Tôi học được gì khi dành 1520 giờ "học AI"

Từ đầu năm ngoái cho đến nay, tôi đã dành gần như hàng tuần để học thêm về AI và Software. Đã có rất nhiều nước mắt, và suy nghĩ bỏ cuộc, nhưng rốt cục tôi vẫn theo đuổi nó đến bây giờ.

Trong khi học, tôi nhận ra cụm từ “học AI” thực ra khá là mơ hồ.

Nhiều người sợ bị thay thế sẽ đổ xô đi “học AI”, bỏ ra hàng triệu để học các khoá dùng ChatGPT, Prompt Engineering, tự động hoá… Mà chưa nghĩ sâu về câu hỏi “Học dùng AI thực chất là gì?”.

Học công cụ? Học tư duy? Học những thuật ngữ phức tạp để đi chém gió?

Là một người có góc nhìn rất tích cực vào tương lai của AI, và nghe rất rất nhiều podcast và video YouTube về chủ đề này, tôi khá chắc rằng AI có thể giúp con người mở ra những chân trời mới. Tuy nhiên, tôi không hề cổ xuý việc chạy theo một thứ trước khi lùi lại và nhìn vào bản chất của vấn đề.

Thế nên, trong bài viết này, tôi sẽ cùng các bạn đào sâu khám phá kỹ năng “dùng AI”, và bàn về điều gì thực sự khiến một người trở nên “không thể thay thế”.

Nhiều người nhắc đến việc dùng AI như là kỹ năng hoàn toàn mới và độc lập. Dạng như từ trên trời rơi xuống, và ta phải học nó nếu không muốn tương lai bị thất nghiệp. Cơ mà, sau một thời gian suy ngẫm và thử nghiệm AI rất nhiều trong học tập, sáng tạo nội dung, lập trình thì tôi nhận ra kỹ năng này thực chất bao gồm những kỹ năng nhỏ hơn. Có một số điều các bạn cần lưu ý về bản chất của việc “học dùng AI”.

Chúng ta thần thánh hoá kỹ năng viết câu lệnh, cơ mà tôi thấy cốt lõi của nó vẫn là giao tiếp. Lấy ví dụ về vibe coding, lập trình với AI. Tưởng tượng các coding agent không chỉ đơn thuần là công cụ, mà là người làm việc cùng bạn. Bạn nghĩ nếu bạn chỉ đưa cho nó hình ảnh của một website, rồi bảo “build this”, thì nó có đưa cho bạn kết quả tốt nhất hay không? Ngoài ra, bạn có kỳ vọng đồng đội của bạn sẽ làm đúng yêu cầu 100% ngay lần đầu tiên không, hay là vẫn sẽ có một vài lần làm việc tiếp theo để chỉnh sửa trước khi đưa ra kết quả cuối cùng?

Tiếp nha. Nếu bạn muốn đồng đội của mình hiểu đề bài bạn đưa cho họ, bạn có đưa cho người ta một đoạn text dài khoảng 10000 chữ, bảo đọc đi rồi xây sản phẩm cho tao không? Tôi đoán rằng bạn sẽ muốn đưa cho họ chỉ những thông tin nào thực sự liên quan.

Nếu bạn làm việc với đồng đội của bạn như thế, tại sao bạn không làm tương tự với coding agent?

Tôi thấy, nếu bạn thực sự hiểu rõ điều này, thì quá trình “học vibe coding” của bạn sẽ trở nên dễ thở hơn rất nhiều. Những thuật ngữ cao siêu mà bạn gặp thực chất ám chỉ những điều khá đơn giản.

Context Engineering chỉ đơn giản là làm sao để tối ưu những thông tin bạn đưa vào coding agent, sao cho nó không dư thừa, mà cũng không thiếu. Markdown là kiểu ngôn ngữ mà các coding agent, hay Large Language Models nói chung rất thích đọc (hiểu như này là được rồi, còn muốn viết markdown thì bạn cứ viết ra ngôn ngữ tự nhiên sau đó đưa vào AI chat bảo nó chuyển sang markdown cho bạn).

Skills bản chất cũng chỉ là file markdown chứa hướng dẫn cho agent của bạn thực hiện các tác vụ cụ thể, như thiết kế front-end hay kiểm tra lại cấu trúc code. Model Context Protocol thực chất là tiêu chuẩn các coding agent sử dụng để gọi công cụ từ bên ngoài. Các công cụ nổi tiếng như Notion, Figma hay Jira sẽ có MCP servers của riêng họ, và nếu AI agent muốn gọi bất kỳ tool nào thì chỉ cần dùng code để gọi về thay vì phải làm 7749 bước để kết nối như xưa.

Thế thôi. Tôi quan sát được tất cả những công cụ hay tiêu chuẩn mới được tạo ra trong lập trình với AI vốn dĩ cũng phục vụ một mục đích, giúp chúng ta giao tiếp rõ ràng, rành mạch và thuận tiện hơn với coding agent. Thế nên, mình tin bản chất của việc học vibe coding, thật ra cũng chỉ là học giao tiếp với coding agent a.k.a developer làm việc cho bạn. Tất nhiên là để giao tiếp với một developer thì bạn cũng cần biết kiến thức chuyên môn, nhưng về bản chất nó vẫn chỉ là giao tiếp chứ không phải điều gì quá cao siêu.

Và, ý tưởng này cũng áp dụng cho hầu hết các tác vụ khác, không chỉ lập trình.

Tiếp tục với ví dụ Vibe Coding ở trên. Người non kinh nghiệm như tôi học Vibe Coding mới phải chật vật. Chứ theo tôi quan sát, những developers nào đã có kinh nghiệm và kỹ năng giao tiếp tốt với đồng nghiệp thì họ còn chẳng cần phải học. Họ biết dùng những thuật ngữ chuyên môn nào để hướng dẫn agent, họ biết đọc code và chỉ rõ đâu là lỗi sai mà nó cần sửa, hay đâu là file code mà nó cần chú ý.

Một nhóm người khác cũng nhận được hiệu ứng đòn bẩy từ vibe coding là Product Manager và Product Designer. Vì họ hiểu rõ định hướng sản phẩm, hiểu rõ như thế nào là sản phẩm mang lại trải nghiệm người dùng tốt, nên họ có thể đưa những câu lệnh đi thẳng vào trọng tâm cho coding agent. Còn những thuật ngữ liên quan đến lập trình thì họ có thể nhờ developers hoặc nhờ LLMs đề xuất.

Về căn bản, sử dụng AI để lập trình và tạo sản phẩm sẽ không khó nếu bạn đã có sẵn nền tảng chuyên môn về lập trình và về sản phẩm. Ngược lại, nếu bạn chưa có nền tảng chuyên môn mà cứ đi học dùng nào là Skills, nào là MCP, rồi cứ chăm chăm cập nhật bất kỳ công cụ nào mới ra, thì tôi cá sẽ chỉ phản tác dụng. Theo, một YouTuber và Developer nổi tiếng chia sẻ rằng ổng không dùng bất kỳ MCP server nào, và cũng chỉ dùng duy nhất một skill là front-end design (1). Tương tự, Peter Steinberger, người tạo ra OpenClaw, cũng bảo rằng ông không hề dùng workflow gì phức tạp, chỉ đơn giản là giao tiếp thật mạch lạc (2).

Điều tương tự cũng đúng với việc dùng AI khi viết lách. Tôi không dùng AI cho những bài viết mình đăng lên trang cá nhân, nhưng tôi có thử nghiệm viết với AI. Tôi thấy nếu chỉ rõ giọng văn tôi muốn nó viết, bảo nó những từ hay ký tự nó nên tránh, và hay hơn nữa là đưa một đoạn văn ví dụ mẫu cho nó, thì bài viết được tạo ra sẽ hay hơn rất nhiều. Điều này chỉ có thể được thực hiện nếu tôi đã biết rõ cách diễn đạt mình muốn, biết như thế nào là một bài viết tốt.

Còn nếu bạn đã viết dở thì dùng AI chỉ thêm rác mạng xã hội mà thôi.

Nhìn chung, nếu chuyên môn đã vững thì bạn chỉ cần mất gần một tháng là đã nắm được căn bản về những công cụ hiện hành và ứng dụng được nó trong công việc. Nhưng nếu bạn không có chuyên môn mà đã vội học công cụ thì cả đời cũng chẳng khá nổi. Cũng giống như việc muốn học nấu ăn mà chú tâm vào kỹ năng dùng dao thay vì rèn luyện vị giác.

Cơ mà, tôi thấy cách giải quyết cũng không đơn giản là bỏ qua AI và chỉ tập trung vào phát triển chuyên môn. Vì có một số thành tố trong chuyên môn của bạn sẽ dễ bị thay thế hoàn toàn bởi AI trong tương lai, nên cũng không cần phải tôi luyện nó làm gì. Quan trọng là phải xác định được tác vụ nào xứng đáng để tập trung thời gian, và tác vụ nào có thể sử dụng AI để làm thay. Tôi sẽ bàn kỹ về vấn đề này trong phần tiếp theo.

Tôi thấy các công cụ AI hiện nay đã trở thành những “bạn đồng hành” không thể thiếu của rất nhiều người từ nhiều ngành khác nhau. Không thiếu người cố gắng tự động hoá nhiều khâu của công việc nhất có thể. Bản chất của hành vi này không xấu. Có những việc rất nhàm chán và lặp đi lặp lại ví dụ như lướt Google để tìm bài báo phù hợp, sửa file excel,… những việc đấy hoàn toàn có thể dùng AI.

Tuy nhiên, nếu bạn để AI tư duy thay cho bạn những kỹ năng nghiệp vụ mà đáng lý bạn phải có, thì… bạn nộp đơn nghỉ việc dần là vừa đấy.

Tôi thấy chính những người phụ thuộc vào AI quá nhiều mới dễ bị AI thay thế, vì vốn kiến thức của họ không có gì hơn ngoài khả năng sử dụng công cụ.

Nếu kỹ năng chuyên môn mà bạn chọn theo đuổi là viết lách, nhưng bạn nhờ AI viết từ đầu chí cuối, thì điều gì khiến bạn khác biệt so với những người viết khác, những người cũng có thể sử dụng công cụ giống y chang bạn? Đó cũng là lý do mà tôi không bao giờ sử dụng AI cho bất kỳ câu từ nào tôi viết. Tôi có dùng nó để tìm kiếm thông tin, và kiểm tra những luận điểm mà tôi nhắc đến trong bài. Nhưng ngoài ra, từng từ từng chữ các bạn đọc được vẫn là do tôi nắn nót viết (gõ) ra.

Kể cả giai đoạn suy nghĩ ý tưởng đa số tôi cũng tự làm chứ không dùng AI, bởi tôi biết khả năng suy nghĩ, sắp xếp và viết ý tưởng ra một cách rành mạch chính là năng lực lõi của một người viết, nên tôi không bao giờ để AI làm thay.

Hai nhà nghiên cứu từ đại học MIT là Micheal Caosun và Sinan Aral (3) đã viết một bài báo khoa học về chủ đề này. Bài báo kết luận rằng những người sử dụng AI khi năng lực chưa phát triển hoàn thiện về lâu dài sẽ trở nên kém năng suất hơn trước khi dùng AI, vì bây giờ họ đã mất đi khả năng chuyên môn của mình và phụ thuộc hoàn toàn vào công cụ.

Ngoài ra, sự tiện lợi mà AI mang lại có thể khiến bạn phí thời gian vào những việc vô bổ.

Bạn dành 30 phút để tạo ra một slide với 10 trang rất đẹp mà bình thường để tạo chắc phải mất cả tiếng. Sau khi tạo xong, đang tự hào nhìn ngắm thành quả của mình bạn mới chợt vỡ lẽ, đáng ra 30 phút kia mình không nên dùng để trang trí slide làm gì. Bạn hoàn toàn có thể tóm gọn 10 slide đó trong 3 slide, với phong cách trắng đen căn bản, dễ đọc. Bạn không nhận ra điều này bởi tự tin rằng AI có thể làm thay slide cho bạn, nên bạn còn chả thèm tự hỏi ngay từ đầu bạn có nên làm slide này không.

Vì bây giờ AI hỗ trợ chúng ta rất nhanh, nhiều người lao thẳng vào làm việc mà không nghĩ rằng việc này có xứng đáng để họ dành thời gian làm hay không.

Nhìn chung, dùng AI vừa đơn giản, nhưng cũng thật phức tạp.

Thiết nghĩ, câu trả lời cho câu hỏi này sẽ tuỳ thuộc vào nhiều yếu tố, bạn đang làm trong lĩnh vực nào? Trình độ của bạn nằm ở đâu? …

Có nhiều người tin chắc con người sẽ không bao giờ bị thay thế. AI, đối với họ, cũng chỉ là những cỗ máy xác suất, sẽ không bao giờ chạm đến sự sáng tạo và trình độ tư duy của con người. Cũng hợp lý, nhưng tôi không đồng ý hoàn toàn. Họ quên rằng ChatGPT chỉ mới ra mắt vào cuối năm 2022, kéo theo đó là sự phổ biến rộng rãi của LLMs cho đại chúng. Và coding agents cũng không thực sự bùng nổ cho đến đầu 2025. Về căn bản, công nghệ đang phát triển theo cấp số nhân, và những đột phá ngày càng ra đời với tốc độ nhanh hơn. Chắc gì 5-10 năm sau, cấu trúc được dùng cho LLMs đã là Transformer? Chúng ta không thể áp dụng tư duy tuyến tính cho sự phát triển hiện tại của AI.

Vả lại, chúng ta cứ thần thánh hoá về tư duy con người, nhưng về bản chất nó cũng chỉ xuất phát từ não bộ chứ không phải từ trên trời rơi xuống. Hiện tại siêu máy tính mạnh nhất thế giới, Jupiter, đã có khả năng mô phỏng hàng tỉ neuron, tiệm cận với kích cỡ của não bộ con người (4). Vậy, điều gì khiến chúng ta chắc chắn rằng tư duy của con người sẽ không thể bị mô phỏng?

Thực ra, tôi chia sẻ vậy để các bạn bước ra khỏi tư duy cố hữu của mình, chứ nếu nghĩ quá sâu về việc AI có thay thế hoàn toàn con người hay không cũng không có ích cho lắm. Quan trọng vẫn là tập trung vào những gì chúng ta có thể làm được trong tương lai gần.

Trước khi đến với câu trả lời mà chính tôi nghiệm được, hãy cùng điểm qua một số ý kiến của các chuyên gia mà tôi ngưỡng mộ. Lưu ý là tôi không hoàn toàn đồng tính với các quan điểm tôi sắp nhắc đến, nhưng tôi vẫn thấy chúng có ích để giúp ta tư duy về vấn đề này.

…

Trong một cuộc phỏng vấn trên Podcast How I write (5), nhà văn Ocean Vuong (tác giả cuốn “một thoáng ta rực rỡ ở nhân gian”) chia sẻ suy nghĩ của ông về AI. Ông cho rằng bản chất của AI luôn là sự đồng hoá (homogenization). Những câu trả lời nó đưa ra đều có mùi rất giống nhau.

Trong khi đó, thiên mệnh của người viết lại là tìm ra những ý mới chưa từng tồn tại, những câu văn chưa được khám phá, hoặc chí ít cũng đưa ra một góc nhìn mới cho sự vật sự việc vốn dĩ quen thuộc. Bởi lẽ đó, Ai không bao giờ thay thế được một người viết chân chính.

…

“AI biết rộng, trong khi con người (ít nhất là những chuyên gia) lại hiểu sâu”. Terrence Tao, người được mệnh danh Mozart của toán học, nói với Dwarkesh Patel (6). AI, với lượng kiến thức mà nó có, sẽ có thể thay đổi hoàn toàn quy trình thử nghiệm trong toán học. Thay vì dành hàng năm trời để giải một bài toán, con người có thể dùng AI để đưa ra thật nhiều thử nghiệm, từ đó rút ra nhiều cách khác nhau để giải toán. Nhưng AI có thay thế hoàn toàn Terrence Tao không?

Có thể, nhưng trong một thời gian dài nữa. Terrence Tao đưa ra ví dụ về công dụng của máy tính (calculator) với toán học. Máy tính có thể giúp con người tự động hoá rất nhiều tính toán phức tạp mà não người không thể tự thực hiện. Tuy nhiên, chúng không thay thế hoàn toàn các nhà toán học. Họ chỉ đơn thuần được tự do để giải quyết những vấn đề mới phức tạp hơn. Vả lại, hiện tại, AI chỉ đang giải toán bằng cách “brute force”, thử hàng trăm giải pháp cho đến khi được thì thôi. Chúng chưa thể học được từ những giải pháp của chúng, và cũng chưa thể tìm ra đâu là giải pháp tối ưu nhất để giải quyết vấn đề .

…

Steven Barlett hỏi Jeff Hinton (7) (người được mệnh danh là cha đẻ của AI hiện đại) với một giọng điệu ánh lên vẻ lo âu: “Giả dụ con của ông hỏi ông tương lai con nên làm gì, thì ông sẽ trả lời như thế nào”.

“Con của tôi không phải trường hợp điển hình, vì tôi đã làm việc ở Google để có đủ tiền cho chúng cả đời.”

“Thế giả dụ chúng không có tiền thì sao?”

Jeff im lặng khoảng ba giây, rồi nhìn thẳng vào Steven. “Làm thợ sửa ống nước.”

…

Nhìn chung, qua một số ý kiến các bạn vừa được thấy, và hàng chục tập podcast, video YouTube khác mà tôi xem, tôi thấy có một số khoản đầu tư chúng ta có thể “rót vốn” để có lãi sau này.

Alex Hormozi (8) chia sẻ như sau về xây dựng thương hiệu cá nhân (tôi tin tư duy này cũng áp dụng được cho nhiều lĩnh vực khác):

“Bất kỳ người 23 tuổi nào cũng muốn xây dựng thương hiệu cá nhân.

Nhưng mọi người ai cũng quên mất phần “cá nhân”. Điều giúp họ thu hút độc giả không phải là cách edit video hoặc cách đăng bài, mà là có những thành tựu, kỹ năng, và quan điểm xứng đáng được người khác theo dõi.

Thế nên, nếu bạn muốn tạo một thương hiệu cá nhân tuyệt vời, hãy làm những điều tuyệt vời trước.”

Quá đúng.

Những trải nghiệm sống, những thành tựu thực tế của bạn chính là điều khiến AI không thể thay thế được bạn.

AI không thể nào viết được về trải nghiệm cùng một ngày đứng trên bục nhận giải Đường lên đỉnh Olympia hai lần, một lần cầm cúp vô địch tuần cùng với bao ước vọng, lần tiếp theo cách một tiếng sau lại cầm kỷ niệm chương hạng ba cùng với nỗi thất vọng vì không thể mang cầu truyền hình về cho quê hương.

AI không thể nào viết được trải nghiệm vừa run sợ vừa phấn khích khi đứng trên sân khấu TEDx, trong đầu vẫn cầu mong ban tổ chức không mời nhầm người.

Và nó cũng không bao giờ thuật lại được buồn dai dẳng khi cố gắng hàng tháng trời vẫn không đạt được mục tiêu tôi mong muốn. Vì đó là trải nghiệm cá nhân của riêng tôi, chỉ có tôi mới có thể chia sẻ được.

Viết tốt, thực chất là sống tốt (tốt là gì thì chỉ có bạn mới định nghĩa được).

Không chỉ viết lách, mà trong bất kỳ lĩnh vực nào, nếu bạn muốn tạo kết nối với người khác, cách nhanh nhất là chia sẻ những gì bạn đã làm được. Khi bạn có những trải nghiệm khiến người khác ngưỡng mộ hoặc đồng cảm, họ sẽ tự động muốn kết thân với bạn.

Thế nên, có một câu hỏi tôi thường tự hỏi bản thân: “Nếu mười năm nữa tôi xuất bản một cuốn tự truyện, thì cuốn sách của tôi cần có những tình tiết gì để bán chạy. Tôi chủ động chọn những mục tiêu nào sẽ khiến câu chuyện cuộc đời tôi thêm thú vị hơn.

Mà, không cần phải là những câu chuyện thành công mới thu hút được người khác. Trên thực tế, một cuốn tiểu sử chỉ toàn câu chuyện thành công từ a-z thường đọc rất chán. Những giai đoạn trắc trở, những lần dù cố gắng hết sức vẫn bất thành, những lần dù nghi hoặc bản thân nhưng vẫn bước tiếp, tôi nghĩ đó mới là những câu chuyện khiến độc giả đồng cảm và được truyền cảm hứng. Nhưng chí ít, câu chuyện của bạn nên thể hiện sự cố gắng để hái những vì sao, chứ không thuần đi bộ trên mặt đất.

Nhiều người bảo thời đại này không cần luyện viết nữa vì đã có AI viết thay rồi. Tôi không đồng ý. Có thể ý kiến của tôi không khách quan vì tôi là người viết, tuy nhiên, tôi thấy tác dụng của viết lách không chỉ dừng lại ở mỗi việc truyền đạt thông tin cho người khác.

Viết còn giúp bạn khám phá chính suy nghĩ của mình.

Nhiều khi có một ý tưởng bạn thấy rất hay, nhưng viết ra mới thấy nó chẳng đi đến đâu, và ngược lại.

Khi viết, bạn phải tập trung tổ chức suy nghĩ của mình cho gãy gọn, súc tích, và chính điều này cũng sẽ giúp bạn tạo thói quen tư duy rành mạch hơn.

Không phải tự nhiên mà những tỉ phú nổi tiếng như Warren Buffet hay Jeff Bezos đều trứ danh với thói quen viết của mình. Jeff còn phổ biến thói quen viết rộng rãi đến tất cả nhân viên ở Amazon, với tập tục viết ra những ý chính trước mỗi buổi họp để cho tất cả mọi người cùng đọc, thay vì sử dụng slide.

Những podcaster nổi tiếng với lối giao tiếp mạch lạc như Steven Barlett hay Chris Williamson cũng thừa nhận rằng họ có thói quen viết rất nhiều.

Vì bản chất của việc viết giúp bạn luyện tư duy rành mạch, nên chỉ cần viết tốt, khả năng giao tiếp và khả năng giải quyết vấn đề của bạn cũng tự động phát triển theo.

Đã thế, viết lách lại có thể giúp ta xây dựng thương hiệu cá nhân nữa chứ. Trong thời đại mà rác từ AI mọc lên như nấm, tôi tin rằng những người đã có một lượng khán giả nhất định sẽ có lợi thế lớn. Bởi, thay vì chọn mua hàng từ những trang web vô danh, người dùng sẽ chọn mua từ những người mà họ đã theo dõi.

Nếu bạn vẫn đang ảo tưởng sử dụng AI để viết sẽ giúp bạn xây dựng thương hiệu cá nhân, thì dừng lại đi. Thử hỏi một câu đơn giản, nếu ai cũng dùng 100% AI để xây dựng thương hiệu cá nhân được, vậy ai cũng là người nổi tiếng hay sao? Hơn nữa, bạn đã bao giờ bấm theo dõi một kênh khi biết kênh đó 100% nội dung được AI tạo nên chưa? Rất hiếm đúng không. Kể cả bạn có sáng tạo nội dung bằng video thì bạn cũng phải biết cách viết kịch bản.

Để bắt đầu luyện viết thì không khó, đã có rất nhiều bài hướng dẫn trên internet. Cá nhân tôi cũng có nhận hướng dẫn 1-1, nếu bạn hứng thú thì có thể nhắn tin riêng.

Đây là lý do tại sao Jeff Hinton tin thợ sửa ống nước sẽ là một trong những ngành nghề an toàn trong thời gian tới. Bây giờ mặc dù robotics đang phát triển với tốc độ vũ bão, sẽ mất rất lâu để chúng có thể đạt đến độ tỉ mỉ sánh ngang với con người.

Thế nên, những ngành như may mặc, làm đồ thủ công, sửa ống nước, sẽ là những ngành khó bị thay thế. Cá nhân tôi không phát triển theo hướng này nhưng tôi nhận thấy đây là một hướng đi khá an toàn cho tương lai 10 năm tới. Không đùa.

Đọc đến đây, nhiều bạn nghĩ tôi đang khuyên các bạn không nên dùng AI. Hoàn toàn không. Bản thân tôi vẫn dùng AI mỗi ngày cho học tập và lập trình.

Chỉ là tôi mong các bạn đừng dùng AI một cách mù quáng, mà hãy suy nghĩ thật kỹ về điều gì các bạn nên tự động hoá, điều gì các bạn không bao giờ nên.

Mỗi kỹ năng, mỗi nghề nghiệp, sẽ có một câu trả lời khác nhau.

Hãy bàn một chút về việc sử dụng AI trong học tập, vì đây là bài viết của The Learning Enthusiast.

Có một mâu thuẫn lớn giữa các công cụ AI và khoa học của học tập. AI được sinh ra để khiến việc học trở nên dễ dàng hơn, trong khi đó, sự khó khăn trong học tập, hay còn gọi là Desirable Difficulty mới chính là yếu tố khiến bạn ghi nhớ một thông tin.

Để đưa một đơn vị kiến thức vào trí nhớ dài hạn, chúng ta không thể chỉ nhìn nó một lần là xong. Mà chúng ta cần suy nghĩ về nhiều khía cạnh của thông tin đó, liên kết nó với các đơn vị kiến thức khác mà ta đã biết, ôn tập kiến thức đó dưới nhiều hình thức khác nhau…

Thử tưởng tượng, giữa hàng tỉ thông tin mà chúng ta tiếp xúc mỗi ngày, liệu não bộ có giữ lại những thông tin mà nó thấy vô giá trị? Mà, làm cách nào để não bộ thấy thông tin đó giá trị? Qua những nỗ lực tiếp thu thông tin của chúng ta, và qua sự “khó khăn” mà nó gặp khi học thông tin này.

Bởi vậy, sử dụng AI khi học sẽ rất dễ tạo ra ảo tưởng học tập (illusion of learning). Chúng ta đọc và cảm giác mình hiểu 100% những gì mà ChatGPT hay Gemini giảng, nhưng khi được kiểm tra kiến thức thì mới tá hoả ra mình chẳng nhớ gì.

Tôi sẽ bàn chi tiết hơn về AI trong học tập ở các bài viết tiếp theo. Trong khuôn khổ bài viết này, một mẹo mà bạn có thể ứng dụng ngay đó là sử dụng AI để  kiểm tra kiến thức thay vì đơn thuần. dùng nó để tiếp thu kiến thức mới. Mỗi khi học xong chủ đề gì, hãy bảo AI tạo quiz và câu hỏi thực tế để kiểm tra độ hiểu của bạn. Mà, để chắc ăn, nếu có thể bạn nên học từ sách hoặc bài báo, sau đó nhờ AI kiểm tra kiến thức; thay vì học trực tiếp từ AI. Vì AI hiện tại vẫn còn hiện tượng ảo giác, nên nó có thể đưa cho bạn những thông tin sai lệch, ảnh hưởng đến quá trình học tập của bạn.

Ngoài ra, tôi cũng muốn bàn nhanh về một chủ để tôi đã đào sâu trong khoảng 5 tháng gần đây: lập trình với AI

Thú thật vì tôi không có background lập trình nên tôi vẫn dựa rất nhiều vào coding agent để tạo ứng dụng. Tuy nhiên, tôi cố gắng đọc hết tất cả mọi output mà agent đưa cho tôi, bắt nó giải thích những gì nó làm, và hỏi nó những chỗ nào tôi cảm thấy khó hiểu. Tôi không nghĩ rằng mình sẽ học lập trình bằng cách truyền thống, nhưng tôi cũng cố gắng để cải thiện kiến thức của mình sau mỗi lần tương tác với AI, thay vì phụ thuộc hoàn toàn vào nó.

Bên cạnh đó, tôi cũng học thêm python và đọc sách về AI engineering để bổ sung kiến thức.

Nhìn chung, tôi thấy nếu bạn dùng AI từ đầu chí cuối mà không tự tư duy, dù là bạn đang làm bất kể tác vụ gì, thì bạn sẽ rất dễ bị thay thế bởi chính công cụ mình đang sử dụng. Nếu dựa 100% vào AI thì tôi thấy thà không dùng còn tốt hơn. Phải tìm điểm cân bằng.

Kết

Tôi mong rằng qua bài viết này, các bạn đã cảm thấy vững tâm hơn giữa một thế giới hỗn loạn, nơi ai cũng gào thét vào tai các bạn phải học dùng AI đi nếu không sẽ bị thay thế.

Tôi xin nhắc lại, tôi không cản các bạn học dùng AI.

Nhưng, trước khi học, mong các bạn hiểu rõ, học dùng AI thực sự là gì, những trường hợp nào nên dùng AI, và trường hợp nào không.

Be curious,

The learning enthusiast

Nguồn tham khảo:

[1]Theo - t3․gg, “How I code with AI right now,” YouTube, Dec. 04, 2025. https://www.youtube.com/watch?v=-g1yKRo5XtY (accessed Apr. 14, 2026).

[2]P. Steinberger, “Just Talk To It - the no-bs Way of Agentic Engineering,” Steipete.me, Oct. 14, 2025. https://steipete.me/posts/just-talk-to-it (accessed Apr. 14, 2026).

[3]M. Caosun and S. Aral, “The Augmentation Trap: AI Productivity and the Cost of Cognitive Offloading,” arXiv.org, 2026. https://arxiv.org/abs/2604.03501 (accessed Apr. 14, 2026).

[4]A. Wilkins, “We’re about to simulate a human brain on a supercomputer,” New Scientist, Jan. 12, 2026. https://www.newscientist.com/article/2510892-were-about-to-simulate-a-human-brain-on-a-supercomputer/ (accessed Apr. 14, 2026).

[5]David Perell, “NYU Professor Teaches the Art of Writing (Ocean Vuong Interview),” YouTube, Mar. 25, 2026. https://www.youtube.com/watch?v=kn4r4CmWmUw (accessed Mar. 29, 2026).

[6]Dwarkesh Patel, “Terence Tao – How the world’s top mathematician uses AI,” YouTube, Mar. 20, 2026. https://www.youtube.com/watch?v=Q8Fkpi18QXU (accessed Apr. 14, 2026).

[7]The Diary Of A CEO, “Godfather of AI: I Tried to Warn Them, But We’ve Already Lost Control! Geoffrey Hinton,” YouTube, Jun. 16, 2025. https://www.youtube.com/watch?v=giT0ytynSqg

[8]A. Hormozi, “Alex Hormozi on Instagram: ‘If you want an epic personal brand, do epic shit first.,’” Instagram, 2017. https://www.instagram.com/reels/DLfZDWORKYT/ (accessed Apr. 14, 2026).