Tôi hoàn thành luận văn Tiến sĩ tại Đại học Oslo năm 2017, bảo vệ năm 2018, nhưng bắt đầu học PhD từ năm 2009. Tức là hết 9 năm. Trước đó, năm 2007 tôi đã hoàn thành luận văn Thạc sĩ cũng tại ĐH Oslo với điểm A và được đánh giá rất cao. Thầy hướng dẫn tôi là GS Jorn Braa mất 15 năm để hoàn thành PhD và một thầy khác Jen Kaasbøll mất 20 năm. ĐH Oslo là đại học lâu đời nhất Na Uy và là nơi phát minh ra ngôn ngữ lập trình hướng đối tượng đầu tiên (Simula) cũng như luận văn về CSS của Håkon Wium Lie cũng được làm tại đây.
Ở Châu Âu, việc đào tạo tiến sĩ mang tính hàn lâm và thường đòi hỏi ứng viên phải có Phát Minh Gốc (Originality) nghĩa là phải tìm ra một cái gì đó mới. Do đó, nếu chưa tìm ra cái gì mới thì các thầy hướng dẫn vẫn chưa trình nộp luận văn. Trong quá trình làm PhD thầy hướng dẫn cũng sẽ quan sát ứng viên xem có khả năng nghiên cứu và phản biện độc lập chưa, nếu chưa thì bắt ở lại rèn luyện tiếp.
Re-search nghĩa là tìm kiếm - lại. Trên trái đất này không có gì mới, nó đã hiện hữu ở dạng này hay dạng khác, nhiệm vụ của nhà nghiên cứu thực chất không phải phát minh ra mà tìm lại cái đã có, đã tồn tại. Định lý Pythagore hay nước sôi 100 độ hoặc bảng tuần hoàn nguyên tố hoá học đã ở đó từ ngày vũ trụ khai sinh nhưng nhân loại cũng mới tìm lại nó cách đây vài trăm năm.
Khẩu hiệu (Moto) của Google Scholar là Đứng trên vai người khổng lồ (Standing on the shoulders of giants) nghĩa là nếu bạn phát hiện ra cái gì mới thì cái mới đó nó phải gắn với cái hiện hữu như thế nào? Không thể có cái gì mới mà đến từ hư vô được (Coming from nowhere). Do đó, trong tất cả các nghiên cứu thì literature review là cái rất quan trọng, nghĩa là bạn phải định vị được nghiên cứu của bạn: giúp hiểu rõ thêm, làm mới, cải tiến, hay thay thế các lý thuyết trước đó như thế nào. Nếu không research của bạn sẽ không có giá trị.
Giáo sư Jorn Braa, là cha đẻ của phần mềm quản lý y tế DHIS2 hiện đang được sử dụng tại hơn 80 quốc gia
Mỗi ngày có hàng ngàn bài báo được xuất bản, số bài báo khoa học hiện giờ lên tới hàng trăm triệu bài. Vậy Literature review là review chỗ nào?. Mỗi nhà nghiên cứu chuyên nghiệp hầu như đều ở trong một lĩnh vực hẹp cụ thể, có thể cực kỳ trừu tượng và lý thuyết, người ngoài đọc vô sẽ không thể hiểu được. Sinh viên PhD cũng sẽ được thầy hướng dẫn chỉ cho bài nào cần đọc, tóm tắt và tìm những bài liên quan của một số tác giả chính trong chuyên ngành của mình. Việc cập nhật Literature thường xuyên sẽ giúp nhà nghiên cứu có ý tưởng nghiên cứu mới làm tiền đề cho việc xác định bài toán và câu hỏi nghiên cứu (Research problem và Research question). Thầy tôi nói: đừng thấy lĩnh vực hay hướng nghiên cứu ít người làm mà nhảy vào, người ta không làm vì có thể nó không đi đến đâu chứ không phải vì người ta chưa nghĩ tới.
Cái quan trọng nữa đối với nghiên cứu là dữ liệu. Bạn cũng biết trong AI dữ liệu quyết định chất lượng model. Trong nghiên cứu cũng vậy, câu hỏi khi người ta đọc nghiên cứu của bạn luôn là: Dữ liệu đâu?
Cách thức thu thập thế nào? Đối với các nghiên cứu liên quan tới con người như về xã hội, tâm lý hoặc y học, cần phải có Hội đồng y đức duyệt thì mới được quyền thu thập dữ liệu, và nghiên cứu đó mới được công nhận.
Sau khi có dữ liệu rồi thì chúng ta sẽ tiến hành phân tích dữ liệu để đưa ra kết quả nghiên cứu. Kết quả có thể là: xác nhận lại 1 lý thuyết, mở rộng một giả thiết, cung cấp thêm bằng chứng thực tế, hoặc (cực kỳ hiếm) là đưa ra một lý thuyết hay mô hình mới. Và cuối cùng là viết bài nghiên cứu để nộp cho tạp chí.
Bâu giờ quay trở lại với câu hỏi: với khả năng hiện tại AI giúp ích gì cho nghiên cứu. Câu trả lời ai cũng thấy, đó chính là khâu cuối cùng: viết bài. AI hỗ trợ chỉnh sửa ngữ pháp tiếng Anh cũng như cách dùng từ rất tốt (điểm rất yếu của người Việt), giúp chất lượng trình bày bài viết được nâng tầm.
AI cũng có thể hỗ trợ các khâu khác như gợi ý ý tưởng nghiên cứu, tìm kiếm bài báo liên quan, hoặc tóm tắt một tập các bài báo chúng ta gửi lên. Tuỳ vào dữ liệu, tuỳ vào cách prompt, và tuỳ vào lĩnh vực cụ thể, chúng ta có thể nhận được câu trả lời với chất lượng khác nhau.
Tuy nhiên, cái khó nhất mà AI chưa giải quyết được đó là vấn đề dữ liệu. Dữ liệu thu thập ở đâu, ai cho phép là vấn đề mà AI không hoặc chưa giải quyết được. Giá trị của nghiên cứu và danh giá của các nhà khoa học vẫn nằm ở chỗ đó và AI vẫn chưa thể thay thế được, ít nhất là trong tương lai gần.
Gần đây một số công ty đã tung ra sản phẩm hỗ trợ nghiên cứu, về cơ bản thì các công cụ này cũng sẽ dùng AI (RAG) để xác định vấn đề cần nghiên cứu, viết literature review, gợi ý cách thu thập dữ liệu, hỗ trợ phân tích dữ liệu… Tuy nhiên, như đã nói phần quan trọng nhất làm nên giá trị của research là dữ liệu gốc, cái này thì chưa có tool nào làm được, trừ khi là fake dữ liệu để viết bài. Mà cái này thì chúng ta không bàn ở đây.
Các bạn ở đây tranh luận gay gắt khi nói về vai trò của AI trong research là bởi vì có bạn hiểu là toàn bộ qui trình research, có người hiểu là một vài công đoạn trong quá trình research. Nếu bóc tách ra các bạn sẽ thấy rằng AI chỉ có thể hỗ trợ một số công đoạn mà thôi. Và ở thời điểm hoàn toàn chưa thể thay thế các Giáo sư Tiến sĩ được. Ngoài ra có bạn nói về một dạng research khác là nghiên cứu thị trường, đây là một nhánh khác của research, do tôi không có kinh nghiệm nên không dám bàn thêm.
Nguồn: Thanh Ng
