Trần Ngọc Minh

Trí tuệ nhân tạo tạo sinh không làm kiến thức lập trình trở nên vô nghĩa. Nó làm thay đổi nơi khó khăn thực sự nằm ở đâu.

Trước đây, nút thắt của phát triển phần mềm thường là biến một ý tưởng thành mã nguồn hoạt động được. Người học phải nhớ cú pháp, tự viết từng hàm, dò từng lỗi và ghép các phần nhỏ thành chương trình hoàn chỉnh. Ngày nay, AI có thể tạo mã trong vài giây; các hệ thống dạng tác tử còn có khả năng lập kế hoạch nhiều bước, gọi công cụ bên ngoài, ghi nhớ trạng thái giữa các phiên và liên tục sửa kết quả.

Vì thế, vấn đề không còn chủ yếu là “làm sao viết được mã”, mà chuyển sang hai phía của mã nguồn:

• Trước khi có mã: hiểu đúng vấn đề, xác định nhu cầu, diễn đạt yêu cầu đủ chính xác và thiết kế một giải pháp hợp lý.
• Sau khi có mã: đọc hiểu, kiểm thử, đánh giá chất lượng, phát hiện sai lệch và xác nhận rằng hệ thống vừa làm đúng đặc tả, vừa giải quyết đúng nhu cầu thực tế.

Nói ngắn gọn, AI làm giảm chi phí thực thi nhưng làm tăng giá trị của phán đoán. Trọng tâm của người làm phần mềm đang dịch chuyển từ sản xuất mã sang định hướng, điều phối và kiểm chứng mã. Đây là luận điểm trung tâm của bài viết trên Communications of the ACM.

Giáo dục lập trình đã cần thay đổi từ trước khi có AI

Những bất cập của giáo dục lập trình không mới. Từ năm 1988, Harlan Mills đã phê phán việc chúng ta dành quá nhiều thời gian dạy cú pháp nhưng quá ít thời gian dạy cách kết hợp các thành phần thành một hệ thống có ý nghĩa.

Nhiều lớp nhập môn đến nay vẫn yêu cầu sinh viên tính lượng mưa trung bình, kiểm tra một chuỗi có đối xứng hay không, hoặc viết những chương trình nhỏ tách biệt với bối cảnh sử dụng thực tế. Các bài tập này có thể hữu ích để luyện một kỹ thuật cụ thể, nhưng dễ khiến người học hiểu lập trình chỉ là nhớ cú pháp và hoàn thành những mảnh mã ngắn.

Hãy hình dung sinh viên bước vào lớp lập trình năm 2040. Các em đã sử dụng AI từ nhỏ, tự nhiên như thế hệ hiện nay sử dụng Internet và công cụ liên lạc. Nếu nhà trường vẫn giao những bài tập mà AI hoàn thành tức thì rồi cấm sinh viên dùng AI, sản phẩm nộp được sẽ không còn phản ánh đáng tin cậy năng lực thật. Quan trọng hơn, người học khó thấy giá trị của việc học.

Bởi vậy, phớt lờ AI không phải một lựa chọn thực tế. Cấm hoàn toàn cũng không bền vững, trừ khi nhà trường có thể tạo ra môi trường kiểm soát thật sự cho mọi hình thức đánh giá, kể cả các dự án lập trình lớn.

Không phải dạy ít kiến thức nền hơn

Khi AI viết được mã, sinh viên không cần hiểu ít hơn mà cần hiểu sâu hơn.

Muốn giao việc chính xác cho AI, người học phải biết sử dụng đúng thuật ngữ chuyên môn. Muốn nhận ra một lời giải “chạy được nhưng sai”, họ phải hiểu thuật toán, cấu trúc dữ liệu, thiết kế, kiểm thử và bối cảnh sử dụng. Muốn chịu trách nhiệm về sản phẩm, họ phải có khả năng giải thích tại sao giải pháp được chọn, giới hạn của nó nằm ở đâu và rủi ro nào có thể xuất hiện.

Các năng lực cốt lõi của giáo dục điện toán vì thế nên tập trung vào:

• Đọc hiểu chương trình.
• Đặc tả yêu cầu.
• Tính khả dụng đối với người dùng.
• Thiết kế và phân rã vấn đề.
• Chất lượng phần mềm.
• Kiểm chứng: hệ thống có được xây dựng đúng theo đặc tả không?
• Xác nhận giá trị: hệ thống có thực sự giải quyết đúng vấn đề cần giải quyết không?

Những năng lực này không chỉ dành cho khoa học máy tính. Chúng cũng quan trọng trong kỹ thuật phần mềm, khoa học dữ liệu, tin sinh học và mọi lĩnh vực sử dụng hệ thống tính toán.

Vai trò mới của con người

Quy trình lập trình có hỗ trợ AI có thể được nhìn qua ba năng lực lớn:

Năng lực	Công việc của con người
Thiết kế	Xác định mục tiêu, đặc tả yêu cầu và tạo chỉ dẫn chính xác
Điều phối	Phân rã vấn đề, kết hợp nhiều công cụ và kiểm soát tiến trình
Đánh giá	Kiểm thử, kiểm chứng, xác nhận và chịu trách nhiệm về kết quả

Khi AI đảm nhận ngày càng nhiều phần việc phân rã và triển khai, sinh viên phải học cách giám sát, giới hạn và kiểm toán các tác tử bán tự động một cách có phê phán và có đạo đức. Nút thắt mới chính là phán đoán của con người trong việc định hình vấn đề, điều phối hệ thống và đánh giá kết quả.

Ba mức độ cải tổ giáo dục điện toán

Nhóm tác giả đề xuất ba mức tham vọng, từ xử lý trước mắt đến xây dựng lại toàn bộ chương trình.

1. Điều chỉnh nhanh

Ở mức tối thiểu, mục tiêu môn học phải nói rõ sinh viên được yêu cầu sử dụng AI như thế nào, sử dụng có trách nhiệm nghĩa là gì và phải hiểu những hệ quả nào.

Khoa hoặc nhà trường cần có chính sách thống nhất thay vì để mỗi giảng viên đặt một quy tắc khác nhau. Bài viết dẫn ví dụ từ Đại học Sydney: tách đánh giá thành hai làn—đánh giá có kiểm soát để xác nhận năng lực độc lập và đánh giá mở để sinh viên học cách sử dụng AI trong điều kiện thực tế. Chính sách chính thức của Đại học Sydney.

Trong hoạt động học tập, sinh viên cần được dùng AI theo cách giúp họ nhận thức rõ vai trò của chính mình: phần nào mình thực sự hiểu, phần nào đang giao cho máy và khi nào cần nghi ngờ kết quả. Tò mò, tư duy độc lập, đọc có phê phán và đánh giá chất lượng trở thành những kỹ năng siêu nhận thức thiết yếu. Học tập chủ động và lớp học đảo ngược cũng nên được tăng cường để phát triển khả năng giao tiếp và tham gia của sinh viên.

2. Cải tổ từng môn và từng nhóm môn

Mức tiếp theo là xem xét lại mục tiêu của từng môn để phù hợp với thực hành phát triển phần mềm trong thời đại AI.

Môn lập trình nhập môn không nên chỉ thêm một buổi giới thiệu công cụ AI rồi giữ nguyên mọi thứ còn lại. Cần tích hợp AI vào quá trình hiểu bài toán, tạo giải pháp, so sánh phương án, kiểm thử và sửa lỗi. Đồng thời, chương trình phải cân nhắc môn nào không còn cần giữ ở vị trí bắt buộc và môn mới nào cần bổ sung.

Bài đánh giá nên mở hơn, gần với công việc thật hơn và cho phép sinh viên sử dụng AI trong các dự án có nhiều phương án giải quyết. Các môn liên quan cần có chính sách nhất quán. Một khoa thậm chí có thể xây dựng trợ giảng AI chung, sau đó hiệu chỉnh theo nội dung và mục tiêu của từng môn để sinh viên nhận được trải nghiệm học tập liền mạch.

3. Thiết kế lại chương trình từ nền móng

Mức tham vọng cao nhất là xây dựng lại chương trình đào tạo xoay quanh những năng lực mà con người vẫn phải chịu trách nhiệm khi AI đã có thể sản xuất mã.

Thay vì để kiến thức bậc cao chỉ xuất hiện ở những năm cuối, đặc tả, thiết kế, khả dụng, chất lượng và kiểm chứng cần được đưa vào xuyên suốt chương trình. AI có thể phụ trách những phần viết mã cấp thấp dưới sự hướng dẫn của con người, nhờ đó sinh viên có thể tham gia các dự án phức tạp và có ý nghĩa ngay từ giai đoạn nhập môn.

Đánh giá tổng kết thường nên diễn ra trong môi trường có kiểm soát, chẳng hạn thi vấn đáp hoặc thi viết có giám sát, để xác nhận năng lực cá nhân. Đánh giá quá trình có thể diễn ra trong môi trường mở, nơi sinh viên được sử dụng AI, nhận phản hồi và phát triển cách làm việc hiệu quả với công cụ.

Điều cần đánh giá không chỉ là sản phẩm cuối cùng

Khi AI có thể tạo ra một chương trình hoàn chỉnh, việc chương trình “chạy được” không còn đủ để chứng minh sinh viên đã học.

Điều quan trọng hơn là người học có thể:

• Giải thích bài toán và các giả định.
• Diễn đạt yêu cầu đủ chính xác.
• Bảo vệ lựa chọn thiết kế.
• Đọc và phê bình mã do AI tạo.
• Xây dựng phép thử có khả năng phát hiện lỗi.
• Nhận ra giới hạn, rủi ro và tác động đạo đức.
• Chịu trách nhiệm về sản phẩm cuối cùng.

AI có thể trở thành một gia sư luôn sẵn sàng và gần như kiên nhẫn vô hạn. Nhưng lợi ích ấy chỉ xuất hiện khi người học giữ quyền chủ động về nhận thức, không biến AI thành nơi gửi gắm toàn bộ việc suy nghĩ.

Kết luận

Giáo dục điện toán không nên cố bảo vệ một thế giới trong đó viết mã vẫn là công việc khó nhất. Thế giới ấy đang biến mất.

Điều cần giữ lại không phải mọi bài tập, mọi hình thức thi hay mọi cấu trúc môn học cũ, mà là mục tiêu sâu xa của giáo dục: giúp sinh viên hiểu, suy luận, thiết kế, đánh giá và chịu trách nhiệm. Việc tạo mã có thể ngày càng được tự động hóa; năng lực xác định đúng vấn đề, đặt ra ràng buộc, điều phối AI và đánh giá điều nó tạo ra lại càng có giá trị.

Dạy tốt vẫn là dạy tốt, học tốt vẫn là học tốt. Nhưng khi công cụ đã thay đổi, mục tiêu, hoạt động và cách đánh giá cũng phải thay đổi đồng bộ. Nếu chương trình đào tạo vẫn đứng yên, sinh viên có thể tạo ra nhiều mã hơn nhưng hiểu ít hơn. Nếu cải tổ đúng hướng, AI không làm giáo dục lập trình nghèo đi; nó có thể giải phóng giáo dục khỏi sự ám ảnh với cú pháp để trở về với phần quan trọng nhất: tư duy tạo nên những hệ thống hữu ích, đáng tin cậy và có trách nhiệm.