Nhân loại đã học được cách tạo ra tri thức, nhưng chưa học được cách truyền đạt sự hiểu biết

Nhân loại chưa bao giờ có quyền tiếp cận thông tin như ngày nay.

Hầu như bất kỳ ai cũng có thể tìm thấy sách giáo khoa vật lý lượng tử, bài giảng từ các trường đại học hàng đầu thế giới, tài liệu lập trình, bài báo khoa học về di truyền học, các khóa học kinh tế, lịch sử, kỹ thuật hoặc y học chỉ trong vài giây.

Và với sự xuất hiện của trí tuệ nhân tạo, ngay cả nhu cầu tự mình tìm kiếm phần lớn thông tin này cũng biến mất. Bạn chỉ cần đặt câu hỏi và nhận câu trả lời.

Có vẻ như chúng ta đã giải quyết được vấn đề tiếp cận tri thức.

Nhưng chúng ta chưa giải quyết được một vấn đề quan trọng hơn nhiều.

Tiếp cận thông tin không đồng nghĩa với tiếp cận sự hiểu biết.

Bạn có thể cung cấp cho một người một văn bản khoa học hoàn toàn chính xác, chứa đựng thông tin cực kỳ quý giá, nhưng lại không truyền đạt cho họ được gần như bất cứ điều gì.

Bởi vì để hiểu được thông tin, con người phải đã hiểu một điều gì đó từ trước.

Và đây chính là nơi tọa lạc một trong những vấn đề cơ bản của hệ thống truyền đạt tri thức hiện đại.

Khái niệm — Đơn vị cơ bản của sự hiểu biết

Chúng ta quen đo lường thông tin bằng từ ngữ, trang giấy, sách vở, bài giảng, giờ học, gigabyte dữ liệu.

Nhưng tư duy của con người được cấu trúc khác đi.

Chúng ta không lưu trữ sách bên trong bản thân mình.

Chúng ta xây dựng các khái niệm.

Khái niệm là một đơn vị ý nghĩa hoàn chỉnh mà con người có thể nhận ra, tái tạo trong tâm trí và sử dụng để hiểu một điều gì đó tiếp theo.

Ví dụ, từ "áp suất" bản thân nó không phải là tri thức.

Đối với một người, đằng sau nó là định nghĩa ở trường học mà họ đã gần như quên mất.

Đối với một kỹ sư — đó là cả một hệ thống các mô hình vật lý.

Đối với một thợ sửa ống nước — đó còn là kinh nghiệm thực tế: nước cư xử như thế nào, điều gì xảy ra khi đường kính ống thay đổi, tại sao hệ thống phát ra tiếng ồn, các vấn đề phát sinh ở đâu.

Từ thì chỉ có một.

Nhưng các khái niệm đằng sau nó thì khác nhau.

Và ngược lại: một người có thể hiểu rất rõ một ý tưởng nào đó mà hoàn toàn không biết thuật ngữ khoa học được chấp nhận.

Ví dụ, họ hiểu rằng một hệ thống có thể tự giảm bớt tác động khi kết quả trở nên quá lớn, và tăng nó lên khi kết quả trở nên quá nhỏ.

Họ đã hiểu cơ chế đó rồi.

Họ chỉ có thể không biết rằng tồn tại thuật ngữ "phản hồi âm" (negative feedback).

Do đó, thuật ngữ và khái niệm không phải là một.

Thuật ngữ là một tấm biển chỉ đường.

Khái niệm là những gì mở ra đằng sau tấm biển chỉ đường đó trong đầu con người.

Sự khác biệt này có vẻ nhỏ, nhưng nó thay đổi hoàn toàn cách nhìn nhận về giáo dục.

Con người không tích lũy tri thức một cách tuyến tính

Quan niệm về việc học như là quá trình nhồi nhét thông tin vào đầu một cách tuần tự là quá nguyên thủy.

Một điều khác đang diễn ra.

Con người tiếp thu một khái niệm mới thông qua những khái niệm đã có sẵn.

Đầu tiên, một ý tưởng phức tạp phải được giải thích dài dòng — thông qua các ví dụ, phép loại suy và hiện tượng quen thuộc.

Sau đó con người mới hiểu nó.

Sau đó, toàn bộ cấu trúc có thể được đóng gói lại thành một cái tên ngắn gọn.

Bây giờ chỉ cần nói:

"phản hồi âm"

— và trong đầu con người sẽ mở ra mô hình mà anh ta đã quen thuộc từ trước.

Vài đoạn thông tin đã biến thành hai từ.

Nhưng một điều quan trọng hơn nữa đã xảy ra.

Khái niệm mới bây giờ có thể được sử dụng để hiểu các khái niệm tiếp theo.

Do đó, việc học không diễn ra theo cách này:

tri thức + tri thức + tri thức + tri thức.

Mà рад скорее:

hiểu → nén lại → tái sử dụng → qua đó hiểu được điều phức tạp hơn → lại nén lại.

Con người liên tục cấu trúc lại ngôn ngữ tư duy của chính mình.

Hệ thống này càng phong phú, thì thông tin càng phức tạp càng có thể được truyền tải đến họ chỉ bằng một thông điệp ngắn gọn.

Một câu hoàn toàn vô nghĩa đối với người này, có thể truyền tải một lượng lớn tri thức cho người khác chỉ trong vài giây.

Chính vì vậy mà hai người có thể đọc cùng một bài báo khoa học và thực tế thu được từ đó những lượng thông tin hoàn toàn khác nhau.

Truyền tải thông tin không có nghĩa là truyền tải sự hiểu biết

Hãy tưởng tượng câu sau:

Các hệ thống hiện đại sử dụng knowledge tracing kết hợp với knowledge graphs để xây dựng adaptive learning paths có tính đến cognitive load và prerequisites của người học.

Đối với một chuyên gia, đây có thể là một công thức hoàn toàn bình thường và súc tích.

Đối với đại đa số mọi người, đây là rác thải thông tin.

Không phải vì họ không có khả năng hiểu ý tưởng đó.

Mà là vì thông điệp được mã hóa thông qua các khái niệm chưa có sẵn trong đầu họ.

Chúng ta có thể diễn đạt ý tương tự bằng một cách khác:

Máy tính có thể dần dần xác định xem một người đã hiểu những gì, họ còn cần những kiến thức nào khác và theo thứ tự nào là tốt nhất để cung cấp cho họ, nhằm tránh việc bắt họ phải học quá nhiều thứ mới cùng một lúc.

Bây giờ thông điệp đã trở nên dễ tiếp cận đối với một đối tượng hoàn toàn khác.

Thông tin thực chất hầu như không thay đổi.

Điều thay đổi là cách thức mã hóa nó.

Và điều này cho phép chúng ta đúc kết ra một nguyên tắc quan trọng nhất:

Một lời giải thích hay không chỉ được xác định bởi những gì người truyền đạt biết. Nó được xác định bởi những gì người nhận đã biết.

Một lời giải thích hay xét trên bình diện phổ quát có thể hoàn toàn không tồn tại.

Tri thức khoa học ngày càng bị nén lại nhiều hơn

Khi bất kỳ lĩnh vực nào phát triển, nó sẽ hình thành ngôn ngữ riêng của mình.

Điều này là cần thiết.

Việc các chuyên gia cứ phải giải thích lại những ý tưởng cơ bản từ con số không mỗi lần là điều vô nghĩa. Các cấu trúc phức tạp được đặt tên và biến thành những khối xây dựng tư duy mới.

Một thuật ngữ bắt đầu thay thế cả một trang giải thích.

Đây là một hình thức nén thông tin cực kỳ hiệu quả.

Nhưng nó đi kèm với một cái giá.

Để giải nén một thuật ngữ như vậy, một người phải sở hữu sẵn khái niệm tương ứng từ trước.

Do đó, mỗi lĩnh vực phát triển đều dần dần tạo ra bộ giải mã (decoder) riêng của mình.

Các nhà vật lý hiểu các nhà vật lý.

Các nhà sinh học hiểu các nhà sinh học.

Các nhà kinh tế học hiểu các nhà kinh tế học.

Các lập trình viên hiểu các lập trình viên.

Vấn đề trở nên đặc biệt rõ ràng ở ranh giới giữa các bộ môn.

Một chuyên gia có trình độ cao có thể mở một công trình nghiên cứu từ lĩnh vực lân cận và phát hiện ra rằng phần lớn văn bản đối với anh ta là gần như không thể hiểu nổi.

Anh ta biết đọc từng từ riêng lẻ.

Nhưng lại không biết cách giải nén các khái niệm đứng đằng sau chúng.

Nghịch lý xuất hiện.

Nhân loại ngày càng biết nhiều hơn, nhưng đối với một cá nhân thì việc tiếp cận toàn bộ tri thức của nhân loại ngày càng trở nên khó khăn hơn.

Giáo dục hiện đại đang cố gắng giải quyết sai vấn đề

Giáo dục truyền thống thường bắt đầu từ môn học.

Đây là chương trình.

Đây là trình tự các chủ đề.

Đây là học kỳ đầu tiên.

Đây là học kỳ thứ hai.

Đây là danh sách tài liệu tham khảo.

Và sau đó hàng nghìn con người hoàn toàn khác nhau được cố gắng dẫn dắt qua lộ trình này.

Nhưng những con người này có bộ não khác nhau.

Người này đã biết một nửa số khái niệm cần thiết.

Người kia thiếu một vài khái niệm cơ bản.

Người thứ ba hiểu rất rõ bản thân ý tưởng đó, nhưng không biết thuật ngữ chuyên môn.

Người thứ tư biết thuật ngữ và có thể lặp lại định nghĩa, nhưng thực chất không có khái niệm nào đằng sau nó.

Người thứ sáu đến hoàn toàn chỉ vì một kỹ năng cụ thể nào đó, mà 80% khóa học sẽ không bao giờ cần đến.

Chúng ta đang cố gắng thích ứng con người với chương trình học.

Sẽ hợp lý hơn nếu làm ngược lại.

Không nên bắt đầu từ môn học. Nên bắt đầu từ mục tiêu

Giả sử một người muốn đạt được một năng lực nào đó.

Không phải là "học lập trình".

Mà, ví dụ:

học cách tự mình tạo ra các công cụ kỹ thuật số đơn giản cho doanh nghiệp của mình.

Đây là một cách đặt vấn đề hoàn toàn khác.

Bây giờ chúng ta có thể hỏi:

Người cụ thể này thực sự cần hiểu những gì để có được năng lực này?

Anh ta đã hiểu những gì rồi?

Những khái niệm nào còn thiếu?

Những điều nào trong số những thứ được học theo truyền thống mà công nghệ hiện đại đã làm cho trở nên không bắt buộc?

Điều gì anh ta chỉ cần biết bề ngoài là đủ?

Điều gì cần phải được hiểu một cách sâu sắc?

Những khái niệm trung gian nào có thể hoàn toàn bỏ qua?

Và bất ngờ thay, con đường truyền thống dài một nghìn đơn vị quy ước có thể được rút ngắn xuống còn hai trăm.

Không phải bằng cách làm giảm chất lượng kết quả.

Mà bằng cách loại bỏ thông tin không cần thiết cho mục tiêu của con người cụ thể đó trong thế giới công nghệ hiện tại.

Công nghệ liên tục xóa sổ những kiến thức bắt buộc cũ

Vào buổi bình minh của máy tính cá nhân, con người thực sự phải học cách khởi chạy giao diện đồ họa bằng lệnh win.

Cần phải giải thích cửa sổ là gì, biểu tượng là gì, nhấp đúp chuột là gì.

Ngày nay, một số lượng lớn người không bao giờ cần đến những kiến thức này.

Công nghệ đã giấu đi mức độ phức tạp tương ứng.

Nhưng giáo dục lại có tính quán tính rất lớn.

Chúng ta vẫn tiếp tục xây dựng các chương trình dựa trên các chuỗi hình thành theo lịch sử:

để hiểu D, trước tiên hãy học A, sau đó B, rồi đến C.

Mặc dù thế giới hiện đại đã có thể cho phép:

A → D.

Hoặc thậm chí:

D.

Quá trình này diễn ra đặc biệt nhanh chóng hiện nay nhờ vào AI.

Những gì năm năm trước là năng lực chuyên môn bắt buộc, thì ngày mai có thể trở thành một chi tiết kỹ thuật nội bộ của hệ thống thông minh.

Do đó, chuỗi các khái niệm bắt buộc không thể là thứ cố định.

Nó phải được xem xét lại liên tục.

Trí tuệ nhân tạo làm cho kiến trúc học tập khác trở nên khả thi

Trước khi các hệ thống AI hiện đại ra đời, việc cá nhân hóa việc truyền đạt tri thức theo cách này là gần như bất khả thi.

Tác giả sách giáo khoa buộc phải viết một phiên bản văn bản duy nhất.

Giáo viên có thể điều chỉnh một chút lời giải thích cho phù hợp với khán giả, nhưng về mặt vật lý không thể liên tục duy trì mô hình kiến thức chính xác của từng học sinh trong số hàng trăm học sinh.

AI có khả năng hoạt động theo một cách khác.

Hệ thống có thể dần dần xây dựng mô hình khái niệm sống động của một con người cụ thể.

Không chỉ đơn thuần là:

biết toán học — 72%.

Mà là:

khái niệm này hiểu rõ; khái niệm này có sử dụng, nhưng không hiểu cơ chế; khái niệm này biết dưới một tên gọi khác; ở đây thiếu mối liên hệ nhân quả cần thiết; thuật ngữ này người đó không quen thuộc, mặc dù bản thân ý tưởng thì họ đã hiểu.

Sau đó, bài toán giải thích trở thành một bài toán có thể tính toán được.

Chúng ta có:

mục tiêu của con người;

hệ thống khái niệm hiện tại của họ;

đồ thị khổng lồ về tri thức nhân loại;

khả năng công nghệ hiện đại.

Cần phải tìm ra chuỗi thay đổi tối thiểu sẽ dẫn dắt con người từ trạng thái hiện tại đến năng lực cần thiết.

Thứ cần tối thiểu hóa không phải là thời gian học tập

Thông thường chúng ta hỏi:

Làm thế nào để giải thích khóa học này nhanh hơn?

Đây là câu hỏi phụ.

Câu hỏi đầu tiên phải là:

Tại sao con người lại phải học toàn bộ khóa học này ngay từ đầu?

Nếu chương trình chứa một nghìn khái niệm, nhưng cho mục tiêu của một người cụ thể thì chỉ cần một trăm, việc tăng tốc học một nghìn khái niệm là một sự tối ưu hóa tồi.

Trước tiên cần phải loại bỏ chín trăm khái niệm.

Trong số một trăm khái niệm còn lại, người đó đã biết một phần.

Một số có thể được thay thế bằng một mô hình tổng quát hơn.

Một số chỉ cần nêu rõ: "biết rằng lĩnh vực đó tồn tại và khi nào thì nên tìm đến nó".

Một số thực sự cần phải được hiểu một cách sâu sắc.

Chỉ sau đó mới có ý nghĩa tối ưu hóa lời giải thích.

Chúng ta không thể bắt bộ não con người học nhanh gấp hai mươi lần.

Nhưng đôi khi chúng ta có thể giảm đi hai mươi lần số lượng những gì họ thực sự cần phải học.

Đây là một cách tiếp cận cơ bản khác để gia tăng tốc độ phát triển của con người.

Đồng thời, con đường tối thiểu của mỗi người là khác nhau

Giả sử cần giải thích cho một người về một hệ thống quản lý nào đó.

Đối với kỹ sư, giải thích nó bằng toán học sẽ thuận tiện hơn.

Đối với lập trình viên — thông qua trạng thái chương trình và vòng lặp phản hồi (feedback loop).

Đối với doanh nhân — thông qua giá cả và sự thay đổi nhu cầu.

Đối với thợ sửa ống nước — thông qua áp suất và van.

Đây không phải là bốn khái niệm khác nhau.

Đây là bốn cách khác nhau để tiếp cận đến một mô hình nội tại khá gần gũi.

Sau khi sự hiểu biết đã hình thành, có thể nói rằng:

Dưới hình thức tổng quát, điều này được gọi là như thế này...

Bây giờ thuật ngữ chuyên môn không còn là một từ xa lạ nữa.

Nó đã trở thành một chiếc chìa khóa nén trỏ đến một khái niệm đã tồn tại sẵn.

Lời giải thích tiếp theo đã có thể được xây dựng thông qua nó.

Do đó, hệ thống học tập phải liên tục thay đổi cùng với con người.

Lời giải thích cần thiết cho anh ta hôm nay, sáu tháng sau sẽ trở nên quá sơ đẳng đến mức gây khó chịu.

Bộ giải mã nội bộ của anh ta đã thay đổi.

Điều đó có nghĩa là ngôn ngữ của hệ thống cũng phải thay đổi.

Trước tiên cần phải dạy con người cách học

Nhưng còn tồn tại một vấn đề sâu xa hơn bất kỳ công nghệ nào.

Đại đa số mọi người hoàn toàn không hiểu điều gì đang diễn ra vào thời điểm học tập.

Một người đến lớp học.

Nghe giảng.

Vào một lúc nào đó, họ ngừng hiểu những gì đang diễn ra.

Và tiếp tục nghe.

Những lời giải thích tiếp theo lại được xây dựng dựa trên khái niệm chưa được hiểu đó.

Sau hai mươi phút, ba khái niệm trở nên khó hiểu.

Sau một giờ — một nửa tài liệu trở nên khó hiểu.

Và con người đưa ra kết luận:

"Tôi không đủ thông minh."

Mặc dù mô tả kỹ thuật của vấn đề có thể hoàn toàn khác:

thiếu một nút thắt trong chuỗi hiểu biết.

Có thể giáo viên đã sử dụng một thuật ngữ mà họ cho là đã được biết đến từ trước.

Có thể đã bỏ sót mối liên hệ nhân quả.

Có thể đã sử dụng một khái niệm trừu tượng mà đối với người cụ thể đó, sẽ dễ hơn nếu được minh họa bằng ví dụ trước.

Có thể toàn bộ tài liệu trung gian hoàn toàn không cần thiết cho nhiệm vụ của họ.

Do đó, một trong những kỹ năng đầu tiên cần phải dạy cho con người là — chẩn đoán sự thiếu hiểu biết của chính mình.

Không phải:

Tôi không hiểu vật lý.

Mà là:

Trong lời giải thích này, tôi hiểu A và B, nhưng không hiểu tại sao từ B lại suy ra C.

Hoặc:

Tôi không biết từ X có nghĩa là gì.

Hoặc:

Bản thân cơ chế thì tôi hiểu, nhưng tôi không hiểu tại sao nó lại được áp dụng ở đây.

Sự không hiểu ngừng là một sự đánh giá về con người.

Nó trở thành một lỗi kỹ thuật cụ thể trong chuỗi khái niệm, có thể được tìm thấy và khắc phục.

Đó chính là ý nghĩa của việc học cách học.

AI có khả năng vừa làm tăng vừa làm giảm khoảng cách trí tuệ

Ở đây lại xuất hiện một vấn đề nữa.

Chúng ta thường giả định rằng AI có sẵn cho tất cả mọi người sẽ san bằng trí tuệ của con người.

Điều đó không nhất thiết phải xảy ra.

Hãy tưởng tượng hai người có cùng quyền truy cập vào một mô hình.

Người thứ nhất sử dụng nó như sau:

Hãy làm điều này.

AI làm.

Con người nhận kết quả.

Người thứ hai:

Tại sao kết quả lại ra như thế này? Có những giải pháp thay thế nào khác? Tôi đang không hiểu điều gì? Nó giống với nguyên tắc tổng quát nào? Nó còn được áp dụng ở đâu nữa? Chúng ta vừa âm thầm chấp nhận những giả định nào?

AI trả lời.

Câu trả lời sinh ra những câu hỏi mới.

Những câu trả lời mới tạo ra các khái niệm mới.

Các khái niệm mới cho phép con người đặt ra những câu hỏi mà trước đây họ thậm chí không thể nghĩ ra.

Vòng lặp phản hồi dương tính xuất hiện:

sự hiểu biết → các câu hỏi mạnh mẽ hơn → sử dụng AI hiệu quả hơn → sự hiểu biết mới → những câu hỏi thậm chí còn mạnh mẽ hơn.

Do đó, quyền truy cập như nhau vào AI có thể dẫn đến những kết quả hoàn toàn khác nhau.

Ở một người, năng suất là thứ tăng lên chủ yếu.

Ở người kia, đồng thời chính con người đó cũng lớn lên.

Và khoảng cách giữa họ có thể không thu hẹp lại, mà tăng lên với tốc độ nhanh chóng.

Trong trường hợp đó, AI trở thành bộ khuếch đại sự phân tán trí tuệ.

Sự phức tạp của kết quả không còn phản ánh sự phức tạp của con người

Đây là một trạng thái mới đối với nhân loại.

Trước đây từng tồn tại một mối liên hệ tương đối chặt chẽ:

để tạo ra những thứ phức tạp hơn, con người tự bản thân phải trở nên có năng lực hơn.

AI đang dần phá vỡ mối liên hệ này.

Một người có thể tạo ra một sản phẩm phần mềm mà gần như không hiểu gì về lập trình.

Có thể nhận được một báo cáo phân tích phức tạp mà không thành thạo các phương pháp phân tích tương ứng.

Có thể quản lý các quy trình mà cấu trúc bên trong của chúng họ hầu như không hiểu.

Điều này không nhất thiết là xấu.

Nhưng xuất hiện một sự khác biệt cơ bản:

sự phức tạp của kết quả do con người tạo ra ≠ sự phức tạp về trí tuệ của chính con người đó.

Chúng ta có thể sản xuất ra một khối lượng lớn các sản phẩm có độ phức tạp cao về mặt trí tuệ, bằng cách nhập khẩu hầu như toàn bộ độ phức tạp chứa đựng trong đó từ AI.

Do đó, năng suất không còn có thể được coi là chỉ số đầy đủ về sự phát triển của con người.

Chúng ta cần đặt ra một câu hỏi khác:

Điều gì đã thay đổi trong đầu con người sau khi thực hiện công việc này?

Nhưng chúng ta không thể biến mọi công việc thành một bài học

Từ đây rất dễ rút ra một kết luận sai lầm:

Điều đó có nghĩa là AI phải bắt con người tự suy nghĩ mỗi lần và giải thích cho họ mọi thứ nó làm.

Điều này sẽ tiêu diệt chính ý nghĩa của việc tự động hóa trí tuệ.

Sự chú ý của con người là có hạn.

Chúng ta không thể bắt một con người phải nghiên cứu cấu trúc bên trong của mọi công cụ mà họ sử dụng.

Chính vì vậy mà ý tưởng về khái niệm tối thiểu cần thiết trở thành trung tâm.

Hệ thống phải có khả năng phân biệt:

điều này con người cần phải hiểu;

điều này chỉ cần biết là nó tồn tại;

điều này sẽ chỉ cần đến khi một tình huống nhất định phát sinh;

điều này có thể nhường hoàn toàn cho máy móc.

Mục tiêu không phải là tối đa hóa tri thức của con người.

Mục tiêu là tối đa hóa khả năng hiểu và hành động của họ với chi phí nhận thức tối thiểu.

Khái niệm trở thành đơn vị thông tin cuối cùng

Từ đây suy ra nguyên tắc kiến trúc.

Không phải bài báo.

Không phải cuốn sách.

Không phải bài học.

Không phải khóa học.

Không phải bộ môn.

Khái niệm.

Các cấu trúc thông tin lớn chỉ cần thiết vì đôi khi để xây dựng một khái niệm, con người cần một chuỗi giải thích dài.

Nhưng kết quả cuối cùng không phải là một trang được đọc.

Kết quả là cấu trúc ý nghĩa phát sinh trong đầu mà con người có thể sử dụng tiếp.

Do đó, khái niệm có thể được coi đồng thời là đơn vị cơ bản và cuối cùng của tri thức.

Cơ bản — bởi vì việc học tiếp theo được xây dựng từ các khái niệm đã được tiếp thu.

Cuối cùng — bởi vì nhiệm vụ truyền đạt thông tin không kết thúc khi con người đọc xong văn bản, mà khi khái niệm cần thiết được tái tạo thành công trong mô hình thế giới của họ.

Văn bản là phương tiện vận chuyển.

Thuật ngữ là địa chỉ.

Giải thích là phương pháp giải mã.

Khái niệm là kết quả.

Có lẽ chúng ta cần một lý thuyết mới về truyền đạt tri thức

Lý thuyết thông tin cổ điển trả lời rất xuất sắc cho các câu hỏi về truyền tín hiệu.

Nhưng đối với việc học của con người, biết có bao nhiêu thông tin được truyền đi là chưa đủ.

Chúng ta có thể truyền đi một gigabyte văn bản và hầu như không thay đổi gì trong đầu người nhận.

Hoặc chúng ta có thể nói một câu — và cấu trúc lại quan niệm của họ về cả một lĩnh vực.

Điều đó có nghĩa là chúng ta quan tâm đến một đại lượng khác.

Không phải:

có bao nhiêu thông tin được truyền đi?

Mà là:

sự thay đổi có ích nào đã diễn ra trong hệ thống khái niệm của người nhận và với cái giá chi phí nhận thức là bao nhiêu?

Điều này cho phép chúng ta xác định hiệu quả học tập theo một cách khác.

Một lời giải thích hay không phải là lời giải thích đầy đủ nhất.

Không phải là khoa học nhất.

Không phải là ngắn nhất.

Và thậm chí không nhất thiết phải chính xác nhất với số lượng chi tiết tối đa.

Một lời giải thích hay là lời giải thích tạo ra một khái niệm đủ chính xác với chi phí chú ý tối thiểu của con người cho hành động hoặc sự hiểu biết cần thiết tiếp theo.

Và sau đó khái niệm này trở thành vật liệu xây dựng cho khái niệm tiếp theo.

Từ giáo dục phổ quát đến hệ thống khái niệm sống động

Cuối cùng, một kiến trúc hoàn toàn khác biệt xuất hiện.

Không tồn tại một khóa học đúng đắn duy nhất.

Không tồn tại một tập hợp các điều kiện tiên quyết cố định.

Không tồn tại một lời giải thích tối ưu duy nhất.

Có một con người ở trạng thái H₀.

Có năng lực mà họ muốn đạt được — T.

Có trạng thái của thế giới và công nghệ hiện tại — W.

Và có một phép biến đổi tối thiểu nào đó:

H₀ → H₁ → H₂ → … → T

Mỗi bước chuyển đổi là sự xuất hiện hoặc cấu trúc lại của một khái niệm.

Sau mỗi bước chuyển đổi, lộ trình có thể được tính toán lại.

Có lẽ khái niệm mới cho phép nhảy cóc qua ba khái niệm tiếp theo.

Có lẽ đã phát hiện ra một khoảng trống cũ.

Có lẽ con người đã tự mình xây dựng được mối liên hệ cần thiết.

Có lẽ công nghệ đã thay đổi và toàn bộ một nhánh tri thức không còn cần thiết nữa.

Do đó, đồ thị phải sống động.

Và mô hình con người phải sống động.

Nhiệm vụ chính là gia tăng băng thông phát triển của con người

Sinh lý học của con người thay đổi chậm chạp.

Chúng ta không thể đơn giản tăng trí nhớ của con người lên mười lần hoặc ép bộ não tiếp thu các mô hình phức tạp với tốc độ của máy tính.

Nhưng phần lớn chi phí học tập ngày nay hoàn toàn không được quyết định bởi sinh lý học.

Nó được quyết định bởi việc định tuyến thông tin kém.

Chúng ta dạy những gì đã biết.

Giải thích thông qua các thuật ngữ không rõ.

Truyền đạt những chi tiết sẽ không bao giờ cần đến.

Bắt học các điều kiện tiên quyết mang tính lịch sử.

Sử dụng những lời giải thích giống nhau cho những con người khác nhau.

Bỏ qua những khoảng trống nhỏ làm tắc nghẽn cả chuỗi phía sau.

Và bắt con người tự mình tìm đường đi qua không gian khổng lồ của tri thức nhân loại.

Lần đầu tiên, AI cho phép chúng ta tấn công hầu như tất cả những tổn thất này cùng một lúc.

Không phải làm cho bộ não nhanh hơn.

Làm cho con đường ngắn hơn.

Không phải cung cấp cho con người nhiều thông tin hơn.

Truyền tải ít hơn — nhưng chính là thứ họ có thể biến thành sự hiểu biết.

Không phải bắt tất cả mọi người phải biết tất cả mọi thứ.

Cung cấp cho mỗi người một hệ thống khái niệm đủ tối thiểu, cho phép họ tiếp tục tiến bước.

Và có lẽ, chính điều này sẽ trở thành một trong những thay đổi quan trọng nhất của giáo dục trong kỷ nguyên trí tuệ nhân tạo.

Bởi vì vấn đề của nhân loại từ lâu đã không còn là sự thiếu hụt thông tin.

Vấn đề nằm ở chỗ ngày nay phải mất bao nhiêu cuộc đời con người để biến thông tin có sẵn thành sự hiểu biết.