Sasha✔
Writer
Ưu điểm lớn nhất của AI chính là tốc độ: các vấn đề được giải quyết tức thì, lời giải được đưa ra trong chớp mắt. Thế nhưng, khi không còn AI hỗ trợ, liệu chúng ta còn có thể tự mình hoàn thành được bao nhiêu việc? Ba nghiên cứu mới vào năm 2026 đã thực hiện các thử nghiệm dưới ba góc độ: tự giải quyết vấn đề, luyện tập lâu dài và trình tự sử dụng AI. Hãy cùng tìm hiểu nhé!
Hãy tưởng tượng bạn được yêu cầu giải mười lăm bài toán về phân số. Với mười hai bài đầu, một trợ lý AI luôn túc trực bên cạnh màn hình, sẵn sàng giải đáp mọi thắc mắc của bạn. Nhưng đến bài thứ mười ba, trợ lý ấy đột ngột biến mất mà không để lại bất kỳ gợi ý nào.
Liệu bạn có thể tự mình giải quyết ba bài còn lại không?
Theo trang Sina, ông Grace Liu, nghiên cứu sinh tiến sĩ ngành học máy tại Đại học Carnegie Mellon cùng các cộng sự đã thực hiện một loạt thử nghiệm ngẫu nhiên như vậy. Tổng cộng có 1.222 người tham gia vào ba thử nghiệm này. Hai thử nghiệm đầu tập trung vào các bài toán tính toán, trong khi thử nghiệm thứ ba là bài tập đọc hiểu theo phong cách SAT. Cả ba thử nghiệm đều có thiết kế giống nhau: trong quá trình luyện tập, một nhóm được phép đặt câu hỏi cho AI, còn nhóm kia thì không. Đến giai đoạn kiểm tra, tất cả mọi người đều phải tự mình đưa ra đáp án.
Kết quả cho thấy rất rõ ràng: Trong thử nghiệm đầu tiên, những người được phép hỏi AI trong quá trình luyện tập chỉ đạt tỷ lệ chính xác trung bình là 0,57% sau khi trợ lý AI rời đi. Con số này ở nhóm tự làm toàn bộ bài tập là 0,73%. Họ cũng bỏ qua số lượng câu hỏi nhiều gần gấp đôi so với nhóm còn lại.
Thử nghiệm đầu tiên tồn tại một khiếm khuyết trong quy trình chọn mẫu, vấn đề này đã được các nhà nghiên cứu khắc phục ở thử nghiệm thứ hai, nhưng khoảng cách về kết quả vẫn không thay đổi. Khi chuyển sang bài tập đọc hiểu, mô hình tương tự lại xuất hiện. Dù toàn bộ quá trình luyện tập chỉ kéo dài khoảng mười phút, sự khác biệt đã bộc lộ rõ rệt.
Tại sao sự chênh lệch này lại xuất hiện nhanh chóng đến vậy? Nhóm của Grace Liu đưa ra hai lời giải thích. Thứ nhất, việc AI đưa ra đáp án tức thì đã làm thay đổi kỳ vọng của con người về "thời gian cần thiết để giải một bài toán". Điều này khiến nỗ lực tư duy trở nên đặc biệt nặng nề. Nỗ lực càng nặng nề, con người càng có xu hướng muốn đẩy việc đó cho AI đảm nhận. Thứ hai, điều mà AI loại bỏ chính là quá trình nỗ lực đầy hữu ích trong học tập. Nếu thiếu đi sự nỗ lực này, con người không thể tự nhận biết năng lực của bản thân, và khả năng tự nhận thức – yếu tố duy trì sự kiên trì – cũng trở nên thiếu chính xác. Các thí nghiệm hiện tại vẫn chưa xác định được đâu là nguyên nhân chính.
Thí nghiệm thứ hai cũng ghi lại cách mọi người sử dụng AI. Hơn 60% người tham gia trực tiếp yêu cầu AI đưa ra đáp án; một trường hợp thực tế được ghi lại trong nghiên cứu chỉ gồm đúng một từ: "đáp án?". Khoảng một phần tư số người tham gia chủ yếu yêu cầu gợi ý. Khi không còn sự hỗ trợ từ AI, tỷ lệ trả lời đúng trung bình của nhóm thường xuyên yêu cầu đáp án là 0,65%, trong khi con số này ở nhóm thường yêu cầu gợi ý là 0,76%. Vì cách thức sử dụng không được phân bổ ngẫu nhiên, đây chỉ có thể coi là một manh mối liên quan. Tuy nhiên, nó đã chuyển trọng tâm vấn đề từ "có nên sử dụng AI hay không" sang "sử dụng AI như thế nào".
Những rào cản tương tự trong dữ liệu suốt mười năm
Liệu mười phút trong phòng thí nghiệm có thực sự đóng góp vào quá trình học tập lâu dài?
Một nhóm nghiên cứu khác đã thu thập khoảng 3,2 triệu dữ liệu học tập từ nền tảng luyện tập toán học ALEKS trong giai đoạn từ năm 2015 đến 2025. Các câu hỏi được chia thành hai nhóm: dạng bài toán bằng lời (có thể sao chép toàn bộ đề bài rồi dán vào chatbot để lấy đáp án) được coi là "dễ với AI"; dạng bài yêu cầu thao tác kéo thả biểu đồ trên nền tảng để tìm lời giải được coi là "khó với AI".
Các nhà nghiên cứu ước tính rằng kể từ khi ChatGPT ra mắt, sinh viên đại học đã dành ít thời gian hơn 26,9% cho các bài tập "dễ với AI" so với các bài tập "khó với AI" (tính lũy kế qua mười một học kỳ). Con số này ở học sinh trung học phổ thông là 31,3%, ở học sinh trung học cơ sở là 9%, trong khi đối với học sinh lớp năm thì không có sự thay đổi nào.
Liệu có phải học sinh đơn giản là đã trở nên hiệu quả hơn trong học tập? Để loại trừ khả năng này, các nhà nghiên cứu đã so sánh giữa hai tình huống: có giám sát và không có giám sát. Trong tình huống không có giám sát, thời gian dành cho các bài tập "dễ với AI" liên tục giảm xuống. Ngược lại, khi có sự giám sát, xu hướng này gần như biến mất. Nếu học sinh thực sự trở nên hiệu quả hơn, thì dù trong môi trường nào, thời gian hoàn thành bài tập cũng phải rút ngắn lại. Nền tảng này cũng định kỳ đưa ra các câu hỏi dựa trên nội dung đã học trước đó trong điều kiện có giám sát, nhằm kiểm tra khả năng ghi nhớ của học sinh. Đáng chú ý, tỷ lệ trả lời đúng các câu hỏi dễ này lại thấp hơn so với các câu hỏi khó.
Những kết quả này chỉ có thể được xem là bằng chứng gián tiếp: nghiên cứu chưa trải qua quá trình bình duyệt, và dữ liệu cũng không ghi lại trực tiếp ai là người đã sử dụng AI. Tuy nhiên, các kết quả này cho thấy xu hướng tương tự như những gì thu được trong phòng thí nghiệm: thời gian tiết kiệm được có thể đồng nghĩa với việc thời gian dành cho việc học cũng bị cắt giảm.
Liệu điều đó có nghĩa là AI gây hại cho quá trình học tập? Không hẳn như vậy. Một phân tích tổng hợp (meta-analysis) được công bố vào năm 2026, tổng hợp từ 35 thí nghiệm với 4.193 người tham gia, cho thấy rằng nếu được thiết kế tốt, việc sử dụng ChatGPT trong giảng dạy thực sự có thể cải thiện kết quả học tập. Hai loại nghiên cứu này đo lường những khía cạnh khác nhau: phân tích tổng hợp tập trung vào hiệu suất trong khi học cùng với AI, trong khi các nghiên cứu trước đó lại xem xét mức độ hoàn thành công việc một cách độc lập sau khi đã loại bỏ AI.
Thay đổi trình tự
Liệu có cách nào sử dụng AI vừa giúp tiết kiệm thời gian, vừa đảm bảo người học thực sự tiếp thu được kiến thức không?
Một thử nghiệm ngẫu nhiên có đối chứng, được công bố trên tạp chí Review of Educational Psychology bởi hai nhà nghiên cứu người Singapore là Sarah Shi Hui Wong và Sophia Xuefei Qiu, đã gợi mở một hướng đi khả thi.
196 sinh viên đại học được chia thành ba nhóm để cùng đưa ra các ý tưởng cải tiến một món đồ chơi nhồi bông. Nhóm thứ nhất không sử dụng AI; nhóm thứ hai được tự do sử dụng ChatGPT; và nhóm thứ ba tuân theo một trình tự cố định: dành ba phút để tự suy nghĩ ý tưởng, sáu phút để nhờ ChatGPT hỗ trợ chỉnh sửa, và ba phút cuối để tự mình hoàn thiện dự án.
Nhóm thứ ba còn được cung cấp một mẫu câu hỏi, trong đó mỗi câu hỏi đều bắt đầu bằng chính ý tưởng của họ, chẳng hạn như: "Ý tưởng của tôi là XX, làm thế nào để cải thiện nó?" và "Làm sao để nó trở nên độc đáo hơn?"
Ở vòng đầu tiên, nhóm được tự do sử dụng ChatGPT đạt kết quả vượt trội với điểm số 4,08 về tính độc đáo; trong khi nhóm không dùng AI đạt 3,06 điểm, còn nhóm suy nghĩ trước khi hỏi đạt 3,30 điểm. Việc suy nghĩ trước khi hỏi khiến nhóm này có điểm số thấp hơn ở vòng đầu – đây chính là "cái giá" phải trả cho việc thay đổi trình tự.
Ở vòng thứ hai, một nhiệm vụ phức tạp hơn được đưa ra: tự thiết kế một trò chơi giúp người lớn học từ vựng ngoại ngữ mà không được phép sử dụng AI. Lần này, kết quả đã thay đổi. Nhóm từng được tự do sử dụng AI chỉ đạt 2,69 điểm – tương đương với nhóm không dùng AI (2,63 điểm) – cho thấy không có sự cải thiện nào so với vòng trước. Ngược lại, nhóm suy nghĩ trước khi hỏi đạt 3,42 điểm, cao hơn đáng kể so với hai nhóm còn lại.
Sự khác biệt nằm ở đâu? Cả hai nhóm đều đặt số lượng câu hỏi tương đương cho ChatGPT, nhưng điểm khác biệt chính là việc họ có đưa ra ý tưởng của riêng mình trước khi đặt câu hỏi hay không. Ở nhóm sử dụng hệ thống một cách ngẫu hứng, 70,9% câu hỏi chỉ là các yêu cầu một chiều; trong đó, gần 60% trường hợp người dùng yêu cầu ChatGPT đưa ra ý tưởng mà không hề nêu lên suy nghĩ của bản thân. Ngược lại, ở nhóm suy nghĩ kỹ trước khi đặt câu hỏi, 88,6% câu hỏi tập trung vào việc tinh chỉnh các ý tưởng cá nhân thông qua quá trình trao đổi qua lại với AI.
Tuy nhiên, phương pháp "suy nghĩ trước khi đặt câu hỏi" mới chỉ được kiểm chứng trực tiếp qua một thí nghiệm duy nhất này. Phương pháp này bao gồm nhiều bước như: suy nghĩ trước, giới hạn thời gian và sử dụng khuôn mẫu (template). Hiện vẫn chưa rõ bước nào trong số đó đóng vai trò quyết định.
Hãy suy nghĩ trước, rồi mới đặt câu hỏi
Nguyên tắc "suy nghĩ trước khi đặt câu hỏi" phù hợp với hai nguyên lý trong khoa học nhận thức: hiệu ứng tạo sinh (generative effect) và mức độ khó cần thiết (necessary difficulty).
Thứ nhất là hiệu ứng tạo sinh. Năm 1978, các nhà tâm lý học Norman Slamecka và Peter Graf phát hiện ra rằng con người ghi nhớ những điều họ tự suy nghĩ tốt hơn nhiều so với những gì họ chỉ nhìn thấy trực tiếp.
Thứ hai là mức độ khó cần thiết. Khái niệm này được nhà tâm lý học Robert Bjork đề xuất vào năm 1994. Kể từ đó, ông cùng Elizabeth Bjork đã thực hiện nhiều nghiên cứu kéo dài qua nhiều năm và nhận thấy rằng, trong nhiều trường hợp, nỗ lực bỏ ra trong quá trình thực hành sẽ giúp người học ghi nhớ và vận dụng kiến thức tốt hơn về sau.
Cũng giống như việc tập thể dục vậy: nếu bạn nhờ người khác nâng tạ hộ mình, chiếc tạ có thể được nâng lên, nhưng cơ bắp của bạn thì sẽ chẳng phát triển chút nào.
Vì vậy, khi sử dụng AI, bạn nên tự hỏi bản thân: "Nếu không có AI, liệu mình có thể tự thực hiện công việc này không?". Một cách đơn giản là hãy tự mình đưa ra giải pháp trước khi có kết quả cuối cùng – dù giải pháp đó còn sơ khai – rồi sau đó mới nhờ AI chỉ ra các khiếm khuyết, đưa ra phản biện và hỗ trợ bạn chỉnh sửa.
Khả năng tiết kiệm thời gian của AI sẽ ngày càng tăng. Việc AI giúp bạn tiết kiệm thời gian chờ đợi vô ích, hay lại vô tình tước đi những trải nghiệm "vất vả" cần thiết cho sự phát triển của chính bạn – điều đó hoàn toàn phụ thuộc vào cách bạn sử dụng nó.
Hãy tưởng tượng bạn được yêu cầu giải mười lăm bài toán về phân số. Với mười hai bài đầu, một trợ lý AI luôn túc trực bên cạnh màn hình, sẵn sàng giải đáp mọi thắc mắc của bạn. Nhưng đến bài thứ mười ba, trợ lý ấy đột ngột biến mất mà không để lại bất kỳ gợi ý nào.
Liệu bạn có thể tự mình giải quyết ba bài còn lại không?
Theo trang Sina, ông Grace Liu, nghiên cứu sinh tiến sĩ ngành học máy tại Đại học Carnegie Mellon cùng các cộng sự đã thực hiện một loạt thử nghiệm ngẫu nhiên như vậy. Tổng cộng có 1.222 người tham gia vào ba thử nghiệm này. Hai thử nghiệm đầu tập trung vào các bài toán tính toán, trong khi thử nghiệm thứ ba là bài tập đọc hiểu theo phong cách SAT. Cả ba thử nghiệm đều có thiết kế giống nhau: trong quá trình luyện tập, một nhóm được phép đặt câu hỏi cho AI, còn nhóm kia thì không. Đến giai đoạn kiểm tra, tất cả mọi người đều phải tự mình đưa ra đáp án.
Kết quả cho thấy rất rõ ràng: Trong thử nghiệm đầu tiên, những người được phép hỏi AI trong quá trình luyện tập chỉ đạt tỷ lệ chính xác trung bình là 0,57% sau khi trợ lý AI rời đi. Con số này ở nhóm tự làm toàn bộ bài tập là 0,73%. Họ cũng bỏ qua số lượng câu hỏi nhiều gần gấp đôi so với nhóm còn lại.
Thử nghiệm đầu tiên tồn tại một khiếm khuyết trong quy trình chọn mẫu, vấn đề này đã được các nhà nghiên cứu khắc phục ở thử nghiệm thứ hai, nhưng khoảng cách về kết quả vẫn không thay đổi. Khi chuyển sang bài tập đọc hiểu, mô hình tương tự lại xuất hiện. Dù toàn bộ quá trình luyện tập chỉ kéo dài khoảng mười phút, sự khác biệt đã bộc lộ rõ rệt.
Tại sao sự chênh lệch này lại xuất hiện nhanh chóng đến vậy? Nhóm của Grace Liu đưa ra hai lời giải thích. Thứ nhất, việc AI đưa ra đáp án tức thì đã làm thay đổi kỳ vọng của con người về "thời gian cần thiết để giải một bài toán". Điều này khiến nỗ lực tư duy trở nên đặc biệt nặng nề. Nỗ lực càng nặng nề, con người càng có xu hướng muốn đẩy việc đó cho AI đảm nhận. Thứ hai, điều mà AI loại bỏ chính là quá trình nỗ lực đầy hữu ích trong học tập. Nếu thiếu đi sự nỗ lực này, con người không thể tự nhận biết năng lực của bản thân, và khả năng tự nhận thức – yếu tố duy trì sự kiên trì – cũng trở nên thiếu chính xác. Các thí nghiệm hiện tại vẫn chưa xác định được đâu là nguyên nhân chính.
Thí nghiệm thứ hai cũng ghi lại cách mọi người sử dụng AI. Hơn 60% người tham gia trực tiếp yêu cầu AI đưa ra đáp án; một trường hợp thực tế được ghi lại trong nghiên cứu chỉ gồm đúng một từ: "đáp án?". Khoảng một phần tư số người tham gia chủ yếu yêu cầu gợi ý. Khi không còn sự hỗ trợ từ AI, tỷ lệ trả lời đúng trung bình của nhóm thường xuyên yêu cầu đáp án là 0,65%, trong khi con số này ở nhóm thường yêu cầu gợi ý là 0,76%. Vì cách thức sử dụng không được phân bổ ngẫu nhiên, đây chỉ có thể coi là một manh mối liên quan. Tuy nhiên, nó đã chuyển trọng tâm vấn đề từ "có nên sử dụng AI hay không" sang "sử dụng AI như thế nào".
Những rào cản tương tự trong dữ liệu suốt mười năm
Liệu mười phút trong phòng thí nghiệm có thực sự đóng góp vào quá trình học tập lâu dài?
Một nhóm nghiên cứu khác đã thu thập khoảng 3,2 triệu dữ liệu học tập từ nền tảng luyện tập toán học ALEKS trong giai đoạn từ năm 2015 đến 2025. Các câu hỏi được chia thành hai nhóm: dạng bài toán bằng lời (có thể sao chép toàn bộ đề bài rồi dán vào chatbot để lấy đáp án) được coi là "dễ với AI"; dạng bài yêu cầu thao tác kéo thả biểu đồ trên nền tảng để tìm lời giải được coi là "khó với AI".
Các nhà nghiên cứu ước tính rằng kể từ khi ChatGPT ra mắt, sinh viên đại học đã dành ít thời gian hơn 26,9% cho các bài tập "dễ với AI" so với các bài tập "khó với AI" (tính lũy kế qua mười một học kỳ). Con số này ở học sinh trung học phổ thông là 31,3%, ở học sinh trung học cơ sở là 9%, trong khi đối với học sinh lớp năm thì không có sự thay đổi nào.
Liệu có phải học sinh đơn giản là đã trở nên hiệu quả hơn trong học tập? Để loại trừ khả năng này, các nhà nghiên cứu đã so sánh giữa hai tình huống: có giám sát và không có giám sát. Trong tình huống không có giám sát, thời gian dành cho các bài tập "dễ với AI" liên tục giảm xuống. Ngược lại, khi có sự giám sát, xu hướng này gần như biến mất. Nếu học sinh thực sự trở nên hiệu quả hơn, thì dù trong môi trường nào, thời gian hoàn thành bài tập cũng phải rút ngắn lại. Nền tảng này cũng định kỳ đưa ra các câu hỏi dựa trên nội dung đã học trước đó trong điều kiện có giám sát, nhằm kiểm tra khả năng ghi nhớ của học sinh. Đáng chú ý, tỷ lệ trả lời đúng các câu hỏi dễ này lại thấp hơn so với các câu hỏi khó.
Những kết quả này chỉ có thể được xem là bằng chứng gián tiếp: nghiên cứu chưa trải qua quá trình bình duyệt, và dữ liệu cũng không ghi lại trực tiếp ai là người đã sử dụng AI. Tuy nhiên, các kết quả này cho thấy xu hướng tương tự như những gì thu được trong phòng thí nghiệm: thời gian tiết kiệm được có thể đồng nghĩa với việc thời gian dành cho việc học cũng bị cắt giảm.
Liệu điều đó có nghĩa là AI gây hại cho quá trình học tập? Không hẳn như vậy. Một phân tích tổng hợp (meta-analysis) được công bố vào năm 2026, tổng hợp từ 35 thí nghiệm với 4.193 người tham gia, cho thấy rằng nếu được thiết kế tốt, việc sử dụng ChatGPT trong giảng dạy thực sự có thể cải thiện kết quả học tập. Hai loại nghiên cứu này đo lường những khía cạnh khác nhau: phân tích tổng hợp tập trung vào hiệu suất trong khi học cùng với AI, trong khi các nghiên cứu trước đó lại xem xét mức độ hoàn thành công việc một cách độc lập sau khi đã loại bỏ AI.
Thay đổi trình tự
Liệu có cách nào sử dụng AI vừa giúp tiết kiệm thời gian, vừa đảm bảo người học thực sự tiếp thu được kiến thức không?
Một thử nghiệm ngẫu nhiên có đối chứng, được công bố trên tạp chí Review of Educational Psychology bởi hai nhà nghiên cứu người Singapore là Sarah Shi Hui Wong và Sophia Xuefei Qiu, đã gợi mở một hướng đi khả thi.
196 sinh viên đại học được chia thành ba nhóm để cùng đưa ra các ý tưởng cải tiến một món đồ chơi nhồi bông. Nhóm thứ nhất không sử dụng AI; nhóm thứ hai được tự do sử dụng ChatGPT; và nhóm thứ ba tuân theo một trình tự cố định: dành ba phút để tự suy nghĩ ý tưởng, sáu phút để nhờ ChatGPT hỗ trợ chỉnh sửa, và ba phút cuối để tự mình hoàn thiện dự án.
Nhóm thứ ba còn được cung cấp một mẫu câu hỏi, trong đó mỗi câu hỏi đều bắt đầu bằng chính ý tưởng của họ, chẳng hạn như: "Ý tưởng của tôi là XX, làm thế nào để cải thiện nó?" và "Làm sao để nó trở nên độc đáo hơn?"
Ở vòng đầu tiên, nhóm được tự do sử dụng ChatGPT đạt kết quả vượt trội với điểm số 4,08 về tính độc đáo; trong khi nhóm không dùng AI đạt 3,06 điểm, còn nhóm suy nghĩ trước khi hỏi đạt 3,30 điểm. Việc suy nghĩ trước khi hỏi khiến nhóm này có điểm số thấp hơn ở vòng đầu – đây chính là "cái giá" phải trả cho việc thay đổi trình tự.
Ở vòng thứ hai, một nhiệm vụ phức tạp hơn được đưa ra: tự thiết kế một trò chơi giúp người lớn học từ vựng ngoại ngữ mà không được phép sử dụng AI. Lần này, kết quả đã thay đổi. Nhóm từng được tự do sử dụng AI chỉ đạt 2,69 điểm – tương đương với nhóm không dùng AI (2,63 điểm) – cho thấy không có sự cải thiện nào so với vòng trước. Ngược lại, nhóm suy nghĩ trước khi hỏi đạt 3,42 điểm, cao hơn đáng kể so với hai nhóm còn lại.
Sự khác biệt nằm ở đâu? Cả hai nhóm đều đặt số lượng câu hỏi tương đương cho ChatGPT, nhưng điểm khác biệt chính là việc họ có đưa ra ý tưởng của riêng mình trước khi đặt câu hỏi hay không. Ở nhóm sử dụng hệ thống một cách ngẫu hứng, 70,9% câu hỏi chỉ là các yêu cầu một chiều; trong đó, gần 60% trường hợp người dùng yêu cầu ChatGPT đưa ra ý tưởng mà không hề nêu lên suy nghĩ của bản thân. Ngược lại, ở nhóm suy nghĩ kỹ trước khi đặt câu hỏi, 88,6% câu hỏi tập trung vào việc tinh chỉnh các ý tưởng cá nhân thông qua quá trình trao đổi qua lại với AI.
Tuy nhiên, phương pháp "suy nghĩ trước khi đặt câu hỏi" mới chỉ được kiểm chứng trực tiếp qua một thí nghiệm duy nhất này. Phương pháp này bao gồm nhiều bước như: suy nghĩ trước, giới hạn thời gian và sử dụng khuôn mẫu (template). Hiện vẫn chưa rõ bước nào trong số đó đóng vai trò quyết định.
Hãy suy nghĩ trước, rồi mới đặt câu hỏi
Nguyên tắc "suy nghĩ trước khi đặt câu hỏi" phù hợp với hai nguyên lý trong khoa học nhận thức: hiệu ứng tạo sinh (generative effect) và mức độ khó cần thiết (necessary difficulty).
Thứ nhất là hiệu ứng tạo sinh. Năm 1978, các nhà tâm lý học Norman Slamecka và Peter Graf phát hiện ra rằng con người ghi nhớ những điều họ tự suy nghĩ tốt hơn nhiều so với những gì họ chỉ nhìn thấy trực tiếp.
Thứ hai là mức độ khó cần thiết. Khái niệm này được nhà tâm lý học Robert Bjork đề xuất vào năm 1994. Kể từ đó, ông cùng Elizabeth Bjork đã thực hiện nhiều nghiên cứu kéo dài qua nhiều năm và nhận thấy rằng, trong nhiều trường hợp, nỗ lực bỏ ra trong quá trình thực hành sẽ giúp người học ghi nhớ và vận dụng kiến thức tốt hơn về sau.
Cũng giống như việc tập thể dục vậy: nếu bạn nhờ người khác nâng tạ hộ mình, chiếc tạ có thể được nâng lên, nhưng cơ bắp của bạn thì sẽ chẳng phát triển chút nào.
Vì vậy, khi sử dụng AI, bạn nên tự hỏi bản thân: "Nếu không có AI, liệu mình có thể tự thực hiện công việc này không?". Một cách đơn giản là hãy tự mình đưa ra giải pháp trước khi có kết quả cuối cùng – dù giải pháp đó còn sơ khai – rồi sau đó mới nhờ AI chỉ ra các khiếm khuyết, đưa ra phản biện và hỗ trợ bạn chỉnh sửa.
Khả năng tiết kiệm thời gian của AI sẽ ngày càng tăng. Việc AI giúp bạn tiết kiệm thời gian chờ đợi vô ích, hay lại vô tình tước đi những trải nghiệm "vất vả" cần thiết cho sự phát triển của chính bạn – điều đó hoàn toàn phụ thuộc vào cách bạn sử dụng nó.
Nguồn: 360Kr
