Học cách làm việc với thiết bị thông minh

Con đường đạt tới kỹ năng gần như là như nhau suốt hàng ngàn năm qua, trên khắp thế giới: rèn luyện với chuyên gia, thực hiện những phần nhỏ và dễ trước khi chuyển sang những việc nguy hiểm, khó khăn hơn. Thế nhưng, cách ta sử dụng trí tuệ nhân tạo (AI) hiện nay đang làm cản trở con đường đó - ta hy sinh việc học hỏi để theo đuổi năng suất - nhà nghiên cứu về dân tộc học trong tổ chức Matt Beane phát biểu. Vậy giải pháp là gì? Beane chia sẻ một tầm nhìn mang tính cách mạng: dùng máy móc để tăng cường và phân bổ kiến thức, vừa tận dụng được tối đa khả năng tuyệt vời của AI vừa giúp con người trau dồi kỹ năng.

Đó là vào 6 giờ rưỡi sáng,

và Kristen đang đưa một bệnh nhân
tuyến tiền liệt vào phòng phẫu thuật.

Cô ấy là bác sĩ nội trú
đang học việc phẫu thuật.

Công việc của cô là học hỏi.

Hôm nay, cô rất hồi hộp muốn được
thực hiện một ca phẫu thuật

bảo vệ tế bào thần kinh, cực kỳ tinh vi
giúp duy trì chức năng cương dương.

Bác sĩ phẫu thuật chính
vẫn chưa tới.

Cô cùng đội ngũ
gây mê bệnh nhân,

và cô chỉ đạo thực hiện
đường mổ 20 cm dưới rốn.

Ngay sau khi cố định đường mổ,
cô bảo y tá gọi bác sĩ chính tới.

Anh ta tới, mặc áo choàng dài.

Từ đó trở đi, bốn bàn tay đó
hầu như chỉ ở bên trong bệnh nhân,

dưới sự hướng dẫn của anh,
Kristin thực hiện ca mổ.

Khi tuyến tiền liệt lộ ra (đúng, anh ấy
để Kristen thực hiện bảo vệ thần kinh)

anh cởi bỏ bộ đồ bác sĩ,

bắt đầu làm giấy tờ.

Kristen khâu bệnh nhân vào lúc 8:15,

với một bác sĩ nội trú khác
đang quan sát cô qua vai.

Và cô để anh ta
khâu những đường cuối cùng.

Kristen cảm thấy thật tuyệt.

Bệnh nhân sẽ ổn,

và cô ấy đã là phiên bản tốt hơn
của chính mình vào lúc 6:30 sáng.

Đó là một công việc rất khắc nghiệt.

Nhưng Kristen đã học theo cách
của hầu hết chúng ta:

quan sát chuyên gia thực hiện,

làm những phần dễ và an toàn

rồi chuyển sang những việc khó
và nguy hiểm hơn

dưới sự chỉ dẫn và cho phép của thầy mình.

Cả cuộc đời, tôi luôn cảm thấy
cách học này thật tuyệt diệu.

Nó rất cơ bản, là một phần
tạo nên con người chúng ta.

Nó có những cái tên khác nhau:
học việc, huấn luyện, kèm cặp, dạy nghề.

Trong phẫu thuật, nó được gọi là
"nhìn một, làm một, dạy một"

Nhưng quá trình là giống nhau,

và là con đường đã phổ biến
từ hàng ngàn năm qua, trên khắp thế giới.

Thế nhưng, cách ta sử dụng
trí tuệ nhân tạo (AI) hiện nay

đang làm cản trở nó.

Ta hy sinh việc học hỏi
để theo đuổi năng suất.

Tôi lần đầu nhận ra nó
trong công việc phẫu thuật khi ở MIT,

nhưng giờ tôi chắc chắn
nó xuất hiện ở khắp nơi,

ở những ngành nghề khác nhau
với các loại AI khác nhau.

Nếu ta không làm gì cả,
hàng triệu người sẽ gặp trở ngại

trong việc ứng phó với AI.

Giờ hãy quay lại việc phẫu thuật.

Sáu tháng trôi qua thật nhanh.

Lại là 6:30 sáng, và Kristen
đang đưa một bệnh nhân tuyến tiền liệt,

nhưng lần này là vào
phòng phẫu thuật robot.

Các bác sĩ tham gia

gắn một con robot bốn tay,
nặng hơn 450kg vào người bệnh nhân.

Cả hai đều cởi bộ đồ bác sĩ,

điều khiển ở bàn
cách đó 3-5 mét

và Kristen chỉ đứng nhìn.

Robot cho phép các bác sĩ chính
tự làm toàn bộ thủ tục,

nên anh ta chỉ việc làm theo.

Anh biết Kristen cần thực hành.

Anh muốn cho cô điều khiển.

Nhưng anh cũng biết rằng cô sẽ
làm chậm và mắc lỗi nhiều hơn,

và người bệnh cần được ưu tiên.

Thế là Kristen không có cơ hội
được giải phẫu suốt ca phẫu thuật đó.

Nếu được phẫu thuật hơn 15 phút
suốt ca mổ bốn tiếng thì đó là may mắn.

Và cô biết khi cô nhầm lẫn,

anh ta sẽ bấm vào màn hình,
và cô sẽ lại chỉ đứng xem,

cảm giác như đứa trẻ ngốc nghếch
đứng trong góc phòng.

Như những nghiên cứu về robot
và các công trình trong tám năm qua,

tôi bắt đầu bằng một câu hỏi lớn:

Làm thế nào để học cách làm việc
với thiết bị thông minh?

Để trả lời, tôi dành hai năm rưỡi quan sát
hàng tá bác sĩ nội trú và phẫu thuật,

thực hiện phẫu thuật truyền thống
và phẫn thuật robot, phỏng vấn họ

và nhìn chung, tiếp xúc với bác sĩ
nội trú khi họ đang học việc.

Tôi đi đến 18 bệnh viện Mỹ
dạy tốt nhất,

và câu chuyện là giống nhau.

Hầu hết bác sĩ nội trú
đều ở trong trường hợp của Kristen.

Họ được quan sát rất nhiều,

nhưng hiếm khi được làm.

Họ không phải tự xoay sở
và vì thế, không học hỏi được gì.

Đó là tin quan trọng
với bác sĩ phẫu thuật

nhưng tôi cần biết
tình trạng này phổ biến đến mức nào:

Còn nơi nào khác đang sử dụng AI
làm cản trở việc học việc?

Để tìm hiểu, tôi liên hệ với một nhóm nhỏ
các nhà nghiên cứu trẻ đang lên,

những người mà đã thất bại
trong các ngành liên quan đến AI

ở nhiều lĩnh vực
như khởi nghiệp, chính trị

ngân hàng đầu tư
và giáo dục trực tuyến.

Giống như tôi, họ dành ít nhất một năm
và hàng trăm giờ đồng hồ để quan sát,

gặp mặt và thường làm việc
bên cạnh đối tượng nghiên cứu.

Chúng tôi chia sẻ dữ liệu,
và tôi tìm các kiểu mẫu.

Ngành nghề nào, công việc nào
thì câu chuyện về AI là như nhau.

Các tổ chức đang cố gắng từng ngày
để thu quả ngọt từ AI,

và họ đang tách người học
ra khỏi các công việc chuyên môn.

Những người điều hành start-up
thuê ngoài dịch vụ kết nối khách hàng.

Cảnh sát học cách dự báo tội phạm
mà không có sự trợ giúp của chuyên gia.

Các nhân viên tín dụng non trẻ
bị loại bỏ khỏi những phân tích phức tạp,

và các giáo sư phải tự mình
xây dựng những khoá học online.

Và kết quả của những việc làm này
giống như trong ngành phẫu thuật.

Việc học hỏi từ việc làm
ngày càng trở nên khó khăn.

Điều này không thể kéo dài.

McKinsey ước tính khoảng nửa tỉ
tới một tỉ người trong số chúng ta

phải thích nghi với AI
trong công việc hằng ngày vào năm 2030

Phải thừa nhận,
việc học hỏi từ việc làm

sẽ còn tồn tại
nếu ta còn cố gắng.

Khảo sát ở công nhân mới ở Accenture
cho thấy hầu hết họ học kĩ năng mấu chốt

từ công việc, không phải từ
việc đào tạo chính thống.

Nên trong khi ta nói nhiều
về ảnh hưởng tiềm tàng trong tương lai,

điều quan trọng nhất hiện giờ
về AI

chính là cách ta dùng nó
gây cản trở việc học việc

khi ta cần nó nhất.

Ở nhiều khu vực, một thiểu số nhỏ
đã tìm ra được cách để tiếp tục học hỏi.

Họ học bằng cách phá vỡ
và bẻ gãy quy tắc.

Cách thông thường không hiệu quả,
nên họ phá vỡ và bẻ gãy quy tắc

để được thực hành với các chuyên gia.

Ở nơi tôi, các bác sĩ nội trú
xem việc thực hành phẫu thuật robot

như chương trình học cơ bản.

Họ dành ra thêm hàng giờ với giả lập
và đoạn ghi hình ca phẫu thuật,

thay vì học trong trong phẫu thuật.

Và có thể là quan trọng nhất,
họ tìm ra cách để chật vật thực hành

với ít sự giám sát chuyên môn.

Tôi gọi đó là "học trong bóng tối"
vì nó phá vỡ tất cả các quy tắc

và người học
thực hiện nó một cách thầm lặng.

Và mọi người đều lờ đi
vì nó mang lại kết quả.

Nên nhớ, đây là nhóm các học sinh ưu tú.

Rõ ràng, việc này không ổn
và không vững bền.

Không ai phải đánh liều
để được học hỏi,

để tiếp thu các kĩ năng
cần trong công việc.

Nhưng ta cần học
từ những người này

Họ bất chấp rủi ro để học.

Họ hiểu họ cần phải bảo vệ
sự chật vật và thách thức trong công việc

để thúc đẩy bản thân
xử lí các vấn đề khó

ở vùng tiệm cận
với khả năng hiểu biết của mình.

Họ cũng đảm bảo
có một chuyên gia kề cận

để đưa ra gợi ý và ngăn chặn hậu quả.

Hãy xây dựng sự kết hợp giữa
sự đấu tranh và sự giúp đỡ chuyên môn

trong mỗi lần làm với trí tuệ nhân tạo.

Đây là một ví dụ rõ ràng
tôi có thể đưa ra về vấn đề này.

Trước khi robot xuất hiện,

nếu là người xử lí chất nổ,

bạn giải quyết thiết bị nổ tự tạo
bằng cách đến gần nó.

Một nhân viên trẻ
đứng cách đó hàng trăm mét,

chỉ có thể quan sát và giúp đỡ
khi được phép,

khi bạn cảm thấy an toàn
để họ xử lí cùng.

Bây giờ, bạn ngồi cạnh anh ta
trong xe tải thử bom.

Cả hai vừa xem các video.

Họ điều khiển robot từ xa,
và bạn chỉ dẫn cho họ thành tiếng.

Những thực tập sinh học tốt hơn
so với thời chưa có robot.

Chúng ta có thể mở rộng việc này
sang phẫu thuật, khởi nghiệp, cảnh sát,

đầu tư ngân hàng, giáo dục online
và hơn thế nữa.

Tin tốt là chúng ta có công cụ mới
để làm điều này.

Internet và đám mây cho phép ta

không phải lúc nào cũng cần
một kèm một,

phải ở gần bên nhau,
hoặc thậm chí phải trong cùng một tổ chức.

Và chúng ta có thể tạo ra AI để giúp họ:

hướng dẫn học viên khi họ chật vậy,
huấn luyện chuyên gia khi họ huấn luyện

và kết nối hai nhóm này
một cách thông minh.

Đã có những người đang làm việc
trên các hệ thống như vậy,

nhưng hầu hết tập trung vào
sự đào tạo thông thường.

Trong khi học việc mới là lĩnh vực
gặp khủng hoảng lớn hơn.

Chúng ta phải làm tốt hơn.

Vấn đề hiện nay
yêu cầu ta làm tốt hơn

để tạo ra công việc vừa tận dụng hết
khả năng tuyệt vời của AI

vừa giúp ta cải thiện các kĩ năng
khi thực hiện công việc.

Đó là tương lai
mà tôi mơ ước khi còn là một đứa trẻ.

Và bây giờ là lúc để thực hiện nó.

Xin cảm ơn.

(Vỗ tay)