Rèn năng lực, dựng 'lá chắn' khi dạy AI cho học sinh - Bài 3: Từ ý tưởng đến sản phẩm

Chương trình giảng dạy AI tại Trường THPT chuyên Lê Hồng Phong đi từ toán, lập trình Python, học máy đến ứng dụng và nghiên cứu khoa học. Theo thầy Nguyễn Ngọc Vinh, giáo viên Tin học, học sinh tham gia xử lý dữ liệu, xây dựng, huấn luyện và đánh giá mô hình. Quá trình thử nghiệm, xem lại kết quả và sửa lỗi giúp lý thuyết gắn với bài toán thực tế; học sinh nổi trội được khuyến khích dự thi nghiên cứu khoa học và Olympic AI.

Học sinh Trường THPT chuyên Lê Hồng Phong (Phường Chợ Quán, TPHCM) được dạy nâng cao về AI, trong đó có việc xây dựng các dự án thực tế. Ảnh: HOÀNG TRIỀU

Đơn cử như em Phạm Nhật Minh (lớp 12) đang theo đuổi dự án “Kính thiên văn thông minh” tích hợp AI. Mô hình phải nhận diện ngôi sao trong ảnh, ước lượng tâm sao rồi hỗ trợ xác định kính đang hướng về vùng trời nào. Công việc nghe như một thao tác nhận hình, song chỉ cần ngôi sao quá sáng, ảnh bị nhiễu hoặc hình ảnh khác dữ liệu học ban đầu, kết quả nhận diện có thể lệch. AI đảm nhận khoảng 80%-90% khối lượng công việc: định vị ngôi sao, xác định tâm sao, xử lý hình ảnh và tính toán các phương pháp vật lý, giúp kính tự động nhận diện mục tiêu quan sát. Phần khó nhất là xử lý những trường hợp nhận diện phức tạp. Em Minh huấn luyện mô hình ban đầu, kiểm thử trên tệp dữ liệu, tìm nguyên nhân khi kết quả chưa đạt kỳ vọng, bổ sung thuật toán rồi lặp lại quá trình để sửa lỗi, tối ưu mô hình. Ngoài sự hướng dẫn của thầy Vinh và nhà trường, Minh tự đọc thêm tài liệu, báo chí quốc tế, xem video hướng dẫn trên Youtube. Dự án “Kính thiên văn thông minh” được Phạm Nhật Minh mang đến kỳ thi nghiên cứu khoa học cấp Thành phố và kỳ thi chọn học sinh giỏi Quốc gia. Nhiều học sinh của trường cũng đã đoạt giải khoa học kỹ thuật quốc gia, tham gia Hội thi Khoa học kỹ thuật quốc tế.

Với Nguyễn Hoàng Long, học sinh lớp 11 chuyên Tin, AI hỗ trợ tìm đề thi, tổng hợp tài liệu và giải bài tập. Khi được cung cấp tập tài liệu chuẩn, mô hình học trên dữ liệu ấy và trả kết quả với tỷ lệ sai số thấp hơn. Tuy nhiên, càng học sâu về mạng nơ-ron, Long càng hiểu rằng không thể chỉ viết một hàm, nạp dữ liệu rồi phó mặc cho máy. Người làm mô hình phải kiểm soát sai số, tránh hiện tượng quá khớp và chọn thuật toán phù hợp với bài toán. Học AI không phải thuộc hàm để chép vào bài thi, mà phải biết tư duy, đánh giá và tối ưu hệ thống. Long tiếp xúc với AI từ lớp 7, đến lớp 9 mới thực hành nhiều qua các đề thi tuyển sinh. Quy trình của em khá rạch ròi: tìm đề trên mạng, tự làm trọn bài trong khoảng 1-2 giờ, sau đó mới đưa đề và đáp án cho AI kiểm tra, chỉ lỗi, giải thích nguyên nhân. Cách “tự làm trước, đối chiếu sau” giúp em chủ động rút kinh nghiệm.

Em Phạm Gia Trí, học sinh lớp 11 chuyên Tin 1, cũng xem AI là công cụ hỗ trợ. Với Trí, điều quan trọng khi ứng dụng AI không nằm ở việc sao chép đáp án, mà ở khả năng hiểu bản chất, nắm phần cốt lõi và kiểm soát câu trả lời do máy tạo ra. Trong học tập, Trí sử dụng AI khá nhiều. Đối với môn Toán, em thường dùng AI để hỗ trợ giải bài tập về nhà hoặc xử lý những bài toán khó mà bản thân chưa biết làm. Với môn Vật lý và Hóa học, em tận dụng AI để mô tả, giải thích các hiện tượng tự nhiên cũng như hỗ trợ giải bài tập. Còn đối với ngoại ngữ, em dùng AI tra cứu từ vựng, sửa lỗi ngữ pháp trong câu và gợi ý thêm nhiều ý tưởng mới. Trí nhận thấy việc ứng dụng AI chỉ hợp lý khi coi AI là một công cụ hỗ trợ.

Giáo viên Trường THPT chuyên Lê Hồng Phong hướng dẫn học sinh ứng dụng AI vào nghiên cứu khoa học. Ảnh: HOÀNG TRIỀU

Không chỉ con người, AI cũng có thể gặp “ảo giác” - giới khoa học gọi là AI Hallucination. AI có thể “bịa đặt” nội dung, bóp méo ngữ cảnh hay giải thích sai lệch câu chuyện. Thậm chí thay vì nói “không biết”, AI cố điền vào chỗ trống bằng những nhận định, kết luận rất tự tin. Cái bẫy của “ảo giác” AI nằm ở chỗ thông tin đưa ra được sắp xếp logic, giải thích rất thuyết phục, những chi tiết sai hoặc lệch lạc thường rất tinh vi, khó nhận biết nếu người đọc không tinh ý, có chuyên môn và thật sự tỉ mỉ, cẩn trọng.

Ai từng là “nạn nhân” của “ảo giác” AI? Năm 2023, hai luật sư tại New York (Mỹ) từng bị phạt 5.000 USD vì nộp bản tóm tắt quan điểm bào chữa có trích dẫn các vụ án do ChatGPT tự ý bịa ra. Không ít nhà khoa học, bác sĩ, nhà báo, giáo viên… cũng từng khốn khổ vì lỡ lầm tin AI. Vì vậy, việc cảnh báo các em học sinh, thậm chí là giáo viên ở trường phổ thông có thể là “nạn nhân” của “ảo giác” AI là một cảnh báo không thừa. Một trong những hệ lụy nguy hiểm của “ảo giác” AI đối với học sinh đó là chính các em cũng có thể rơi vào trạng thái “ảo giác” về kết quả học tập của mình. Bằng cách nào? Trong cuốn sách “Nexus: Lược sử của những mạng lưới thông tin từ Thời đại Đồ đá đến Trí tuệ Nhân tạo”, tác giả Yuval Noah Harari nhắc lại bài thơ ngụ ngôn kinh điển của đại thi hào người Đức Johann Wolfgang von Goethe “Kẻ học việc phù thủy” viết năm 1797. Bài thơ kể về một cậu trò đã lén dùng chút phép thuật được học để bắt cây chổi tự gánh nước nhưng không biết cách dừng nó lại. Càng hoảng, cậu càng sai, gây ra một trận lụt lớn cho đến khi thầy về hóa giải.

Sẽ nguy hiểm nếu các em học sinh học AI chưa đến nơi, nhưng lạm dụng quá mức để bù đắp cho sự thiếu cần cù, chịu khó suy nghĩ, tư duy độc lập. Việc này cũng có thể rơi vào trường hợp các em học sinh có thành tích về AI. Một dự án AI của học sinh đoạt giải cấp thành phố, quốc gia hoặc quốc tế là kết quả đáng ghi nhận. Song điều đó không thể bảo đảm rằng người làm hiểu đầy đủ mô hình có sự tham gia của AI tạo ra, càng không thể chủ quan với rủi ro từ AI. Hồi tháng 9 vừa qua, Giáo sư Nicholas Polson của ĐH Chicago (Mỹ) vừa bị nền tảng trực tuyến SSRN đã gỡ 257 bài nghiên cứu do ông là tác giả hoặc đồng tác giả vì phát hiện “bất thường”. Câu chuyện gây xôn xao khắp giới nghiên cứu khoa học ở Mỹ và quốc tế này càng là lời nhắc với thầy và trò ở các trường học rằng: Đừng để tốc độ “nhanh như chớp” của AI gây cho chúng ta ảo giác về thành tích, vốn không phải là đích đến cuối cùng trong dạy-học AI.