Ai khác không thể chắt lọc thành một kỹ năng?

Bài viết | Sleepy.md

Thật không may, trong thời đại này, bạn càng làm việc nghiêm túc mà không đặt trước thì bạn càng dễ dàng đẩy nhanh quá trình chắt lọc thành một kỹ năng có thể được thay thế bằng AI.

Trong hai ngày qua, danh sách tìm kiếm nóng và các kênh truyền thông tràn ngập "đồng nghiệp.skill". Khi vấn đề này tiếp tục gây tranh cãi trên các nền tảng xã hội lớn, sự chú ý của công chúng gần như không có gì đáng ngạc nhiên khi bị chi phối bởi những lo lắng lớn về “sự sa thải AI”, “bóc lột vốn” và “sự bất tử kỹ thuật số của người lao động”.

Những điều này thực sự gây lo lắng, nhưng điều khiến tôi lo lắng nhất là một dòng gợi ý sử dụng được viết trong tài liệu README của dự án:

"Chất lượng nguyên liệu thô quyết định chất lượng kỹ năng: nên ưu tiên thu thập các bài viết dài do anh ấy viết > câu trả lời ra quyết định > tin nhắn hàng ngày."

Những người có nhiều khả năng được hệ thống chắt lọc một cách hoàn hảo nhất và được khôi phục về cấp độ pixel chính xác là những người làm việc nghiêm túc nhất.

Họ là những người vẫn ngồi vào bàn làm việc và viết tài liệu đánh giá sau khi mỗi dự án hoàn thành; họ là những người sẵn sàng dành nửa giờ gõ những bài viết dài vào hộp thoại khi gặp phải những bất đồng và thẳng thắn phân tích tính logic trong việc ra quyết định của mình; họ là những người cực kỳ có trách nhiệm và giao phó mọi chi tiết công việc cho hệ thống một cách tỉ mỉ.

Sự nghiêm túc, từng là đức tính được đánh giá cao nhất tại nơi làm việc, giờ đây đã trở thành chất xúc tác thúc đẩy quá trình chuyển đổi người lao động thành nhiên liệu AI.

Những người lao động nhập cư bị bóc lột

Chúng ta cần hiểu lại một từ: bối cảnh.

Trong bối cảnh hàng ngày, bối cảnh là nền tảng của giao tiếp. Nhưng trong thế giới AI, đặc biệt là trong thế giới AI Agent đang phát triển điên cuồng, bối cảnh là nhiên liệu cho tiếng gầm rú của động cơ, là dòng máu duy trì nhịp đập và là điểm neo duy nhất để mô hình đưa ra những phán đoán chính xác trong hỗn loạn.

AI bị tước bỏ bối cảnh, ngay cả khi nó có số lượng thông số đáng kinh ngạc, cũng chẳng khác gì một công cụ tìm kiếm mắc chứng mất trí nhớ. Nó không thể nhận ra bạn là ai, không thể hiểu được dòng điện ngầm ẩn dưới logic kinh doanh và không có cách nào biết bạn đã trải qua những khó khăn và đánh đổi lâu dài nào khi đưa ra quyết định trên mạng lưới đan xen với những hạn chế về nguồn lực và trò chơi giữa các cá nhân này.

Lý do khiến "colleagues.skill" gây được tiếng vang lớn như vậy chính là vì nó đã nhắm mục tiêu cực kỳ lạnh lùng và chính xác vào mỏ tích lũy số lượng lớn bối cảnh chất lượng cao - phần mềm cộng tác của các doanh nghiệp hiện đại.

Trong 5 năm qua, nơi làm việc ở Trung Quốc đã trải qua quá trình chuyển đổi kỹ thuật số thầm lặng nhưng đầy đau đớn. Các công cụ như Feishu, DingTalk và Notion đã trở thành nền tảng kiến ​​thức khổng lồ của công ty.

Lấy Feishu làm ví dụ. ByteDance đã công khai tuyên bố rằng số lượng tài liệu mà nó tạo ra mỗi ngày là rất lớn và những nhân vật dày đặc này sẽ phong ấn một cách trung thực mọi động thái cân nhắc, mọi cuộc họp và đối đầu gay gắt cũng như mọi thỏa hiệp chiến lược nghiến răng nghiến lợi của hơn 100.000 nhân viên.

Loại thâm nhập kỹ thuật số này vượt xa bất kỳ thời đại nào trước đó. Ngày xửa ngày xưa, tri thức có nhiệt độ cơ thể, ngủ yên trong tâm trí những người nhân viên cũ, trôi nổi trong những cuộc trò chuyện thường ngày trong phòng trà; nhưng giờ đây, tất cả trí tuệ và kinh nghiệm của con người đã bị cạn kiệt một cách cưỡng bức và bị dồn vào ma trận máy chủ lạnh lẽo của đám mây một cách tàn nhẫn.

Trong hệ thống này, nếu bạn không viết tài liệu, công việc của bạn sẽ không được nhìn thấy và đồng nghiệp mới không thể cộng tác với bạn. Sự hoạt động hiệu quả của các doanh nghiệp hiện đại dựa trên chu kỳ mỗi nhân viên “đóng góp” bối cảnh ngày này qua ngày khác cho hệ thống.

Với sự siêng năng và thiện chí, những người lao động nghiêm túc bộc lộ suy nghĩ của mình mà không cần dè dặt trên những nền tảng lạnh lùng này. Họ làm điều này để làm cho các bánh răng của nhóm ăn khớp trơn tru hơn, để cố gắng chứng minh giá trị của bản thân đối với hệ thống và để cố gắng tìm kiếm vị trí của riêng mình trong con thú kinh doanh phức tạp này. Họ không chủ động đầu hàng mà chỉ tuân thủ một cách vụng về và siêng năng những quy tắc sinh tồn của nơi làm việc hiện đại.

Nhưng chính những bối cảnh dành cho sự hợp tác giữa các cá nhân này đã trở thành nguồn nhiên liệu hoàn hảo cho AI.

Phần phụ trợ quản lý của Feishu có chức năng cho phép quản trị viên cấp cao xuất tài liệu và hồ sơ liên lạc của thành viên theo lô. Điều này có nghĩa là logic đánh giá dự án và ra quyết định mà bạn đã dành ba năm và thức vô số đêm để viết ra chỉ cần một giao diện API. Chỉ trong vài phút nữa, những lát cắt cuộc đời bạn trong vài năm qua sẽ dễ dàng được đóng gói thành một gói nén lạnh.

Khi mọi người bị hạn chế sử dụng API

Với sự phổ biến của "colleague.skill", một số công cụ phái sinh cực kỳ khó chịu bắt đầu xuất hiện trong lĩnh vực Vấn đề của GitHub và các nền tảng xã hội lớn.

Ai đó đã tạo ra "ex.skill" và cố gắng cung cấp lịch sử trò chuyện trong WeChat trong vài năm qua cho AI, để nó tiếp tục cãi vã hoặc nhẹ nhàng với chính mình bằng giọng điệu quen thuộc đó; một số người đã tạo ra "White Moonlight.skill", giảm bớt sự đau đớn không thể chạm tới thành một hộp cát lạnh lẽo giữa các cá nhân, liên tục suy luận những lời nói thăm dò, từng bước tìm kiếm giải pháp tình cảm tối ưu cho trại; những người khác đã tạo ra "Daddy Boss.skill", nhai trước những từ PUA áp bức đó trong không gian kỹ thuật số và xây dựng một tuyến phòng thủ tâm lý đáng buồn cho chính họ.

Các kịch bản sử dụng những kỹ năng này đã hoàn toàn thoát ra khỏi phạm vi hiệu quả công việc. Hóa ra, vô tình, từ lâu chúng ta đã quen với việc sử dụng logic lạnh lùng của các công cụ xử lý để chia cắt và khách quan hóa những con người bằng xương bằng thịt đó.

Triết gia người Đức Martin Buber từng đề xuất rằng nền tảng của các mối quan hệ giữa con người với nhau không gì khác hơn là hai mô hình hoàn toàn khác nhau: "Tôi và bạn" và "Tôi và nó".

Trong cuộc gặp gỡ giữa “tôi và bạn”, chúng ta vượt qua định kiến ​​và nhìn nhau như một sinh vật trọn vẹn và có phẩm giá. Mối ràng buộc này cởi mở một cách không hề dè dặt, tràn đầy sức sống, khó lường và đặc biệt mong manh vì sự chân thành của nó; tuy nhiên, một khi nó rơi vào cái bóng của “tôi và nó”, con người sống bị thu gọn lại thành một vật thể có thể tháo rời, phân tích, phân loại và dán nhãn. Theo quan điểm cực kỳ vị lợi này, điều duy nhất chúng ta quan tâm là “Thứ này có ích gì cho tôi?”

Sự xuất hiện của những sản phẩm như “Predecessor.skill” đánh dấu rằng tính hợp lý mang tính công cụ của “tôi và nó” đã xâm chiếm hoàn toàn lĩnh vực tình cảm riêng tư nhất.

Trong một mối quan hệ thực sự, con người là ba chiều và đầy những nếp nhăn, lúc nào cũng có những mâu thuẫn và những góc cạnh thô ráp. Phản ứng của con người liên tục thay đổi tùy theo những tình huống cụ thể và những tương tác cảm xúc. Người yêu cũ của bạn có thể có phản ứng hoàn toàn khác với cùng một câu khi anh ấy thức dậy vào buổi sáng so với khi anh ấy thức dậy vào đêm khuya sau khi làm thêm giờ.

Nhưng khi bạn chắt lọc một người thành một kỹ năng, thứ bạn bóc ra chỉ là phần còn sót lại về chức năng của người đó mà tình cờ là "hữu ích" và "hiệu quả" đối với bạn trong mối liên kết cụ thể đó. Và con người ấm áp ban đầu với niềm vui nỗi buồn của riêng mình đã hoàn toàn cạn kiệt tâm hồn trong quá trình thanh lọc tàn khốc này, và bị biến thành một "giao diện chức năng" mà bạn có thể cắm, kéo ra và gọi tùy ý.

Phải thừa nhận rằng AI không hề tự nhiên tạo ra sự tàn ác lạnh lùng này. Trước khi AI xuất hiện, từ lâu chúng ta đã quen với việc dán nhãn cho người khác và cân nhắc chính xác “giá trị cảm xúc” cũng như “sức nặng mạng lưới” của từng mối quan hệ. Ví dụ: trong thị trường hẹn hò, chúng tôi định lượng tình trạng của mọi người thành các bảng; ở nơi làm việc, chúng tôi phân loại đồng nghiệp thành “những người có thể làm việc chăm chỉ” và “những người thích câu cá”. AI chỉ làm cho việc trích xuất chức năng ngầm này giữa con người trở nên hoàn toàn rõ ràng.

Con người đã bị đè bẹp, chỉ còn lại khía cạnh “trong đó có gì cho tôi?”

Mẫu điện tử

Năm 1958, triết gia người Anh gốc Hungary Michael Polanyi đã xuất bản cuốn "Kiến thức cá nhân". Trong cuốn sách này, ông đề xuất một khái niệm rất sâu sắc: kiến ​​thức ngầm.

Polanyi có một câu nói nổi tiếng: "Chúng ta luôn biết nhiều hơn những gì chúng ta có thể nói."

Ông đưa ra ví dụ về việc học đi xe đạp. Một tay đua điêu luyện cưỡi gió có thể cân bằng hoàn hảo mọi độ nghiêng của trọng lực, nhưng anh ta không thể sử dụng những công thức vật lý khô khan hay từ vựng nhạt nhẽo để mô tả chính xác cho người mới bắt đầu trực giác tinh tế của cơ thể tại thời điểm đó. Anh ấy biết cách cưỡi ngựa, nhưng anh ấy không thể nói được. Loại kiến ​​thức không thể được hệ thống hóa hoặc diễn đạt này là kiến ​​thức ngầm.

Nơi làm việc chứa đầy loại kiến ​​thức ngầm này. Khi khắc phục sự cố hệ thống, một kỹ sư cấp cao có thể xác định được vấn đề chỉ bằng cách nhìn vào nhật ký, nhưng anh ta khó có thể ghi lại “trực giác” này dựa trên hàng nghìn lần thử và sai; một nhân viên bán hàng xuất sắc đột nhiên im lặng trên bàn đàm phán, và cảm giác bị áp bức và thời điểm do sự im lặng này mang lại không thể ghi lại trong bất kỳ sổ tay bán hàng nào; một nhân sự có kinh nghiệm có thể phát hiện ra điểm yếu trong sơ yếu lý lịch chỉ từ ác cảm nửa giây của ứng viên trong một cuộc phỏng vấn.

Những gì "colleagues.skill" có thể rút ra chỉ là những kiến ​​thức rõ ràng đã được viết ra và nói ra. Nó có thể nắm bắt được tài liệu rà soát của bạn nhưng không thể nắm bắt được sự vướng mắc khi bạn viết tài liệu; nó có thể sao chép những phản ứng ra quyết định của bạn, nhưng nó không thể sao chép trực giác của bạn khi đưa ra quyết định.

Những gì được hệ thống chắt lọc luôn chỉ là cái bóng của một người.

Nếu câu chuyện kết thúc ở đây thì đó chỉ là một sự bắt chước tồi tệ khác về bản chất con người bằng công nghệ.

Nhưng sau khi một người được chắt lọc thành một kỹ năng, kỹ năng đó sẽ không đứng yên. Nó sẽ được sử dụng để trả lời email, viết tài liệu mới và đưa ra quyết định mới. Nói cách khác, những cái bóng do AI tạo ra này bắt đầu tạo ra những bối cảnh mới.

Và những bối cảnh do AI tạo ra này sẽ được lưu giữ trong Feishu và DingTalk, trở thành tài liệu đào tạo cho vòng chắt lọc tiếp theo.

Ngay từ năm 2023, nhóm nghiên cứu của Đại học Oxford và Đại học Cambridge đã cùng xuất bản một bài báo về "sự sụp đổ mô hình". Nghiên cứu cho thấy rằng khi một mô hình AI được đào tạo lặp đi lặp lại bằng cách sử dụng dữ liệu do AI khác tạo ra, việc phân phối dữ liệu ngày càng trở nên thu hẹp. Những phẩm chất hiếm có, ngoài lề nhưng vô cùng thực tế của con người sẽ nhanh chóng bị xóa bỏ. Chỉ sau một vài thế hệ đào tạo về dữ liệu tổng hợp, mô hình này hoàn toàn quên mất dữ liệu thực tế phức tạp, dài dòng của con người và thay vào đó đưa ra nội dung cực kỳ tầm thường và đồng nhất.

"Nature" cũng đã xuất bản một bài nghiên cứu vào năm 2024, chỉ ra rằng việc sử dụng bộ dữ liệu do AI tạo ra để đào tạo các thế hệ mô hình học máy trong tương lai sẽ gây ô nhiễm nghiêm trọng đầu ra của chúng.

Điều này giống như những điều đó hình ảnh biểu tượng cảm xúc lan truyền trên Internet. Ban đầu nó là một ảnh chụp màn hình độ phân giải cao đã được vô số người chuyển tiếp, nén và đăng lại. Mỗi lần nó được truyền đi, một số pixel sẽ bị mất và một số nhiễu sẽ được thêm vào. Cuối cùng, hình ảnh trở nên mờ và bị dính các electron.

Khi bối cảnh thực tế của con người với những kiến ​​thức ngầm bị cạn kiệt và hệ thống chỉ có thể tự rèn luyện dưới cái bóng của bột giấy, cuối cùng sẽ còn lại gì?

Ai đang xóa dấu vết của chúng ta

Những gì còn lại chỉ là sự đúng đắn vô nghĩa.

Khi dòng sông tri thức cạn kiệt thành sự ngẫm nghĩ và tự nhai vô tận của AI về AI, mọi thứ hệ thống phun ra sẽ trở nên cực kỳ chuẩn mực và an toàn, nhưng cũng trống rỗng đến vô vọng. Bạn sẽ thấy vô số báo cáo hàng tuần có cấu trúc hoàn hảo và vô số email không có lỗi, nhưng chúng không có hơi thở sống động và không có thông tin chi tiết thực sự có giá trị.

Sự sụp đổ lớn về kiến ​​thức này không phải do bộ não con người trở nên ngu ngốc. Bi kịch thực sự là chúng ta đã thuê ngoài quyền suy nghĩ và trách nhiệm để lại bối cảnh cho cái bóng của chính mình.

Vài ngày sau khi "colleagues.skill" trở nên phổ biến, một dự án mang tên "anti-distill" đã lặng lẽ xuất hiện trên GitHub.

Các tác giả của dự án này không cố gắng tấn công mô hình lớn, họ cũng không viết bất kỳ tuyên ngôn hoành tráng nào. Anh ta chỉ cung cấp một công cụ nhỏ giúp người đánh máy tự động tạo ra một số bài viết dài không hợp lệ trong Feishu hoặc DingTalk tưởng chừng như hợp lý nhưng thực ra lại đầy rẫy logic.

Mục đích của anh ấy rất đơn giản, là che giấu kiến ​​thức cốt lõi của mình trước khi được hệ thống chắt lọc. Vì hệ thống thích thu thập thông tin về "các bài báo dài được viết tích cực", nên hãy cung cấp cho nó một loạt các từ ngữ vô nghĩa bổ dưỡng.

Dự án này không phổ biến bằng "colleagues.skill", thậm chí nó còn có vẻ hơi nhỏ và yếu. Dùng phép thuật để đánh bại phép thuật thực chất vẫn là chơi trong luật chơi do vốn và công nghệ đặt ra. Nó không thể thay đổi xu hướng chung của các hệ thống ngày càng dựa vào AI và ngày càng phớt lờ con người thật.

Nhưng điều này không ngăn cản dự án này trở thành cảnh thơ mộng bi thảm và ẩn dụ sâu sắc nhất trong toàn bộ vở kịch phi lý.

Chúng tôi làm việc cực kỳ chăm chỉ để để lại dấu vết trong hệ thống, viết tài liệu chi tiết và đưa ra quyết định cẩn thận, cố gắng chứng minh rằng chúng tôi tồn tại và chúng tôi có giá trị trong bộ máy công ty hiện đại khổng lồ này. Chúng ta ít biết rằng những dấu vết cực kỳ nghiêm trọng này cuối cùng sẽ trở thành cục tẩy xóa đi chúng ta.

Nhưng nhìn từ góc độ khác, đây có thể không phải là một ngõ cụt hoàn toàn.

Bởi vì thứ mà cục tẩy xóa đi sẽ luôn là "quá khứ của bạn". Một kỹ năng được đóng gói thành một tệp, cho dù logic tìm nạp của nó phức tạp đến đâu, về cơ bản chỉ là một ảnh chụp nhanh tĩnh. Nó bị khóa tại thời điểm xuất khẩu và chỉ có thể dựa vào các chất dinh dưỡng cũ để quay không ngừng trong quy trình và logic đã được thiết lập. Nó không có bản năng đối mặt với sự hỗn loạn chưa biết, cũng như không có khả năng tự phát triển giữa những thất bại của thế giới thực.

Khi chúng ta trao lại những trải nghiệm rập khuôn và tiêu chuẩn hóa cao đó, chúng ta cũng được rảnh tay. Chừng nào chúng ta còn tiếp tục khám phá ra bên ngoài và tiếp tục phá vỡ, xây dựng lại ranh giới nhận thức của chính mình thì cái bóng ở trên mây sẽ luôn theo sau lưng chúng ta.

Mọi người đang thực hiện các thuật toán.