The Description-Discernment loop

Xin chào, tôi là Joe Feller. Hãy cùng khám phá Description Discernment Loop (Vòng lặp Mô tả và Nhận thức) – một phần trong khung năng lực sử dụng AI linh hoạt mà sinh viên thường thấy dễ áp dụng và hữu ích nhất ngay lập tức. Trong khi Delegation Diligence Loop (Vòng lặp Ủy thác Cẩn trọng) xử lý bức tranh tổng thể, thì vòng lặp này tập trung vào kỹ năng xây dựng môi trường cộng tác tức thời, nơi con người và AI có thể làm việc cùng nhau một cách hiệu quả.

Khi nghĩ về kỹ năng hoặc kiến thức AI, sinh viên thường chỉ nghĩ đến các mẹo vặt hoặc thủ thuật viết prompt. Tuy nhiên, phương pháp này mang lại một cách tiếp cận tinh vi và bền vững hơn, chuẩn bị cho sinh viên khả năng tương tác chuyên nghiệp với AI ở hiện tại và cả tương lai.

Vượt xa Prompt Engineering: Xây dựng Môi trường Nhận thức

Nhiều lời khuyên về tương tác AI hiện nay chỉ tập trung vào việc tạo ra một prompt hoàn hảo. Mặc dù prompt engineering rất hữu ích, nhưng việc tư duy theo Description Discernment Loop khuyến khích chúng ta suy nghĩ rộng hơn – về những cuộc hội thoại thay vì chỉ là những câu lệnh đơn thuần. Điều này thay đổi căn bản tư duy của sinh viên khi tiếp cận AI.

Chúng ta không dạy họ chỉ thực hiện một cuộc trao đổi đầu vào - đầu ra (input-output), giống như đang gõ lệnh vào một hệ điều hành hay ứng dụng. Thay vào đó, chúng ta dạy họ xây dựng ngữ cảnh và sự hiểu biết chung với AI về thế giới và các nhiệm vụ đang thực hiện. Ở cấp độ thực tế, sự thay đổi tư duy này cho phép sinh viên giao tiếp hiệu quả hơn với AI mà không cần phải sao chép prompt từ người khác hoặc làm theo các hướng dẫn từng bước cứng nhắc.

Hơn nữa, chúng ta đang dạy họ xây dựng một môi trường nhận thức (cognitive environment) bao quát để tương tác với AI. Ngữ cảnh chúng ta cung cấp cho một hệ thống AI ảnh hưởng trực tiếp đến cách nó xử lý dữ liệu đào tạo và cách nó phản hồi các prompt của chúng ta. Tương tự như khi bạn có một cuộc trò chuyện tuyệt vời với đồng nghiệp, các bạn bồi đắp ý tưởng cho nhau, phát triển các cách gọi tắt và biết khi nào nên phản biện hoặc khuyến khích. Các bạn học cách cùng nhau tư duy. Đó chính là ý nghĩa của môi trường nhận thức.

Những môi trường này có thể bao gồm:

• Từ vựng và các tham chiếu chung được phát triển theo thời gian.
• Mục tiêu, giá trị, quy trình và phương pháp được xác định rõ ràng.
• Các mô hình tương tác được thiết lập giúp cả con người và AI phát huy tối đa khả năng.
• Cơ chế để kế thừa và phát triển từ các tương tác trước đó.

Đây là sự cộng tác thực thụ, nơi kiến thức được đào sâu, quy trình được cải tiến và tư duy đổi mới xuất hiện. Bạn chắc chắn không thể đạt được điều đó chỉ với một prompt duy nhất, bất kể nó được thiết kế tốt đến đâu.

Ba yếu tố cốt lõi: Product, Process và Performance

Description Discernment Loop bao gồm ba yếu tố liên kết chặt chẽ: Product (Sản phẩm), Process (Quy trình) và Performance (Hiệu suất). Chúng hoạt động như những lăng kính khác nhau để thấu hiểu cùng một quá trình cộng tác.

Cộng tác tập trung vào Product

Sự tập trung vào Product bắt đầu bằng việc diễn đạt rõ ràng những gì chúng ta đang cố gắng cùng nhau tạo ra, sau đó đánh giá kết quả một cách khắt khe. Đây không phải là việc đưa ra yêu cầu một lần; đó là một quá trình tiến hóa trong việc thấu hiểu thế nào là "tốt". Trong nhiều trường hợp, sinh viên sẽ nâng cao hiểu biết của chính mình song song với AI. Đây là lúc chúng ta bước ra khỏi sự tự động hóa để tiến tới sự tăng cường năng lực (augmentation).

Ví dụ, một sinh viên có thể bắt đầu với một prompt chung chung: "Hãy giúp tôi viết về mạng xã hội và thanh thiếu niên." Kết quả nhận được sẽ rất mờ nhạt. Thông qua sự nhận thức (discernment), sinh viên nhận ra đây không phải điều mình muốn. Mô tả tiếp theo sẽ cụ thể hơn: "Tôi đang tìm hiểu cách thanh thiếu niên thể hiện các phiên bản khác nhau của bản thân trên các nền tảng." Mỗi phiên bản mô tả đều cải thiện kết quả cuối cùng và giúp tư duy của sinh viên trở nên minh bạch hơn. Cuối cùng, họ có thể đạt tới: "Hãy xây dựng bài phân tích này dưới lăng kính cách thanh thiếu niên thể hiện các phiên bản khác nhau của mình trên các nền tảng. Chúng ta muốn người đọc hiểu được cái giá về tâm lý khi phải duy trì những nhân dạng khác nhau đó."

Cộng tác tập trung vào Process

Cộng tác tập trung vào Process là việc phát triển các phương pháp tư duy và giải quyết vấn đề chung. Hãy xem xét một sinh viên được yêu cầu phân tích tài liệu. Họ có thể bắt đầu với một câu mơ hồ như "Hãy phân tích cái này từng bước một." Sau quá trình thử sai, họ phát triển được những chỉ dẫn phong phú hơn:

"Khi chúng ta phân tích mỗi tài liệu, hãy bắt đầu bằng việc xác định bối cảnh của tác giả và thảo luận xem điều này ảnh hưởng thế nào đến nội dung. Sau đó, chúng ta sẽ xem xét chính nội dung đó—cả những gì được nói ra và những gì bị bỏ sót một cách đáng chú ý. Tiếp theo, chúng ta sẽ cân nhắc nhiều cách diễn giải khác nhau trước khi đưa ra kết luận cuối cùng."

Sự nhận thức về quy trình đánh giá liệu sự cộng tác có đang hiệu quả hay không bằng cách đặt câu hỏi: Quy trình này có đang khám phá ra những hiểu biết mà nếu làm một mình chúng ta sẽ bỏ lỡ không? Nó có trở nên tinh vi hơn theo thời gian không?

Cộng tác tập trung vào Performance

Performance nói về mối quan hệ giữa sinh viên và trợ lý AI. Chúng ta muốn tạo ra những động lực cho phép cả hai đóng góp tư duy tốt nhất của mình. Ban đầu, sinh viên có thể tiếp cận AI một cách trang trọng, nhưng qua các lần lặp lại, sự tương tác trở nên cá nhân hóa hơn:

• "Hãy đóng vai một người hoài nghi tử tế nhưng khắt khe. Khi tôi đề xuất ý tưởng, hãy giúp tôi tìm ra những điểm yếu theo cách giúp tôi xây dựng sự tự tin."
• "Sử dụng các phép ẩn dụ từ âm nhạc để giúp những khái niệm này dễ ghi nhớ hơn."
• "Đây là một nhiệm vụ sáng tạo, vì vậy hãy giữ chút hài hước trong công việc. Tôi tư duy sáng tạo hơn khi thấy thư giãn."

Chiến lược phát triển kỹ năng cộng tác với AI

Làm thế nào để chúng ta giúp sinh viên phát triển những kỹ năng này?

1. Vượt ra ngoài một prompt duy nhất: Thiết kế các bài tập yêu cầu nhiều lần tương tác theo thời gian trong một luồng chat duy nhất, nơi ngữ cảnh được tích lũy. Sau đó, thiết kế các bài tập trải dài trên nhiều luồng chat để sinh viên hiểu ngữ cảnh nào được lưu giữ và ngữ cảnh nào cần thiết lập lại.
2. Chia sẻ quy trình của chính bạn: Hãy để sinh viên thấy cách bạn cộng tác với AI. Cho họ thấy sự hiểu biết của bạn sâu sắc hơn như thế nào, cách bạn xây dựng ngôn ngữ chung và cách bạn điều chỉnh động lực tương tác.
3. Khuyến khích sự phản tư: Yêu cầu sinh viên ghi lại quá trình tiến hóa của sự cộng tác, không chỉ là kết quả đầu ra. Ba yếu tố "3 Ps" (Product, Process và Performance) đã tương tác với nhau như thế nào trong thực tế?

Nhận diện các dấu hiệu của sự cộng tác hiệu quả

Chúng ta cần giúp sinh viên nhận biết hai dấu hiệu tích cực của một sự cộng tác mạnh mẽ:

• Ngôn ngữ chung: Khi ngữ cảnh sâu sắc hơn, các cách gọi tắt cho những ý tưởng phức tạp và các mô hình giải pháp có thể tái sử dụng từ các cuộc hội thoại trước đó trở nên phổ biến. Điều này giúp việc cộng tác trở nên dễ dàng và phong phú hơn.
• Tư duy khám phá: Các tương tác ban đầu có thể giống như lập trình, nhưng khi sự tin tưởng được xây dựng, phong cách sẽ chuyển từ kiểu cứng nhắc "làm X rồi làm Y" sang một thứ gì đó linh hoạt và nhạy bén với ngữ cảnh hơn. Sinh viên có thể vượt xa việc chỉ nhận được những gì họ yêu cầu để khám phá ra những điều mà họ thậm chí còn không biết để mà hỏi.

Kết luận: Một khung năng lực tích hợp

Description Discernment Loop dạy cho sinh viên rằng sự cộng tác AI có ý nghĩa đồng nghĩa với việc xây dựng môi trường nơi trí tuệ con người và AI kết hợp theo những cách mạnh mẽ.

• Con người đóng góp sự phán đoán giàu ngữ cảnh, sự sáng tạo, lập luận đạo đức và trí tuệ cảm xúc.
• Đối tác AI cung cấp khả năng tổng hợp tri thức khổng lồ, nhận diện khuôn mẫu và khả năng xử lý sự phức tạp mà không bị quá tải.

Hai vòng lặp hoạt động phối hợp với nhau: Delegation Diligence Loop thiết lập hướng đi chiến lược (cái khung), trong khi Description Discernment Loop lấp đầy cái khung đó bằng những tương tác phong phú và không ngừng tiến hóa.

Bằng cách dạy mô tả và nhận thức như một thực hành liên tục, chúng ta chuẩn bị cho sinh viên khả năng cộng tác bền vững và tinh vi. Chúng ta không chỉ dạy một kỹ năng kỹ thuật; chúng ta đang nuôi dưỡng một hình thức đối tác trí tuệ mới, thứ sẽ định hình cách họ tư duy, sáng tạo và giải quyết vấn đề trong suốt sự nghiệp của mình.