You can outsource your thinking but not your understanding

Giới thiệu

Đây là câu nhận định của Andrej Karpathy, một người khá là nổi tiếng và có tầm ảnh hưởng trong lĩnh vực trí tuệ nhân tạo, cũng là người đưa ra khái niệm Vibe Code vào năm 2025 khi Gen AI phát triển mạnh.

Đặt vấn đề

Trong thời đại AI, khi phần đông mọi người sử dụng nó như là một công cụ không thể thiếu trong các mặt của cuộc sống, từ học tập cho đến công việc thì việc nhận được một câu trả lời từ AI là cực kỳ nhanh chóng và đi đúng trọng tâm, điều này khác với thời điểm khi còn lệ thuộc vào kết quả của Google Search, đó là phải đọc những trang đầu tiên của kết quả , tìm ra ý chính và tổng hợp lại thành một nội dung hoàn chỉnh, có khi người dùng còn phải vào từng Website, đọc lướt xem nội dung có phù hợp không và đọc cho đến trang 2, 3. Tuy nhận được câu trả lời rất nhanh và cảm thấy khá là hợp lý, tuy nhiên khi chúng ta được hỏi giải thích lại những nội dung kết quả và lý luận để nhận được thông tin cuối cùng thì không phải ai cũng có thể giải thích được. Điều này chúng ta có thể hiểu là AI đã cắt bớt cho chúng ta giai đoạn tìm kiếm, đọc, phân loại, tổng hợp và rút ra kết quả cuối cùng.

Trãi nghiệm bản thân

Bản thân cũng trãi nghiệm điều này thông qua công cụ Claude Code, mình cũng thử Vibe Code một dự án tên là “Nhật ký của bé” khi mình đang chăm con, kiểu mình hay tìm kiếm về các đồ chơi hay âm nhạc nào phù hợp với bé trong từng độ tuổi, các giải đoạn nào mà bé cần được hiểu như các tuần Wonder Week. Kiểu cảm giác của mình khi bắt tay vào Vibe Code là thực sự rất là sướng, chỉ cần nhập cho nó vài yêu cầu là mình đã có một bộ mô tả chi tiết về khung dự án, kế hoạch các tuần triển khai, công nghệ sử dụng, cơ sở dữ liệu và các giao diện cho các trang trong ứng dụng. Điều này làm mình thực sự phấn khích vì không ngờ mình có thể xây dựng cái khung sườn một cách nhanh chóng và hoàn toàn hài lòng. Có những thông tin thêm mà mình không yêu cầu mà nó còn sáng tạo ra luôn cho mình, kiểu giống như mình là một quản lý và cứ nói sơ sơ là đệ tử mình nó hiểu còn sâu hơn mình vậy, quan trọng là thời gian để ra kết quả là cực kỳ ngắn. Tuy nhiên vấn đề thực sự phát sinh khi mình bắt tay vào ra lệnh cho nó lập trình, thực sự mình yêu cầu nó thiết kế các trang giao diện thì mình hoàn toàn hài lòng và mình có thể nhanh chóng xác nhận nó có đúng ý mình không, chỉ là phần thực hiện thì nó hoàn toàn gây khó khăn cho mình. Lý do chính là vì Claude Code thực hiện việc lập trình một dự án rất lớn, mã nguồn nó mình đọc thực sự khó hiểu và dài, dẫn đến khi mình gặp một lỗi nào đó khi sử dụng bản thân mình không thể tự truy vết để tìm lỗi được. Mình lại tiếp tục ra lệnh cho nó để nó tìm lỗi và sữa lỗi giúp mình, nhưng nó cứ lặp đi lặp lại một vòng tròn sữa lỗi/ tìm lỗi và không thể tìm kiếm được nguyên nhân chính, sau một hồi chụp ảnh và nhờ nó tự tìm lỗi thì cũng giải quyết xong nhưng cũng hao token và bản thân cũng không thể hiểu tại sao nó lại sữa được lỗi đó dù nó có giải thích, bản chất là phần mã nguồn bên dưới mình cũng không thực sự nắm.

Trãi nghiệm quan sát

Một ví dụ khác là trong lớp phương pháp nghiên cứu khoa học mình được học, yêu cầu giảng viên là hãy phân tích một bài báo và trình bày bài thuyết trình trước mọi người có sử dụng AI để hỗ trợ. Buổi hôm đó có 2 bạn lên trình bày trước lớp, một bạn dùng công cụ ChatGPT Plus, bạn này đơn giản là quăng bài báo vào và yêu cầu nó tạo một bài giảng kèm trình bày nội dung ra kết quả cuối cùng. Còn một bạn thì lại dùng NotebookLm để tạo bài thuyết trình, tuy nhiên hướng tiếp cận của bạn này là ngược với bạn trước, đó là bạn có đọc bài báo này trước và có trong đầu mình khung sườn, luận điểm và đơn giản là nhờ NotebookLm xây dựng bài thuyết trình cho nó khoa học. Kết quả nhận xét của thầy đó là với bài bạn dùng ChatGPT, thầy có nhận xét về tính đúng đắn trong lập luận trong bài thuyết trình, chỉ là một chi tiết nhỏ thôi nhưng nó không chính xác và người thuyết trình không thể giải thích được tại lý do cho chi tiết đó. Trong trường hợp ngược lại, bạn có đọc trước bài báo thì nội dung bạn trình bày rất trôi chảy trong lập luận, bạn có đưa ra ví dụ dẫn chứng và trình bày mạch lạc dễ hiểu, đơn giản là bài báo bạn đã nắm còn AI là phần triển khai làm nên bạn biết cách điều chỉnh và giải thích theo cách hiểu của mình.

Suy ngẫm:

Quay lại với câu nói ban đầu, mình nghĩ câu này nên tách ra làm 2 vế là thinking và understanding, tuy nhiên cá nhân mình thấy câu này nếu hiểu đúng logic hơn thì nên là “outsource execution but not understanding”, vì theo logic nếu muốn hiểu thì phải có sự suy nghĩ chiêm nghiệm trong đó. Điều này nhấn mạnh rằng làm gì cũng phải có bản đồ và kiến thức trong tay, việc AI là hỗ trợ bản thân trong việc triển khai tác vụ giúp mình đi nhanh hơn, không phải là AI là người định hướng ban đầu cho mình để mình đi theo. Đã có nghiên cứu về việc suy giảm tư duy phản biện khi con người quá lệ thuộc vào AI, việc chấp nhận mặc định kết quả mà AI cung cấp sẽ làm cho tư duy độc lập con người bị thiêu chột. Tuy nhiên, nếu một người có kiến thức nền trước thì việc nhận biết lỗi sai và ảo giác từ AI là hoàn toàn có thể và họ có khả năng định hướng AI để tăng tốc công việc của mình mà không bị AI dắt mũi. Việc thực thi nên để AI làm, còn việc chúng ta là phản biện, đánh giá và tư duy độc lập dựa theo kiến thức sẵn hoặc tự tìm hiểu của bản thân. Điều này càng nhấn mạnh vai trò của kiến thức nền tảng, dù gì thì AI cũng chỉ là công cụ hỗ trợ chứ không thể thay thế hoàn toàn kiến thức và tư duy sẵn có của con người, mà việc muốn có những kiến thức và tư duy đó thì thông qua va chạm và sai lầm thì bản thân mới thu nạp được.

TP. Hồ Chí Minh, 15/06/2026.