Sự hấp dẫn của các ứng dụng trí tuệ nhân tạo (AI) là không thể phủ nhận, khi người dùng chỉ cần đặt câu hỏi và nhận được bản tổng hợp thông tin hoàn chỉnh, mang lại cảm giác học tập dễ dàng.
Tuy nhiên, một nghiên cứu mới đây đã chỉ ra rằng sự tiện lợi này có thể phải trả giá bằng chiều sâu kiến thức.
Giáo sư Shiri Melumad từ Đại học Pennsylvania, Mỹ, cùng các đồng nghiệp đã công bố một bài báo nghiên cứu, cung cấp bằng chứng thực nghiệm cho thấy khi mọi người dựa vào các mô hình ngôn ngữ lớn (LLM) để tóm tắt thông tin, họ có xu hướng phát triển kiến thức nông hơn so với việc học thông qua tìm kiếm Google tiêu chuẩn.
Nghiên cứu trên 10.000 người tham gia
Nhóm nghiên cứu của Giáo sư Melumad đã tiến hành 7 nghiên cứu với hơn 10.000 người tham gia. Hầu hết các nghiên cứu đều tuân theo một mô hình cơ bản: Người tham gia được yêu cầu tìm hiểu về một chủ đề (ví dụ: cách trồng rau) và được phân công ngẫu nhiên sử dụng LLM như ChatGPT hoặc công cụ tìm kiếm Google tiêu chuẩn. Không có giới hạn về cách họ sử dụng các công cụ này.
Sau khi hoàn thành nghiên cứu, họ được yêu cầu viết lời khuyên cho một người bạn về chủ đề đã học.
Dữ liệu cho thấy một mô hình nhất quán: Những người tìm hiểu thông qua LLM cảm thấy họ học được ít hơn, đầu tư ít công sức hơn vào việc viết lời khuyên và cuối cùng viết lời khuyên ngắn gọn, ít thực tế và chung chung hơn.
Ngược lại, khi lời khuyên này được trình bày cho một nhóm độc giả độc lập, họ đánh giá lời khuyên từ người dùng LLM ít thông tin, ít hữu ích và ít có khả năng áp dụng hơn.
Để kiểm soát khả năng LLM cung cấp ít thông tin tổng quát hơn Google, nhóm nghiên cứu đã tiến hành một thí nghiệm trong đó người tham gia được tiếp xúc với cùng một tập hợp thông tin từ cả Google và ChatGPT.
Tương tự, một thí nghiệm khác giữ nguyên nền tảng Google nhưng thay đổi cách học từ kết quả tìm kiếm tiêu chuẩn hay tính năng Tổng quan AI của Google.
Các phát hiện đã xác nhận rằng, ngay cả khi dữ liệu và nền tảng được giữ nguyên, việc học từ các phản hồi LLM tổng hợp vẫn dẫn đến kiến thức nông hơn so với việc tự thu thập, diễn giải và tổng hợp thông tin thông qua các liên kết web tiêu chuẩn.
Một trong những nguyên tắc cơ bản của việc phát triển kỹ năng là mọi người học tốt nhất khi họ chủ động tham gia vào tài liệu. Khi tìm hiểu thông qua Google, người dùng phải duyệt qua các liên kết, đọc các nguồn, tự mình diễn giải và tổng hợp thông tin.
Sự "cọ xát" này, dù khó khăn hơn, lại dẫn đến việc phát triển mức độ hình dung sâu sắc và độc đáo hơn về chủ đề. Ngược lại, với LLM, toàn bộ quá trình này được thực hiện thay mặt người dùng, biến việc học từ một quá trình chủ động thành thụ động.
Sử dụng AI một cách thông minh
Các nhà nghiên cứu không cho rằng giải pháp là tránh sử dụng LLM, đặc biệt khi chúng mang lại nhiều lợi ích. Thay vào đó, thông điệp của họ là mọi người cần trở thành những người sử dụng LLM thông minh hơn, hiểu rõ những lĩnh vực mà LLM có lợi hay có hại cho mục tiêu của họ.
Nếu bạn cần một câu trả lời nhanh chóng và thực tế, LLM là lựa chọn tốt. Tuy nhiên, nếu mục tiêu là phát triển kiến thức sâu rộng và tổng quát, việc chỉ dựa vào tổng hợp của LLM sẽ không hiệu quả.
Giáo sư Melumad cũng đã thử nghiệm việc tích hợp các liên kết web theo thời gian thực vào phản hồi của GPT để khuyến khích người dùng đào sâu hơn. Tuy nhiên, kết quả cho thấy người tham gia vẫn không có động lực để tìm hiểu thêm, dẫn đến kiến thức nông hơn so với người dùng Google tiêu chuẩn.
Trong nghiên cứu tiếp theo, Giáo sư Melumad dự định nghiên cứu các công cụ AI tạo sinh tạo ra những "rào cản lành mạnh" cho các nhiệm vụ học tập, nhằm thúc đẩy người dùng chủ động học tập nhiều hơn ngoài các câu trả lời tổng hợp dễ dàng.
Điều này đặc biệt quan trọng trong giáo dục cấp trung học, nơi cần trang bị cho học sinh các kỹ năng cơ bản đồng thời chuẩn bị cho một thế giới mà LLM sẽ trở thành một phần không thể thiếu.
