Từ giả thuyết Sapir–Whorf mà mình đã liên tưởng đến cách sử dụng AI, mình nhận ra một vấn đề: chúng ta thường hình dung nhiều hơn những gì mình có thể diễn đạt. Và để AI hiểu đúng điều mình muốn, trước hết mình cần học cách suy nghĩ và giao tiếp rõ ràng hơn.
SAPIR–WHORF LÀ GÌ?
Đầu thế kỷ XX, nhà ngôn ngữ học Edward Sapir và Benjamin Lee Whorf nghiên cứu mối quan hệ giữa ngôn ngữ, văn hóa và tư duy. Từ đó, giả thuyết Sapir–Whorf được biết đến rộng rãi.
“Ngôn ngữ mà chúng ta sử dụng có thể ảnh hưởng đến cách chúng ta suy nghĩ, nhận thức và diễn giải thế giới.”
Hiểu đơn giản, ngôn ngữ không chỉ giúp chúng ta diễn đạt những gì đang nghĩ, mà còn có thể ảnh hưởng đến cách chúng ta phân loại và hiểu những gì đang trải nghiệm.
Ví dụ, khi chỉ dùng từ “buồn”, mình có thể chưa phân biệt rõ cảm xúc của bản thân. Nhưng khi biết thêm những từ như thất vọng, tiếc nuối, cô đơn hay bất lực, mình có thêm cách gọi tên những sắc thái khác nhau.
Chúng ta vẫn có thể cảm nhận được những khác biệt ấy dù chưa biết từ ngữ tương ứng. Nhưng khi thiếu cách diễn đạt phù hợp, việc hiểu rõ trải nghiệm của chính mình và truyền đạt nó cho người khác có thể trở nên khó khăn hơn.
Giả thuyết này cũng truyền cảm hứng cho bộ phim khoa học viễn tưởng nổi tiếng Arrival (2016), kể về nỗ lực giải mã hệ thống chữ viết hình tròn của người ngoài hành tinh, một nhiệm vụ có thể quyết định liệu nhân loại sẽ tìm được cách giao tiếp hay đẩy thế giới đến bờ vực chiến tranh.
VÀI BÀI HỌC NHỎ TỪ MỘT VIDEO CHIA SẺ VỀ GIẢ THUYẾT NÀY
Mình biết đến giả thuyết này qua một video ngắn, có vẻ được dịch từ một kênh nội dung Trung Quốc. Điều khiến mình chú ý là quan điểm: khi không thể diễn đạt một điều rõ ràng, có thể chúng ta vẫn chưa suy nghĩ thấu đáo về nó; và khi chưa hiểu rõ bản chất, chúng ta cũng khó nắm bắt vấn đề.
Từ video đó, mình rút ra bốn bài học.
Thứ nhất, trau dồi vốn từ để phát triển tư duy.
Khi chỉ có những từ chung chung như tốt, xấu, vui hay buồn, chúng ta dễ gộp nhiều trải nghiệm khác nhau vào cùng một cách diễn đạt. Biết thêm những từ như thất vọng, bất lực hay tiếc nuối giúp chúng ta phân biệt và gọi tên những sắc thái chính xác hơn.
Có thể rèn luyện bằng cách đọc, viết và chủ động sử dụng những từ mới trong ngữ cảnh thực tế.
Thứ hai, khi suy nghĩ mơ hồ, hãy dùng định lượng và quan sát.
Thay vì chỉ nói một vấn đề đang xảy ra, hãy mô tả những gì mình thực sự quan sát được.
Ví dụ khi lập trình với AI:
- Mơ hồ: “Website của tôi tải quá chậm, hãy tối ưu lại.”
- Cụ thể: “Trang chủ mất 6 giây để hiển thị nội dung chính trên điện thoại, trong khi mục tiêu của tôi là dưới 2,5 giây.”
Cách thứ hai giúp AI hiểu được thao tác nào gây lỗi, kết quả thực tế là gì và lỗi có thể tái hiện hay không. Những dữ kiện này giúp khoanh vùng nguyên nhân tốt hơn, thay vì để AI đoán mò.
Thứ ba, thử mô tả bằng ít nhất ba tính từ.
Những từ như đẹp, tốt hay chuyên nghiệp thường chưa đủ để người khác hiểu chính xác điều chúng ta muốn.
Ví dụ:
- Mơ hồ: “Mình muốn một bức ảnh cô gái mặc áo dài thật nghệ thuật.”
- Cụ thể: “Mình muốn một bức chân dung thanh lịch, trầm lắng và giàu cảm xúc, với ánh sáng dịu từ bên trái, hậu cảnh mờ nhẹ và chủ thể được lấy nét rõ.”
Việc tìm thêm những đặc điểm phù hợp buộc chúng ta xác định rõ điều gì thực sự quan trọng. Ba tính từ không phải quy tắc bắt buộc; mục đích là mô tả đúng ý tưởng, không phải kéo dài câu chữ.
Một mẹo hữu ích là nhờ AI hỏi ngược lại mình về tư thế, ánh sáng, bố cục và cảm xúc mong muốn trước khi tạo ảnh. Mình chỉ cần trả lời từng câu để làm rõ ý tưởng.
Thứ tư, tự hỏi mình thực sự muốn gì trước khi diễn đạt.
Đôi khi chúng ta nói lan man vì chính mình cũng chưa xác định rõ điều cần truyền đạt.
Trước khi nói hoặc viết, hãy tự hỏi:
- Mình muốn mô tả điều gì?
- Thông tin nào quan trọng nhất? Rút ra các ý chính dưới dạng bullet point.
- Người nghe cần hiểu gì?
- Người nghe cần làm gì sau khi nghe xong?
Ví dụ, thay vì yêu cầu “làm cho tôi một website đẹp để bán áo”, hãy xác định mục tiêu cụ thể hơn:
“Mình có một cửa hàng quần áo offline và muốn xây dựng website để tăng độ tin cậy với khách hàng mới. Trang chủ cần giúp khách hiểu cửa hàng bán gì trong vài giây, xem được các mẫu áo và giá bán dễ dàng. Giao diện cần đẹp, chỉn chu, hiển thị tốt trên điện thoại và có nút liên hệ qua số điện thoại rõ ràng.”
Khi giải thích vấn đề cho chính mình bằng ngôn ngữ dễ hiểu, chúng ta có thể phát hiện những chỗ thiếu logic, loại bỏ thông tin thừa và rút gọn ý tưởng thành thông điệp rõ ràng hơn.
Bốn bài học này không phải những nguyên lý được Sapir–Whorf trực tiếp đề xuất, nhưng chúng giúp mình suy ngẫm về cách ngôn ngữ liên hệ với khả năng tư duy và diễn đạt.
KHI AI XUẤT HIỆN, KHOẢNG CÁCH GIỮA Ý TƯỞNG VÀ NGÔN NGỮ TRỞ NÊN RÕ RÀNG HƠN
Mình để ý rằng nhiều người sử dụng AI thường đưa ra những prompt rất ngắn gọn, sau đó mong đợi kết quả phải giống với hình dung chi tiết trong đầu họ.
Ví dụ, một người muốn tạo ảnh cô gái Việt Nam mặc áo dài đứng bên hồ. Họ chỉ viết:
“Hãy tạo cho tôi một bức ảnh đẹp về một cô gái mặc áo dài đứng bên bờ hồ.”
Nhưng trong đầu họ có thể là một cô gái đứng nghiêng 45 độ, ánh mắt nhìn về phía mặt nước, tà áo chuyển động nhẹ trong gió, ánh sáng buổi sớm chiếu từ bên trái, hậu cảnh mờ nhẹ và toàn bộ bức ảnh mang cảm giác hoài niệm.
AI không thể mặc nhiên biết hết những chi tiết chưa được truyền đạt. Nó phải tự đưa ra các quyết định còn thiếu. Kết quả có thể đẹp, nhưng chưa chắc giống điều người dùng thực sự muốn.
Kiến thức về nhiếp ảnh có thể giúp chúng ta mô tả chính xác hơn. Chẳng hạn:
“Ảnh chân dung dọc tỷ lệ 4:5, chụp cô gái Việt Nam mặc áo dài trắng đứng bên hồ vào sáng sớm. Góc máy ngang tầm mắt, tiêu cự 85mm, khẩu độ f/2, lấy nét vào mắt, hậu cảnh mờ nhẹ. Ánh sáng tự nhiên tản mềm từ bên trái, giữ rõ kết cấu khuôn mặt và tà áo. Bố cục tối giản, tông màu trầm, cảm giác tĩnh lặng và hoài niệm.”
Ngay cả khi không biết các thông số kỹ thuật, chúng ta vẫn có thể mô tả bằng ngôn ngữ đời thường , sau đó nhờ chính AI hỗ trợ xây dựng prompt. Điều quan trọng không phải là viết prompt càng dài càng tốt, mà là xác định những yếu tố quan trọng và diễn đạt chúng đủ rõ ràng.
Với mình, đây là một ví dụ trực quan về khoảng cách giữa việc có ý tưởng và khả năng truyền đạt ý tưởng.
DÙNG AI TRONG LẬP TRÌNH.
Một người muốn xây dựng ứng dụng quản lý chi tiêu có thể yêu cầu AI tạo giao diện, thêm giao dịch và hiển thị biểu đồ. AI tạo ra một bản demo trông khá hoàn chỉnh, nhưng sau khi tải lại trang, toàn bộ dữ liệu biến mất.
Người dùng biết ứng dụng có vấn đề nhưng chưa chắc hiểu nguyên nhân. Họ có thể yêu cầu AI sửa nút lưu hoặc chỉnh giao diện mà không nhận ra vấn đề nằm ở cơ chế lưu trữ dữ liệu.
Nếu thiếu kiến thức về hệ thống, họ có thể không biết cần hỏi dữ liệu đang được lưu ở đâu, liệu nó có tồn tại sau khi khởi động lại ứng dụng hay không, và có cần đồng bộ giữa nhiều thiết bị không.
Một ứng dụng cá nhân không nhất thiết phải dùng cơ sở dữ liệu đám mây; lưu trữ trên trình duyệt có thể đủ cho nhu cầu đơn giản. Điều quan trọng là hiểu yêu cầu trước khi chọn giải pháp.
Ở đây, vấn đề không chỉ là thiếu vốn từ, mà còn là thiếu kiến thức để nhận ra những câu hỏi cần đặt ra.
Người có kiến thức chuyên môn thường nhìn thấy những phần còn thiếu trong yêu cầu và biết cách đánh giá kết quả. Ngược lại, người chưa có nền tảng có thể tạo ra một sản phẩm trông hoàn chỉnh nhưng không biết nó còn thiếu điều gì.
Để sử dụng AI hiệu quả, chúng ta không chỉ cần diễn đạt điều mình muốn, mà còn cần hiểu đủ để xác định yêu cầu, nhận ra lỗi và kiểm tra kết quả.
Đôi khi, chúng ta phải chấp nhận rằng mình chưa biết đủ, chủ động đặt câu hỏi và dành thời gian xây dựng kiến thức nền tảng nếu muốn đi đường dài.
AI GIÚP CHÚNG TA TẠO RA NHIỀU THỨ HƠN, NHƯNG CÓ GIÚP CHÚNG TA HIỂU NHIỀU HƠN KHÔNG?
AI đã giảm đáng kể rào cản để tạo ra hình ảnh, bài viết và phần mềm. Nhưng khả năng tạo ra một thứ không đồng nghĩa với khả năng hiểu, đánh giá và kiểm soát nó.
Một giao diện đẹp không có nghĩa hệ thống hoạt động đúng. Một bài viết trôi chảy không có nghĩa lập luận chính xác. Một bức ảnh đúng chủ đề không có nghĩa nó truyền tải được cảm xúc mà người tạo ra hình dung.
AI giúp chúng ta đi từ ý tưởng đến kết quả nhanh hơn, nhưng không tự động loại bỏ khoảng cách giữa điều chúng ta muốn và điều chúng ta thực sự hiểu.
Mình không nghĩ mọi người phải trở thành chuyên gia trong tất cả lĩnh vực. Nhưng chúng ta cần biết đủ để xác định mục tiêu, đặt câu hỏi đúng, nhận ra giới hạn của bản thân và đánh giá kết quả.
Trong thời đại AI, lợi thế không chỉ thuộc về người biết sử dụng công cụ, mà còn thuộc về người có khả năng suy nghĩ rõ ràng, diễn đạt chính xác và nhận biết khi nào mình chưa hiểu đủ.
ĐIỀU MÌNH RÚT RA
Khi nhìn lại giả thuyết Sapir–Whorf, mình thấy điều đáng suy ngẫm nhất là mối liên hệ giữa những gì mình nghĩ, những gì mình có thể diễn đạt và những gì mình thực sự hiểu.
Trong giao tiếp, mình cần làm rõ điều muốn truyền đạt trước khi tìm cách nói hay.
Trong công việc, mình cần xác định rõ vấn đề trước khi vội tìm giải pháp.
Và khi sử dụng AI, mình cần hiểu rằng prompt không chỉ là một câu lệnh. Nó là cách chuyển ý tưởng thành những thông tin mà hệ thống có thể sử dụng để tạo ra kết quả.
Có lẽ trước khi yêu cầu AI tạo ra thứ mình muốn, chúng ta vẫn cần tự hỏi một câu khó hơn:
Mình đã thực sự hiểu điều mình muốn tạo ra hay chưa?