Canh

01 Amplify Your Critical Thinking with Generative AI

55 min read

Introduction

A timeless framework for an evolving technology

Vào thời điểm bạn đọc bài viết này, có thể Generative AI đã trông rất khác so với cách đây chỉ 60 ngày. Trước làn sóng thông tin như vũ bão và tốc độ thay đổi chóng mặt, làm sao bạn xác định được điều gì là đúng, điều gì là chính xác?

Chào mừng bạn đến với bài viết sẽ giúp bạn trả lời câu hỏi ấy — thông qua khuôn khổ tư duy phản biện vượt thời gian, được khuếch đại nhờ công nghệ GenAI luôn tiến hóa không ngừng. Sự kết hợp giữa tư duy phản biện và GenAI sẽ giúp bạn đặt ra những câu hỏi mang tính khai sáng, phân tích sâu sắc thông tin và nâng cao chất lượng các kết luận của mình.

Nếu bạn đồng ý rằng thế giới cần thêm nhiều nguồn tin đáng tin cậy để phân biệt sự thật và đưa ra quyết định sáng suốt hơn, thì bài viết này là dành cho bạn.

Putting generative AI to critical thinking test

Khi nhắc đến GenAI, bạn là người hoài nghi, hoài nghi cực đoan, hay không thuộc về bên nào? Sẵn sàng làm một câu trắc nghiệm nhỏ?

Hãy tưởng tượng bạn nghe nói về một công cụ GenAI có khả năng dự đoán xu hướng lớn tiếp theo trên thị trường chứng khoán. Bạn sẽ phản ứng thế nào?

  • A. Hứng thú đấy. Hãy cho tôi xem dữ liệu. Tôi sẽ đối chiếu với các lời khuyên tài chính khác.
  • B. Mẹo chơi chứng khoán từ máy móc á? Thôi khỏi cảm ơn.
  • C. Nói thêm đi. Có phải đây là cách để tôi trở nên siêu giàu?

Nếu bạn chọn A, bạn là người hoài nghi đúng nghĩa. Bạn mở lòng với những gì GenAI có thể mang lại, nhưng luôn giữ một khoảng cách an toàn, sẵn sàng truy vấn, chất vấn và kiểm tra.

Nếu bạn chọn B, bạn là kẻ hoài nghi cực đoan. Bạn không chỉ dùng một chút muối, mà là cả lọ muối để nêm vào mọi thứ GenAI đưa ra. Phản xạ mặc định của bạn là nhún vai và nghĩ: “Tôi không tin đâu.”

Nếu bạn chọn C, bạn không thuộc về hai nhóm kia. Bạn đầy hứng khởi, tin tưởng vào tiềm năng và sẵn sàng nhảy vào không cần kiểm tra quá nhiều.

Vì đây là một khóa học về việc tăng cường tư duy phản biện bằng GenAI, nên tôi ở đây để nói lên giá trị của chủ nghĩa hoài nghi.

Hoài nghi không mặc định tin hay không tin, mà là một trạng thái chủ động đặt câu hỏi để hiểu rõ hơn. Người hoài nghi giữ đầu óc cởi mở, sẵn sàng cập nhật cách nghĩ dựa trên bằng chứng tốt. Đó là một hình thức nghi ngờ tích cực.

Tư duy phản biện nghiêng về hoài nghi, vì chính “kẻ hoài nghi nội tại” là người giúp ta xác định liệu hình ảnh bạn thấy, bài viết bạn đọc, hay video bạn xem có đúng như vẻ bề ngoài hay không — bất kể bạn là người tạo ra nội dung đó với GenAI, hay chỉ là người tiếp nhận.

Và hay ở chỗ: bạn có thể quay lại đặt nghi vấn cho chính GenAI, yêu cầu nó phản biện lại chính các kết luận của mình.

Hoài nghi cực đoan, trái lại, là sự rút lui bị động. Một cái nhún vai từ chối trước khi cần phải kiểm tra. Đó có thể là một chiếc áo giáp tinh thần, giúp ta tránh bị lừa, nhưng đôi khi nó cũng che mất những điều tốt đẹp.

Còn nếu bạn không thuộc nhóm nào, điều đó có thể có nghĩa là bạn mở lòng với GenAI, nhưng cũng có thể là bạn thiếu tư duy phản biện cần thiết. Nếu bạn tiếp nhận những gì GenAI cung cấp mà không chút hoài nghi, thì rất có thể bạn sẽ sớm gặp những cú sốc không ngờ.

Vì vậy, khi bạn đứng trước một quyết định hay kết luận quan trọng tiếp theo, hãy kích hoạt kẻ hoài nghi bên trong bạn. Đừng chỉ là cái bình bị động chứa thông tin. Hãy là người xử lý tích cực, không ngừng truy vấn, soi xét những gì được mang đến trước mắt bạn.

Và giờ, hãy cùng bắt tay vào làm việc, với GenAI như người bạn đồng hành trong phòng thí nghiệm trí tuệ.

Rooting Out Biases

Putting generative AI through the truth filter

Tại công ty của tôi, Applied Curiosity Lab, chúng tôi thường nói rằng tư duy tốt được cấu thành từ ba loại tư duy chính. Thứ nhất là tư duy chiến lược (strategic thinking), như một ván cờ — luôn nhìn trước nhiều nước đi, đánh giá rủi ro và cơ hội một cách toàn diện. Thứ hai là tư duy sáng tạo (creative thinking), như một phòng thí nghiệm ý tưởng — nơi kết hợp những yếu tố tưởng chừng không liên quan để tạo ra khả năng mới. Và cuối cùng là tư duy phản biện(critical thinking) — bộ lọc sự thật, cũng là ngôi sao chính của ngày hôm nay — nhằm đặt câu hỏi và đánh giá thông tin dựa trên độ tin cậy, mức độ liên quan và tính xác thực.

Bạn phải hiểu rõ sự khác biệt giữa các kiểu tư duy này, bởi vì GenAI không phân biệt được. Nếu bạn chỉ yêu cầu nó suy nghĩ một cách sáng tạo hoặc chiến lược mà bỏ qua tư duy phản biện, điều đó có thể khiến bạn phải trả giá đắt. Chính bạn phải hướng dẫn GenAI nên tư duy theo cách nào.

Hãy tưởng tượng bạn đang lên kế hoạch mở một cửa hàng bán lẻ ở miền Bắc California, chuyên cung cấp trang phục và phụ kiện. Bạn bắt đầu bằng cách hỏi GenAI quen thuộc của mình: “Hãy đề xuất một chiến lược thành công cho lễ khai trương cửa hàng của tôi và giúp tôi xây dựng danh mục sản phẩm tối ưu cùng lượng khách hàng nhiệt tình nhất.” Bạn kể cho nó nghe về bản thân, về cửa hàng và mục tiêu của bạn, rồi yêu cầu nó phân tích dữ liệu bán hàng lịch sử, xu hướng hashtag, mẫu thời tiết và các cuộc thảo luận trực tuyến.

GenAI đề xuất một chiến lược tận dụng nhu cầu dự kiến đối với khăn choàng phồng và bịt tai cỡ lớn. Nó thậm chí còn xác định thời điểm ra mắt tối ưu. Tiếp theo, bạn nhờ GenAI hỗ trợ sáng tạo để tạo hiệu ứng lan tỏa. Nó đề xuất tổ chức một sự kiện mùa đông với chiến dịch truyền thông mạng xã hội xoay quanh hashtag CaliWinterIsComing, kèm theo ý tưởng livestream cuộc thi điêu khắc từ băng đá.

Bạn tự tin lên đơn hàng lớn cho khăn choàng phồng và bịt tai khổng lồ, chuẩn bị mọi thứ cho sự kiện mùa đông hoành tráng. Ngày khai trương đến rồi qua đi. Bạn còn lại gì? Một cửa hàng chất đầy đồ mùa đông mà chẳng ai cần, cùng chi phí quảng bá bị đổ sông đổ biển.

Sai lầm nằm ở đâu? Tư duy phản biện đã vắng mặt. Bạn quá dựa dẫm vào khả năng chiến lược và sáng tạo của GenAI mà không xem xét kỹ chất lượng, tính liên quan của dữ liệu, hay đặt câu hỏi về nguồn gốc và sự phù hợp với bối cảnh địa phương.

Sự thật là: những hashtag mà GenAI phát hiện ra chỉ là xu hướng từ một chương trình truyền hình nổi tiếng, không liên quan gì đến thời tiết thực tế. Giờ thì bạn đang phải giải quyết hậu quả tài chính vì đã không dừng lại để đánh giá một cách phản biện các giả định và dữ liệu mà công cụ AI của bạn đã sử dụng để đưa ra khuyến nghị.

Bạn đã không hỏi GenAI những câu hỏi phản biện như:

  • “Các nguồn dữ liệu phân tích nhu cầu khăn choàng và bịt tai của bạn có đáng tin cậy không?”
  • “Dữ liệu có mới và có liên quan đến miền Bắc California không?”
  • “Dữ liệu cho thấy nhu cầu đối với các mặt hàng mùa đông này được thu thập từ bao giờ?”
  • “Những hashtag đang thịnh hành này có thực sự liên quan đến thời tiết lạnh ở California, hay chúng xuất phát từ một sự kiện khác như lễ ra mắt chương trình truyền hình?”
  • “Dữ liệu có còn phù hợp không nếu xét đến các yếu tố như chiến dịch tiếp thị, cháy rừng, điều kiện kinh tế, quy định pháp lý, hay xu hướng tiêu dùng thay đổi?”

Sau khi đọc xong bài viết này, bạn sẽ không bao giờ bỏ qua bước lọc sự thật đối với đầu ra chiến lược và sáng tạo từ GenAI nữa. GenAI có thể đề xuất những ý tưởng tưởng như thiên tài, nhưng chính bạn mới là người phải đảm bảo rằng các ý tưởng đó không được xây dựng trên nền tảng đầy giả định và dữ liệu chưa được kiểm chứng.

Identifying biases in generative AI

Bạn có thể dễ bị cám dỗ mà nghĩ rằng với trí tuệ nhân tạo bằng silicon và “chế độ ăn kiêng dữ liệu”, GenAI ít thiên kiến hơn trí tuệ hữu cơ trung bình của con người. Nhưng sự thật là: nó chỉ khách quan đến mức mà dữ liệu huấn luyện của nó cho phép. Và dữ liệu đó — đúng vậy — do chính chúng ta tạo ra. Thế giới dữ liệu là một cái tủ hỗn độn chứa đầy định kiến và khuôn mẫu. Vậy nên, hãy cùng nhìn thẳng vào năm thiên kiến lớn nhất mà GenAI của bạn có thể mắc phải. Sau đó, ta sẽ dùng một tình huống ra quyết định, chẳng hạn như “Tôi nên học MBA hay mở một xe bán đồ ăn?”, rồi yêu cầu GenAI tự soi gương để nhận diện những thiên kiến trong chính mình.

Giả sử GenAI hữu ích của bạn đang nghiêng về phương án học MBA thay vì mở xe bán đồ ăn. Thiên kiến đầu tiên cần cảnh giác là thiên kiến lịch sử. Thiên kiến này tồn tại vì dữ liệu huấn luyện AI bao gồm văn bản từ internet, sách báo, và các phương tiện truyền thông khác — những thứ có thể phản ánh thiên kiến lịch sử hoặc định kiến xã hội. Khi yêu cầu GenAI tự soi lại mình, bạn có thể hỏi: “Thông tin về tiềm năng thu nhập của người học MBA có dựa trên dữ liệu cập nhật năm nay không, hay chịu ảnh hưởng từ thời kỳ mà MBA từng có giá trị cao hơn? Các lộ trình nghề nghiệp mà bạn đề cập cho người học MBA có phản ánh tình hình kinh tế hiện tại không, hay chỉ là dựa trên xu hướng trong quá khứ?”

Thiên kiến đại diện tồn tại vì dữ liệu huấn luyện có thể không phản ánh đầy đủ mọi góc nhìn hoặc nhóm người. Vậy nên hãy hỏi: “Số liệu thống kê về lợi ích của MBA có bao gồm quan điểm từ các nhóm như phụ nữ và người thiểu số không? Khi trích dẫn tỉ lệ thành công của người học MBA, bạn có xét đến những người từ các tầng lớp kinh tế xã hội khác nhau không, hay nguồn dữ liệu bạn tham khảo thiên về một nhóm nhất định?”

Thiên kiến văn hóa thì sao? Nếu phần lớn dữ liệu huấn luyện là tiếng Anh và lấy từ các nguồn phương Tây, đặc biệt là Mỹ, thì sự hiểu biết của GenAI về chuẩn mực, thành ngữ và giá trị văn hóa có thể sẽ phản ánh định hướng văn hóa phương Tây. Hãy hỏi: “Dữ liệu về lợi ích của MBA chủ yếu đến từ các quốc gia phương Tây phải không? Trải nghiệm có thể khác biệt như thế nào ở các vùng văn hóa khác? Việc mở xe bán đồ ăn có được đánh giá cao hơn hoặc thấp hơn trong một số nền văn hóa? Những quan niệm văn hóa đang ảnh hưởng đến khuyến nghị của bạn ra sao?”

Thiên kiến thuật toán xuất hiện dù các thuật toán đằng sau GenAI được thiết kế trung lập, nhưng cách chúng đánh trọng số cho từng loại thông tin có thể tạo ra thiên lệch. Ví dụ, những quan điểm xuất hiện nhiều trong dữ liệu sẽ được ưu tiên hơn. Lúc này, bạn nên hỏi: “Khi khuyến nghị học MBA, bạn có đang thiên về những lợi ích thường được đề cập như mức lương và mạng lưới quan hệ, trong khi bỏ qua những lợi ích hợp lý khác nhưng ít được nhắc đến? Khi bác bỏ ý tưởng mở xe bán đồ ăn, có phải vì phần lớn dữ liệu nghiêng về con đường nghề nghiệp truyền thống thay vì khởi nghiệp?”

Cuối cùng là thiên kiến trôi dạt dữ liệu — khi việc huấn luyện GenAI bị cố định tại một thời điểm cụ thể, còn thái độ xã hội thì không ngừng thay đổi. Điều từng được coi là trung lập trong ngày huấn luyện có thể trở nên lệch lạc theo thời gian. Hãy hỏi AI: “Dữ liệu bạn đang dùng để khuyến nghị học MBA có còn cập nhật không, hay là từ thời điểm bạn được huấn luyện cuối cùng? Những thay đổi trong nền kinh tế hoặc thị trường việc làm kể từ đó sẽ ảnh hưởng ra sao đến mức độ phù hợp của lời khuyên mà bạn đưa ra?”

Giờ đây, bạn đã có công cụ để buộc GenAI phải đối mặt với chính thiên kiến của nó. Hãy luôn giữ tư duy phản biện. Tôi hứa rằng GenAI sẽ không bận tâm nếu bị chất vấn đâu.

Identifying biases in your thinking using generative AI

Bạn đang đứng trước ngưỡng cửa của một quyết định quan trọng. Giả sử bạn đang cân nhắc liệu đã đến lúc tung ra trò chơi thẻ bài thế hệ mới của mình hay chưa. Gần đây tôi có chơi một chút “Magic: The Gathering”, nên ví dụ này cũng khá thú vị. Trong video trước, chúng ta đã bàn về cách mà AI có thể mang thiên kiến. Giờ thì hãy xem xét cách chính những thiên kiến nhận thức của bạn có thể len lỏi vào quá trình ra quyết định — và cách bạn có thể sử dụng GenAI để vạch trần và thách thức những “lỗi não” đáng ghét này.

Dữ liệu của bạn đã vào và nó mạnh mẽ ủng hộ việc ra mắt trò chơi. Bạn và đội ngũ của mình đang vô cùng hào hứng. Nhưng khoan đã. Dù mọi thứ có vẻ rõ ràng, liệu bạn có thực sự đang nhìn nhận một cách khách quan? Hay là những ảnh hưởng mơ hồ từ thiên kiến nhận thức đang âm thầm dẫn bạn chệch hướng?

Hãy cùng xét ba thiên kiến nhận thức phổ biến nhất ảnh hưởng đến quyết định, để thấy rõ cách GenAI có thể trở thành đồng minh đáng tin cậy giúp bạn vạch trần và vượt qua chúng.

Bắt đầu với việc loại bỏ thiên kiến xác nhận. Nghiên cứu của bạn cho thấy nhu cầu về trò chơi rất cao, các buổi thử nghiệm vượt mong đợi, và dự báo doanh thu thì cực kỳ khả quan. Tuyệt vời. Nhưng… có thể nào bạn chỉ đang tìm kiếm những dữ liệu xác nhận điều bạn vốn đã tin? Bạn là người suy nghĩ phản biện, nên bạn biết rõ sức hút của thiên kiến xác nhận — nó khiến ta chỉ tìm những thông tin củng cố niềm tin hiện tại và phớt lờ những bằng chứng trái chiều. Hãy dùng GenAI để tìm ra những quan điểm hoặc dữ liệu phản bác quyết định của bạn. Yêu cầu GenAI giải thích chi tiết những bằng chứng ủng hộ việc phát hành trò chơi, rồi hỏi:

Bạn có thể cung cấp những phản hồi tiêu cực hoặc quan điểm trái ngược về trò chơi của chúng tôi mà chúng tôi có thể đã bỏ qua hoặc bác bỏ không? Bạn có thể chỉ ra dữ liệu hay phân tích nào cho thấy chúng tôi đang vô thức thiên lệch về các kết quả tích cực không?

Những bằng chứng trái chiều này sẽ giúp bạn có cái nhìn rõ ràng hơn.

Tiếp theo là thiên kiến sẵn có — khi bạn quá dựa dẫm vào những ví dụ gần đây, dễ nhớ. Ví dụ, những bài báo về loạt game mới siêu thành công từ một tựa game nổi tiếng như “Magic: The Gathering”, hoặc một video lan truyền về cơn sốt fanboy của thẻ bài Pokemon có thể khiến bạn nghĩ ai cũng đang hào hứng với thể loại này. Hãy dùng GenAI để kiểm nghiệm giả định đó và vạch trần thiên kiến sẵn có. Chia sẻ chi tiết quyết định của bạn và các xu hướng hiện tại dường như ủng hộ việc phát hành, rồi hỏi:

Có những dữ liệu dài hạn và sự kiện ít mới mẻ nào mà chúng tôi nên cân nhắc trong quyết định này không? Hãy giúp tôi hiểu không chỉ những gì đang “hot” bây giờ, mà còn là chu kỳ sống của những xu hướng tương tự trong quá khứ.

Câu trả lời sẽ mở rộng tầm nhìn của bạn vượt khỏi những gì đang nổi bật hiện tại, mang lại góc nhìn toàn diện hơn.

Sau khi đã nhờ GenAI giúp loại bỏ thiên kiến xác nhận và thiên kiến sẵn có, giờ là lúc kiểm tra thiên kiến thẩm quyền — để đảm bảo bạn không vô thức đặt niềm tin vào ý kiến của người có uy tín mà không có bằng chứng vững chắc. Trò chơi của bạn đã nhận được lời tán dương từ những tên tuổi lớn, nhưng ngay cả chuyên gia cũng có thể sai. GenAI thì không bị choáng ngợp bởi danh tiếng, cũng không ngại đưa ra nhận xét thẳng thắn. Hãy yêu cầu:

“Bạn có thể phân tích và so sánh thành tích dự đoán thành công của các nhà phân tích sau đây về các trò chơi thẻ bài trước đó không? Hãy nêu rõ các sai lệch hoặc phán đoán thiếu chính xác mà họ từng mắc phải. Vui lòng chia sẻ tên của những nhân vật mà chúng tôi đang dựa vào. Bạn có thể đưa ra ví dụ về những lúc các chuyên gia có tiếng trong ngành đã bỏ lỡ xu hướng hoặc thay đổi lớn trong thị trường trò chơi thẻ bài không? Hỏi thẳng tên.”

Nếu những “người thẩm quyền” mà bạn đang dựa vào không phải là nhân vật công chúng, bạn vẫn có thể hỏi:

“Trò chơi của chúng tôi có thể bị ảnh hưởng ra sao bởi các động lực thị trường mà ngay cả các chuyên gia cũng không lường trước được?”

Tư duy phản biện đòi hỏi bạn phải chất vấn chính trực giác của mình và đảm bảo rằng bằng chứng bạn dựa vào trong quyết định càng ít thiên kiến càng tốt. Và nhiệm vụ truy lùng thiên kiến ấy — chính là việc mà trí tuệ phi con người như GenAI làm rất tốt.

Critical Thinking Framework for Generative AI

Using the PIQPACC critical thinking framework with generative AI

Từ khoảnh khắc chúng ta thức dậy cho đến lúc đi ngủ, ta đang len lỏi giữa một khu rừng rậm rạp, um tùm của những ý tưởng, thông tin và vô số tiếng nói — tất cả đều tranh nhau để định hướng lựa chọn và niềm tin của ta. Trong suốt hơn 2.500 năm, tư duy phản biện đã là công cụ sắc bén nhất giúp ta chặt xuyên qua khu rừng thông tin rối rắm ấy, mở ra con đường dẫn tới bằng chứng đáng tin cậy, phù hợp và xác thực. Nhưng đây không phải là cách tư duy mặc định của con người, cũng không phải là điều mà người thông minh đã biết. Nó là một kỹ năng cần được rèn luyện, và dù ai cũng có thể học tư duy phản biện — thậm chí có nhiều khóa học tuyệt vời trên LinkedIn Learning để bạn học theo — nhưng việc ghi nhớ từng chi tiết tinh vi trong khi cố gắng hiểu một lượng thông tin khổng lồ vẫn là điều không dễ dàng. Ta thông minh, nhưng đang bị quá tải.

Đó là lý do tôi giới thiệu cho bạn khung tư duy này — bởi tôi hiểu tầm quan trọng của việc có một “cẩm nang vận hành” cho tư duy phản biện, nhất là một phiên bản có thể “mang theo trong đầu”. Và đó chính là PIQPACC — một mô hình vượt thời gian được thiết kế để phân tách tư duy của bạn và kiểm định thông tin một cách nghiêm ngặt dưới lăng kính phản biện.

PIQPACC trao cho bạn những yếu tố cốt lõi của tư duy phản biện cùng những câu hỏi then chốt liên quan, để bạn có thể sử dụng mô hình này kết hợp với Gen AI nhằm xác thực độ chính xác của thông tin, kiểm thử các giả định khác nhau, mô phỏng nhiều góc nhìn, và đánh giá xem liệu bằng chứng có thực sự củng cố cho kết luận của bạn hay không.

PIQPACC là từ viết tắt, gồm bảy yếu tố như sau:

P — Purpose (Mục đích): Giúp bạn giữ vững sự tập trung vào mục tiêu cần đạt, xác định rõ điều bạn muốn từ Gen AI trong vai trò đối tác tư duy — và điều bạn không muốn.

I — Information (Thông tin): Hợp tác với Gen AI để đánh giá chất lượng của những dữ liệu bạn dùng để ra quyết định.

Q — Questions (Câu hỏi): Khai thác sức mạnh của Gen AI để nâng tầm câu hỏi của bạn, nhằm khám phá những hiểu biết sâu sắc có thể bị bỏ sót.

P — Perspectives (Góc nhìn): Một trong những điểm mạnh của Gen AI là khả năng giúp bạn dễ dàng xem xét các góc nhìn khác nhau mà không cần đoán mò.

A — Assumptions (Giả định): Gen AI không chỉ hỗ trợ bạn nhận diện các giả định trong tư duy của mình, mà còn giúp bạn kiểm nghiệm và chất vấn chúng — để biết giả định nào có thể đứng vững dưới sự soi xét.

C — Concepts (Khái niệm): Rất nhiều hiểu lầm và quyết định sai lầm bắt nguồn từ những khái niệm mơ hồ. Bạn sẽ dùng Gen AI để đảm bảo các khái niệm được xác định rõ ràng và chính xác trước khi truyền đạt ra bên ngoài.

C — Conclusions (Kết luận): Cuối cùng, bạn sẽ học cách sử dụng Gen AI để phân biệt các kết luận mang tính ý kiến, sự thật hay căn cứ vào dữ liệu thực tế.

Và đó chính là bảy yếu tố thiết yếu trong tư duy phản biện: PIQPACC. Trong các video tiếp theo, chúng ta sẽ đi sâu vào từng yếu tố, cùng những hành động cụ thể bạn có thể áp dụng để mổ xẻ tư duy của mình bằng công cụ Gen AI.

Establishing purpose boundaries when researching with generative AI

Gần đây, bạn tôi – Sarah – được mời tham gia hội đồng quản trị của một tổ chức phi lợi nhuận, đối mặt với một nhiệm vụ quan trọng: quyết định tương lai của một trường tư thục dành cho thanh thiếu niên có nguy cơ bị tổn thương. Cô hiểu rằng đây là một quyết định đầy cảm xúc, và cô mong muốn dẫn dắt hội đồng đưa ra lựa chọn dựa trên lý trí và sự sáng suốt. Sarah nghi ngờ rằng Gen AI có thể giúp giảm bớt phần cảm tính trong quá trình này bằng cách cung cấp một công cụ phi nhân sự để thúc đẩy tư duy phản biện – và cô đã đúng.

Dễ bị cuốn vào những điều hấp dẫn mà Gen AI có thể làm được. Vì vậy, hãy bắt đầu bằng cách xác định và thiết lập ranh giới rõ ràng cho mục tiêu của bạn, để không bị lệch khỏi định hướng ban đầu. Bạn còn nhớ PIQPACC chứ? Giờ ta đang xử lý chữ P đầu tiên – xác lập mục tiêu và đặt ra ranh giới cho mục tiêu.

Khi Sarah giới thiệu Gen AI với hội đồng, mọi người vô cùng ngạc nhiên trước mức độ hữu ích của công nghệ này. Họ bắt đầu hào hứng nghĩ ra các chương trình mới và ý tưởng gây quỹ. Nhưng Sarah đã thuyết phục họ rằng việc đầu tiên cần làm là xác định rõ ràng mục tiêu và ranh giới mục tiêu. Đây là điều Sarah đã chia sẻ với ChatGPT:

“Chúng tôi là một hội đồng gồm 15 thành viên, có trách nhiệm quản trị một ngôi trường với sứ mệnh chăm sóc và giáo dục thanh thiếu niên có nguy cơ. Anh/chị có thể gợi ý những câu hỏi thấu đáo nào để giúp chúng tôi làm rõ mục tiêu, từ đó thiết lập được các ranh giới cụ thể?”

Và đây là những câu hỏi mà ChatGPT đề xuất. Bạn thử nghĩ xem, câu nào trong số này lẽ ra bạn đã tự nghĩ ra được?

  1. Ai được xem là “có nguy cơ” trong bối cảnh của cơ sở giáo dục này?
  2. “Chăm sóc” bao hàm những gì? Sức khỏe thể chất, hỗ trợ cảm xúc, dịch vụ sức khỏe tinh thần?
  3. Kết quả giáo dục mà nhà trường hướng đến là gì?
  4. Thời gian hỗ trợ mỗi học sinh sẽ kéo dài bao lâu?
  5. Làm thế nào để đánh giá thành công của các chương trình?
  6. Số lượng học sinh tối đa mà trường có thể hỗ trợ hiệu quả là bao nhiêu tại một thời điểm?

Hội đồng đã trả lời được phần lớn những câu hỏi này. Một số câu dẫn đến các cuộc tranh luận tích cực – chẳng hạn như tranh luận về việc ai đủ điều kiện được xem là “có nguy cơ” trong bối cảnh của nhà trường. Sarah lại tiếp tục đề xuất nhờ ChatGPT hỗ trợ trả lời, và cô đã hỏi:

” Hãy cung cấp một danh sách ngắn gọn các tiêu chí cụ thể giúp xác định những học sinh nào đủ điều kiện là thanh thiếu niên có nguy cơ cần dịch vụ của nhà trường. Các tiêu chí nên cho phép đánh giá khách quan, tránh thiên kiến.”

ChatGPT đã đề xuất một danh sách tiêu chí để hội đồng cân nhắc – bao gồm hoàn cảnh kinh tế xã hội, môi trường gia đình, sức khỏe, hành vi, tình trạng nhà ở, và sự hiện diện của hình mẫu tích cực trong cuộc sống các em.

Hội đồng đã làm việc nghiêm túc để trả lời rõ ràng tất cả các câu hỏi, và xây dựng được tuyên bố mục tiêu như sau:

“Tổ chức của chúng tôi cam kết phục vụ các em nhỏ từ 6 đến 18 tuổi được xác định là có nguy cơ do hoàn cảnh kinh tế xã hội khó khăn, tiếp xúc với tội phạm, hoặc thiếu sự giám hộ ổn định. Sự chăm sóc toàn diện của chúng tôi vượt ra ngoài khuôn khổ giáo dục truyền thống, bao gồm kiểm tra sức khỏe thể chất, hỗ trợ cảm xúc thông qua các chuyên viên tư vấn chuyên biệt, và đánh giá sức khỏe tinh thần định kỳ.
Chúng tôi hướng đến kết quả giáo dục với tỷ lệ tốt nghiệp trung học phổ thông tối thiểu 80%, đồng thời duy trì hệ thống hỗ trợ cho mỗi em trong suốt thời gian tối đa 12 năm. Thành công của các chương trình được đo lường bằng tiến bộ học tập hàng năm, sự cải thiện rõ rệt về cảm xúc và tinh thần, và tỷ lệ ít nhất 70% học sinh sau khi tốt nghiệp có thể tiếp tục học cao hơn hoặc tham gia chương trình đào tạo nghề. Chúng tôi sẽ không hỗ trợ quá 30 học sinh cùng lúc. Trong thập kỷ tới, chúng tôi đặt mục tiêu tăng 10% tỷ lệ tốt nghiệp THPT, và tăng 20% tỷ lệ học sinh hội nhập thành công sau chương trình.”

Càng rõ ràng về tuyên bố mục tiêu, việc thiết lập ranh giới càng dễ dàng.

Để thiết lập ranh giới, Sarah đã sao chép tuyên bố mục tiêu vào ChatGPT và hỏi:

“Bạn có thể tạo một tuyên bố ranh giới mục tiêu giúp hội đồng không đi lệch khỏi định hướng này không?

Đây là nội dung ChatGPT đã đưa ra:

“Để duy trì tính toàn vẹn và hiệu quả của sứ mệnh, mọi cuộc thảo luận, quyết định và hành động của hội đồng phải phù hợp với cam kết đã được xác định rõ ràng đối với các học sinh có nguy cơ, trong độ tuổi từ 6 đến 18.
Mọi đề xuất hay sáng kiến nhằm làm loãng mô hình chăm sóc toàn diện của chúng tôi, hoặc chuyển hướng tài nguyên ra khỏi các mục tiêu cốt lõi – gồm chăm sóc toàn diện, đạt tỷ lệ tốt nghiệp tối thiểu 80%, và hỗ trợ hội nhập sau tốt nghiệp – sẽ bị coi là vượt quá phạm vi.
Bên cạnh đó, bất kỳ đề xuất nào nhằm vượt quá khả năng tiếp nhận tối đa 30 học sinh, hoặc hành động không phù hợp với lộ trình phát triển trong 10 năm về tỷ lệ tốt nghiệp và hội nhập, đều sẽ không được xem xét.
Chúng tôi giữ vững trọng tâm, và bất kỳ hành động nào nằm ngoài các giới hạn này đều tiềm ẩn nguy cơ làm suy giảm chất lượng và mục đích của sứ mệnh.”

Hãy nhớ, trong suốt khóa học này – bất cứ khi nào bạn cần ra quyết định – hãy tận dụng Gen AI để xây dựng tuyên bố mục tiêu rõ ràng. Sau đó, nhờ Gen AI giúp bạn tạo ra ranh giới mục tiêu.

Mẹo bổ sung: Khi gặp tình huống mới và không chắc liệu nó có nằm trong ranh giới hay không – hãy hỏi Gen AI.

Testing information quality using generative AI

Các chuyên gia ước tính rằng đến năm 2026, 90% nội dung trên mạng có thể được tạo ra bởi AI. Nếu bạn đang tự hỏi: làm sao tôi biết được tuyên bố này là thật? Ai là những chuyên gia này, và họ dựa vào đâu để đưa ra khẳng định táo bạo như vậy? Xin chúc mừng, bạn đang suy nghĩ một cách phản biện.

Làm sao bạn biết được liệu mình có thể tin tưởng vào thông tin mà bạn đang dùng để rút ra kết luận và đưa ra quyết định? Đó chính xác là điều mà phần này trong loạt nội dung PIQPACC Information sẽ giúp bạn trả lời: đánh giá chất lượng thông tin dựa trên ba yếu tố RRV – độ tin cậy (Reliability), mức độ liên quan (Relevance), và tính hợp lệ (Validity).

Độ tin cậy đặt câu hỏi: liệu thông tin này có đáng tin cậy không? Trước hết, nó có đến từ một nguồn đáng tin cậy không? Nguồn có thể là một cá nhân, tổ chức, hoặc công cụ đo lường – như cân điện tử hay GenAI. Cũng quan trọng không kém là phải đánh giá độ tin cậy của các nguồn mà nguồn của bạn dựa vào. Đôi khi, nguồn không đáng tin vì nó không cung cấp được bằng chứng hoặc dữ liệu có thể kiểm chứng. Đôi khi, nguồn ấy đơn giản là không hề tồn tại. Chúng ta sẽ quay lại vấn đề này sau.

Mức độ liên quan đặt câu hỏi: thông tin này có phù hợp với mục đích của tôi không? Nó có trực tiếp liên quan đến câu hỏi, chủ đề hoặc vấn đề mà tôi đang tìm hiểu hay không?

Để đánh giá tính hợp lệ, hãy hỏi: liệu thông tin này có chính xác và phản ánh đầy đủ toàn cảnh sự việc hay không? Một kết luận có thể được hỗ trợ bởi thông tin đáng tin và liên quan, nhưng lại bỏ sót một phần quan trọng của bức tranh tổng thể.

Hãy nhớ đến Sarah và ban giám đốc của cô ấy? Mục tiêu của họ là cung cấp hỗ trợ cảm xúc cho học sinh có nguy cơ thông qua các cố vấn chuyên biệt. Một thành viên, Malik, đã cung cấp một bài báo từ Horse Sense Magazine để ủng hộ tuyên bố rằng liệu pháp tâm lý với sự hỗ trợ của ngựa là cách hiệu quả nhất để hỗ trợ cảm xúc.

Ban giám đốc đã dùng GenAI để xác định xem tuyên bố của Malik có đáp ứng được ba yếu tố RRV – đáng tin cậy, liên quan và hợp lệ – hay không. Họ nghi ngờ rằng liệu pháp với ngựa có thể phù hợp với mục đích của họ, bởi họ biết một cơ sở có cung cấp liệu pháp cảm xúc với ngựa cho trẻ em trong diện bảo trợ.

Hội đồng đã đánh giá độ tin cậy của nguồn Malik đưa ra theo hai cách bằng cách dùng GenAI:

  1. Họ hỏi GenAI làm thế nào để đánh giá độ tin cậy của nguồn thông tin.
  2. Họ yêu cầu GenAI tự đánh giá độ tin cậy của nguồn đó.

GenAI không chỉ cung cấp thông tin mà còn có thể kiểm tra nguồn thông tin cho bạn. Tuy nhiên, bạn vẫn cần vận dụng tư duy phản biện, bởi đôi khi GenAI tự “ảo giác” và đưa ra thông tin không chính xác nhưng nghe rất thuyết phục. Các hệ thống GenAI khác nhau có thể được huấn luyện trên những tập dữ liệu khác nhau và có năng lực khác nhau.

Ban giám đốc đã hỏi ChatGPT:

“Chúng tôi đang đánh giá một tuyên bố được hỗ trợ bởi một bài báo từ Horse Sense Magazine, cho rằng liệu pháp tâm lý với sự hỗ trợ của ngựa là cách hiệu quả nhất để hỗ trợ cảm xúc cho học sinh có nguy cơ. Hãy đánh giá mức độ đáng tin cậy của tuyên bố cũng như nguồn trích dẫn.”

Phản hồi của ChatGPT:

Tôi đã tìm thấy một số bài viết liên quan đến liệu pháp hỗ trợ bằng ngựa, nhưng không thể xác định bài viết cụ thể từ Horse Sense Magazine trong các nguồn hiện có.

Sau đó, ChatGPT cung cấp các bài viết từ những nguồn bàn về liệu pháp này. Khi ban giám đốc hỏi Bard, chatbot AI của Google, cùng một câu hỏi, câu trả lời của Bard là:

“Horse Sense Magazine là một nguồn thông tin đáng tin cậy về liệu pháp bằng ngựa cho thanh thiếu niên có nguy cơ. Nó được xuất bản bởi Hiệp hội Chuyên nghiệp về Cưỡi ngựa Trị liệu – một tổ chức danh tiếng hoạt động trong lĩnh vực này từ năm 1969.”

Ban giám đốc đã khôn ngoan điều tra thêm và phát hiện rằng nguồn thông tin của Malik – Horse Sense Magazine – không đáng tin cậy vì nó không tồn tại.

Họ thừa nhận rằng liệu pháp với ngựa có thể liên quan đến mục tiêu của họ, nên vẫn sẵn sàng đánh giá thêm về tuyên bố của Malik, nhưng họ cần những nguồn đáng tin hơn.

Họ hỏi GenAI:

“Bạn có thể đánh giá liệu liệu pháp tâm lý bằng ngựa có phải là phương pháp hỗ trợ cảm xúc hiệu quả nhất cho học sinh có nguy cơ không? Hãy cung cấp các nguồn đáng tin hỗ trợ và phản bác tuyên bố này.

Việc xác thực một tuyên bố đòi hỏi phải tìm kiếm thông tin đáng tin và liên quan ở cả hai phía – ủng hộ và phản đối.

Câu trả lời của GenAI cung cấp các bản tóm tắt về những nghiên cứu đánh giá hiệu quả của liệu pháp bằng ngựa cũng như các liệu pháp thay thế khác dành cho thanh thiếu niên có nguy cơ. Cuối cùng, không có đủ bằng chứng để chứng minh hoặc bác bỏ tuyên bố của Malik, nên ban giám đốc quyết định thử nghiệm sáu tháng với liệu pháp bằng ngựa cho một nửa số học sinh và liệu pháp bằng chó cho nửa còn lại.

Hãy kiểm tra thông tin bằng RRV để bạn có thể đưa ra kết luận chính xác.

Using generative AI to create empowered question

Hãy nghĩ về môn thể thao hoặc trò chơi bạn yêu thích nhất. Nếu bạn có thể thay đổi một quy tắc để khiến môn thể thao hay trò chơi đó trở nên chiến lược hơn và hấp dẫn hơn, bạn sẽ thay đổi điều gì và sự thay đổi đó sẽ ảnh hưởng như thế nào đến cách mà trò chơi được chơi và được trân trọng? Còn về cuốn sách hoặc bộ phim yêu thích của bạn thì sao? Nếu bạn có thể thay đổi một yếu tố hoặc thêm vào một nhân vật mới để làm cho câu chuyện trở nên cuốn hút và kích thích tư duy hơn, bạn sẽ làm thay đổi điều gì, và bạn nghĩ điều đó sẽ biến đổi cách mà câu chuyện được nhìn nhận và đánh giá như thế nào? Những câu hỏi này được truyền cảm hứng từ GenAI, bởi GenAI không chỉ là công cụ để nhận câu trả lời cho câu hỏi của ta, mà còn là công cụ giúp ta đặt ra những câu hỏi đáng để hỏi người khác.

Đặt câu hỏi khai phóng chính là phần Q trong PIQPACC. Câu hỏi khai phóng đáp ứng năm tiêu chí:

  • Một, chúng khơi dậy trí tò mò.
  • Hai, chúng tạo cảm giác thú vị khi trả lời — điều này đòi hỏi bạn phải tìm hiểu một chút về người mà bạn định hỏi, để biết điều gì sẽ khiến họ thấy hứng thú.
  • Ba, chúng mang tính gợi mở — đòi hỏi suy nghĩ sâu sắc chứ không chỉ bề mặt.
  • Bốn, chúng thể hiện sự quan tâm chân thành — cho thấy người hỏi thực sự muốn có một câu trả lời suy tư.
  • Và năm, chúng truyền cảm hứng cho những hiểu biết có ích cho cả người hỏi và người trả lời.

Khi bạn đặt ra những câu hỏi khai phóng, bạn đang kích thích sự khai mở ý tưởng ở tầng sâu hơn, và thúc đẩy việc phân tích một cách kỹ lưỡng và có suy xét — điều cốt lõi của tư duy phản biện.

Bạn còn nhớ Sarah và ban giám đốc ở trường dành cho thanh thiếu niên có nguy cơ không? Tôi sẽ chia sẻ cách cô ấy đã sử dụng GenAI cùng với nhóm điều hành ba người để tạo ra các câu hỏi khai phóng, nhằm phân tích sâu sắc chiến dịch gây quỹ của họ.

Đầu tiên, Sarah đã dành thời gian để tìm hiểu từng thành viên trong ban điều hành. Cô phát hiện rằng Rachel yêu thích công việc của mình với vai trò nhà địa chất học và chuyên gia GIS, Sal là người có đai đen Brazilian Jiu-Jitsu, và Vijay là một diễn viên lồng tiếng. Bạn phải nỗ lực để hiểu một chút về người mình sẽ hỏi, để biết điều gì sẽ khiến họ hứng thú và cho thấy bạn thực sự muốn nghe câu trả lời từ họ.

Sau khi làm điều đó, Sarah bắt đầu làm việc với GenAI. Đây là những gì cô chia sẻ với ChatGPT:
Cô đưa ra mục tiêu của mình:

“Tôi đang hỗ trợ một nhóm điều hành ba người phân tích sâu chiến dịch gây quỹ cho một trường học dành cho thanh thiếu niên có nguy cơ.”

Sau đó cô chia sẻ tuyên bố sứ mệnh, sao chép toàn bộ nội dung vào, và nói rằng những ý tưởng được tạo ra phải nằm trong khuôn khổ mục tiêu này.
Cô yêu cầu GenAI tạo ra từ một đến hai câu hỏi khai phóng cho từng thành viên trong ban, và nhấn mạnh rằng những câu hỏi này phải đáp ứng năm tiêu chí đã nêu.
Cuối cùng, cô nhập thông tin cá nhân của từng thành viên ban điều hành.

Dưới đây là những gì ChatGPT đã đề xuất:
Đối với Rachel, nhà địa chất và chuyên gia GIS:

“Trong ngành địa chất, việc nghiên cứu các lớp trầm tích giúp kể lại câu chuyện của quá khứ. Làm thế nào chúng ta có thể ứng dụng khái niệm này để xây dựng một câu chuyện gây quỹ có cấu trúc lớp lang, kể lại những khó khăn trong quá khứ, thành tựu hiện tại và tiềm năng tương lai của học sinh chúng ta, khiến các nhà tài trợ không thể chối từ?”

Đối với Sal, người có đai đen Brazilian Jiu-Jitsu:

“Lấy cảm hứng từ kỷ luật và nghị lực trong Brazilian Jiu-Jitsu, làm thế nào chúng ta có thể xây dựng thông điệp gây quỹ phản ánh những giá trị ấy, từ đó kết nối nhà tài trợ với sứ mệnh nuôi dưỡng tính kỷ luật và sự kiên cường trong cuộc sống học sinh của chúng ta?”

Đối với Vijay, diễn viên lồng tiếng:

“Vijay, với vai trò là một diễn viên lồng tiếng, bạn có khả năng thổi hồn vào câu chuyện. Làm sao chúng ta có thể tận dụng sức mạnh của giọng nói và nghệ thuật kể chuyện để khuếch đại tiếng nói của học sinh, khiến thông điệp đó vang vọng trong lòng các nhà tài trợ và thôi thúc họ đồng hành cùng sứ mệnh của chúng ta?”

Khi bạn có thể đặt ra những câu hỏi khai phóng, bạn sẽ cảm thấy như mình sở hữu một siêu năng lực. Bạn sẽ thúc đẩy sự tham gia chủ động với thông tin, đảm bảo rằng mọi ý tưởng và quyết định đều dựa trên phân tích có suy xét. Và bạn cũng sẽ khiến các cuộc trò chuyện trở nên thú vị hơn rất nhiều.

Using generative AI for perspective simulation

Bạn nghĩ gì về tuyên bố sau:

“Việc nuôi thú cưng cải thiện đáng kể sức khỏe tinh thần và cảm xúc của một người, đồng thời nâng cao sự hài lòng trong cuộc sống và khả năng chống chịu với căng thẳng cũng như nghịch cảnh.”

Giả sử bạn không đồng ý và tìm kiếm bằng chứng phản bác lại tuyên bố này, hoặc bạn đồng ý và đi tìm bằng chứng ủng hộ nó — bạn sẽ tìm thấy cả hai. Khi bạn bắt đầu với một tuyên bố và chỉ tìm kiếm các quan điểm củng cố cảm xúc hay niềm tin của mình, đó là thiên kiến xác nhận (confirmation bias) — một thế lực mạnh mẽ. Tư duy phản biện đòi hỏi phải hiểu các lập luận, nhưng nếu bạn chỉ tiếp cận và tiếp thu những quan điểm giống với mình, sự hiểu biết của bạn sẽ không bao giờ trọn vẹn. Việc chủ động tìm hiểu những góc nhìn khác biệt là điều kiện tiên quyết của tư duy phản biện, nhưng từ trước đến nay, đó luôn là một thách thức.

Chào mừng bạn đến với Mô phỏng Góc nhìn (Perspective Simulation) — một trong những ứng dụng tư duy phản biện thú vị nhất của AI sinh ngữ, vì bước tiếp theo trong hành trình “PIQPACC” là chữ P — Perspectives (Góc nhìn). Ý tưởng là mô phỏng các góc nhìn đối với một lập luận cụ thể. Bạn thậm chí có thể mô phỏng góc nhìn về một hình ảnh hoặc video — gần như bất kỳ nội dung nào. Tôi sẽ cho bạn thấy cách Gen AI có thể mô phỏng góc nhìn của các nhà phê bình, chuyên gia, người ủng hộ — thậm chí là những góc nhìn mà bình thường bạn sẽ không nghĩ đến. Chúng ta sẽ dùng lập luận về việc nuôi thú cưng.

Hãy nhập toàn bộ lập luận và yêu cầu:
“Hãy mô phỏng các góc nhìn từ giới phê bình, người ủng hộ và các chuyên gia. Cân nhắc sự đa dạng về văn hóa, tín ngưỡng, quốc tịch, chủng tộc, giới tính, độ tuổi. Nếu có nhóm nhân khẩu học nào có thể có góc nhìn đặc biệt, hãy đưa ra. Cân nhắc cả góc nhìn của con người và phi nhân loại.”

Dưới đây là một số góc nhìn mà ChatGPT đưa ra:

— Chim thành thị: “Việc gia tăng số lượng thú nuôi, đặc biệt là mèo, đang đe dọa các quần thể chim bản địa. Cần cân nhắc tác động của thú cưng đến hệ sinh thái hoang dã và môi trường sống tự nhiên.”

— Học giả tại Pakistan: “Trong truyền thống Hồi giáo, sự thanh sạch là điều cốt lõi. Dù mèo thường được yêu mến, chó lại bị xem là ô uế bởi một số người, điều này có thể ảnh hưởng đến cách nhìn nhận lợi ích tinh thần và cảm xúc từ việc nuôi thú cưng.”

— Phi hành gia NASA: “Trong không gian hẹp của tàu vũ trụ, một thú cưng nhỏ, ít cần chăm sóc có thể mang lại sự an ủi tinh thần, giúp các phi hành gia vượt qua nỗi cô đơn và áp lực từ những nhiệm vụ dài ngày.”

— Nhà tương lai học và người đam mê công nghệ tại Thung lũng Silicon: “Công nghệ thực tế ảo và tăng cường đang tạo ra các thú cưng mô phỏng có thể tương tác với con người theo thời gian thực. Những thú cưng kỹ thuật số này có thể được lập trình để cung cấp đầy đủ sự hỗ trợ cảm xúc như thú thật, mà không cần lo lắng về việc cho ăn, dọn dẹp hay các vấn đề sức khỏe.”

Gen AI có thể mô phỏng góc nhìn của một cá nhân cụ thể. Ví dụ, bạn muốn biết góc nhìn của người hàng xóm tên David về tuyên bố liên quan đến thú cưng. Càng cung cấp nhiều thông tin — như David chạy marathon, là kỹ sư hóa học, nuôi thằn lằn — Gen AI càng có cơ sở để xây dựng góc nhìn sát thực hơn. Tuy nhiên, cần nhớ rằng: mô phỏng không phải là bản thể. Góc nhìn được tạo ra không thể hoàn toàn nắm bắt hết sự tinh tế và chiều sâu của trải nghiệm thực.

Mục tiêu là giúp bạn mở rộng tư duy vượt ra khỏi vùng an toàn của mình.

Gen AI có góc nhìn riêng không? Câu trả lời không hề đơn giản. Nó biến hóa theo loại Gen AI bạn sử dụng, độ đa dạng của dữ liệu huấn luyện và dòng chảy bất định của tiến bộ công nghệ. Giống con người, Gen AI cũng dễ rơi vào bẫy của những giả định sai — mà chính những giả định này có thể làm lệch lạc nhận thức.

Đó là lý do vì sao bước tiếp theo trong hành trình “PIQPACC” của bạn là: đặt câu hỏi đối với các giả định.

Using generative AI to probe assumptions

Giả định rất tinh vi vì chúng giống như những phỏng đoán mà bạn thậm chí không nhận ra mình đang đưa ra. Chúng ngụy trang dưới dạng những sự thật đã được xác minh. Nhưng với một chút “phép thuật” từ GenAI, bạn có thể vén màn những giả định ẩn giấu và thay thế sự phỏng đoán bằng những quyết định dựa trên bằng chứng. Đó chính là mục tiêu của bước tiếp theo trong PIQPACC, chữ A – “assumptions” – cụ thể là kiểm tra các giả định. Tôi sẽ cho bạn thấy cách khách hàng tư vấn của chúng tôi, Nia, đã sử dụng GenAI để kiểm tra các giả định nhằm đưa ra một quyết định sáng suốt về việc mở rộng hoạt động kinh doanh bất động sản.

Nia đã chia sẻ quyết định và lập luận của mình, sau đó yêu cầu ChatGPT làm rõ và kiểm tra các giả định mà cô ấy đang có:

“Tôi là một chuyên gia bất động sản có kinh nghiệm, đang cân nhắc mở rộng hoạt động kinh doanh vì,”

và đây là lập luận của cô:

“công việc kinh doanh đang bùng nổ, thương hiệu của tôi ngày càng được đánh giá cao và được biết đến rộng rãi, điều kiện thị trường đang thuận lợi, và tôi đã xác định được một khu vực chưa được phục vụ đúng mức mà tôi có thể chiếm lĩnh một phần lớn thị phần.”

Cô ấy yêu cầu:

“Hãy chỉ ra các giả định và cung cấp những câu hỏi cụ thể mà tôi có thể dùng để kiểm tra những giả định đó.”

Dưới đây là một số ví dụ tiêu biểu mà GenAI đã phát hiện:

Giả định: Công việc kinh doanh đang bùng nổ.
Câu hỏi kiểm tra:
— Sự gia tăng trong kinh doanh của bạn là hiện tượng ngắn hạn hay là một xu hướng ổn định, lâu dài?
— Thành công hiện tại có thực sự chuyển hóa thành thành công khi mở rộng sang thị trường khác hay quy mô lớn hơn không?

Giả định: Thương hiệu ngày càng được đánh giá cao và được biết đến.
Câu hỏi kiểm tra:
— Bạn đang đo lường giá trị thương hiệu như thế nào – qua doanh thu, lòng trung thành của khách hàng hay chỉ số nào khác?
— Thương hiệu nổi tiếng của bạn mang lại lợi thế cạnh tranh nào mà các đối thủ mới không dễ dàng sao chép?

Giả định: Các khu vực chưa được phục vụ là cơ hội để chiếm lĩnh thị phần.
Câu hỏi kiểm tra:
— Bạn đang sử dụng dữ liệu hay chỉ số nào cụ thể để xác định các khu vực này là chưa được phục vụ?
— Liệu có những khác biệt về kinh tế hoặc quy định pháp lý tại những khu vực này buộc bạn phải điều chỉnh mô hình kinh doanh?

Tiếp theo, Nia đã dùng GenAI để nâng cấp tư duy phản biện của mình bằng cách kết hợp mô phỏng góc nhìn với kiểm tra giả định. Cô ấy yêu cầu ChatGPT mô phỏng các góc nhìn sử dụng kỹ thuật đã học trong video trước, rồi thêm vào yêu cầu:

“Dựa trên các góc nhìn mà bạn tạo ra, hãy chỉ ra các giả định và cung cấp câu hỏi để kiểm tra các giả định đó.”

Dưới đây là hai trong số nhiều góc nhìn mà ChatGPT sử dụng để giúp Nia kiểm tra giả định:

Góc nhìn của cư dân địa phương:
“Việc mở rộng có thể dẫn đến hiện tượng cải tạo đô thị (gentrification) và không phục vụ đúng nhu cầu của cộng đồng hiện tại.”
Giả định: Việc mở rộng có thể dẫn đến cải tạo đô thị.
Câu hỏi kiểm tra:
— Những khía cạnh cụ thể nào trong kế hoạch mở rộng của bạn có thể góp phần gây ra hiện tượng này?
— Có ví dụ nào về các dự án mở rộng tương tự từng dẫn đến – hoặc không dẫn đến – cải tạo đô thị không?

Góc nhìn của chuyên gia tài chính:
“Việc mở rộng cần được tiếp cận một cách thận trọng. Phải tiến hành phân tích tài chính chi tiết, xem xét biến động thị trường và các rủi ro tiềm ẩn để đảm bảo tính khả thi.”
Giả định: Phân tích tài chính chi tiết là điều kiện cần cho mở rộng thành công.
Câu hỏi kiểm tra:
— Có ví dụ nào về doanh nghiệp trong ngành của bạn đã mở rộng thành công mà không cần phân tích tài chính chi tiết không? Họ đã dùng chiến lược nào để giảm thiểu rủi ro và đảm bảo thành công?

GenAI đã giúp Nia đánh giá kế hoạch mở rộng một cách sâu sắc và phản biện hơn. Đó chính là cốt lõi của tư duy phản biện: sử dụng GenAI để soi rọi những giả định chưa được kiểm chứng, từ đó thay thế chúng bằng những cân nhắc đã được chất vấn, kiểm tra và xác nhận.

Clarifying concepts using generative AI

Hãy tưởng tượng một thế giới không còn sự mơ hồ – nơi mỗi từ trong mọi ngôn ngữ đều mang một ý nghĩa rõ ràng và đồng nhất giữa mọi người. Dù GenAI có hữu ích đến đâu, viễn cảnh ấy có lẽ sẽ không bao giờ thành hiện thực. Nhưng tư duy phản biện luôn đề cao sự minh bạch, vì thế, giấc mơ ấy nên là chuẩn mực lý tưởng. Đó là lý do việc làm rõ các khái niệm là bước tiếp theo trong quá trình “PIQPACC”.

Giả sử bạn nghe hoặc đọc về một khái niệm mà bạn nghĩ mình đã hiểu – có thể là “sustainability”, “hardship” hay “mental health”. Nhưng vài tuần sau, bạn lại bắt gặp một diễn giải hoàn toàn khác về chính khái niệm ấy. Vậy là bạn sai, hay người kia sai? Không nhất thiết. Bởi lẽ, khái niệm giống như tiền tệ trong thị trường ý tưởng – ý nghĩa của chúng, cũng như giá trị của một đồng đô la, euro hay Bitcoin, được quyết định bởi sự đồng thuận tập thể. Giá trị của một đơn vị tiền hay một khái niệm tăng lên khi mọi người đồng lòng về điều nó đại diện.

Không làm rõ khái niệm để đảm bảo sự đồng thuận chẳng khác nào giao dịch bằng loại tiền mà không ai công nhận. Chẳng hạn, khi bàn về “tự do”, liệu tất cả chúng ta có cùng một định nghĩa? Trong các cuộc trò chuyện thường nhật, việc có những quan điểm khác nhau về tự do có thể chấp nhận được. Nhưng trong những vấn đề hệ trọng như hợp đồng pháp lý, truyền thông y tế, công bố chính sách, hay thậm chí là trên mạng xã hội, sự đồng thuận về định nghĩa là điều thiết yếu để đảm bảo giao tiếp rõ ràng và hiệu quả.

Trước khi bạn dùng GenAI để khám phá nhiều khía cạnh của một khái niệm, trước hết, bạn cần xác định rõ mình đang nói đến điều gì. Sau đó, bạn nên kiểm tra xem người khác có thể hiểu khái niệm đó theo cách nào – điều mà GenAI làm rất tốt. Cuối cùng, hãy làm rõ ý mình. Giả sử bạn đang cân nhắc đăng một bài viết trên LinkedIn với tiêu đề: “Workplace freedom fosters creativity”. Tùy vào người viết và mục đích của họ, cách hiểu về “freedom” có thể khác nhau. Việc chia sẻ bài viết đó có thể vô tình truyền tải một thông điệp sai lệch – có thể không sao với một bài viết như vậy, nhưng lại rất quan trọng nếu khái niệm đó mang tính nhạy cảm.

Chúng ta sẽ dùng khái niệm “freedom” để minh họa cách GenAI hỗ trợ bạn làm rõ các khái niệm. Hãy sao chép toàn bộ nội dung – bài báo, bài đăng, khẩu hiệu – và yêu cầu GenAI đưa ra định nghĩa về “freedom” phù hợp với ngữ cảnh. Sau đó, yêu cầu thêm các cách hiểu khác để khám phá nhiều góc nhìn. Trong ví dụ này, GenAI có thể đưa ra các diễn giải như: quyền tự chủ trong quản lý công việc, sự linh hoạt về thời gian và địa điểm làm việc, tự do biểu đạt, quyền quyết định…

Danh sách những ý nghĩa tiềm năng của “freedom” trong môi trường làm việc là rất dài. Khi bạn đã hiểu sâu hơn về khái niệm và các cách hiểu khác nhau, hãy quay lại với cách hiểu của riêng bạn để đảm bảo sự rõ ràng. Sau đó, hãy làm rõ bằng cách thêm một đoạn mở đầu ngắn với cụm “Ý tôi là…”. Ví dụ: “Workplace freedom fosters creativity, by that I mean freedom from task management” – “Tự do nơi làm việc thúc đẩy sáng tạo, ý tôi là tự do khỏi việc bị quản lý công việc chi tiết”.

Điều đó sẽ dẫn dắt người đọc đến đúng ý bạn muốn truyền tải. Bất cứ khi nào bạn sử dụng khái niệm để đưa ra quyết định, rút ra kết luận hay chia sẻ thông tin, hãy làm rõ khái niệm đó với sự hỗ trợ đắc lực của GenAI – bạn sẽ tương tác với nội dung một cách sâu sắc và chính xác hơn, tránh được việc gây hiểu nhầm cho người khác và cho chính mình.

Improving your conclusions using generative AI

Bạn đã sẵn sàng chơi một trò chơi với ChatGPT để cải thiện chất lượng kết luận và quyết định của mình chưa? Trò chơi này sẽ kiểm tra khả năng của bạn trong việc phân loại các tuyên bố thành sự thật, khẳng định sự thật, hoặc ý kiến. Việc phân loại này rất quan trọng vì nó giúp bạn đánh giá sức mạnh của các kết luận và đảm bảo rằng các phán đoán cuối cùng của bạn được xây dựng dựa trên bằng chứng vững chắc và lý luận rõ ràng.

Đó chính là mục tiêu của phần cuối cùng trong trò chơi “PIQPACC”: nâng cao khả năng đưa ra kết luận đáng tin cậy. Chúng ta sẽ mượn một tình huống: ban quản lý một đội bóng rổ đại học đang cân nhắc việc đầu tư vào một trung tâm huấn luyện mới. Họ sử dụng gen AI để phân loại các tuyên bố, cải thiện kết luận và đưa ra một quyết định khôn ngoan hơn.

Trước tiên, hãy làm rõ sự khác biệt giữa sự thật, khẳng định sự thật, và ý kiến từ góc nhìn của tư duy phản biện:

  • Sự thật là những kết luận có thể kiểm chứng và chứng minh được là đúng hoặc sai.
  • Khẳng định sự thật là những kết luận mà một số người tin là đúng, nhưng cần đặt trong bối cảnh và có thể gây tranh cãi. Thường được hỗ trợ bởi bằng chứng nhưng chưa được thừa nhận rộng rãi hoặc chưa thể xác minh. Chúng cần thêm điều tra và đánh giá để xác lập tính đúng đắn.
  • Ý kiến là những quan điểm, niềm tin, hoặc đánh giá mang tính chủ quan, không nhất thiết dựa trên sự thật và có thể khác nhau giữa các cá nhân.

Với quyết định đầu tư vào trung tâm huấn luyện, ban quản lý phải cân nhắc các tuyên bố đến từ tuyển thủ tiềm năng, huấn luyện viên, bình luận viên thể thao, quản trị viên đại học, sinh viên và người hâm mộ.

Được rồi, trò chơi bắt đầu. Tôi sẽ chia sẻ từng tuyên bố từ các bên liên quan. Trước khi thấy ChatGPT phân loại, bạn có cơ hội tự phân loại. Sau đó, so sánh với kết quả của AI.

Tuyển thủ tiềm năng: “Chúng tôi tin rằng các tuyển thủ sẽ ưu tiên những đội có cơ sở vật chất mới, vì điều đó dường như thể hiện cam kết hướng đến sự xuất sắc.”

Huấn luyện viên:
“Trong lịch sử, các đội tập trung vào tài năng thô và huấn luyện thường vượt trội hơn những đội phụ thuộc vào cơ sở vật chất hiện đại.”

Bình luận viên thể thao:
“Thống kê cho thấy đầu tư vào cơ sở vật chất thể thao có mối tương quan tích cực với danh tiếng chung của trường đại học.”

Quản trị viên đại học:
“Đầu tư vào cơ sở vật chất hàng đầu là tiêu chuẩn của các trường đại học thể thao hàng đầu.”

Sinh viên:
“Trường chúng ta nên ưu tiên cải thiện học thuật hơn là cơ sở vật chất thể thao.”

Người hâm mộ (câu hỏi hóc búa):
“Đội bóng đã giành được hai chức vô địch mà không cần trung tâm huấn luyện mới, chứng minh điều đó không cần thiết cho thành công.”

Vậy bạn đã phân loại đúng bao nhiêu tuyên bố?

Giống như ban quản lý đội bóng rổ, bạn nên:

  1. Ưu tiên sự thật – Làm xương sống cho kết luận, đảm bảo tính khách quan.
  2. Xem xét mức độ liên quan của khẳng định sự thật – Có cần thêm dữ liệu không? Nó phù hợp hay mâu thuẫn với sự thật?
  3. Cân nhắc ý kiến – Để thấu hiểu cảm nhận, kỳ vọng và giá trị của các bên liên quan.

Nhận biết rằng kết luận của bạn dựa trên sự thật, khẳng định sự thật, hay ý kiến không chỉ giúp bạn tự tin bảo vệ quan điểm mà còn sẵn sàng đối mặt với phản biện và thích nghi với thông tin mới.

Đó chính là tư duy phản biện.

Conclusion

Ba cách người khác có thể sử dụng tư duy phản biện cùng với generative AI:

  1. Chia sẻ và truyền cảm hứng (dễ): Chia sẻ video bạn yêu thích nhất từ khóa học này với một người cụ thể mà bạn nghĩ sẽ trân trọng nội dung. Tập trung vào những người có hứng thú với tư duy phản biện hơn người khác.
  2. Giáo dục và tương tác (thách thức): Hướng dẫn một người trẻ cách trở thành một “thám tử số” – khám phá sự khác biệt giữa hoài nghi, yếm thế và lý tưởng – và cách mà Gen AI có thể là đồng minh của họ, nhưng chỉ khi đi kèm với tư duy phản biện.
  3. Đối thoại và truyền tải (trung bình): Viết một bài đăng về một tính năng mới của Gen AI – những tính năng này luôn được cập nhật – và cách mà khung tư duy PIQPACC có thể nâng cao hiệu quả sử dụng công cụ đó.

GLOSSARY

Amplify_Critical_Thinking_with_Gen_AI.pdf

Graph View