Hình ảnh của Alexandra_Koch
Hơn 100 triệu người đã sử dụng ChatGPT chỉ trong tháng XNUMX, theo một ước tính, khiến nó trở thành ứng dụng tiêu dùng phát triển nhanh nhất trong lịch sử. Bằng cách tạo ra sơ yếu lý lịch, bài tiểu luận, truyện cười và thậm chí cả thơ để đáp lại lời nhắc, phần mềm không chỉ tập trung vào khả năng bắt giữ của các mô hình ngôn ngữ mà còn cả tầm quan trọng của việc đặt câu hỏi của chúng tôi một cách chính xác.
Để đạt được mục tiêu đó, một vài năm trước đây tôi đã khởi xướng Sáng kiến 100 câu hỏi, tìm cách xúc tác cho sự thay đổi văn hóa theo cách chúng ta tận dụng dữ liệu và phát triển những hiểu biết khoa học. Dự án nhằm mục đích không chỉ tạo ra các câu hỏi mới mà còn hình dung lại quá trình hỏi chúng.
Một khao khát khó khăn cho câu trả lời
Là một loài và một xã hội, chúng ta có xu hướng tìm kiếm câu trả lời. Các câu trả lời dường như mang lại cảm giác rõ ràng và chắc chắn, đồng thời có thể giúp định hướng các hành động và quyết định chính sách của chúng ta. Tuy nhiên, bất kỳ câu trả lời nào cũng đại diện cho giai đoạn cuối tạm thời của một quy trình bắt đầu bằng câu hỏi – và thường có thể tạo ra nhiều câu hỏi hơn. Einstein đã thu hút sự chú ý đến tầm quan trọng đặc biệt của cách đặt câu hỏi, điều này thường có thể xác định (hoặc ít nhất là đóng một vai trò quan trọng trong việc xác định) câu trả lời cuối cùng mà chúng ta đạt được. Đặt câu hỏi theo cách khác và người ta có thể đạt được câu trả lời khác. Tuy nhiên, với tư cách là một xã hội, chúng ta đánh giá thấp hành động đặt câu hỏi – ai là người đặt câu hỏi, cách họ làm như vậy, tác động của họ đối với những gì chúng ta điều tra và đối với các quyết định mà chúng ta đưa ra. Chúng tôi cũng không chú ý đầy đủ đến việc liệu các câu trả lời có thực sự giải quyết các câu hỏi được đặt ra ban đầu hay không.
Các câu hỏi đóng một vai trò quan trọng trong nhiều khía cạnh của cuộc sống của chúng ta. Ví dụ, các câu hỏi phù hợp rất quan trọng đối với quy trình khoa học, thúc đẩy việc điều tra và khám phá trên nhiều chủ đề và vấn đề cũng như định hình chính sách công. Hãy xem xét danh sách các loại vắc-xin được khuyến nghị cho học sinh được chính phủ cho phép. Danh sách này đại diện cho một điểm cuối (một câu trả lời) trong một quá trình dài. Tuy nhiên, các nhà khoa học và các nhà hoạch định chính sách đã bắt đầu với những câu hỏi nào để có được danh sách này? Các mục tiêu sức khỏe cộng đồng mà họ tự đặt ra là gì, làm cách nào để xác định hiệu quả và họ đã chọn những điểm giới hạn nào trong sự cân bằng giữa lợi ích và rủi ro? Những câu hỏi như vậy có một vai trò quan trọng trong việc lựa chọn cuối cùng các loại vắc xin được đưa vào danh sách, cũng như đối với sức khỏe cộng đồng.
Báo cáo khoa học có xu hướng tập trung vào kết quả và hiểu biết sâu sắc. Chúng đại diện cho thông tin ở giai đoạn cuối hoặc cấp cao nhất. Như minh họa ở ví dụ trên, việc chú ý nhiều hơn đến các câu hỏi và cách đặt câu hỏi sẽ giúp bối cảnh hóa thông tin ở giai đoạn cuối, cho phép các nhà hoạch định chính sách cũng như người dân đưa ra các quyết định tốt hơn, có trách nhiệm hơn.
Các câu hỏi cũng mang lại giá trị cho dữ liệu. Phần lớn các báo cáo và bình luận ngày nay tập trung vào lượng dữ liệu được tạo ra và nhu cầu mở chúng để sử dụng khoa học và công cộng – nghĩa là cung cấp dữ liệu thô. Nhưng các câu hỏi là thứ biến đổi dữ liệu thô thành thông tin: các câu hỏi chúng tôi đặt ra định hình các vấn đề mà chúng tôi tìm cách giải quyết, cho phép chúng tôi tận dụng dữ liệu vì lợi ích chung.
Tại sao AI làm cho khoa học đặt câu hỏi trở nên cấp bách hơn bao giờ hết
Sự trỗi dậy của mô hình ngôn ngữ lớn (LLM) và lĩnh vực kỹ thuật nhanh chóng đã cho chúng tôi thấy tầm quan trọng của việc sắp xếp các câu hỏi một cách chính xác, để có được một LLM đưa ra câu trả lời (tuy nhiên, tính đúng đắn và trung thực của những câu trả lời này vẫn là một vấn đề). Nhưng trước khi kỹ thuật nhanh chóng trở nên phù hợp, điều quan trọng là phải chỉ ra rằng khi các kỹ sư AI phát triển một mô hình máy học học từ dữ liệu, những gì nó học được – nghĩa là chính mô hình đó – phụ thuộc vào câu hỏi mà người ta tìm cách trả lời dữ liệu.
Cũng cần lưu ý rằng các câu trả lời do hệ thống AI cung cấp có thể phản ánh sai lệch hoặc thiếu sót trong dữ liệu cơ bản. Vấn đề này đã được nhấn mạnh, chẳng hạn, trong bối cảnh các hệ thống Hỏi & Đáp tự động như Alexa và Siri, cung cấp câu trả lời cho một số lượng lớn hộ gia đình về nhiều nhiệm vụ và câu hỏi hàng ngày. Do đó, việc khám phá và phát triển các cách để hình thành các câu hỏi sao cho chúng khắc phục được một số sai lệch cố hữu của dữ liệu nên là một phần quan trọng trong thực tiễn và lý thuyết về kỹ thuật nhanh chóng - và nói chung là của một ngành khoa học về câu hỏi mới nổi trong thời đại dữ liệu.
Vai trò của các câu hỏi có thể được nâng cao trong môi trường kỹ thuật số, nhưng tầm quan trọng của chúng thực sự còn sâu sắc hơn nhiều. Có một truyền thống lâu đời, ít nhất là từ thời Socrates và nhiều trường phái tư tưởng phương Đông, về việc sử dụng các câu hỏi để nâng cao phương pháp sư phạm và các hình thức học tập khác nhau của con người và xã hội. Những người khác đã viết về sự cần thiết của “một phương pháp sư phạm đặt câu hỏi”. Và gần đây hơn, các nhà khoa học và học giả đã khám phá việc sử dụng Phương pháp Socrates trong phân tích dữ liệu và thúc đẩy kiến thức dữ liệu.
Câu hỏi để chống quá tải thông tin
Cuối cùng, bằng cách giúp chúng ta hiểu điều gì thực sự quan trọng, các câu hỏi là động lực của sự thay đổi và cải thiện xã hội. Chúng giúp thiết lập các ưu tiên và cho phép chúng ta tưởng tượng ra các lựa chọn thay thế. Như vậy, câu hỏi là chính trị. Và, như Perry Zurn đã giải thích trong Chính trị của sự tò mò các cam kết chính trị của chúng tôi thường thông báo những câu hỏi mà chúng tôi nghĩ là đáng hỏi.
Khi xã hội trở nên quá tải với dữ liệu và những phát hiện có nguồn gốc từ dữ liệu, chúng ta ngày càng xa rời các câu hỏi. Bài đăng này đại diện cho một sự biện minh ban đầu cho những gì chúng ta có thể nghĩ là một khoa học mới về câu hỏi.
Để xác định và tạo ra một khoa học như vậy, trên thực tế, chúng ta cần bắt đầu bằng cách tự hỏi mình một loạt câu hỏi. Làm thế nào chúng ta có thể làm cho báo cáo khoa học tập trung hơn vào các câu hỏi được đặt ra trong khoa học? Câu hỏi hay (và câu hỏi dở) là gì? Làm cách nào chúng ta có thể bổ sung khoa học dữ liệu bằng một khoa học mới về câu hỏi? Làm thế nào chúng ta có thể cho phép người học trở thành người đặt câu hỏi? Làm thế nào để chúng tôi đảm bảo việc đặt câu hỏi là toàn diện và không thiên vị? Làm cách nào để chúng ta phát huy hết tiềm năng của máy học và AI bằng những câu hỏi hay?
Đối mặt và trả lời những câu hỏi như vậy đòi hỏi một nỗ lực liên ngành mới nhằm tập hợp các nhà khoa học, nhà khoa học dữ liệu, nhà văn khoa học, diễn viên thay đổi xã hội, nghệ sĩ và chuyên gia giáo dục. Nhìn thoáng qua những nỗ lực như vậy đang được tiến hành. Nhưng chúng ta cần tương tác nhiều hơn nữa giữa các silo thông tin và kỷ luật, và chúng ta cần thúc đẩy các cuộc trò chuyện chuyển sự tập trung của xã hội chúng ta ra khỏi câu trả lời và hướng tới bối cảnh và mục đích – thực tế là hướng tới việc đặt câu hỏi đúng.
Giới thiệu về tác giả
Stefan G. Verhulst, Đồng sáng lập và Giám đốc Nghiên cứu và Phát triển của Phòng thí nghiệm Quản trị (GovLab), Đại học New York Bài viết được đồng viết với Anil Ananthaswamy, một nhà văn khoa học và là cựu cây viết cho tạp chí New Scientist.
Bài viết này được tái bản từ Conversation theo giấy phép Creative Commons. Đọc ban đầu bài viết.
Sách về cải thiện hiệu suất từ danh sách bán chạy nhất của Amazon
"Đỉnh cao: Bí mật từ khoa học chuyên môn mới"
của Anders Ericsson và Robert Pool
Trong cuốn sách này, các tác giả dựa trên nghiên cứu của họ trong lĩnh vực chuyên môn để cung cấp những hiểu biết sâu sắc về cách mọi người có thể cải thiện hiệu suất của họ trong bất kỳ lĩnh vực nào của cuộc sống. Cuốn sách đưa ra các chiến lược thực tế để phát triển các kỹ năng và đạt được thành thạo, tập trung vào thực hành và phản hồi có chủ ý.
Bấm để biết thêm thông tin hoặc đặt hàng
"Thói quen nguyên tử: Một cách dễ dàng và đã được chứng minh để xây dựng thói quen tốt và phá vỡ thói quen xấu"
của James Clear
Cuốn sách này đưa ra những chiến lược thiết thực để xây dựng những thói quen tốt và phá vỡ những thói quen xấu, tập trung vào những thay đổi nhỏ có thể dẫn đến kết quả lớn. Cuốn sách dựa trên nghiên cứu khoa học và các ví dụ thực tế để đưa ra lời khuyên hữu ích cho bất kỳ ai muốn cải thiện thói quen của mình và đạt được thành công.
Bấm để biết thêm thông tin hoặc đặt hàng
"Tư duy: Tâm lý mới của thành công"
bởi Carol S. Dweck
Trong cuốn sách này, Carol Dweck khám phá khái niệm tư duy và cách nó có thể tác động đến hiệu suất và thành công của chúng ta trong cuộc sống. Cuốn sách cung cấp những hiểu biết sâu sắc về sự khác biệt giữa tư duy cố định và tư duy cầu tiến, đồng thời cung cấp các chiến lược thiết thực để phát triển tư duy cầu tiến và đạt được thành công lớn hơn.
Bấm để biết thêm thông tin hoặc đặt hàng
"Sức mạnh của thói quen: Tại sao chúng ta làm những gì chúng ta làm trong cuộc sống và kinh doanh"
bởi Charles Duhigg
Trong cuốn sách này, Charles Duhigg khám phá khoa học đằng sau sự hình thành thói quen và cách sử dụng nó để cải thiện hiệu suất của chúng ta trong mọi lĩnh vực của cuộc sống. Cuốn sách đưa ra những chiến lược thiết thực để phát triển những thói quen tốt, loại bỏ những thói quen xấu và tạo ra sự thay đổi lâu dài.
Bấm để biết thêm thông tin hoặc đặt hàng
"Thông minh hơn, nhanh hơn, tốt hơn: Bí quyết làm việc hiệu quả trong cuộc sống và kinh doanh"
bởi Charles Duhigg
Trong cuốn sách này, Charles Duhigg khám phá khoa học về năng suất và cách sử dụng nó để cải thiện hiệu suất của chúng ta trong mọi lĩnh vực của cuộc sống. Cuốn sách dựa trên các ví dụ và nghiên cứu trong thế giới thực để đưa ra lời khuyên thiết thực nhằm đạt được năng suất và thành công cao hơn.
