Giáo dục trong kỷ nguyên trí tuệ nhân tạo

 Liệu những người thiết kế sản phẩm giáo dục và những người trực tiếp bán sản phẩm giáo dục có đủ thấu hiểu trong tương lai khách hàng của mình sẽ cần kiến thức hoặc kỹ năng gì hay không?
Robot
Robot

Mục đích của giáo dục là gì? Giáo dục giúp các “khách hàng” chuẩn bị tốt hơn cho tương lai của họ. Có những sản phẩm giáo dục được thiết kế ra để nhắm đến tương lai tức thời, ví dụ việc đào tạo nghề. Người học sau một thời gian ngắn có thể áp dụng những gì học được để có cuộc sống tốt hơn.

Nhưng cũng có những sản phẩm giáo dục nhắm đến một tương lai xa hơn rất nhiều, ví dụ hệ thống trường phổ thông. Những kiến thức và kỹ năng nhà trường giúp học sinh có được ngày hôm nay là để chuẩn bị cho tương lai hàng thập kỷ sau của các em.

Những câu hỏi khó

Câu hỏi khó khăn là: liệu những người thiết kế sản phẩm giáo dục (những nhà nghiên cứu và biên soạn chương trình), và những người trực tiếp bán sản phẩm giáo dục (các thầy cô giáo) có đủ thấu hiểu trong tương lai khách hàng của mình sẽ cần kiến thức hoặc kỹ năng gì hay không?

Nếu không hiểu, hiểu sai, hoặc hiểu không đủ, sản phẩm nền giáo dục “bán” sẽ không có tác dụng trong tương lai. Cái họ dạy khách hàng không cần đến, và cái khách hàng cần, họ lại không giúp khách hàng chuẩn bị.

Tệ hơn, khách hàng của giáo dục sẽ không hoặc ít có cơ hội làm lại. Vì thế, đây là một câu hỏi lớn, một trách nhiệm rất lớn đối với người làm giáo dục.

Sẽ đơn giản hơn nhiều với người làm giáo dục nếu thế giới không thay đổi, hoặc thay đổi một cách chậm chạp.

Chúng ta dạy những gì chúng ta học được, đúc kết được, đã được kiểm chứng trên thực tế, và những điều này vẫn sẽ còn nguyên giá trị trong tương lai cho các học sinh mà chúng ta dạy dỗ ngày hôm nay. Rất tiếc là công việc của người làm giáo dục không đơn giản như vậy.

Trong khoảng 400 năm trở lại đây, nhân loại đã liên tục đạt được những tiến bộ công nghệ cực kỳ kinh ngạc. Mỗi lần xuất hiện một tiến bộ công nghệ mang tính hủy diệt (disruptive innovation), cái kế tiếp phải đến là cuộc chuyển dịch tất yếu về phân bổ nguồn lực.

Sự ra đời của máy móc cơ khí hồi thế kỷ 17 đã tước bỏ công ăn việc làm của các thợ thủ công lành nghề và tạo công ăn việc làm cho các công nhân lao động giản đơn trong nhà máy, những người chỉ làm một vài thao tác nhỏ trong một dây chuyền phức tạp. Khi phát minh ra điện, các dây chuyền tự động lại tước bỏ công việc của các công nhân thao tác giản đơn và tạo hàng loạt việc làm cho các công nhân kỹ thuật cao, những người làm văn phòng (lực lượng “công nhân cổ cồn trắng”).

Những tiến bộ như vậy liên tục làm biến đổi cấu trúc của nền kinh tế thế giới, liên tục thay đổi cách con người làm ra sản phẩm và dịch vụ, liên tục thay đổi những kiến thức và kỹ năng cần có để một người thành công trong xã hội.

Tuy nhiên, loài người nói chung, và giáo dục nói riêng, chưa bao giờ đứng trước thách thức lớn như lần này, khi đối thủ của họ là trí tuệ nhân tạo (AI).

Thời đại của trí tuệ nhân tạo

Cho đến thời gian gần đây, việc máy móc thay thế con người chủ yếu nằm ở chỗ liệu các kỹ sư và các nhà nghiên cứu có thể quy trình hóa được một công việc tới mức có thể lập trình để máy móc thực hiện hay không.

Khi quy trình hóa được thành những bước giản đơn, máy móc sẽ thực hiện được. Ví dụ các việc chân tay ở nhà máy, hoặc những việc liên quan đến tính toán đòi hỏi tư duy như phân tích và dự báo thời tiết, khi được quy trình hóa thì máy móc có thể làm.

Quy trình hóa những việc mang tính sáng tạo và đòi hỏi ứng biến cao là việc bất khả thi.

Ví dụ theo cách lập trình trước đây, lập trình cho máy tính có thể lái xe bằng cách lên danh sách hàng triệu trường hợp khác nhau kèm theo phương án xử lý viết sẵn là việc cực kỳ mất thời gian và bất khả thi vì không ai có thể nghĩ ra và viết ra được hết các tình huống có thể xảy ra trên đường đi để viết vào chương trình máy tính.

Lái xe ôtô, vì thế, trước đây là việc không thể quy trình hóa, và vì thế không thể do máy móc thực hiện.

Nhưng chỉ hơn một thập niên trở lại đây, ngành khoa học về máy tính đã rẽ sang một hướng hoàn toàn khác.

Thay vì lập trình sẵn các khả năng có thể xảy ra cho máy móc thực hiện, cách tiếp cận mới giờ đây là dạy cho máy tính tự học (machine learning). Để dễ hình dung, có hai cách để dạy cho máy biết con mèo trong một bức hình.

Cách cũ là các định nghĩa cực kỳ chi tiết về cấu trúc hình khối, tỉ lệ, kích thước... trên khuôn mặt và điều này là không thể làm được. Vì thế công nghệ về nhận dạng khuôn mặt cơ bản không tồn tại 10 năm trước.

Cách mới (machine learning) là đưa cho máy rất nhiều hình khác nhau, trong đó có nhiều hình của con mèo và đáp án, giống như chúng ta dạy một em bé từ lúc sơ sinh thế nào là con mèo. Nếu máy tính có thể tiếp cận được nhiều dữ liệu (data), nó sẽ tự phân tích và rút ra quy luật để trả lời cho chúng ta hình nào là hình con mèo.

Việc nó trả lời chính xác hay không phụ thuộc vào lượng data mà nó phân tích. Cũng giống như đứa trẻ sau khi đã xem nhiều hình vẽ, xem nhiều con mèo ngoài đời thật sẽ biết cách trả lời chính xác.

Cách tiếp cận machine learning này chỉ hữu dụng khi máy tính có thể tiếp cận được nhiều data và nó có thể phân tích các data này với tốc độ đủ nhanh.

Rất may (hoặc không may) là thời đại này là thời đại của data. Lượng data mà chúng ta tạo ra ngày càng nhiều, vì ngày càng có nhiều công nghệ cho phép thu thập và lưu trữ data với chi phí ngày càng thấp. Kèm theo đó là tốc độ xử lý data của máy móc ngày càng cao.

Ngành nào sẽ bị AI thay thế?

Vì thế, trong một khoảng thời gian rất ngắn, hàng loạt thuật toán machine learning đã ra đời, cho phép máy móc có thể làm được những việc mà trước đây chỉ dành cho con người.

Hầu như không còn lĩnh vực nào tránh được sự ảnh hưởng của machine learning, kể cả những việc đòi hỏi hoạt động trí não cao.

Ví dụ, công việc chẩn đoán và lên phác đồ điều trị trong ngành y giờ đây đã dựa nhiều vào máy móc. Nhiều trung tâm y tế nổi tiếng của thế giới bắt đầu sử dụng máy móc, như hệ thống Watson của IBM để hỗ trợ chẩn đoán. Hệ thống này được tiếp cận hàng triệu hồ sơ y tế, bao gồm hình ảnh, kết quả xét nghiệm, phác đồ điều trị, kết quả điều trị...

Nó sẽ tự nghiên cứu, đối chiếu, so sánh, lên kết luận chẩn đoán và lập phác đồ điều trị. Với lượng data mà nó tiếp cận được đủ lớn, các hệ thống này có thể chẩn đoán chính xác hơn cả các bác sĩ lành nghề.

Ngành giáo dục cũng không phải ngoại lệ. Mặc dù được coi là những ngành an toàn nhất trong làn sóng về machine learning, nhưng hiện nay các hệ thống học online theo mã nguồn mở (MOOC) đang ngày càng thịnh hành.

Nó là công cụ khởi đầu cho việc thu thập nguồn big data đặc biệt quan trọng. Qua thời gian, nó sẽ tích tụ được lượng data đủ lớn về cá nhân người học, thời lượng, phương pháp, mức độ tương tác, kết quả học tập...

Trên cơ sở nguồn data này, các thuật toán machine learning sẽ không khó để phân tích và đưa ra phương pháp giáo dục tốt nhất cho từng học viên.

Việc cá nhân hóa phương pháp và lộ trình đào tạo theo cách tối ưu mà máy tính có thể làm là việc ngay cả những giáo viên tốt nhất cũng không làm được. Vì thế, bản thân nghề giáo có lẽ cũng sẽ trở thành lạc hậu trong tương lai.

Cuối năm 2013, Carl Frey và Michael Osborne, hai giáo sư thuộc Đại học Oxford, xuất bản một nghiên cứu thú vị. Hai ông phân tích hơn 702 ngành nghề khác nhau và tính toán khả năng bị thay thế bởi máy móc trong tương lai.

Kết quả mà hai ông nhận được là rất ít ngành nghề có thể trụ vững được trước làn sóng trí tuệ nhân tạo, và chúng thường nằm trong nhóm những việc đòi hỏi khả năng sáng tạo cao và năng lực thích nghi nhạy bén. Theo dự đoán của hai ông, có tới 47% số lượng công việc ở Mỹ sẽ có khả năng rất cao bị máy móc thay thế trong vòng 1-2 thập kỷ nữa.

Machine learning, vì thế, đang tạo ra một cơn địa chấn vô cùng lớn trong cấu trúc kinh tế và chính trị của thế giới.

Trong bài phát biểu trước khi rời Nhà Trắng của ông Obama, ông cũng phải thú nhận rằng công nghệ đã làm cơ cấu kinh tế thay đổi, loại ra ngoài lề của cuộc chơi một lượng lớn lao động, và Washington đã không chú ý đúng mức tới quyền lợi của nhóm này, dẫn tới cơn giận dữ của họ thể hiện trong kết quả bầu cử vừa qua.

Minh họa
Minh họa

Giáo dục trong thời đại của AI

Vấn đề khó khăn là chúng ta mới chỉ vừa chớm bước vào thời đại của AI. Chúng ta không thể đoán định được chính xác điều gì sẽ xảy ra trong 10 hay 20 năm nữa.

Vậy làm sao chúng ta biết được phải dạy cái gì, và không dạy cái gì, cho học sinh? Nhưng dù thế nào thì có hai việc mà nền giáo dục phải đồng thời triển khai.

Thứ nhất, cần quay lại từ gốc, cái gì làm chúng ta trở thành con người và xây dựng được một xã hội với mặt bằng công nghệ và cấu trúc xã hội như hiện nay?

Suy đến tận cùng, nó không phải là các cuốn sách viết sẵn, càng không phải là các quy trình đã được phát hiện.

Cái làm cho chúng ta trở thành chúng ta ngày nay chính là khả năng học liên tục những cái mới, năng lực sáng tạo, khả năng phát hiện và giải quyết vấn đề, cũng như khả năng ứng biến trước sự bất định... Nó là các kỹ năng để sinh tồn và phát triển, cho dù trong hoàn cảnh nào.

Thứ hai, chúng ta phải tận dụng chính các công cụ của machine learning để hỗ trợ công việc giảng dạy. Nó không dừng lại ở việc viết các bài giảng trên máy tính.

Nó phải đi đến bản chất thực sự của machine learning, đó là sử dụng các công cụ cho phép tạo data lớn về học sinh và các giải pháp phân tích data lớn này để tìm ra phương pháp tối ưu giúp cho từng học sinh có thể học tập hiệu quả. Quá trình này giúp xác định mỗi học viên học cái gì là thích hợp nhất và học thế nào cho nhanh nhất.

Kết hợp hai giải pháp này có nghĩa là chúng ta có được những phương pháp tốt nhất, thích hợp với từng cá nhân cụ thể để giúp họ hình thành được trong thời gian ngắn nhất, và hiệu quả nhất, các kỹ năng giúp họ thích ứng được với mọi hoàn cảnh và tương lai bất định sau này.

Nếu được như vậy, có lẽ giáo dục sẽ tiếp tục giúp các thế hệ học sinh trong kỷ nguyên AI tận dụng được những cơ hội mà sự bất định đem lại, đồng thời vượt qua được những thách thức và trở ngại trên hành trình tìm kiếm sự thành công.

Theo Tuổi trẻ cuối tuần