Nếu phải tóm tắt sự phát triển của AI từ năm 2023 đến nay bằng một câu, tôi sẽ chọn:
AI đang chuyển từ hệ thống tạo câu trả lời sang hệ thống có khả năng thực hiện công việc.
2023: AI biết “tạo”
Sự xuất hiện của các foundation model như GPT-4 đưa AI tạo sinh đến gần người dùng phổ thông.
Mô hình tương tác lúc đó khá đơn giản:
Người dùng → Prompt → LLM → Câu trả lời
Trong lập trình, chúng ta có thể yêu cầu AI viết một hàm Python, tạo giao diện web hoặc giải thích một thuật toán.
Điều này làm thay đổi mạnh cách học và dạy lập trình. Một bài tập kiểu “hãy viết chương trình X” ngày càng khó phản ánh chính xác năng lực của người học vì AI có thể tạo code gần như tức thì.
2024: AI bắt đầu “suy luận”
Một bước tiến quan trọng tiếp theo là các reasoning model.
Thay vì chỉ sinh câu trả lời trực tiếp, mô hình được dành thêm tài nguyên tính toán để phân tích bài toán, thử các hướng giải, kiểm tra và cải thiện kết quả trước khi trả lời.
Ta có thể hình dung:
Question → Analyse → Check → Revise → Answer
Từ đây, câu hỏi trong giáo dục cũng cần thay đổi.
Thay vì yêu cầu sinh viên:
Viết thuật toán Quick Sort.
có thể yêu cầu:
So sánh ba thuật toán, chọn thuật toán phù hợp với dữ liệu cụ thể, kiểm thử và giải thích trade-off.
Năng lực cần đánh giá dần chuyển từ tạo ra câu trả lời sang lựa chọn, kiểm chứng và giải thích giải pháp.
Từ LLM đến AI Agent
LLM bản chất vẫn là mô hình sinh token.
Nhưng khi kết nối LLM với các công cụ như:
- trình duyệt;
- Python;
- terminal;
- cơ sở dữ liệu;
- GitHub;
- compiler và debugger;
AI có thể bắt đầu thực hiện hành động.
Một agent thường hoạt động theo vòng lặp:
Goal → Plan → Action → Tool → Observation → Reason → Action…
Đây là khác biệt lớn giữa chatbot và AI agent.
Chatbot nói cho chúng ta cách làm.
Agent có thể trực tiếp thử làm, quan sát kết quả, phát hiện lỗi rồi tiếp tục sửa.
2025–2026: AI bắt đầu tham gia vào quá trình khám phá
Các hệ thống như AlphaEvolve cho thấy một mô hình rất đáng chú ý:
LLM tạo giải pháp → hệ thống tự đánh giá → giữ phương án tốt → tiếp tục cải tiến.
Điểm thú vị là:
LLM không nhất thiết phải đúng ngay từ đầu.
Nếu có một evaluator đủ tốt, AI có thể sinh nhiều phương án, thử nghiệm, loại bỏ phương án kém và tiếp tục tìm kiếm.
Nguyên lý này có ý nghĩa lớn đối với lập trình, tối ưu thuật toán và nghiên cứu khoa học.
Xa hơn nữa, các hệ thống kiểu AI co-scientist sử dụng nhiều agent để tạo giả thuyết, phản biện, xếp hạng và tinh chỉnh giả thuyết.
Khi đó AI không chỉ trả lời câu hỏi nghiên cứu mà bắt đầu tham gia vào chính workflow nghiên cứu.
Workflow nghiên cứu cũng đang thay đổi
Cách dùng AI đơn giản nhất hiện nay vẫn là:
dịch → tóm tắt → viết lại.
Nhưng giá trị lớn hơn có thể nằm ở các mức tiếp theo:
AI information assistant
→ AI coding assistant
→ AI research assistant
→ AI research agent
Ví dụ, với một bộ dữ liệu nghiên cứu:
Research question
→ AI đọc dữ liệu
→ EDA
→ đề xuất phương pháp phân tích
→ viết Python/R
→ chạy kiểm định
→ tạo biểu đồ
→ diễn giải kết quả
→ con người kiểm chứng
Bước cuối cùng đặc biệt quan trọng.
AI càng có khả năng hành động, vai trò của con người càng chuyển sang đặt vấn đề, thiết kế tiêu chí đánh giá và kiểm chứng kết quả.
Giáo dục lập trình nên thay đổi thế nào?
Thay vì cấm AI hoặc chỉ yêu cầu sinh viên tự viết code từ đầu, có thể thiết kế bài tập theo quy trình:
Specify → Ask AI → Test → Break → Repair → Explain → Evidence
Ví dụ:
- Sinh viên tự mô tả yêu cầu.
- Cho phép AI tạo giải pháp.
- Sinh viên phải viết test.
- Tìm trường hợp code AI sai.
- Sửa lỗi.
- Giải thích kiến trúc và quyết định kỹ thuật.
- Nộp prompt, diff, test và phần phản tư.
Khi đó câu hỏi đánh giá không còn chỉ là:
“Sinh viên có tự viết được đoạn code này không?”
mà trở thành:
“Sinh viên có đủ kiến thức để điều khiển, kiểm tra và chịu trách nhiệm về code do AI tạo ra hay không?”
Bốn từ khóa để nhớ
Có thể nhìn sự phát triển gần đây của AI theo một chuỗi rất ngắn:
2023 — Generate
Foundation Model
2024 — Think
Reasoning Model
2024–2025 — Think + Act
AI Agent
2025–2026 — Generate + Act + Evaluate + Iterate
Agentic System / AI Scientist
Đối với người làm giáo dục CNTT, đây có lẽ là thay đổi đáng chú ý nhất: chúng ta không còn chỉ dạy sinh viên cách tạo ra sản phẩm bằng máy tính, mà ngày càng phải dạy họ cách hợp tác với một hệ thống có khả năng tự tạo, tự hành động và tự cải tiến.
Và điều đó sẽ buộc cả cách học, cách nghiên cứu lẫn cách đánh giá năng lực phải thay đổi.
Trần Ngọc Minh 