Đầu tháng Hai, OpenAI – cái tên đang làm mưa làm gió trong thế giới trí tuệ nhân tạo – tung ra một công cụ mới mang tên Deep Research. Cái tên nói lên tất cả: đây là trợ lý AI được thiết kế để thực hiện nghiên cứu chuyên sâu, nhiều bước. Chỉ cần vài thao tác bàn phím, bạn có thể có một bản thảo học thuật dài hàng chục trang, viết ra trong vài phút.
Và giới học thuật thì đang say như điếu đổ.
Giáo sư Ethan Mollick từ Đại học Pennsylvania gọi trải nghiệm dùng Deep Research là “vô cùng hiệu quả”. Còn Kevin Bryan – một nhà kinh tế học tại Đại học Toronto – thì mạnh miệng hơn: “Tôi CHẮC CHẮN bạn có thể xuất bản bài báo loại B chỉ sau một ngày làm việc với công cụ này.”
Thậm chí Tyler Cowen, một tên tuổi lớn trong giới học thuật Mỹ, ví von nó với một trợ lý nghiên cứu tiến sĩ giỏi, làm việc hai tuần không nghỉ.
Thế nhưng, với mức giá 200 đô mỗi tháng – tức 2.400 đô mỗi năm – liệu đây là món hời nhất lịch sử, hay chỉ là một cơn sốt ảo khác giống như Web3 hay Clubhouse mà chính Cowen từng ca ngợi?
Những giới hạn của “trí tuệ máy móc”
Trước tiên, phải thừa nhận: Deep Research không thể làm nghiên cứu thực địa. Nó không thể tổ chức khảo sát ở Peru, cũng chẳng thể quan sát ngôn ngữ cơ thể của một CEO đang bị nghi ngờ gian lận. Và nó chắc chắn không thể pha cho bạn một ly cà phê – điều mà một trợ lý thực thụ vẫn làm tốt.
Một điểm yếu nữa là văn phong: bài viết của Deep Research thường khô khan, thiếu cảm xúc. Dù bạn yêu cầu nó “viết sinh động hơn”, kết quả vẫn… đều đều như sách giáo khoa. Tuy nhiên, có lẽ phần đông người dùng sẽ không để tâm. Dù sao thì đâu phải ai cũng là nhà văn.
Ba vấn đề nghiêm trọng hơn
1. Sự sáng tạo dữ liệu (data creativity)
Công cụ này rất giỏi với những câu hỏi rõ ràng kiểu như: “Tỷ lệ thất nghiệp của Pháp năm 2023 là bao nhiêu?” hoặc các phép tính đơn giản như trung bình dân số. Nhưng khi bước vào vùng đất mơ hồ – nơi cần suy luận, ước lượng, hoặc tổng hợp dữ liệu gốc từ nhiều nguồn – thì AI bắt đầu loay hoay.
Ví dụ: hỏi về mức chi tiêu trung bình cho rượu whisky của hộ gia đình Mỹ năm 2021, Deep Research cho ra một con số sai be bét, dù chỉ cần vài cú click trong kho dữ liệu chính thức là ra ngay đáp án đúng: 20 USD.
2. Bạo chúa của số đông (tyranny of the majority)
Deep Research được huấn luyện từ kho dữ liệu khổng lồ trên mạng – điều tưởng chừng là ưu điểm, nhưng lại mang tới một nhược điểm nguy hiểm: nó có xu hướng thiên về những quan điểm phổ biến, được nhắc đi nhắc lại, hơn là những ý tưởng sâu sắc nhưng ít người biết.
Ví dụ: nếu không yêu cầu rõ, AI sẽ luôn mặc định rằng bất bình đẳng thu nhập tại Mỹ đã tăng vọt từ thập niên 1960, dù nhiều chuyên gia lại cho rằng nó chỉ tăng nhẹ – hoặc thậm chí không tăng.
Hay với cụm từ “bàn tay vô hình” của Adam Smith – vốn bị hiểu sai suốt nhiều thế kỷ – dù Deep Research có biết đến bài viết nổi tiếng của Emma Rothschild phản bác quan niệm này, nó vẫn nhắc lại lối hiểu thông thường.
Tóm lại: AI có thể khiến bạn học được tư duy đại trà, chứ không phải tư duy tinh hoa.
3. Cái bẫy của kẻ lười suy nghĩ (the idiot trap)
Vấn đề cuối cùng – và cũng là nghiêm trọng nhất – không nằm ở công cụ, mà ở chính người dùng.
Paul Graham, một nhà đầu tư công nghệ nổi tiếng, từng nói: “Viết là một hình thức tư duy. Có những kiểu tư duy chỉ xảy ra khi bạn ngồi viết.” Nếu để AI viết thay, bạn cũng đang từ bỏ cơ hội để phát hiện điều mới, đặt câu hỏi hay, hay tìm ra lỗ hổng trong tư duy hiện tại.
Nói cách khác, cái giá thật sự không phải là 200 đô mỗi tháng. Mà là nguy cơ bạn dần dần… không còn biết suy nghĩ.
Vẫn đáng dùng – nhưng phải dùng đúng
Sẽ đến lúc những vấn đề kỹ thuật này được khắc phục. Sẽ đến lúc Deep Research không chỉ là trợ lý mà còn là “trưởng nhóm nghiên cứu”. Nhưng hiện tại, nếu bạn là học giả, nhà báo, nhà đầu tư hay bất cứ ai sống bằng sự sáng tạo, hãy dùng AI như một công cụ – chứ đừng phó mặc mọi thứ cho nó.
200 đô mỗi tháng? Cũng không đắt. Miễn là bạn không đánh mất chính mình.
