Bậc thầy AI Yoichi Ochiai: Tăng "tốc độ xoay vòng" của nỗ lực

Không Ủy Thác Nỗ Lực cho AI, mà Tăng "Tốc Độ Quay" của Nỗ Lực

AI tạo sinh cho phép bạn tạo ra kết quả mà không cần nỗ lực.

AI viết văn bản.

AI tạo hình ảnh.

AI tóm tắt tài liệu.

AI triển khai mã.

AI xử lý thu thập thông tin.

Nhìn theo cách này, AI trông giống như một cỗ máy giảm bớt nỗ lực.

Tuy nhiên, theo dõi cách sử dụng AI của Yoichi Ochiai cho thấy một bức tranh hoàn toàn khác.

Anh ấy không dùng AI để giảm bớt lượng suy nghĩ.

Anh ấy đang tăng số lượng giả thuyết có thể kiểm tra, phạm vi có thể điều tra, số lượng nguyên mẫu có thể xây dựng và tốc độ chuyển từ thất bại sang thử nghiệm tiếp theo trong cùng một khung thời gian.

Không phải là hoàn thành một tác vụ đơn lẻ một cách dễ dàng với AI.

Mà là làm cho việc làm lại một tác vụ mười hoặc một trăm lần trở nên khả thi, vốn trước đây chỉ kết thúc sau một lần thử.

Nói cách khác, thứ anh ấy khuếch đại bằng AI không phải là bản thân tài năng, mà là tốc độ quay của nỗ lực.

Trong tuyên bố nghệ thuật chính thức năm 2023, Ochiai ghi nhận rằng anh ấy đã tiếp tục đối thoại với các mô hình ngôn ngữ lớn từ sáng đến tối trong khoảng hai tháng. Năm 2025, một quy trình làm việc đã được giới thiệu, nơi anh ấy đồng thời khởi chạy nhiều AI như ChatGPT, Gemini, Grok và Claude, giao cho chúng các nhiệm vụ như nghiên cứu, tạo hình ảnh và triển khai theo từng quy trình. Hơn nữa, vào năm 2026, anh ấy không chỉ sử dụng các dịch vụ AI hiện có; anh ấy đã phát hành các tác nhân mã hóa như "vibe-local", chạy ngoại tuyến, và "co-vibe", vượt qua nhiều nhà cung cấp AI.

Đây không phải là hành vi của một người "tiết kiệm thời gian với AI" như thường tưởng tượng.

Nói chuyện với AI trong nhiều giờ.

So sánh nhiều mô hình.

Làm lại đầu ra nhiều lần.

Tự thiết kế môi trường sử dụng.

Tự xây dựng công cụ nếu có phần không rõ ràng.

Xác minh các công cụ đã xây dựng thêm với AI.

Kết nối với nghiên cứu, tác phẩm, không gian và cơ thể.

Khác xa với việc loại bỏ nỗ lực bằng AI, anh ấy đang áp đặt nhiều thử nghiệm hơn lên bản thân so với trước đây bằng cách sử dụng AI.

Thuật ngữ "Thiên tài Nỗ lực" được sử dụng trong bài viết này không phải là danh hiệu anh ấy tự xưng. Đó là một thuật ngữ được sử dụng ở đây để mô tả cấu trúc công việc nhìn từ các tuyên bố công khai, bài viết, tác phẩm và phần mềm đã phát hành của Yoichi Ochiai. Hồ sơ chính thức của anh ấy mô tả anh ấy là một nghệ sĩ truyền thông, giáo sư tại Đại học Tsukuba, phó giáo sư tại Đại học Tokyo và là nhà sản xuất chủ đề dự án cho Triển lãm Osaka/Kansai 2025.

Ngoài ra, không phải tất cả nhật ký hội thoại AI hay hồ sơ công việc hàng ngày của Ochiai đều được công khai. Sau đây là phân tích về thiết kế nỗ lực đằng sau hành động của anh ấy, dựa trên các ví dụ có sẵn công khai.

1. Đối với Yoichi Ochiai, Nỗ Lực Không Phải là "Chịu Đựng Trong Thời Gian Dài"

Khi nghe từ nỗ lực, nhiều người tưởng tượng đến sự chịu đựng.

Ngồi vào bàn dù buồn ngủ.

Tiếp tục dù đau đớn.

Đọc một lượng lớn văn bản.

Luyện tập đi lặp lại cùng một thứ.

Làm việc lâu hơn người khác.

Tất nhiên, có những công việc đòi hỏi sự kiên trì và nhẫn nại. Tuy nhiên, giải thích công việc của Ochiai chỉ bằng thời gian làm việc sẽ bỏ lỡ bản chất. Điểm mạnh của anh ấy không chỉ là tăng khối lượng nỗ lực, mà là tăng lượng thông tin thu được từ một nỗ lực duy nhất.

Thay vì chỉ hỏi một AI về cùng một chủ đề, anh ấy ném nó cho nhiều AI cùng lúc. Thay vì chỉ suy nghĩ bằng văn bản, anh ấy biến nó thành hình ảnh. Thay vì chỉ nhìn vào hình ảnh, anh ấy biến chúng thành nguyên mẫu chuyển động. Thay vì chỉ hoàn thiện nguyên mẫu, anh ấy di chuyển nó trong không gian vật lý. Nếu có vấn đề xảy ra, anh ấy không chỉ sửa bằng tay; anh ấy thay đổi công cụ hoặc hệ thống để nó không xảy ra nữa.

Cách làm việc này có thể được nắm bắt bằng công thức sau:

Chất lượng Kết quả = Chất lượng Tra cứu × Số lần Thử nghiệm × Sức mạnh Xác minh × Tốc độ Triển khai × Phản hồi từ Thực tế

AI tạo sinh làm tăng đáng kể số lần thử nghiệm và tốc độ triển khai. Tuy nhiên, nó không tự động tăng chất lượng tra cứu, sức mạnh xác minh hay phản hồi từ thực tế. Trên thực tế, khi đầu ra tăng lên, lượng phán đoán cần thiết—tin gì, bỏ gì và sửa chỗ nào—cũng tăng lên. Nỗ lực sau AI chuyển từ nhiệm vụ nhập từng ký tự sang nhiệm vụ liên tục chọn hướng đi.

Cách sử dụng AI kiểu Ochiai không phải là làm cho nỗ lực bằng không. Đó là chuyển nơi nỗ lực từ sự lặp lại giá trị thấp sang phán đoán giá trị cao.

2. Đừng Mở AI Chỉ Sau Khi Tạo Ra Một Câu Hỏi Hoàn Hảo

Những người gặp khó khăn với AI thường cố gắng làm cho câu prompt đầu tiên trở nên hoàn hảo. Họ cảm thấy phải viết mục đích, sắp xếp điều kiện, chỉ định vai trò và quyết định định dạng đầu ra. Trong khi suy nghĩ, nó trở thành một việc vặt, và cuối cùng họ không sử dụng AI.

Phương pháp của Ochiai thì ngược lại. Trong một đoạn trích từ cuốn sách năm 2025 "Generative AI Even a Cat Can Understand", có giới thiệu rằng nếu bạn không biết cách sử dụng AI, bạn nên hỏi chính AI cách sử dụng nó, nói chuyện với nó bằng giọng nói để cảm nhận, và nếu nó trả lời khác với mong đợi của bạn, hãy để AI phỏng vấn người dùng. Điểm mấu chốt ở đây là không hoàn thành "chuẩn bị câu hỏi" một mình con người.

Ví dụ, giả sử bạn đang nghĩ về một dự án mới nhưng chưa thể diễn đạt mục đích bằng lời. Thông thường, bạn sẽ cố gắng tự sắp xếp trước khi tham khảo AI. Tuy nhiên, bạn có thể bắt đầu như thế này:

Tôi đang nghĩ về một dự án mới, nhưng tôi chưa thể tự diễn đạt mục đích bằng lời. Xin hãy hỏi tôi từng câu một để làm rõ đối tượng mục tiêu, vấn đề cần giải quyết, nguồn lực sẵn có và những điều cần tránh. Nếu có mâu thuẫn trong câu trả lời của tôi, xin hãy chỉ ra ngay lập tức.

Sau đó, cuộc đối thoại với chính AI trở thành định nghĩa yêu cầu. Bạn muốn tiếp cận ai? Tại sao bạn làm điều này? Các lựa chọn thay thế hiện tại là gì? Ngân sách là bao nhiêu? Điều gì cấu thành thất bại? Phần nào là không thể thương lượng? Bạn không đưa ra một hướng dẫn hoàn chỉnh cho AI; bạn hoàn thiện hướng dẫn thông qua cuộc trò chuyện với AI.

Sự khác biệt này là rất lớn. Nếu bạn cố tạo một prompt hoàn hảo trước, bạn chỉ có thể viết trong phạm vi những gì bạn đã hiểu. Bằng cách để AI đặt câu hỏi, bạn có thể nhận ra những điều kiện bạn chưa nghĩ tới. AI trở thành một thiết bị đặt câu hỏi để khám phá sự mơ hồ của con người cũng như một cỗ máy trả lời. Một thiên tài nỗ lực không phải là người có sự tra cứu đúng đắn ngay từ đầu, mà là người có thể bắt đầu trong trạng thái mơ hồ và nâng cao độ phân giải của sự tra cứu trong khi tương tác.

3. Nắm Bắt Những Gì Nảy Ra Trong Đầu Bằng Giọng Nói Trước

Suy nghĩ của con người không nhất thiết xảy ra dưới dạng câu. Bạn có thể nghĩ một điều gì đó có vẻ thú vị, hoặc một cuộc trò chuyện hôm qua kết nối với một hình ảnh thấy hôm nay. Bạn có thể có một cảm giác khó chịu không giải thích được hoặc một hình ảnh vô danh. Cố gắng viết câu trong trạng thái này sẽ ngăn chặn suy nghĩ. Bạn kết thúc việc chỉnh sửa—sửa câu đầu tiên, kiểm tra nghĩa từ, thêm bối cảnh, hoặc sắp xếp lại logic. Bạn lẽ ra đang ghi lại ý tưởng, nhưng nó lại trở thành chỉnh sửa giữa chừng.

Năm 2023, Ochiai đã viết về một phương pháp bổ sung kỹ thuật số cho bản thân bằng cách kết hợp công cụ nhận dạng giọng nói Whisper với GPT-4. Anh ấy tuyên bố rằng bối cảnh của ý tưởng có thể được bổ sung sau, cho phép thời gian dành cho giải thích được chuyển hướng sang suy nghĩ xa hơn. Đây là một kỹ thuật ghi chú rất mạnh mẽ cho kỷ nguyên AI. Trong ghi chú thông thường, việc ghi lại và chỉnh sửa xảy ra đồng thời. Trong phong cách Ochiai, hai việc này được tách biệt.

Đầu tiên, hãy nói mà không ngừng suy nghĩ. "Tôi cảm thấy điều này và điều kia giống nhau." "Tôi không biết tại sao, nhưng tôi tò mò." "Điều gì sẽ xảy ra nếu tôi tạo một hình ảnh như thế này?" "Có thể tiền đề sai." "Điều này mâu thuẫn với những gì tôi nghĩ trước đó, nhưng..." Bạn không cần sửa ngữ pháp hay lo lắng về thứ tự. Sau đó, hãy để AI phân loại bản ghi âm thành:

• Sự thật quan sát được
• Diễn giải cá nhân
• Giả thuyết chưa được xác minh
• Ý tưởng cho sản xuất hoặc nghiên cứu
• Các mục cần điều tra tiếp theo
• Phần còn thiếu giải thích
• Các tuyên bố mâu thuẫn

Sau đó, con người thêm bối cảnh vào kết quả đã được AI sắp xếp. Theo thứ tự này, giai đoạn sáng tạo không bị cản trở bởi khả năng viết. Bạn có thể duy trì tốc độ suy nghĩ và trả nó về dạng có thể giải thích sau. AI có thể được sử dụng như một bộ đệm để tránh mất những suy nghĩ chưa trở thành lời nói. Tuy nhiên, khi ghi âm giọng nói, cần kiểm tra rằng nó không bao gồm cuộc trò chuyện của người khác, thông tin bảo mật hoặc dữ liệu cá nhân. Bạn không gửi mọi thứ cho AI; khi tốc độ ghi âm tăng lên, việc quản lý ranh giới của những thông tin có thể nhập vào trở nên quan trọng hơn.

4. Đừng Tin Tưởng Một AI; Chạy Nhiều AI Đồng Thời

Biểu tượng của việc sử dụng AI của Ochiai là vận hành song song nhiều mô hình. Trong một bài báo của PIVOT từ cuối năm 2025, có giới thiệu rằng khi bắt đầu một dự án hoặc nghiên cứu mới, anh ấy khởi chạy ChatGPT, Gemini, Grok và Claude đồng thời và sử dụng các chức năng nghiên cứu sâu để điều tra thông tin nền cùng một lúc. Giá trị của việc này không chỉ là lượng thông tin tăng gấp bốn lần. Mỗi mô hình có thế mạnh khác nhau về tổ chức, thông tin tham khảo, sự thận trọng và phong cách viết.

Ngay cả với cùng một câu hỏi, một mô hình có thể nhấn mạnh khía cạnh thể chế, mô hình khác nhấn mạnh khía cạnh kỹ thuật, mô hình khác hướng tới dự đoán tương lai, và mô hình khác cung cấp nhiều ý kiến đối lập. Điều quan trọng không phải là lấy trung bình bốn câu trả lời, mà là nhìn vào nơi các câu trả lời xung đột. Các phần nhất quán có thể là thông tin tương đối ổn định. Một điểm chỉ được một AI đưa ra có thể là một khám phá mới. Nếu số liệu khác nhau, có thể có sự khác biệt về giai đoạn mục tiêu hoặc định nghĩa. Nếu trích dẫn khác nhau, bạn cần quay lại nguồn chính.

Sử dụng một AI như một ông chủ biến nó thành lựa chọn nhị phân chấp nhận hoặc từ chối câu trả lời. Sử dụng nhiều AI như một nhóm nghiên cứu cho phép bạn đối chiếu các câu trả lời với nhau. Ví dụ, bạn có thể phân chia vai trò: để cái đầu tiên tạo ra một giải thích tiêu chuẩn, cái thứ hai tìm phản ví dụ nơi giải thích tiêu chuẩn không đúng, cái thứ ba chỉ thu thập nguồn chính, cái thứ tư ước tính các trở ngại và chi phí triển khai, và cái thứ năm dịch nó sang ngôn ngữ mà người dùng thông thường có thể hiểu.

Tính đến tháng 7 năm 2026, một số chức năng nghiên cứu sâu có thể bao gồm không chỉ tìm kiếm web mà còn các tệp được người dùng cho phép, tài liệu trên đám mây và email làm mục tiêu nghiên cứu. Các tác nhân mã hóa đã tiến bộ đến mức đọc cơ sở mã, chỉnh sửa nhiều tệp và thực thi lệnh. Trong tình huống này, quyết định một lần "AI nào thông minh nhất" không có nhiều ý nghĩa. Các mô hình được cập nhật, giá cả thay đổi và các lĩnh vực chuyên môn dịch chuyển. Điều quan trọng không phải là lòng trung thành với một thương hiệu cụ thể, mà là phân rã công việc và đặt khả năng phù hợp với công việc đó.

5. Đừng Để Một Cuộc Trò Chuyện Xử Lý Mọi Thứ Từ Lập Kế Hoạch Đến Hoàn Thành

Yêu cầu AI "lập kế hoạch cho một sản phẩm mới, nghiên cứu nó, thiết kế nó, viết quảng cáo và triển khai nó" có vẻ hiệu quả. Tuy nhiên, nếu bạn tiến hành tất cả các bước trong cùng một cuộc trò chuyện, giả thuyết mà AI tạo ra đầu tiên có khả năng được coi là sự thật trong các bước sau. AI tạo ra một kế hoạch dựa trên giả thuyết thị trường do chính nó tạo ra, sau đó viết quảng cáo với giả định rằng kế hoạch đó là đúng, và cuối cùng tự đánh giá kế hoạch. Nó nhất quán nội bộ, nhưng sự nhất quán đó có thể là kết quả của việc mang giả định ban đầu qua tất cả các bước.

Trong quy trình làm việc công khai của Ochiai, anh ấy sử dụng các công cụ khác nhau cho mỗi bước: nhiều mô hình ngôn ngữ cho thu thập thông tin, Midjourney hoặc Stable Diffusion cho trực quan hóa khái niệm, và Cursor cho triển khai. Phương pháp này có hai lợi thế. Một là có thể sử dụng AI phù hợp nhất cho mỗi bước. Hai là có thể chèn phán đoán của con người giữa các bước. Bạn đọc kết quả nghiên cứu và một con người chọn một giả thuyết. Bạn tạo hình ảnh dựa trên giả thuyết đã chọn. Bạn nhìn vào hình ảnh và sửa hướng đi. Bạn dịch hướng đi đã sửa thành một đặc tả kỹ thuật. Bạn đưa đặc tả cho một AI tạo mã. Một con người thử sản phẩm đang hoạt động và tìm ra vấn đề. Nói cách khác, bạn không kết nối trực tiếp công việc của AI với AI; bạn đặt các cổng chọn lọc ở giữa. Tại các cổng này, một con người quyết định giữ lại gì và loại bỏ gì. Trừu tượng hóa quy trình làm việc kiểu Ochiai trông như thế này:

Nghiên cứu → Chọn giả thuyết của con người → Trực quan hóa → Chỉnh sửa hướng của con người → Triển khai → Kiểm tra trong môi trường thực tế → Đánh giá của con người → Nghiên cứu lại

Những người sử dụng AI nông cạn cố gắng nhận sản phẩm hoàn chỉnh từ AI. Những người sử dụng AI sâu sắc cắt quy trình thành các bước nhỏ và cấu hình lại việc giao nhiệm vụ cho AI và con người ở mỗi bước.

6. Deep Research Không Phải là Chức Năng Tạo Ra "Câu Trả Lời"

Deep Research tìm thấy một lượng lớn tài liệu trong thời gian ngắn, so sánh chúng và tóm tắt chúng thành các báo cáo dài kèm trích dẫn. Vào tháng 2 năm 2025, Ochiai đã giới thiệu trên note của mình rằng như một kết quả thử nghiệm của deep research, một đầu ra khoảng 25.000 ký tự vượt qua Digital Nature, Object-Oriented Ontology, Posthumanism và các gian hàng Expo đã được tạo ra cùng một lúc. Chỉ nhìn vào điều này, người ta có thể nghĩ "nghiên cứu kết thúc nếu bạn để AI viết 25.000 ký tự." Tuy nhiên, một văn bản dài được tạo ra và nội dung chính xác là hai thứ khác nhau.

AI có thể tạo ra các trích dẫn không tồn tại. Nó có thể nhầm lẫn các nhà nghiên cứu hoặc bài báo cùng tên. Nó có thể kết nối các sự kiện và phỏng đoán bằng các câu trôi chảy. Nó có thể giải thích các số liệu cũ như thể chúng là hiện tại. Các tài liệu tóm tắt hội thảo Ochiai-juku cũng nêu rằng mặc dù AI có thể tăng tốc tìm kiếm tài liệu, phân tích và xây dựng giả thuyết, nhưng độ chính xác của đầu ra và tính hợp lệ của các trích dẫn phải được con người xác minh. Do đó, điều nên yêu cầu từ deep research không phải là "nói cho tôi sự thật," mà là các nhiệm vụ như:

• Những điểm nào được bao gồm trong chủ đề này?
• Các nguồn chính quan trọng là gì?
• Ở đâu các ý kiến khác nhau giữa các nhà nghiên cứu?
• Có bao nhiêu loại định nghĩa cho các con số?
• Những tuyên bố nào chưa được xác minh?
• Những tài liệu nào cần được kiểm tra thêm?

Tóm lại, vai trò chính của deep research là tạo ra một bản đồ nghiên cứu. Chính con người là người thực sự kiểm tra các con đường được vẽ trên bản đồ. Để tăng độ chính xác của nghiên cứu, bạn nên yêu cầu AI đưa ra các đầu ra sau:

• Tách biệt sự thật, phỏng đoán và dự đoán.
• Đính kèm nguồn cho mỗi tuyên bố.
• Tách biệt ngày xuất bản của nguồn và giai đoạn mục tiêu của dữ liệu được xử lý.
• Phân biệt giữa nguồn chính và nguồn thứ cấp.
• Nêu rõ các mục không thể xác nhận.
• Cung cấp phản chứng trong một cột riêng.
• Nếu số liệu khác nhau qua nhiều tài liệu, ước tính lý do cho sự khác biệt.

Thời gian tiết kiệm được nhờ deep research không nên được sử dụng trực tiếp cho công việc khác. Tái đầu tư một phần thời gian tiết kiệm được vào việc xác minh. Đây là trách nhiệm của con người khi xử lý lượng lớn thông tin bằng AI.

7. Prompt Dài Không Phải là Cuộc Thi Viết Văn Bản Dài

Trong một hội thảo dành cho học sinh trung học cơ sở và trung học phổ thông năm 2024, có giới thiệu rằng Ochiai khuyên nên làm prompt dài và cụ thể, và rằng AI không phiền khi bị yêu cầu làm lại nhiều lần. Những người tham gia đã tạo ra "những câu chuyện lấy bối cảnh năm 2300" với ChatGPT và mở rộng chúng thành storyboard bằng cách sử dụng AI tạo sinh. Tuy nhiên, những từ "càng dài càng tốt" không nên được hiểu theo nghĩa đen. Viết một lượng lớn thông tin không liên quan làm cho hướng dẫn trở nên mơ hồ. Giá trị không nằm ở độ dài, mà là đặt những tiền đề chỉ có trong đầu con người vào một dạng mà AI có thể xử lý.

Năm 2024, Ochiai đã viết về khả năng đưa các khái niệm trừu tượng và cấu trúc hướng đối tượng vào prompt khi lượng thông tin có thể nhập vào tăng lên. Anh ấy cũng cập nhật các hướng dẫn tùy chỉnh của mình theo hỗ trợ tìm kiếm của ChatGPT. Những gì thấy ở đây không phải là thái độ tìm kiếm một "prompt thần thánh" một lần, mà là thái độ cập nhật chính hệ thống hướng dẫn theo công việc. Một prompt sâu sắc có ít nhất các yếu tố sau:

• Mục đích: Cuối cùng bạn muốn quyết định điều gì lần này?
• Bối cảnh: Tại sao công việc này là cần thiết?
• Những gì hiện đã biết: Sự thật đã xác nhận, lịch sử quá khứ, nguồn lực sẵn có.
• Những gì chưa biết: Các mục chưa xác nhận, định nghĩa mơ hồ, thông tin xung đột.
• Ràng buộc: Ngân sách, thời hạn, quyền, điều cấm, đối tượng mục tiêu.
• Tiêu chí đánh giá: Tiêu chí nào xác định một đầu ra tốt?
• Quy trình làm việc: Cách phân chia nghiên cứu, lên ý tưởng, so sánh, triển khai và xác minh.
• Quyền hạn công cụ: Những gì được phép, chẳng hạn như tìm kiếm, xem tệp hoặc thực thi mã.
• Điều kiện dừng: Tại thời điểm nào thì dừng tự động thực thi và kiểm tra với con người.
• Định dạng đầu ra: Hiển thị riêng biệt sự thật, giả thuyết, đề xuất và các mục chưa xác nhận.

Đây giống như một đặc tả cho một công việc nhỏ hơn là một prompt. Trong kỷ nguyên AI, khả năng viết văn bản và khả năng thiết kế hệ thống hội tụ. Không phải là viết một "yêu cầu thông minh," mà là mô tả mục đích, trạng thái, ràng buộc và tiêu chí phán đoán dưới dạng AI có thể xử lý. Prompt dài kiểu Ochiai không phải là tăng từ ngữ, mà là truyền đạt suy nghĩ có cấu trúc.

8. Câu Trả Lời Đầu Tiên Không Phải là "Sản Phẩm Hoàn Chỉnh," Mà là Nguyên Liệu cho Khám Phá

Những người bắt đầu sử dụng AI phán đoán dựa trên câu trả lời đầu tiên. Nếu tốt, họ chấp nhận; nếu tệ, họ nghĩ "AI vô dụng." Tuy nhiên, những gì thấy từ các ví dụ công khai của Ochiai là thái độ không coi đầu ra đầu tiên là sản phẩm hoàn chỉnh. Xếp lớp các cuộc đối thoại. Khai thác chi tiết. Thay đổi định dạng. Ném nó cho một AI khác. Biến nó thành hình ảnh. Biến nó thành mã. Thực sự di chuyển nó. Nếu vấn đề phát sinh, thay đổi hướng dẫn một lần nữa. Năm 2023, Ochiai đã viết rằng bằng cách tiến hành đối thoại theo từng giai đoạn, các chi tiết xuất hiện, giúp mở rộng từ ngôn ngữ tự nhiên sang mã, hình ảnh và giọng nói dễ dàng hơn.

Đặc điểm lớn nhất của AI không phải là có thể đưa ra câu trả lời đúng ngay từ đầu, mà là chi phí xã hội của việc làm lại thấp. Nếu bạn yêu cầu một nhà thiết kế con người làm lại một trăm lần mà không có căn cứ, mối quan hệ sẽ đổ vỡ. Nếu bạn bắt một nhân viên làm lại cùng một tài liệu nhiều lần một cách tùy hứng, bạn sẽ lấy đi thời gian và động lực của họ. AI không mệt mỏi dù bạn thay đổi cùng một yêu cầu bao nhiêu lần. Đó là lý do tại sao khi sử dụng AI, thay vì ép buộc những lần làm lại vô nghĩa lên con người, bạn có thể tăng lượng khám phá ở giai đoạn AI. Tuy nhiên, chỉ lặp lại "làm cho tốt hơn" sẽ chạm đến trần. Cần phải ghi lại lý do cho việc sửa đổi:

• Kế hoạch này áp dụng cho bất kỳ ai.
• Hình ảnh này có bố cục yếu, không phải màu sắc.
• Mã này hoạt động nhưng khó bảo trì.
• Văn bản này đúng nhưng thiếu kinh nghiệm của tôi.
• Dự án này thú vị nhưng không có người thực hiện.

Trả lý do từ chối lại cho AI trở thành điều kiện cho thế hệ tiếp theo. Sau đó, hệ thống hướng dẫn trở nên thông minh hơn qua mỗi lần lặp. Nỗ lực không phải là lặp lại cùng một nhiệm vụ nhiều lần, mà là chuyển đổi mỗi thất bại thành điều kiện tiếp theo.

9. Sử Dụng Ngôn Ngữ Tự Nhiên Như Một Ngôn Ngữ Triển Khai

Ochiai đã ghi nhận sớm rằng AI tạo sinh thu hẹp khoảng cách giữa ngôn ngữ tự nhiên và ngôn ngữ lập trình. Trong một bài viết năm 2023, anh ấy lập luận rằng sự ra đời của nhận dạng giọng nói và ChatGPT giúp chuyển đổi từ ngôn ngữ tự nhiên sang mã dễ dàng hơn, cho phép tạo ra các đầu ra đa dạng như video, âm nhạc và văn bản thông qua lời nói. Đây không phải là một câu chuyện đơn giản về "có thể tạo ra bất cứ thứ gì mà không cần biết lập trình." Thay vào đó, tầm quan trọng của khả năng diễn đạt yêu cầu bằng lời nói tăng lên:

• Nhập vào cái gì?
• Sử dụng dữ liệu nào?
• Thứ tự xử lý là gì?
• Cách hành động khi có lỗi?
• Hiển thị gì cho người dùng?
• Có thể lưu lại cái gì?
• Những điều kiện nào phải được đáp ứng để hoàn thành?

Trước đây, các thiết kế như vậy được viết dưới dạng mã. Bây giờ, một phần của điều đó có thể được truyền đạt cho AI bằng ngôn ngữ tự nhiên. Tuy nhiên, nếu bạn truyền đạt ngôn ngữ tự nhiên mơ hồ, bạn sẽ nhận được một chương trình mơ hồ. Do đó, khi AI mã hóa tiến triển, sức mạnh phát hiện mâu thuẫn trong đặc tả trở nên quan trọng hơn tốc độ viết mã. Năm 2026, PIVOT đã giới thiệu việc sử dụng AI của Ochiai trong một đoạn phim ngắn có tiêu đề "Năng suất gấp 32 lần." Tuy nhiên, các điều kiện tính toán như nhiệm vụ mục tiêu, giai đoạn so sánh và đánh giá chất lượng không thể được xác nhận từ trang công khai một mình. Thích hợp hơn là coi con số này như một biểu hiện tượng trưng rằng mã hóa AI đã thay đổi đáng kể tốc độ triển khai, thay vì một chỉ số năng suất doanh nghiệp nghiêm ngặt.

Trên thực tế, ngay cả khi số dòng mã trở nên gấp 32 lần, giá trị không nhất thiết trở nên gấp 32 lần. Lỗi cũng có thể trở nên gấp 32 lần. Mã để xác minh cũng tăng lên. Phạm vi ảnh hưởng khi thay đổi đặc tả cũng mở rộng. Có khả năng tạo ra một lượng lớn chức năng không được sử dụng. Kết quả thực sự của mã hóa AI nên được đo bằng thời gian từ giả thuyết đến nguyên mẫu, thời gian để nhận phản hồi từ người dùng, thời gian để tìm, sửa và xuất bản lại vấn đề, và số lượng ý tưởng thực sự được thử nghiệm mà trước đây không thể thử do chi phí.

10. Đừng Chỉ Sử Dụng AI Tiện Lợi; Hãy Xây Dựng Các Công Cụ Để Sử Dụng AI

Đặc biệt biểu tượng cho việc sử dụng AI mới nhất của Ochiai là "vibe-local" và "co-vibe". Vibe-local được phát hành như một tác nhân mã hóa mã nguồn mở sử dụng Python và môi trường thực thi LLM cục bộ, cho phép nó chạy mà không cần kết nối mạng hoặc dịch vụ đám mây trả phí. Nó được thiết kế xoay quanh một tệp Python duy nhất và nhằm mục đích sử dụng trong giáo dục, nghiên cứu và hội thảo ngoại tuyến. Co-vibe có cơ chế vượt qua nhiều nhà cung cấp như Anthropic, OpenAI, Groq và các mô hình cục bộ, phân phối nhiệm vụ theo độ phức tạp. Nó được thiết kế để xử lý nghiên cứu web, thao tác tệp, mã hóa, thực thi song song nhiều tác nhân và tiếp tục phiên trong một môi trường terminal duy nhất.

Những gì thấy từ hai điều này là thái độ không chấp nhận các dịch vụ hiện có như chúng vốn có. Có những môi trường không thể kết nối với đám mây. Sinh viên không thể đăng ký dịch vụ trả phí. Anh ấy không muốn phụ thuộc vào một nhà cung cấp AI duy nhất. Anh ấy muốn kiểm tra những gì đã xảy ra bên trong. Anh ấy muốn kết nối với thiết bị nghiên cứu. Anh ấy muốn tiếp tục các nhiệm vụ nghiên cứu dài. Đối với những bất mãn như vậy, thay vì tiếp tục tìm kiếm các sản phẩm khác, anh ấy xây dựng môi trường cần thiết. Nỗ lực bản địa AI không chỉ là nghĩ ra các prompt. Đó là loại bỏ những bất tiện lặp đi lặp lại bằng cách cải thiện công cụ. Có một nhiệm vụ mất năm phút mỗi ngày. Nếu tiếp tục thủ công mỗi ngày, nó trở thành một lượng thời gian lớn trong một năm. Một khi một script được tạo ra, nó hầu như không mất thời gian từ ngày hôm sau. Hơn nữa, nếu script đó được tích hợp vào một tác nhân AI để nó có thể tự động phán đoán cùng loại nhiệm vụ, nó có thể được sử dụng cho các công việc khác. Một thiên tài nỗ lực không phải là người chỉ xử lý nhiệm vụ trước mắt một cách nhanh chóng, mà là người tìm ra những phần không cần nỗ lực từ lần sau và chuyển sang nỗ lực mới bằng lượng đó.

11. Đừng Sử Dụng Nó Một Cách Tiện Lợi Khi Nó Còn Là Hộp Đen

Các công cụ AI trở nên khó nhìn thấy bên trong hơn khi chúng trở nên tiện lợi hơn. Bạn đưa vào hướng dẫn, chờ một lúc, và sản phẩm hoàn chỉnh xuất hiện. Người dùng không biết mô hình nào đã được sử dụng ở giữa, nó đã thất bại bao nhiêu lần, nó đã tìm kiếm cái gì, hoặc nó đã thay đổi tệp nào. Đối với các công việc đơn giản, điều đó có thể ổn. Tuy nhiên, trong các công việc mà tác động của thất bại là lớn, chẳng hạn như nghiên cứu, hệ thống kinh doanh, thông tin cá nhân hoặc điều khiển thiết bị, bạn phải có thể kiểm tra "tại sao nó lại trở nên như vậy" sau đó.

Dưới đây là bản dịch tiếng Việt cho nội dung bạn đã cung cấp, tuân thủ tất cả các quy tắc và hướng dẫn đã nêu.

Bài viết quan điểm của Co-vibe đánh giá cao các công cụ hỗ trợ lập trình AI thương mại nhưng chỉ ra rằng tính không minh bạch trở thành vấn đề cho mục đích nghiên cứu, và cần có một cấu trúc có thể theo dõi các lệnh gọi API, lựa chọn mô hình và thực thi công cụ. Nó cũng đặt ra yêu cầu thiết kế về khả năng chuyển đổi giữa các mô hình cục bộ và đám mây mà không bị ràng buộc với một nhà cung cấp AI duy nhất. Đây là một tính năng quan trọng trong cách sử dụng AI kiểu Ochiai. Đừng dùng AI như phép màu; hãy dùng nó như một thiết bị có thể quan sát được. Lệnh nào đã thất bại? Nó đã làm lại bao nhiêu lần? Mô hình nào đã xử lý việc gì? Chi phí là bao nhiêu? Những tệp nào đã bị thay đổi? Nó đã vượt qua bao nhiêu bài kiểm tra? Con người đã phê duyệt ở điểm nào? Nếu những điều này có thể được ghi lại, thì thất bại có thể tái tạo được. Thất bại có thể tái tạo được thì có thể cải thiện. Ngược lại, trạng thái "lần này bằng cách nào đó nó đã hoạt động" không thể tái tạo trong công việc tiếp theo. Không cần phải đọc những suy nghĩ chi tiết không công khai bên trong AI. Điều cần thiết là một lịch sử các hành động có thể xác nhận như tài liệu đã tìm kiếm, thao tác đã thực hiện, sự khác biệt thay đổi, kết quả kiểm tra, chi phí và thời gian xử lý. Khi bạn giao càng nhiều việc cho AI, bạn càng không được bỏ qua nhật ký. Đừng chỉ nhìn vào sản phẩm; hãy lưu lại quy trình cho đến khi sản phẩm được tạo ra. Đây là nền tảng để rèn luyện AI như một công cụ.

12. Trong Sáng Tạo, Đừng Bắt AI Tuân Theo Quá Nhiều Lời Nói Của Con Người

Khi sử dụng AI cho công việc, điều quan trọng là nó hoạt động theo ý đồ của người dùng. Tuy nhiên, trong sáng tạo, mọi thứ lại khác. Nếu chỉ có những thứ như con người tưởng tượng ra, thì ý nghĩa của việc sử dụng AI rất ít ỏi. Nếu hình thức hoàn thiện đã có sẵn trong đầu, thì con người chỉ cần tự làm theo cách đó. Giá trị của AI nằm ở chỗ đôi khi tạo ra những kết nối mà người dùng không ngờ tới. Ochiai được giới thiệu là người đánh giá tính "văn chương" của GPT-4.5 vào thời điểm đó, thứ không chỉ nằm gọn trong các khuôn mẫu logic mà còn nhảy vọt giữa các từ ngữ và biểu tượng. Đây không phải là một đánh giá phổ quát về tính ưu việt của mô hình, mà là một thái độ cố gắng sử dụng AI tạo ra những kết nối khó đoán cho mục đích sáng tạo.

Trong một tác phẩm khác, Ochiai đã phân loại sáng tạo với AI thành các trường hợp: con người kiểm soát mọi thứ, trường hợp hoàn toàn để tự động tạo ra, và trường hợp con người chỉ thực hiện lựa chọn và tinh chỉnh dựa trên kết quả của AI, đồng thời xem xét những mâu thuẫn ở giữa. Nếu con người can thiệp quá chi tiết, những sai lệch đặc trưng của AI sẽ bị mất; nếu tự động hoàn toàn thì khó thỏa mãn khát vọng sáng tạo của con người. Điều rút ra từ đây không phải là một "lời nhắc để AI tạo ra một tác phẩm tốt," mà là một kỹ thuật biên tập về mức độ để lại những điều bất ngờ từ AI. Ví dụ, giả sử một hình dạng kỳ lạ xuất hiện trong một hình ảnh do AI tạo ra. Thông thường, bạn sẽ xóa nó như một lỗi. Tuy nhiên, nếu có một ấn tượng mới mẻ trong sự kỳ lạ đó, bạn cũng có thể điều chỉnh bố cục tổng thể để phù hợp với hình dạng đó. Nếu những khái niệm thường không liên quan được xếp cạnh nhau trong một văn bản do AI tạo ra, bạn có thể cắt bỏ chúng vì vô nghĩa. Mặt khác, con người có thể suy nghĩ tại sao hai thứ đó lại được đặt cạnh nhau và biến nó thành một cuộc tìm tòi mới. Trong video "Vũ trụ Chất lỏng" (Liquid Universe) của Ochiai, nơi hình ảnh của tinh thể lỏng nứt vỡ thay đổi linh hoạt, được tạo ra bởi AI tạo sinh. Tại triển lãm năm 2025, một cấu hình đã được áp dụng nơi video do AI tạo sinh liên tục thay đổi, và hình ảnh của sinh vật biển cùng tượng rồng xuất hiện rồi biến mất. AI không hoàn toàn thay thế bàn tay của tác giả. Con người thiết kế phương pháp tạo ra, vật liệu, thiết bị hiển thị, không gian, thời gian, những thay đổi để lại, và khoảng cách với khán giả. Nỗ lực của con người trong sáng tạo chuyển từ vẽ mọi thứ bằng tay sang tạo ranh giới cho những thứ tiếp tục được sinh ra.

13. Đưa AI Ra Khỏi Màn Hình Chat và Kết Nối Nó Với Không Gian và Cơ Thể

Đối với nhiều người, AI nằm bên trong trình duyệt. Bạn nhập một câu hỏi và nhận lại văn bản. Nhưng việc sử dụng AI của Ochiai không dừng lại trên màn hình. Trong môi trường làm việc di động của anh ấy, có giới thiệu rằng anh ấy sử dụng Apple Vision Pro như "tai nghe cho thị giác" để chặn thông tin thị giác xung quanh và mở rộng một màn hình ảo khổng lồ. Đó là ý tưởng tái tạo môi trường tập trung của chính mình ngay cả trên tàu Shinkansen. Tại "null²" của Triển lãm Osaka/Kansai, AI không chỉ trả về văn bản; nó được kết nối với bản ngã thay thế, giọng nói, video và sản xuất không gian của người dùng. Trong "Tấm gương Phản chiếu" (Mirrored Body), một cơ chế đã được áp dụng để tạo ra một hình đại diện AI bằng cách cho người dùng đăng ký thông tin và giọng nói, kết nối nó với quá trình sản xuất của gian hàng. Hơn nữa, một phần của công nghệ hình đại diện 3D thực tế được sử dụng ở đó đã được phát hành dưới dạng mã nguồn mở sau triển lãm.

Có một gợi ý tuyệt vời ở đây để hiểu về việc sử dụng AI. Sử dụng AI không chỉ là yêu cầu công việc từ một cuộc trò chuyện. Hãy thay đổi những gì con người nhìn thấy. Hãy thay đổi không gian nơi con người đang ở. Sử dụng chuyển động cơ thể làm đầu vào. Sử dụng giọng nói làm giao diện. Di chuyển các thiết bị thực tế. Thay đổi biểu cảm theo phản ứng của khán giả. Thiết kế AI như một phần của môi trường. Tất nhiên, không phải ai cũng cần chuẩn bị tai nghe đắt tiền hoặc thiết bị triển lãm quy mô lớn. Điều nên được chuyển tiếp là nguyên tắc, chứ không phải thiết bị. Chặn các thông báo cản trở sự tập trung. Làm cho AI luôn có thể được gọi từ cùng một môi trường làm việc. Hợp nhất giọng nói, ảnh, tài liệu và mã vào một dự án. Tạo mẫu cho các hướng dẫn thường dùng. Trả lại kết quả công việc thực tế cho AI. Tạo ra môi trường nơi sự tập trung xảy ra trước tiên để con người không phải tập trung bằng ý chí mỗi lần. Những người có thể duy trì nỗ lực không chỉ là những người có ý chí mạnh mẽ; họ đang tạo ra một môi trường xung quanh nơi nỗ lực trở nên dễ dàng.

14. Kỷ Nguyên AI Càng Phát Triển, Kinh Nghiệm Thủ Công Kiểu Cũ Càng Có Giá Trị

Người ta thường nghĩ rằng để thành thạo AI, bạn chỉ cần biết các công cụ mới nhất. Tuy nhiên, Ochiai nhấn mạnh giá trị của kinh nghiệm kiểu "người già cổ điển" (analog old man) - đã tự tay viết mã, hiểu cơ chế và trải qua những thay đổi công nghệ. Ngay cả khi AI tạo ra mã hoặc văn bản, nếu bạn không hiểu cấu trúc bên trong, bạn không thể đánh giá nguyên nhân khi có vấn đề xảy ra. Nếu bạn có kinh nghiệm tự mình thao tác, bạn có thể nhanh chóng nhận ra dấu hiệu của lỗi hoặc vị trí lỗi. Đây không phải là câu chuyện đơn giản về việc người lớn tuổi giỏi hơn thế hệ trẻ. Vấn đề không phải là tuổi tác, mà là liệu bạn đã tự mình trải nghiệm các quy trình cơ bản hay chưa. Một người đã viết đi viết lại văn bản nhiều lần có nhiều khả năng nhận thấy các kết nối logic bất thường trong văn bản của AI. Một người có kinh nghiệm chụp ảnh có thể nhận thấy sự mâu thuẫn về nguồn sáng hoặc biểu hiện ống kính trong hình ảnh được tạo ra. Một người đã từng gỡ lỗi chương trình có nhiều khả năng phát hiện ra mã nguy hiểm chỉ bằng cách chạy thử. Một người đã đọc các bài báo khoa học có thể cảm thấy khó chịu với những trích dẫn dường như tồn tại nhưng thực tế thì không. Một người đã từng làm dịch vụ khách hàng có thể tưởng tượng tại sao một quy trình kinh doanh lý tưởng do AI tạo ra lại không thể sử dụng được tại thực địa.

AI tăng tốc độ đầu ra của người mới bắt đầu. Tuy nhiên, nó không tự động biến người mới bắt đầu thành chuyên gia. Để đánh giá một đầu ra có chính xác hay không, cần có kiến thức chuyên môn về lĩnh vực đó. Do đó, học tập trong kỷ nguyên AI không phải là bỏ qua tất cả những điều cơ bản. Đó là trải nghiệm các nhiệm vụ cơ bản đủ số lần cần thiết và sau đó tăng tốc các lần lặp lại hàng loạt tiếp theo bằng AI. Có máy tính không có nghĩa là bạn không cần học ý nghĩa của các con số. Có AI dịch thuật không có nghĩa là bạn không cần biết sự khác biệt văn hóa trong ngôn ngữ. Có AI viết mã không có nghĩa là bạn không cần hiểu về dữ liệu, quyền truy cập, kiểm thử và bảo mật. Kiến thức AI đơn thuần không thể thay thế cho chuyên môn. Việc sử dụng AI kiểu Ochiai không phải là vứt bỏ các kỹ năng cũ, mà là sử dụng các kỹ năng cũ như những thiết bị kiểm tra đầu ra của AI.

15. Đừng Lấp Đầy Thời Gian; Hãy Chừa Khoảng Trống Cho Sự Tò Mò Hoạt Động

Khi bạn thấy ai đó làm một khối lượng công việc đáng kinh ngạc, bạn nghĩ họ quản lý lịch trình của mình từng phút một. Tuy nhiên, Ochiai đưa ra ý tưởng rằng quản lý thời gian quá mức sẽ giết chết sự tò mò. Mặt khác, anh ấy không quản lý không có gì; anh ấy thiết kế các khoảng thời gian để tập trung, chẳng hạn như sử dụng thời gian buổi sáng cho công việc sáng tạo. Đây là một nghịch lý quan trọng liên quan đến hiệu quả. Bạn đã tiết kiệm được một giờ nhờ AI. Bạn đưa một cuộc họp mới vào giờ đó. Bạn lại tiết kiệm thêm một giờ nữa. Bạn nhận thêm một yêu cầu khác. Nếu bạn lấp đầy tất cả thời gian tiết kiệm được bằng các kế hoạch, khối lượng xử lý sẽ tăng lên. Nhưng những khám phá tình cờ sẽ giảm đi. Nếu bạn chỉ sử dụng hiệu quả từ AI để nhồi nhét công việc, con người sẽ trở thành thiết bị tiêu hóa các danh sách nhiệm vụ do AI tạo ra.

Trong các cuộc phỏng vấn về quá trình sáng tạo của Ochiai, người ta thấy một thái độ hướng tới việc tạo ra những đầu ra mà nhân loại chưa từng làm và cố gắng nâng cao cả nền tảng kỹ thuật lẫn sự hoàn hảo về mặt nghệ thuật. Ngoài ra, một ý tưởng cũng được nhìn thấy rằng thay vì cố định một chủ đề ngay từ đầu, chủ đề sẽ xuất hiện trong khi đang thao tác và thử nghiệm những mối quan tâm xung quanh. Những điều mới mẻ không ra đời bằng cách lấp đầy những chỗ trống trong một kế hoạch. Hãy điều tra một thứ gì đó mà bạn tò mò. Viết một đoạn mã mà bạn không biết nó có hữu ích không. Đọc sách về các lĩnh vực khác. Tiếp xúc với vật liệu. Chụp ảnh. Gửi những kết hợp kỳ lạ cho AI. Nhìn vào những thất bại. Thời gian như vậy có vẻ không hiệu quả trong ngắn hạn. Nhưng những chủ đề chưa biết sẽ đến từ bên ngoài các sản phẩm đã được lên kế hoạch. Nếu AI làm cho công việc thường ngày nhanh hơn, con người không nên lấp đầy khoảng trống đó bằng nhiều công việc thường ngày hơn. Họ nên dành nó cho việc khám phá không có mục đích cố định. Một thiên tài nỗ lực không phải là người có thể nhồi nhét kế hoạch cả ngày, mà là người có thể chọn điều gì để tập trung, điều gì để tự động hóa, và nơi nào để chừa lại thời gian vô mục đích.

16. Sau Khi Chuyển Giao "Sự Thông Minh" Cho AI, Con Người Sẽ Dồn Nỗ Lực Vào Đâu?

Trong một cuộc phỏng vấn năm 2026, Ochiai đã nói về khả năng rằng khi máy móc đảm nhận những gì con người đạt được nhờ nỗ lực và trí thông minh, nhiều người sẽ phải đối mặt với nỗi lo lắng hiện sinh về "việc mình nên làm gì." Đây là góc nhìn của anh ấy về tương lai, không phải là sự thật rằng tất cả công việc đã bị thay thế. Vấn đề này nằm ở điểm cuối cùng của các kỹ thuật sử dụng AI. Làm việc nhanh hơn. Làm tài liệu nhanh hơn. Viết mã nhanh hơn. Hoàn thành nghiên cứu nhanh hơn. Sau khi điều đó được thực hiện, con người sẽ làm gì? Họ có tạo ra nhiều tài liệu hơn không? Họ có viết nhiều mã hơn không? Họ có nhận thêm nhiều công việc hơn không? Nếu vậy, mục đích sử dụng AI sẽ mãi mãi hướng tới việc tăng khối lượng xử lý. Ochiai hình dung ra một lối sống kiểu "Matagi" — có mối quan hệ với các cộng đồng cụ thể trong khi tình cờ tìm thấy những điều mới mẻ ở rìa của chúng. Đó là một cách sống sử dụng công nghệ mà không đánh mất sự tiếp xúc với môi trường, thể chất, nghi lễ và cộng đồng.

Nếu bạn chuyển giao "công việc cần xử lý một cách thông minh" cho AI, thì những công việc sau đây vẫn dành cho con người:

• Điều gì đáng để ngạc nhiên?
• Điều gì đáng để cảm thấy đẹp?
• Vấn đề nào không thể bỏ qua?
• Ở bên ai?
• Dành thời gian cho việc gì?
• Chấp nhận thất bại nào?
• Chịu trách nhiệm ở đâu?
• Trải nghiệm loại gì với cơ thể thật?

Đây không chỉ đơn thuần là xử lý thông tin. AI có thể đưa ra các ứng cử viên. Nó cũng có thể dự đoán. Nhưng việc chọn ứng cử viên nào cho cuộc sống của riêng mình là điều chỉ có con người mới có thể đảm nhận. Nỗ lực trong kỷ nguyên AI đang chuyển từ việc ghi nhớ nhiều câu trả lời đúng hơn sang liên tục cập nhật những gì mình coi trọng.

17. Điều Bạn Không Được Bắt Chước Là Những Thói Quen Sinh Hoạt Cực Đoan

Khi các kỹ thuật làm việc của những nhà sản xuất nổi tiếng được giới thiệu, thời gian thức dậy, thời gian ngủ và số bữa ăn thường thu hút sự chú ý. Đối với Ochiai cũng vậy, cách anh ấy sử dụng thời gian buổi sáng và thói quen ăn uống độc đáo của anh ấy được giới thiệu. Tuy nhiên, những thói quen sinh hoạt như vậy không nên được bắt chước như là trọng tâm của các kỹ thuật sử dụng AI. Chế độ ăn uống, giấc ngủ, tập thể dục và thuốc men có những điều kiện thích hợp tùy thuộc vào thể trạng, tuổi tác, bệnh mãn tính và nội dung công việc. Những gì người đó đang làm và những gì có thể được khuyến nghị chung là khác nhau. Điều cần rút ra trong bài viết này không phải là số bữa ăn. Đó là:

• So sánh nhiều AI khác nhau.
• Để lại tài liệu bằng giọng nói.
• Phân tích các quy trình công việc.
• Không coi bản thảo đầu tiên là sản phẩm hoàn chỉnh.
• Xác minh nguồn.
• Để lại lịch sử thực thi AI.
• Tự tạo công cụ của riêng bạn nếu cần.
• Quay trở lại với cơ thể thật và môi trường.

Cắt giảm giấc ngủ để tăng sản lượng với AI không phải là một thiết kế nỗ lực lâu dài. Thay vì lấy thêm từ giấc ngủ khoảng thời gian đã được AI rút ngắn, hãy phân bổ nó cho sự phục hồi, học hỏi, quan sát và thời gian dành cho gia đình hoặc những người khác. Điều nên học hỏi từ một thiên tài nỗ lực không phải là cách chịu đựng đau khổ. Đó là cách tạo ra một hệ thống để bạn không phải lặp lại cùng một đau khổ và chuyển sang công việc chưa biết bằng khoảng thời gian đó.

"Hệ Điều Hành Nỗ Lực AI Kiểu Ochiai" Được Trừu Tượng Hóa Từ Các Ví Dụ Công Khai

Sắp xếp nội dung cho đến nay thành một dạng có thể chuyển giao cho công việc nói chung. Đây không phải là quy trình làm việc hàng ngày chính xác do chính Ochiai công bố. Đó là một mô hình thực tế được bài viết này trừu tượng hóa từ các ví dụ sử dụng AI công khai.

Giai Đoạn 1: Bắt Đầu Trong Trạng Thái Chưa Được Tổ Chức

Đừng viết đề xuất ngay từ đầu. Đầu tiên, trong năm đến mười phút, hãy đưa ra những gì trong đầu bạn dưới dạng nguyên trạng, bằng giọng nói hoặc văn bản. Bạn có thể pha trộn mục đích, bối cảnh, cảm xúc, sự khó chịu, ý tưởng và mối quan tâm. Sau đó, hãy yêu cầu AI như sau:

Phân loại các phát biểu của tôi thành các sự kiện đã xác nhận, diễn giải, giả thuyết, hy vọng, ràng buộc và các mục chưa xác nhận. Chưa đưa ra kết luận, và hãy đặt từng câu hỏi một để làm rõ mục đích.

Ở đây, đừng để AI đưa ra câu trả lời. Hãy để nó khám phá ra sự mơ hồ ở phía con người.

Giai Đoạn 2: Giao Cùng Một Nhiệm Vụ Cho Ba Hoặc Nhiều AI Hơn

Đừng phụ thuộc vào một AI. Hãy giao cùng một tài liệu nền và câu hỏi cho nhiều AI. Tuy nhiên, đừng chỉ thu thập ba câu trả lời giống hệt nhau; hãy thay đổi vai trò. Cho một AI thực hiện nghiên cứu tiêu chuẩn, một AI tìm kiếm phản ví dụ, và một AI suy nghĩ về phương pháp triển khai và chi phí. Nếu có thể, hãy cho một AI khác xử lý góc nhìn của người dùng hoặc đối thủ. Sau khi có đầu ra, hãy yêu cầu nó tạo một bảng so sánh:

• Các điểm tất cả AI đều đồng ý
• Các điểm chỉ một số AI khẳng định
• Các điểm mà số liệu hoặc sự kiện mâu thuẫn
• Các điểm cần kiểm tra với nguồn chính
• Các điểm không AI nào xem xét Con người đọc sự khác biệt giữa các câu trả lời, chứ không phải bản thân câu trả lời.

Giai Đoạn 3: Đừng Kết Thúc Bằng Văn Bản; Hãy Chuyển Đổi Sang Định Dạng Khác

Đừng tự mãn với việc đọc kết quả nghiên cứu. Nếu đó là một kế hoạch, hãy biến nó thành một sơ đồ duy nhất. Nếu đó là một sản phẩm, hãy làm một bản mẫu của màn hình. Nếu đó là một tác phẩm, hãy làm một hình ảnh hoặc video ngắn. Nếu đó là một hệ thống, hãy làm một sơ đồ quy trình mà người dùng phải trải qua. Nếu đó là nghiên cứu, hãy chia nó thành các giả thuyết và phương pháp xác minh. Ý tưởng có thể che giấu mâu thuẫn trong văn bản. Khi bạn cố gắng triển khai chúng, các điều kiện còn thiếu sẽ xuất hiện. Ai sử dụng nó? Họ nhấn nút nào? Dữ liệu đến từ đâu? Làm thế nào để quay lại trong trường hợp thất bại? Triển khai là một thiết bị kiểm tra ý tưởng.

Giai Đoạn 4: Cho Một AI Khác Phá Vỡ Những Gì Một AI Đã Tạo Ra

Đừng chỉ để AI tạo ra thực hiện tự đánh giá. Hãy chuyển sản phẩm cho một cuộc trò chuyện khác, một mô hình khác hoặc một vai trò khác. Hãy để nó tìm kiếm vấn đề từ các góc nhìn sau:

• Lỗi thực tế
• Trích dẫn không tồn tại
• Vấn đề bảo mật
• Vấn đề bản quyền
• Xác định sai đối tượng mục tiêu
• Đánh giá thấp chi phí thực thi
• Các phần không thể bảo trì
• Các phần chạy trốn vào các khái quát chung
• Các phần yêu cầu phê duyệt của con người
• Các phần không thể khôi phục trong trường hợp thất bại Con người kiểm tra các vấn đề ưu tiên cao trong các nguồn chính hoặc môi trường thực tế. Kiểm tra bởi AI không phải là sự đảm bảo cuối cùng. Hãy sử dụng nó để thu hẹp những nơi con người cần kiểm tra.

Giai Đoạn 5: Biến Lý Do Từ Chối Thành Tài Sản Cho Lần Nhắc Tiếp Theo

Đừng chỉ xóa các đầu ra tồi và kết thúc. Hãy ghi lại lý do tại sao nó không tốt trong một dòng.

• "Đối tượng mục tiêu quá rộng."
• "Khả thi về mặt kỹ thuật, nhưng không có trường hợp sử dụng."
• "Văn bản có tổ chức, nhưng thiếu kinh nghiệm."
• "Hình ảnh đẹp, nhưng không liên quan đến mục đích."
• "Kết quả nghiên cứu thiếu nguồn chính."
• "Mã hoạt động, nhưng thiếu quản lý quyền truy cập." Thêm những điều này vào các điều cấm của dự án hoặc tiêu chí đánh giá. Lần sau, AI ít có khả năng mắc cùng một lỗi hơn. Kinh nghiệm của con người được chuyển đổi thành các hướng dẫn tùy chỉnh, thông số kỹ thuật, bài kiểm tra và danh sách kiểm tra. Đây là công việc biến nỗ lực thành một dạng có thể tích lũy được.

Giai Đoạn 6: Tự Động Hóa Hoặc Công Cụ Hóa Những Bất Tiện Lặp Lại

Nếu bạn viết cùng một hướng dẫn mỗi lần, hãy tạo một mẫu. Nếu bạn chuyển đổi sang cùng một định dạng mỗi lần, hãy tạo một tập lệnh. Nếu bạn tìm kiếm cùng một tài liệu mỗi lần, hãy lưu quy trình nghiên cứu. Nếu bạn thực hiện cùng một kiểm tra mỗi lần, hãy biến nó thành một bài kiểm tra. Nếu bạn chọn một mô hình mỗi lần, hãy tạo quy tắc theo nhiệm vụ. Nếu bạn tự tay chuyển tệp mỗi lần, hãy xem xét một phương thức kết nối an toàn. Điều quan trọng không chỉ là rút ngắn một nhiệm vụ ba phút. Đó là không để ba phút đó xảy ra hàng trăm lần trong tương lai.

Giai Đoạn 7: Cuối Cùng, Đưa Nó Ra Thực Tế

Đừng chỉ đánh giá bằng các cuộc trò chuyện giữa các AI. Hãy cho mọi người xem. Hãy vận hành nó tại thực địa. In nó ra. Chiếu nó lên. Cho khách hàng sử dụng nó. Suy nghĩ trong khi đi bộ bên ngoài. Chạm vào vật liệu. Trải nghiệm nó bằng chính cơ thể bạn. AI có thể tạo ra các chân dung người dùng hợp lý. Nhưng nơi người dùng thực tế bị lạc thì không thể biết được trừ khi bạn đưa nó ra thực tế. Thực tế phá vỡ logic đẹp đẽ do AI tạo ra. Sự phá hủy đó quyết định hướng đi của nỗ lực tiếp theo.

Lời Nhắc Luân Chuyển Nỗ Lực Thực Tế

Đoạn dưới đây không phải là sự sao chép lời nhắc của chính Ochiai. Đó là một giao thức đối thoại duy nhất của cấu trúc được phân tích trong bài viết này: nghiên cứu song song, triển khai theo giai đoạn, phản chứng và ghi nhật ký.

1Bạn không phải là một AI hành động thay tôi để tạo ra một sản phẩm hoàn chỉnh trong một lần, mà là một "Người Điều Phối Nghiên cứu và Phát triển" giúp tăng tốc độ luân chuyển giữa nghiên cứu, tạo mẫu thử, phản chứng và cải tiến.
2
3【Chủ đề】
4{{Chủ đề cần làm việc lần này}}
5
6【Điều tôi muốn quyết định cuối cùng】
7{{Điền càng nhiều càng tốt những gì bạn biết. Có thể chưa quyết định}}
8
9【Tài liệu tôi hiện có】
10{{Ghi chú, bản ghi âm giọng nói, tài liệu, dữ liệu, mã, v.v.}}
11
12【Nguyên tắc cơ bản】
131. Không tạo kế hoạch cuối cùng khi mục đích của tôi còn mơ hồ.
142. Đặt từng câu hỏi một để làm rõ mục đích, mục tiêu, ràng buộc và điều kiện thành công.
153. Phân biệt rõ ràng giữa sự kiện, diễn giải, giả thuyết và đề xuất.
164. Đính kèm nguồn cho các sự kiện và ưu tiên các nguồn chính.
175. Đối với những điều không thể xác nhận, đừng điền bằng suy đoán; hãy đánh dấu là "chưa xác nhận."
186. Không coi kế hoạch đầu tiên là kế hoạch cuối cùng.
197. Coi nghiên cứu, lên ý tưởng, triển khai và đánh giá là các quy trình riêng biệt.
208. Cùng một AI không nên vừa là người tạo ra vừa là người đánh giá duy nhất.
219. Chỉ rõ ràng các phần yêu cầu phê duyệt của con người.
2210. Ghi lại tất cả lý do từ chối làm điều kiện cho lần tạo ra tiếp theo.
23
24【Giai đoạn 1: Khám phá Mục đích】
25Phân loại đầu vào của tôi thành những điều sau:
26- Sự kiện đã xác nhận
27- Diễn giải của tôi
28- Giả thuyết chưa được xác minh
29- Cảm xúc hoặc sự khó chịu
30- Nguồn lực sẵn có
31- Ràng buộc
32- Các từ chưa được định nghĩa
33Đặt từng câu hỏi một cho những thông tin còn thiếu.
34
35【Giai đoạn 2: Thiết kế Nghiên cứu Song song】
36Chia chủ đề thành các vai trò sau:
37A. Nhà nghiên cứu thu thập các giải thích tiêu chuẩn và tài liệu chính
38B. Người phản chứng tìm kiếm phản ví dụ, bằng chứng đối lập và ví dụ thất bại
39C. Người thực hành suy nghĩ về phương pháp triển khai, chi phí và thời hạn
40D. Nhà phân tích các bên liên quan suy nghĩ về người dùng, người không dùng và những người bị thiệt thòi
41E. Người khám phá tìm kiếm các kết nối bất ngờ với các lĩnh vực khác
42Tạo câu hỏi cho từng vai trò để điều tra, đảm bảo không có sự chồng chéo về điểm.
43
44【Giai đoạn 3: Sổ Cái Bằng Chứng】
45Định dạng kết quả nghiên cứu như sau:
46- Tuyên bố / Cơ sở / Nguồn / Ngày xuất bản / Kỳ dữ liệu / Sơ cấp hay thứ cấp / Phản chứng / Mức độ tin cậy / Điểm cần con người xác minh
47
48【Giai đoạn 4: Tạo Mẫu Thử】
49Tạo 3 kế hoạch mẫu thử tối thiểu từ kết quả nghiên cứu. Với mỗi kế hoạch, hãy chỉ ra:
50- Giả thuyết cần xác minh / Cần làm gì / Không cần làm gì / Thời gian yêu cầu / Chi phí yêu cầu / Quy trình do AI xử lý / Quy trình do con người xử lý / Điều kiện thất bại
51Không tiến hành triển khai đầy đủ cho đến khi tôi chọn một kế hoạch.
52
53【Giai đoạn 5: Kiểm Tra Chéo】
54Đối với mẫu thử hoặc bản thảo đầu tiên, hãy tìm kiếm vấn đề từ các góc nhìn:
55- Sự kiện / Logic / Công nghệ / An toàn / Bản quyền / Chi phí / Mục tiêu / Khả năng bảo trì / Tính độc đáo
56Hiển thị mức độ nghiêm trọng ở 4 cấp: Dừng lại / Cần sửa / Cần theo dõi / Cho phép.
57
58【Giai đoạn 6: Nhật ký Cải tiến】
59Ghi lại những điều sau mỗi lần sửa chữa:
60- Trước khi thay đổi / Vấn đề / Nội dung thay đổi / Lý do thay đổi / Vấn đề mới phát sinh / Điều kiện cần thêm vào lời nhắc hoặc bài kiểm tra từ lần sau
61
62【Giai đoạn cuối】
63Đừng hành động dựa trên quyết định cuối cùng. Hãy sắp xếp các lựa chọn, bằng chứng, ý kiến đối lập và các mục chưa xác nhận, và để tôi tự viết kế hoạch được chọn và lý do.
64
65Trong phản hồi đầu tiên, đừng đưa ra đề xuất; hãy hỏi một câu về sự khó chịu hoặc mục đích cụ thể nhất mà tôi đang cảm thấy liên quan đến chủ đề này.

Kết Luận — Yoichi Ochiai Đã Không "Bỏ Cuộc Nỗ Lực" Với AI

Nếu bạn hiểu việc sử dụng AI của Yoichi Ochiai chỉ như một bộ sưu tập các lời nhắc tiện lợi, bạn sẽ bỏ lỡ bản chất của nó.

Chạy đồng thời nhiều AI. Phục hồi những suy nghĩ chưa được tổ chức bằng giọng nói. Cấu trúc các hướng dẫn dài. Làm lại câu trả lời đầu tiên nhiều lần. Chia nghiên cứu, hình ảnh và triển khai thành các công cụ khác nhau. Cho một AI phê bình đầu ra của AI khác. Phát hiện bất thường bằng kinh nghiệm từ việc tự mình thao tác. Xây dựng các công cụ có thể quan sát được nếu hộp đen là vấn đề. Kết nối AI không chỉ với văn bản, mà còn với video, không gian, cơ thể và thiết bị nghiên cứu. Và trả lại thời gian tiết kiệm được nhờ AI cho sự tò mò và trải nghiệm thực tế.

Điểm chung của chuỗi hành động này không phải là ý tưởng muốn làm biếng. Đó là ý tưởng cố gắng kiểm tra thêm trong cùng một khoảng thời gian. Trước AI, một ngày kết thúc chỉ bằng việc điều tra và triển khai một giả thuyết. Sau AI, bạn có thể điều tra nhiều giả thuyết, tạo ba bản mẫu thử, so sánh lý do thất bại và trả lại những kết quả đó cho hướng dẫn tiếp theo. Bạn có thể dùng khoảng thời gian rảnh rỗi có được để nghỉ ngơi. Bạn có thể dùng nó cho một công việc khác. Bạn có thể dùng nó cho những biểu đạt hoặc nghiên cứu mới. Chính con người là người quyết định sử dụng nó vào việc gì.

Nếu chúng ta gọi Yoichi Ochiai là "Thiên tài Nỗ lực," lý do không đơn giản là anh ấy làm việc lâu hơn những người khác. Đó là vì anh ấy không biến nỗ lực thành vấn đề tinh thần. Biến suy nghĩ thành dạng có thể ghi lại. Biến thất bại thành điều kiện cho lần tiếp theo. Tự động hóa sự lặp lại. Cập nhật công cụ. Tạo ra môi trường. Vẫn để lại những nơi con người nên phán xét. Điều anh ấy đang gia tăng bằng AI không chỉ là số lượng sản phẩm hoàn thiện. Đó là số lần anh ấy có thể tiếp tục xoay chuyển mà không từ bỏ cho đến khi đạt được điều gì đó chưa biết. Điều bị đặt câu hỏi trong kỷ nguyên AI không phải là "bạn đang sử dụng AI nào?" Con người đang quan sát điều gì trong khi AI đang xuất ra? Con người đang sửa chữa điều gì sau khi AI đã tạo ra nó? Con người đang cố gắng đi đến đâu nhờ AI trở nên nhanh hơn? Kỹ thuật sử dụng AI tốt nhất không phải là cách để tránh nỗ lực. Đó là để nỗ lực không biến mất như một điều nhất thời, mà thay vào đó biến thành một hệ thống thúc đẩy nỗ lực tiếp theo.