Tác giả: Kim Quang Hạo
Dạo gần đây, tôi tham dự một buổi gặp gỡ về AI ở Thượng Hải.
Bản thân sự kiện có rất nhiều nội dung về triển khai AI trong thực tế.
Nhưng điều gây ấn tượng mạnh nhất với tôi là phương pháp học tập mà một tiền bối trong giới đầu tư đã chia sẻ.
Ông ấy nói phương pháp này đã cứu ông và cũng thay đổi tiêu chuẩn nhìn người khi ông đầu tư.
Cụ thể là gì? Đó là học cách "đặt câu hỏi".
Khi bạn hứng thú với một vấn đề, hãy trò chuyện với DeepSeek, cứ trò chuyện mãi cho đến khi nó không trả lời được nữa thì thôi.
Kỹ thuật "truy vấn vô hạn" này, lúc nghe xong tôi cảm thấy khá choáng ngợp, nhưng sau khi sự kiện kết thúc, tôi đã quên bẵng nó đi.
Không thử, cũng chẳng bận tâm.
Mãi đến gần đây, khi lướt thấy câu chuyện của Gabriel Petersson bỏ học, dùng AI để học và gia nhập OpenAI.
Tôi chợt nhận ra, cái mà vị tiền bối kia nói về "hỏi cho đến tận cùng" trong thời đại AI này thực sự có ý nghĩa gì.
Podcast phỏng vấn Gabriel | Nguồn ảnh: YouTube
01 "Bỏ học cấp ba", vươn lên trở thành nhà nghiên cứu tại OpenAI
Gabriel đến từ Thụy Điển, anh đã bỏ học giữa chừng cấp ba.
Trang MXH cá nhân của Gabriel | Nguồn ảnh: X
Anh từng nghĩ mình quá ngu ngốc, hoàn toàn không thể làm việc liên quan đến AI.
Bước ngoặt xảy ra cách đây vài năm.
Anh họ của anh ở Stockholm đã thành lập một công ty khởi nghiệp, làm hệ thống đề xuất sản phẩm thương mại điện tử, và gọi anh qua giúp.
Gabriel cứ thế mà đi, không có nền tảng kỹ thuật, cũng chẳng có tiền tiết kiệm, thậm chí trong giai đoạn đầu khởi nghiệp đã ngủ trên ghế sofa ở phòng nghỉ chung của công ty suốt cả một năm trời.
Nhưng trong năm đó, anh đã học được không ít thứ. Không phải học ở trường, mà là tự ép ra dưới áp lực của các vấn đề thực tế: lập trình, bán hàng, tích hợp hệ thống.
Sau này để tối ưu hóa hiệu suất học tập, anh thẳng thắn chuyển sang làm hợp đồng, như vậy có thể linh hoạt hơn trong việc lựa chọn dự án, chủ động tìm kiếm hợp tác với những kỹ sư xuất sắc nhất, chủ động tìm kiếm phản hồi.
Khi xin visa Mỹ, anh đối mặt với một vấn đề khó xử: loại visa này yêu cầu chứng minh người nộp đơn có "năng lực phi thường" trong lĩnh vực, thường cần các tài liệu như ấn phẩm học thuật, trích dẫn bài báo...
Một người bỏ học cấp ba làm sao có những thứ đó?
Gabriel nghĩ ra một cách: anh tập hợp những bài viết kỹ thuật chất lượng cao mà mình đã đăng trên cộng đồng lập trình viên, dùng làm bằng chứng thay thế cho "đóng góp học thuật". Phương án này lại được cục di trú chấp nhận.
Đến San Francisco rồi, anh tiếp tục dùng ChatGPT để tự học toán và máy học.
Giờ đây anh là nhà khoa học nghiên cứu tại OpenAI, đang tham gia xây dựng mô hình video Sora.
Nói đến đây, hẳn bạn rất tò mò, anh ấy đã làm được như thế nào?
Quan điểm của Gabriel | Nguồn ảnh: X
02 Lấp đầy kiến thức đệ quy: Phương pháp học trái với thông thường
Câu trả lời chính là "truy vấn vô hạn", tìm một vấn đề cụ thể, rồi thông qua AI giải quyết triệt để vấn đề đó.
Phương pháp học của Gabriel trái ngược với trực giác của hầu hết mọi người.
Con đường học truyền thống là "từ dưới lên": đầu tiên xây dựng nền tảng, sau đó học ứng dụng. Ví dụ muốn học máy học, phải học đại số tuyến tính, lý thuyết xác suất, vi tích phân trước, rồi học thống kê, sau đó học học sâu, cuối cùng mới chạm vào dự án thực tế. Quá trình này có thể mất vài năm.
Phương pháp của anh là "từ trên xuống": bắt đầu trực tiếp từ một dự án cụ thể, gặp vấn đề gì thì giải quyết vấn đề đó, phát hiện lỗ hổng kiến thức thì lấp đầy kiến thức.
Trong podcast, anh nói trước đây phương pháp này rất khó phổ biến, vì bạn cần một người thầy toàn tri toàn năng, luôn nói cho bạn biết "tiếp theo cần bổ sung gì".
Nhưng bây giờ, ChatGPT chính là người thầy đó.
Quan điểm của Gabriel | Nguồn ảnh: X
Cụ thể thao tác thế nào? Anh lấy một ví dụ: làm thế nào để học mô hình khuếch tán (diffusion model).
Bước một, bắt đầu từ khái niệm vĩ mô. Anh sẽ hỏi ChatGPT: "Tôi muốn học mô hình video, khái niệm cốt lõi nhất là gì?". AI trả lời anh: bộ mã hóa tự động (autoencoder).
Bước hai, code đi đầu. Anh bảo ChatGPT viết thẳng một đoạn code cho mô hình khuếch tán. Lúc đầu nhiều chỗ không hiểu, nhưng không sao, cứ chạy thử code đã. Chạy được rồi, thì có cơ sở để debug.
Bước ba, cốt lõi nhất, tiến hành truy vấn đệ quy, anh sẽ nhìn vào từng module trong code để đặt câu hỏi.
Cứ thế khoan sâu xuống từng tầng, cho đến khi hoàn toàn hiểu logic nền tảng. Rồi quay lại tầng trên, tiếp tục hỏi module tiếp theo.
Anh gọi quá trình này là "lấp đầy kiến thức đệ quy".
Lấp đầy kiến thức đệ quy | Nguồn ảnh: nanobaba2
Việc này nhanh hơn nhiều so với học tuần tự trong sáu năm, có thể chỉ ba ngày là đã xây dựng được trực giác cơ bản.
Nếu bạn quen với phương pháp đặt câu hỏi kiểu Socrates, sẽ thấy về bản chất đây là cùng một tư tưởng: thông qua truy vấn từng tầng để tiệm cận bản chất của sự vật, mỗi câu trả lời là điểm khởi đầu cho câu hỏi tiếp theo.
Chỉ có điều bây giờ anh ta dùng AI như người bị chất vấn, và do AI gần như toàn tri toàn năng, nó liên tục diễn đạt bản chất sự vật một cách dễ hiểu cho người hỏi.
Thực tế, Gabriel dùng cách như vậy, đã tiến hành "chiết xuất kiến thức" từ AI, học được bản chất của sự vật.
03 Hầu hết chúng ta dùng AI, thực ra đang trở nên ngu ngốc hơn
Nghe xong podcast, câu chuyện của Gabriel khiến tôi nảy sinh một nghi vấn:
Cùng dùng AI, tại sao anh ấy học được tốt như vậy, mà nhiều người dùng AI xong, ngược lại cảm thấy bản thân đang thụt lùi?
Đây không chỉ là cảm nhận chủ quan của tôi.
Một bài báo nghiên cứu của Microsoft Research năm 2025 cho thấy [1], khi mọi người thường xuyên sử dụng AI generative, việc sử dụng tư duy phản biện của bản thân sẽ giảm xuống rõ rệt.
Nói cách khác, chúng ta đã thuê ngoài suy nghĩ cho AI, rồi năng lực tư duy của chính mình cũng teo đi theo.
Kỹ năng này tuân theo quy luật "dùng thì tiến, bỏ thì lui": khi chúng ta dùng AI để viết code, khả năng viết code bằng tay và não bộ đang âm thầm thoái hóa.
Cách làm việc "vibe coding" bằng AI trông có vẻ hiệu quả cao, nhưng về lâu dài, kỹ năng lập trình của chính lập trình viên đang đi xuống.
Bạn ném yêu cầu cho AI, nó nhả ra một đống code, bạn chạy thông, cảm thấy rất đã. Nhưng nếu bắt bạn tắt AI, tự viết logic cốt lõi, nhiều người sẽ thấy đầu óc mình trống rỗng.
Trường hợp cực đoan hơn đến từ lĩnh vực y học, một bài báo trong lĩnh vực y khoa chỉ ra [2], kỹ năng phát hiện qua nội soi đại tràng của bác sĩ sau ba tháng引入 AI hỗ trợ (引入 AI hỗ trợ - sử dụng AI hỗ trợ) đã giảm 6%.
Con số này trông không lớn, nhưng hãy nghĩ kỹ: Đây là năng lực chẩn đoán lâm sàng thực tế, liên quan đến sức khỏe và tính mạng của bệnh nhân.
Vậy nên câu hỏi đặt ra là: cùng một công cụ, tại sao có người dùng nó mạnh lên, có người dùng nó yếu đi?
Khác biệt nằm ở chỗ bạn coi AI là gì.
Nếu bạn coi AI là một công cụ giúp bạn làm việc, để nó thay bạn viết code, thay bạn viết bài, thay bạn ra quyết định, thì năng lực của bạn chắc chắn sẽ thoái hóa. Bởi vì bạn đã bỏ qua quá trình suy nghĩ, chỉ lấy kết quả. Kết quả có thể sao chép dán, nhưng năng lực tư duy không tự nhiên mà mọc ra.
Nhưng nếu bạn coi AI như một huấn luyện viên hoặc người hướng dẫn, dùng nó để kiểm tra sự hiểu biết của mình, chất vấn những điểm mù của bản thân, buộc mình phải nói rõ những khái niệm mơ hồ: vậy thì bạn thực sự đang dùng AI để tăng tốc vòng lặp học tập của chính mình.
Phương pháp của Gabriel, cốt lõi không phải là "để AI thay tôi học", mà là "để AI học cùng tôi". Anh luôn là người chủ động chất vấn, AI chỉ cung cấp phản hồi và tư liệu. Mỗi "tại sao" đều do chính anh đặt ra, mỗi tầng hiểu biết đều do chính anh đào sâu.
Điều này khiến tôi nhớ đến một câu nói cũ: Cho ai một con cá không bằng dạy họ cách câu cá.
Lấp đầy kiến thức đệ quy | Nguồn ảnh: nanobaba2
04 Một vài gợi ý thực tế
Nói đến đây, có lẽ có người sẽ hỏi: Tôi không nghiên cứu AI, cũng không phải lập trình viên, phương pháp này có ích gì cho tôi?
Tôi nghĩ phương pháp luận của Gabriel có thể được trừu tượng hóa thành một khuôn khổ năm bước tổng quát hơn, mỗi người đều có thể thông qua AI để học bất kỳ lĩnh vực nào không biết.
1、Bắt đầu từ vấn đề thực tế, chứ không phải từ chương đầu tiên của sách giáo khoa.
Bạn muốn học gì, thì cứ bắt đầu làm ngay, gặp chỗ nào vướng thì bổ sung sau.
Kiến thức học được như vậy có ngữ cảnh, có mục đích, hiệu quả hơn nhiều so với việc ghi nhớ khái niệm một cách riêng lẻ.
Quan điểm của Gabriel | Nguồn ảnh: X
2、Coi AI như một người hướng dẫn luôn kiên nhẫn.
Bạn có thể hỏi nó bất kỳ câu hỏi ngớ ngẩn nào, có thể bảo nó giải thích cùng một khái niệm theo nhiều cách khác nhau, có thể bảo nó "giải thích như dạy một đứa trẻ năm tuổi".
Nó sẽ không chê cười bạn, cũng không sốt ruột.
3、Chủ động truy vấn, cho đến khi xây dựng được trực giác. Đừng thỏa mãn với sự hiểu biết bề mặt.
Một khái niệm, bạn có thể dùng lời của mình để kể lại không? Có thể đưa ra một ví dụ không được đề cập trong nguyên văn không?
Có thể giải thích cho một người ngoại đạo nghe không? Nếu không thể, thì tiếp tục hỏi.
4、Ở đây có một cái bẫy cần cảnh giác: AI cũng会产生 ảo giác (会产生 ảo giác - có thể tạo ra ảo giác/ thông tin sai).
Khi tiến hành truy vấn đệ quy, nếu khái niệm nền tảng AI giải thích sai, bạn có thể càng chạy càng xa trên con đường sai lầm.
Vì vậy khuyên ở các nút then chốt, nên thông qua nhiều AI khác nhau để kiểm tra chéo, đảm bảo nền móng đặt câu hỏi là vững chắc.
5、Ghi lại quá trình truy vấn của bạn.
Như vậy có thể hình thành tài sản tri thức có thể tái sử dụng: lần sau gặp vấn đề tương tự, bạn có một con đường tư duy hoàn chỉnh để xem lại.
Trong quan niệm truyền thống, giá trị của công cụ nằm ở việc giảm lực cản, nâng cao hiệu suất.
Nhưng việc học lại ngược lại: lực cản vừa phải, ma sát cần thiết, ngược lại là tiền đề cho việc học xảy ra. Nếu mọi thứ đều quá trơn tru, não bộ sẽ vào chế độ tiết kiệm sức lực, cái gì cũng không nhớ nổi.
Việc truy vấn đệ quy của Gabriel, về bản chất là đang tạo ra ma sát.
Anh không ngừng hỏi tại sao, không ngừng ép bản thân đến bờ vực không hiểu, rồi lại lấp đầy lỗ hổng từng chút một.
Quá trình này rất khó chịu, nhưng chính sự khó chịu đó đã đưa kiến thức thực sự vào trí nhớ dài hạn.
05 Xu hướng nghề nghiệp tương lai
Trong thời đại này, sự độc quyền bằng cấp đang bị phá vỡ, nhưng ngưỡng cửa nhận thức lại đang âm thầm nâng cao.
Hầu hết mọi người chỉ coi AI là "máy tạo câu trả lời", mà một số ít người như Gabriel, lại coi AI là "máy luyện tập tư duy".
Thực ra cách dùng tương tự, đã xuất hiện ở các lĩnh vực khác nhau.
Ví dụ trên Jike (即刻 - tên một nền tảng), tôi thấy không ít phụ huynh đang dùng nanobanana để kèm bài cho con. Nhưng họ không để AI đưa ra đáp án trực tiếp, mà để AI tạo ra các bước giải, từng bước một展示思考过程 (展示思考过程 - trình bày quá trình tư duy), rồi cùng con phân tích logic của từng bước.
Như vậy đứa trẻ học được không phải là đáp án, mà là phương pháp giải bài.
Prompt "Giải tích phân đã cho, và viết lời giải hoàn chỉnh lên bảng trắng" | Nguồn ảnh: nanobaba2
Lại có người dùng chức năng của Listenhub hoặc NotebookLM, chuyển các bài viết dài hoặc luận văn thành dạng podcast, để hai giọng AI đối thoại, giải thích, đặt câu hỏi. Có người cho rằng đây là lười biếng, nhưng cũng có người phát hiện, nghe xong đối thoại rồi quay lại xem nguyên văn, hiệu suất hiểu biết lại cao hơn.
Bởi vì trong quá trình đối thoại sẽ tự nhiên ném ra câu hỏi, buộc bạn suy nghĩ: điểm này mình thực sự đã hiểu chưa.
Podcast chuyển thể từ podcast phỏng vấn Gabriel | Nguồn ảnh: notebooklm
Điều này chỉ ra một xu hướng nghề nghiệp tương lai: một chuyên môn, nhiều kỹ năng.
Trước đây, bạn muốn làm một sản phẩm, cần biết front-end, back-end, thiết kế, vận hành bảo trì, marketing. Bây giờ, bạn có thể như Gabriel, dùng phương pháp "lấp lỗ hổng đệ quy", nhanh chóng nắm bắt 80% kiến thức của lĩnh vực mà bạn yếu.
Vốn dĩ bạn là một lập trình viên, thông qua AI bổ sung logic thiết kế và kinh doanh, bạn có thể trở thành một quản lý sản phẩm.
Vốn dĩ bạn là một người sáng tạo nội dung giỏi, thông qua AI, bạn có thể nhanh chóng bù đắp điểm yếu về năng lực code, trở thành một nhà phát triển độc lập.
Dựa trên xu hướng này có thể suy đoán: "Có lẽ, trong tương lai, sẽ xuất hiện nhiều hơn hình thái 'công ty một người'".
06 Giành lại quyền chủ động của bạn
Bây giờ nghĩ lại lời của vị tiền bối đầu tư, tôi mới hiểu điều ông ấy thực sự muốn nói là gì.
"Cứ hỏi cho đến khi không trả lời được nữa thì thôi."
Câu nói này trong thời đại AI là một tâm pháp tuyệt vời.
Nếu chúng ta chỉ thỏa mãn với câu trả lời đầu tiên mà AI đưa ra, chúng ta đang âm thầm thoái hóa.
Nhưng nếu chúng ta thông qua truy vấn, ép AI nói thấu đáo logic, rồi nội hóa thành trực giác của mình: vậy thì AI thực sự trở thành ngoại khoát của chúng ta, chứ không phải chúng ta trở thành phụ thuộc của AI.
Đừng để ChatGPT thay bạn suy nghĩ, hãy để nó cùng bạn suy nghĩ.
Gabriel từ một học sinh bỏ học ngủ sofa, đi đến nhà nghiên cứu OpenAI.
Ở giữa chẳng có bí quyết gì, chỉ là hàng nghìn hàng vạn lần chất vấn.
Trong thời đại đầy lo âu bị AI thay thế này, vũ khí thiết thực nhất có lẽ là:
Đừng dừng lại ở câu trả lời đầu tiên, hãy tiếp tục hỏi xuống.
