Tư duy theo Ken Ono: Khi kiến thức rẻ, thứ đắt nhất là biết mình đang hỏi câu hỏi gì

Sau khi xem clip này, mình thấy tư duy của ông Ken Ono khá hay nên mạn phép chia sẻ lại.

Ken Ono không phải người hô hào “AI sẽ thay hết”. Ông là nhà toán học số (number theory) có hơn 30 năm làm việc nghiêm túc, người từng tự nhận mình là “naturally intelligent” và từng cười nhạo những đồng nghiệp làm AI từ những năm 1990. Rồi một ngày, ông ngồi trước ChatGPT và nhận ra mình không còn nghĩ ra được câu hỏi nào mà mô hình trả lời sai.

Khoảnh khắc đó không làm ông tuyên bố “toán học đã chết”. Nó buộc ông phải hỏi lại một câu khác: nếu kiến thức đã trở thành thứ gần như ai cũng có thể lấy được, thì cái gì còn lại đáng giữ?

Kiến thức rẻ, nhưng “cách dùng” thì không

Ono mô tả các mô hình ngôn ngữ lớn như “thủ thư siêu phàm nhất thế giới từng thấy”. Chúng biết gần như mọi thứ đã được ghi chép lại. Điều này đúng theo một nghĩa hẹp: lượng thông tin mà một người có thể truy cập đã tăng đột biến, và chi phí để lấy thông tin đó gần như về không.

Nhưng ông cũng chỉ ra ngay điểm mù. Kiến thức rẻ không đồng nghĩa với việc mọi thứ đều đúng, hoặc mọi thứ đều hữu ích trong bối cảnh cụ thể. Cái trở nên đắt hơn chính là cách dùng và cách xác thực. Một người có thể nhờ AI viết ra một phân tích thị trường trong vài giây, nhưng việc biết phân tích đó đang bỏ sót biến số nào, đang dựa trên giả định nào không còn đúng, hoặc đang nối các dữ liệu theo cách nghe có vẻ hợp lý nhưng thực ra không phản ánh thực địa — đó mới là phần công việc còn lại.

Nói cách khác, AI giỏi ở việc “nhai lại và kết hợp lại những gì đã tồn tại”. Nó vẫn yếu ở việc nhận ra khi nào một pattern quen thuộc đang không còn đúng nữa, hoặc khi nào một câu hỏi chưa từng được đặt ra là câu hỏi đáng đặt.

Cuộc đua “luôn phải đi trước AI” là cuộc đua không có cửa thắng

Một trong những câu khiến nhiều người phải dừng lại là khi Ono nói: nếu mục tiêu của chúng ta là luôn đi trước AI về lượng kiến thức, thì chúng ta sẽ thua. Ông so sánh nó với việc Usain Bolt đua với xe máy. Con người vốn không được tạo ra để thắng ở trò chơi đó.

(*) Usain Bolt là vận động viên chạy nhanh nhất thế giới. Nhưng nếu bảo anh ấy đua với một chiếc xe máy trên cùng một đường đua, thì dù Bolt có chạy nhanh đến đâu cũng không thể thắng. Vì xe máy và người chạy không cùng một “cuộc chơi”.

Ken Ono dùng hình ảnh này để nói về việc cạnh tranh với AI về lượng kiến thức.

AI (như các mô hình ngôn ngữ lớn) được thiết kế để lưu trữ, truy xuất và kết hợp một lượng thông tin khổng lồ với tốc độ cực nhanh. Con người thì không được tạo ra để làm việc đó. Não người có giới hạn về bộ nhớ, tốc độ xử lý và khả năng truy cập thông tin tức thì.

Vì vậy, nếu mục tiêu của chúng ta là “luôn biết nhiều hơn AI”, “luôn đi trước AI về lượng kiến thức”, thì đó là cuộc đua không có cửa thắng — giống như Bolt cố đua với xe máy. Không phải vì Bolt yếu, mà vì anh ấy đang tham gia một cuộc đua mà mình không được thiết kế để thắng.

Ono muốn nhấn mạnh rằng: thay vì cố gắng thắng ở trò chơi “biết nhiều hơn”, con người nên chuyển sang những trò chơi mà mình có lợi thế hơn — như đặt câu hỏi đúng, phán xét khi nào thông tin đáng tin, kết nối các ý tưởng theo cách sâu sắc, hoặc biết rõ mình đang theo đuổi điều gì.

Điều thú vị là Ono không dừng lại ở sự bi quan. Ông chuyển sang một định nghĩa khác về trí tuệ. Trí tuệ không phải là khả năng nhắc lại sự kiện (regurgitation of facts). Nó là khả năng suy luận đúng, kết nối các khái niệm theo cách sâu sắc, nhận diện những pattern có thể chuyển từ lĩnh vực này sang lĩnh vực khác, và đôi khi tạo ra một khái niệm mới.

Đây là điểm khác biệt quan trọng. Nhiều người khi nghe “AI biết nhiều hơn mình” sẽ phản ứng bằng cách cố học thêm, cố nhớ thêm, hoặc cố tìm những lĩnh vực “AI chưa làm được”. Ono cho rằng đó là cách tiếp cận sai. Năng lượng đáng bỏ ra hơn là luyện khả năng đặt câu hỏi mà AI chưa có dữ liệu để trả lời sẵn, và luyện khả năng phán xét khi AI đưa ra một câu trả lời nghe có vẻ hợp lý.

Ramanujan và những người bị hệ thống bỏ sót

Ono dành một phần không nhỏ để kể về Ramanujan — nhà toán học Ấn Độ tự học, dropout đại học hai lần, người để lại những notebooks thay đổi toán học hiện đại. Cha của Ono (một nhà toán học Nhật Bản) từng coi Ramanujan là hình mẫu, không phải vì bằng cấp, mà vì cách ông ta nhìn thế giới.

Từ đó, Ono đặt câu hỏi ngược lại với hệ thống giáo dục và đào tạo hiện tại. Hệ thống này rất giỏi trong việc đo lường những thứ có thể đo được: điểm số, GPA, số lượng chứng chỉ, số bài báo, số KPI hoàn thành. Nó kém hơn nhiều trong việc nhận ra và nuôi dưỡng những người có cách nghĩ khác biệt, những người sẵn sàng theo đuổi một câu hỏi “lạ” đủ lâu để nó trở thành điều gì đó có giá trị.

Ông là người khởi xướng và điều hành chương trình “Spirit of Ramanujan” với mục đích tìm những người có tài năng nhưng bị hệ thống giáo dục bỏ sót. Thông điệp chính của ông không phải là “ai cũng là thiên tài”, mà là nhiều người có khả năng sáng tạo theo cách riêng của mình hơn chúng ta thường nghĩ — miễn là họ có được không gian để theo đuổi sự tò mò, thay vì bị ép phải tối ưu mọi thứ chỉ để đạt các chỉ số bên ngoài như điểm số hay thành tích.

Tự hiểu mình là “moat” khó sao chép

Một câu khác của Ono nghe có vẻ đơn giản nhưng khó thực hiện: “Who owns your identity? You do.”

Trong thời đại mà AI có thể hỗ trợ gần như mọi kỹ năng kỹ thuật ở mức cơ bản đến trung cấp, việc biết rõ mình là ai, mình thực sự quan tâm đến điều gì, và mình sẵn sàng chịu trách nhiệm với lựa chọn nào trở thành một lợi thế bền hơn. Nhiều người rơi vào trạng thái mà Ono gọi là “purgatory” — làm việc không đam mê, chỉ để trả nợ hoặc duy trì một hình ảnh thành công bên ngoài. Khi AI làm cho nhiều việc trở nên dễ hơn, khoảng trống này càng lộ rõ.

Tự hiểu mình ở đây không phải là một khái niệm trừu tượng. Nó là khả năng nhận ra khi nào mình đang theo đuổi một mục tiêu vì nó thật sự quan trọng với mình, và khi nào mình đang theo đuổi nó chỉ vì hệ thống xung quanh đang thưởng cho điều đó.

Những giới hạn cần lưu ý

Tư duy của Ono có sức thuyết phục, nhưng cũng có những chỗ cần cân bằng.

Thứ nhất, “kiến thức rẻ” không có nghĩa là mọi lĩnh vực đều dễ formalize hoặc dễ xác thực như toán học. Trong nhiều công việc thực tế — từ vận hành kênh phân phối, đến ra quyết định dưới thông tin không đầy đủ, đến xử lý mối quan hệ con người — judgment vẫn phụ thuộc nhiều vào trải nghiệm cụ thể mà AI chưa thể thay thế hoàn toàn.

Thứ hai, lời khuyên “hãy theo đuổi đam mê” dễ trở thành lý tưởng hóa nếu không kèm theo kỷ luật nền tảng. Người không có nền tảng kỹ thuật cơ bản dễ rơi vào trạng thái “vibe” — nghe có vẻ sáng tạo nhưng thiếu chiều sâu. Ono, với tư cách một nhà toán học nghiêm túc, hiểu rõ điều này hơn nhiều người đang dùng AI một cách hời hợt.

Thứ ba, không phải ai cũng có điều kiện để “dũng cảm theo tò mò”. Hệ thống thực tế vẫn đánh giá theo những thước đo cũ trong một thời gian dài nữa. Người biết cách tham gia hệ thống đó một cách có ý thức (pause and recognize you’re participating in that system) sẽ có lợi thế hơn người chỉ phê phán nó từ bên ngoài.

Kết

Ken Ono không đưa ra một công thức mới để “thắng AI”. Ông chỉ mô tả lại một sự dịch chuyển đã đang xảy ra: lượng kiến thức không còn là lợi thế hiếm như trước, trong khi khả năng đặt câu hỏi đúng, xác thực thông tin, kết nối liên ngành và biết mình đang làm gì vì lý do gì trở nên quan trọng hơn.

Đây không phải là tin tốt cho những ai muốn dựa vào việc “biết nhiều hơn người khác”. Nhưng nó là tin tốt cho những ai sẵn sàng luyện những thứ khó đo lường hơn — sự tò mò có định hướng, khả năng phán xét khi dữ liệu mâu thuẫn, và sự rõ ràng về chính mình.

Trong một thế giới mà AI ngày càng giỏi đóng vai “thủ thư”, người còn lại giá trị là người biết mình cần tìm gì trong thư viện đó, và biết khi nào nên đóng sách lại để tự nghĩ.