt và chỉnh định dạng.
Những phần nên tự mình giữ:
- Điều gì khiến bạn thấy lạ
- Bạn định nghĩa vấn đề thế nào
- Bạn tin bằng chứng nào
- Điều gì chứng minh mô hình sai
- Cuối cùng bạn chọn mô hình nào
- Bạn sẽ thử gì ngoài đời thật
- Bạn bỏ đi điều gì sau khi thấy kết quả
Một số câu hỏi hữu ích:
- Lập luận mạnh nhất chống lại giả thuyết này là gì?
- Cách giải thích nhân quả nào khác cũng khớp với cùng những sự việc này?
- Nếu tiền đề của mình sai, nhiều khả năng nó sai ở đâu?
- Phần nào có thể kiểm chứng ở nguồn gốc?
- Mình có đang lẫn lộn tương quan với nhân quả không?
- Thêm sự việc nào sẽ làm kết luận thay đổi?
- Có trường hợp tương tự ở lĩnh vực khác không?
- Mô hình này dự đoán điều gì sẽ xảy ra tiếp theo?
Nếu câu duy nhất bạn hỏi là “mình đúng chứ?”, AI sẽ biến thành con búp bê gật đầu khổng lồ.
Bộ não ngoài cần giỏi phản bác bạn, chứ không phải giỏi gật đầu.
7. Vì sao viết thành bài làm vòng lặp này mạnh hơn nữa?
Cuộc trò chuyện trôi mất khi cuộn qua. Bài viết thì giữ lại cấu trúc.
Trải nghiệm
→ câu hỏi
→ nghiên cứu
→ phản ví dụ
→ cấu trúc chung
→ quy tắc thực dụng
→ lưu lại
→ dùng lại ở trường hợp kế tiếp
Bài viết không chỉ là thứ để đăng. Nó hoạt động như bộ nhớ đệm của những suy nghĩ từng tốn rất nhiều công sức.
Và kho bài viết càng dày, bạn càng hay nghĩ: “Khoan, chẳng phải cái này cùng cấu trúc với chuyện hồi trước sao?”
Không chỉ kiến thức tăng lên. Các mối nối giữa các mảng kiến thức cũng tăng lên.
8. Vậy “con mắt tinh đời” rốt cuộc được làm từ gì?
Nó không chỉ phụ thuộc vào việc bạn đã gặp bao nhiêu người, bao nhiêu công việc hay bao nhiêu biến cố.
Có thể hình dung đại khái như sau:
phán đoán
≈ số trường hợp
× chi tiết rút ra từ mỗi trường hợp
× so sánh giữa các trường hợp
× số lần thử chứng minh mình sai
× đối chiếu với thực tế
Nếu lưu bốn người đều là “đồ tồi”, bạn có thể chỉ có tồi × 4 = một dữ liệu.
Còn nếu tách riêng ranh giới, đổ lỗi, sửa chữa, lời nói có khớp việc làm không và hành vi thay đổi theo hoàn cảnh ra sao, thì cũng bốn trải nghiệm ấy để lại nhiều mô hình dùng lại được.
Giá trị thật của ChatGPT không chỉ là trả lời nhanh hơn.
Mà là bạn chạy được vòng lặp này nhanh hơn: đặt giả thuyết, tấn công nó, dựng lại, mang sang trường hợp khác và kiểm tra với thực tế.
Đừng giao suy nghĩ của mình cho AI.
Hãy tăng số vòng suy nghĩ.
Khi đó AI không còn là bộ não thay thế, mà là người đồng nghiệp phòng thí nghiệm cứ ném bóng lại cho bạn và hình như không bao giờ về nhà.
