Applying discipline expertise to AI Fluency

Kiến thức chuyên ngành sâu rộng là yếu tố thiết yếu trong việc định hình khung năng lực am tường AI (AI fluency) cho bất kỳ bối cảnh cụ thể nào. Điều thú vị là phần lớn quá trình phát triển này có thể diễn ra mà không cần chạm đến một hệ thống AI nào. Chúng ta đang xây dựng năng lực con người và giúp sinh viên — cũng như chính chúng ta — diễn đạt rõ ràng những gì mình biết, cách chúng ta biết và tại sao điều đó lại quan trọng. Công việc nền tảng này chính là thứ khiến chúng ta trở nên không thể thay thế và duy trì vị thế "humans in the loop" (con người trong vòng lặp).

Bạn không thể cộng tác hiệu quả với AI trong lĩnh vực của mình cho đến khi bạn có thể diễn đạt được thế nào là một sản phẩm chất lượng, cách các chuyên gia giao tiếp, những vấn đề nào là quan trọng và những tiêu chuẩn nào cần được áp dụng. Để phát triển nhận thức quan trọng này, chúng ta có thể sử dụng khung "4 Ds": Discernment (Sự nhạy bén), Description (Sự mô tả), Delegation (Sự ủy thác) và Diligence (Sự cẩn trọng).

Discernment: Định nghĩa và nhận diện chất lượng

Sự nhạy bén là một trong những năng lực quan trọng nhất của con người trong kỷ nguyên AI. Chúng ta cần hiểu sâu sắc thế nào là "tốt" trong lĩnh vực của mình và sở hữu một vốn từ vựng phong phú để mô tả chất lượng đó cho các trợ lý AI và cho cả đồng nghiệp. Trong khi AI có thể tạo ra nội dung vô tận, chỉ con người mới có thể đánh giá điều gì thực sự phục vụ cho các mục tiêu và giá trị cụ thể của chúng ta.

Xây dựng tiêu chí chất lượng

Hãy vượt ra ngoài những thuật ngữ mơ hồ như "lập luận tốt" hay "sáng tạo". Hãy làm việc với đồng nghiệp và sinh viên để xây dựng các bảng tiêu chí (rubrics) chi tiết, nắm bắt được các dấu ấn chất lượng chuyên sâu.

• Những bước đi cụ thể nào làm cho một bài luận triết học trở nên thuyết phục?
• Những đặc điểm chính xác nào làm cho một giải pháp kỹ thuật trở nên tinh tế? Hãy văn bản hóa các tiêu chí này để sinh viên có thể nội tại hóa và áp dụng chúng.

Phân tích sự xuất sắc

Thu thập các tác phẩm xuất sắc trong chuyên ngành của bạn, chẳng hạn như các bài báo đã xuất bản, hồ sơ năng lực chuyên nghiệp và các giải pháp mang tính đột phá. Phân tích chúng một cách hệ thống với sinh viên: đánh dấu văn bản, sơ đồ hóa cấu trúc và giải mã các quyết định. Tạo ra các hướng dẫn chú giải để hiển thị hóa tư duy chuyên gia, giúp sinh viên thấy được những gì bạn thấy khi bạn nhận diện sự xuất sắc.

Chẩn đoán sai lầm

Việc nghiên cứu những gì không hiệu quả cũng quan trọng không kém. Thu thập các ví dụ lỗi — những lập luận thất bại, mã nguồn (code) có lỗi hoặc các thiết kế kém hiệu quả — và kiểm tra chúng một cách pháp y.

• Chính xác thì lập luận này bị phá vỡ ở đâu?
• Tại sao giải pháp này không thể mở rộng?
• Làm thế nào mà điều này không đáp ứng được các tiêu chuẩn ngành? Hiểu được các dạng thức thất bại sẽ xây dựng kỹ năng đánh giá mà sinh viên cần, dù họ làm việc độc lập hay với một AI agent.

Description: Hiển thị hóa tri thức ẩn

Mỗi lĩnh vực đều có những cách thức giao tiếp riêng biệt, thể hiện các giá trị và phương pháp của nó. Việc biến tri thức ẩn (tacit knowledge) này thành hiển thị sẽ tự nhiên dẫn đến kỹ năng mô tả mạnh mẽ khi thực hiện prompt cho AI.

Lập bản đồ sản phẩm chuyên ngành

Văn bản hóa các sản phẩm chính trong lĩnh vực của bạn với độ chính xác cao. Thay vì chỉ nói "báo cáo thí nghiệm", hãy chỉ định chính xác các phần, các quy ước và logic nền tảng của chúng. Tạo ra các mẫu (templates) tiết lộ lý do tại sao phần phương pháp luận lại đứng trước phần kết quả, hoặc chức năng cụ thể của thể bị động trong văn phong khoa học. Yêu cầu sinh viên phân tích ngược (reverse-engineer) các sản phẩm chuyên nghiệp để hiểu cấu trúc sâu của chúng.

Tiết lộ quy trình chuyên gia

Hiển thị hóa các quy trình mà chuyên gia sử dụng để tiếp cận vấn đề.

• Một nhà sử học đánh giá các nguồn tài liệu như thế nào? Hãy truy vết từng vi quyết định.
• Một nhà thiết kế đi từ ý tưởng đến nguyên mẫu như thế nào? Hãy ghi lại từng lần lặp lại (iteration). Hãy để sinh viên phỏng vấn những người đang hành nghề và tạo lưu đồ về tư duy chuyên gia. Công việc siêu nhận thức này xây dựng nhận thức cần thiết cho bất kỳ sự cộng tác nào, dù là giữa người với người hay với AI.

Định danh các chuẩn mực

Làm nổi bật các hành vi định nghĩa lĩnh vực của bạn. Các nhà khoa học tuân theo các giao thức cụ thể về sự hoài nghi, khả năng tái lập và bình duyệt; các nghệ sĩ thử nghiệm, phê bình và chỉnh sửa. Hãy định nghĩa ý nghĩa của việc "tư duy như một nhà toán học" bằng các thuật ngữ cụ thể, có thể quan sát được.

Delegation: Phân rã công việc và lập bản đồ khả năng của AI

Trước khi sinh viên có thể làm việc hiệu quả với AI, họ cần hiểu các thành phần của chính công việc đó. Điều này cho phép họ quyết định khi nào nên ủy thác một nhiệm vụ cho một AI agent và khi nào nên giữ quyền kiểm soát của con người.

Giải phẫu vấn đề

Dạy sinh viên cách chia nhỏ các thách thức thành các phần cấu thành. Lấy một nhiệm vụ như viết bài tổng quan tài liệu:

• Tìm kiếm nguồn tài liệu: Việc này có thể tự động hóa không?
• Đánh giá mức độ liên quan: AI có thể hỗ trợ (augment) việc này như thế nào?
• Tổng hợp các lập luận: Việc này có đòi hỏi sự phán đoán của con người không?
• Xây dựng mạch truyện: Việc này có thể được thực hiện cộng tác không?

Lập bản đồ khả năng của AI

Tạo bản đồ chi tiết về những gì có thể tự động hóa, hỗ trợ hoặc ủy thác.

• Tự động hóa (Automate): Các nhiệm vụ lặp lại như làm sạch dữ liệu, bản thảo thô hoặc nhận dạng mẫu.
• Hỗ trợ (Augment): Cộng tác giữa người và AI để lặp lại thiết kế, tạo giả thuyết hoặc tổng hợp tài liệu.
• Ủy thác (Delegate): Các AI agent hoạt động độc lập để giám sát thí nghiệm hoặc lọc thông tin. Hãy để sinh viên tranh luận về các ranh giới này bằng các ví dụ thực tế.

Cây quyết định thiết kế

Xây dựng các khung tham chiếu cho việc khi nào và làm thế nào để đưa AI vào cuộc. Nếu phân tích dữ liệu định tính, phần mềm giúp ích hay cản trở ở đâu? Nếu giải quyết các vấn đề kỹ thuật, khi nào mô phỏng sẽ thay thế việc tạo nguyên mẫu vật lý? Xây dựng các cây quyết định này thông qua các nghiên cứu tình huống, làm cho các quyết định ủy thác trở nên rõ ràng và có thể bảo vệ được.

Diligence: Duy trì các tiêu chuẩn đạo đức và trách nhiệm giải trình

Mọi lĩnh vực đều có các tiêu chuẩn đạo đức và yêu cầu về tính chính trực. Việc làm rõ những điều này chuẩn bị cho sinh viên một lộ trình thực hành có trách nhiệm trong một thế giới được tăng cường bởi AI.

Mã hóa các khung đạo đức

Vượt ra ngoài tính chính trực học thuật chung chung để hướng tới đạo đức đặc thù của ngành.

• Nếu AI giúp phân tích dữ liệu bệnh nhân, làm thế nào để chúng ta đảm bảo quyền riêng tư?
• Nếu AI hỗ trợ nghiên cứu pháp lý, làm thế nào để chúng ta duy trì tính bảo mật của khách hàng? Xây dựng các nghiên cứu tình huống và ma trận quyết định đạo đức mà sinh viên có thể áp dụng vào các tình huống chuyên môn mới lạ.

Làm rõ tính minh bạch

Làm việc với sinh viên để văn bản hóa các chuẩn mực về công bố thông tin. Khi nào các phương pháp phải được tiết lộ đầy đủ? Khi nào một quy trình được cố ý che mờ? Tạo các mẫu công bố cho các kịch bản phổ biến, chẳng hạn như trích dẫn sự hỗ trợ của AI trong một bài báo nghiên cứu so với một hồ sơ năng lực sáng tạo hoặc một báo cáo kinh doanh.

Đồng kiến tạo trách nhiệm giải trình

Cùng nhau soạn thảo các chính sách lớp học và quy tắc danh dự để giải quyết vấn đề cộng tác với AI. Phát triển các giao thức bình duyệt (peer-review) nhằm kiểm tra sự giám sát phù hợp của con người. Quá trình đồng kiến tạo này xây dựng sự cam kết và hiểu biết sâu sắc hơn về lý do tại sao trách nhiệm giải trình lại quan trọng.

Kết luận: Con người không thể thay thế

Công việc chuyên ngành sâu sắc này tạo ra một vòng lặp phản hồi mạnh mẽ. Những sinh viên có thể diễn đạt các tiêu chuẩn chất lượng sẽ đánh giá tốt hơn bất kỳ đầu ra nào, dù do con người hay AI tạo ra. Những người hiểu các phương pháp chuyên ngành có thể dẫn dắt bất kỳ quy trình nào hiệu quả hơn.

Tư duy thấu đáo qua lăng kính của 4Ds — Discernment, Description, Delegation và Diligence — buộc chúng ta phải hiển thị hóa tri thức ẩn. Bằng cách làm cho chuyên môn của mình có thể giảng dạy được, bạn đang cung cấp cho sinh viên nền tảng họ cần để phát triển. Tương lai cần những con người có thể tư duy phản biện, giao tiếp rõ ràng, cộng tác khôn ngoan và hành động có trách nhiệm. Bạn không chuẩn bị cho sinh viên của mình để bị thay thế bởi AI; bạn đang chuẩn bị để họ trở nên không thể thay thế.