Những cái 'bẫy' khi nhà kinh tế học phụ thuộc nghiên cứu vào công cụ Deep Research của OpenAI

Nhiều nhà kinh tế học phấn khích quá mức vì công cụ Deep Research

Đầu tháng 2/2025, OpenAI – công ty trí tuệ nhân tạo nổi tiếng nhất thế giới – đã ra mắt Deep Research, một công cụ được thiết kế để thực hiện các nghiên cứu sâu nhiều bước. Chỉ với vài cú gõ phím, công cụ này có thể tạo ra một bài nghiên cứu hoàn chỉnh trong vài phút.

Nhiều học giả tỏ ra vô cùng phấn khích.

Hỏi Deep Research những vấn đề tôi đang nghiên cứu mang lại hiệu quả bất ngờ.

Nhiều nhà kinh tế học còn lạc quan hơn nữa.

Tôi chắc chắn rằng bạn có thể xuất bản một bài trên các tạp chí hạng B chỉ sau một ngày dùng công cụ này.

Nhà kinh tế học Tyler Cowen, Đại học George Mason,, người có tầm ảnh hưởng lớn ở Thung lũng Silicon (Hoa Kỳ), ví Deep Research như "một trợ lý nghiên cứu trình độ tiến sĩ làm việc độc lập trong một hai tuần". Ông Cowen cũng từng "thổi phồng" nhiều trào lưu như Web3 hay mạng xã hội Clubhouse.

Với 200 USD mỗi tháng để sử dụng Deep Research, liệu có đáng hay không?

Theo The Economist, nếu Deep Research thực sự tiến gần đến "trí tuệ siêu việt nhân tạo" như nhiều người kỳ vọng, thì khoản phí 2.400 USD mỗi năm có thể là “món hời nhất trong lịch sử nhân loại”.

Để có câu trả lời, The Economist đã thử nghiệm công cụ này để xem liệu Deep Research "có phải một trợ lý nghiên cứu lý tưởng cho các nhà kinh tế và giới học thuật?".

Kết luận rõ ràng đầu tiên thu được là Deep Research không thể tự thực hiện nghiên cứu sơ cấp. Chẳng hạn, nó không thể tổ chức khảo sát tại Peru hay quan sát ngôn ngữ cơ thể của CEO một công ty mà bạn đang cân nhắc đầu tư ngược. Nó cũng không pha được cà phê, nên không thể thay thế hoàn toàn một trợ lý thực sự.

Ngoài ra, văn phong của Deep Research thường khô cứng, dù người dùng yêu cầu nó viết sinh động hơn. Tuy nhiên, vì không phải ai cũng giỏi viết lách, nên nhiều người có lẽ sẽ không bận tâm chuyện này.

Đáng chú ý, sau một thời gian sử dụng, ba cái "bẫy" lớn và đáng lo ngại mới thực sự xuất hiện: đó là “tự sáng tạo dữ liệu”, “sự thống trị của tư duy phổ thông” và “bẫy lười tư duy”.

1. "Sáng tạo dữ liệu" (data creativity)

Deep Research xử lý tốt các câu hỏi cơ bản như: “Tỷ lệ thất nghiệp của Pháp năm 2023 là bao nhiêu?” hoặc phức tạp hơn một chút như “Tính tỷ lệ thất nghiệp trung bình năm 2023 của Pháp, Đức, Ý theo dân số.”

Nhưng với các yêu cầu sáng tạo dữ liệu hơn, nó lại dễ mắc lỗi. Ví dụ, Deep Research ước tính sai số tiền mà một hộ gia đình Mỹ từ 25–34 tuổi chi cho whisky năm 2021; trong khi dữ liệu từ Cục Thống kê Lao động cho thấy con số chính xác là 20 USD. Nó cũng không trả lời đúng tỷ lệ doanh nghiệp Anh hiện đang sử dụng AI, dù có số liệu định kỳ công khai.

Như vậy, với các yêu cầu phân tích dữ liệu gốc hoặc phức tạp hơn, con người vẫn có lợi thế rõ rệt.

2. "Sự thống trị của tư duy phổ thông" (tyranny of the majority)

Deep Research được huấn luyện từ một lượng dữ liệu công khai khổng lồ, giúp nó tạo ra các bản tổng hợp chi tiết và có dẫn nguồn rất tốt.

Ví dụ, ông Cowen yêu cầu viết bài 10 trang về lý thuyết địa tô của David Ricardo. Kết quả xứng đáng góp mặt trong bất kỳ giáo trình kinh tế học nào.

Tuy nhiên, chính độ phủ nội dung quá rộng lại khiến Deep Research có xu hướng chọn những ý kiến phổ biến hơn là ý kiến đúng đắn nhất. Về thống kê, Deep Research thường lấy dữ liệu từ báo chí đại chúng thay vì từ các nguồn chuyên sâu, khó tiếp cận hơn.

Về mặt ý tưởng, khi hỏi về bất bình đẳng thu nhập ở Mỹ, nếu không hướng dẫn cụ thể, mô hình sẽ mặc định rằng bất bình đẳng tăng mạnh từ thập niên 1960 như quan điểm truyền thống, thay vì các lập luận cho rằng mức tăng là không đáng kể.

Về lý thuyết “bàn tay vô hình” của Adam Smith, dù đã có nghiên cứu từ năm 1994 của Emma Rothschild (Đại học Harvard) bác bỏ hiểu lầm phổ biến, Deep Research vẫn lặp lại quan điểm sai lệch.

Nói cách khác, nếu chỉ dựa vào Deep Research, người dùng sẽ dễ tiếp thu quan điểm phổ biến chứ không phải các tư tưởng học thuật chuyên sâu. Điều này cực kỳ nguy hiểm với những người làm việc bằng sự sáng tạo cá nhân như học giả, nhà đầu tư hay nhà sáng tạo.

3. "Bẫy lười tư duy" (intellectual shortcuts)

Vấn đề nghiêm trọng nhất không nằm ở mô hình mà ở cách con người sử dụng nó.

Việc để AI viết hộ sẽ khiến con người dốt đi. Viết là một hình thức tư duy. Có kiểu tư duy chỉ xuất hiện khi bạn thực sự viết ra.

Điều này đúng với nghiên cứu: quá trình nghiên cứu chính là quá trình suy nghĩ, đặt câu hỏi và phát hiện những mâu thuẫn trong tư duy hiện tại. Khi phó thác hết cho AI, người dùng sẽ bỏ lỡ những khoảnh khắc ngộ ra những ý tưởng hay nhất.

Trong tương lai, có thể OpenAI sẽ cải thiện Deep Research đến mức có thể tự tạo ra các ý tưởng đột phá. Khi đó, công cụ này có thể không chỉ là trợ lý mà sẽ trở thành nhà nghiên cứu chính.

Nhưng từ giờ đến lúc đó, các nhà kinh tế học hay các học giả vẫn có thể dùng Deep Research, dù với giá 200 đô mỗi tháng, nhưng đừng mong công cụ AI này có thể thay thế con người, và càng không để nó khiến con người ngừng suy nghĩ.