This post is also available in:
English
Trong bối cảnh AI ngày càng được dùng nhiều để hỗ trợ viết và chỉnh sửa bản thảo, không ít người bắt đầu quan tâm đến một câu hỏi khá thực tế: làm sao để bài viết trôi chảy hơn, tự nhiên hơn, nhưng vẫn giữ được sự nghiêm túc, tính minh bạch và tiếng nói của người viết.
Từ Coffee Talk #4, cuộc trao đổi vì thế không chỉ dừng ở kỹ thuật diễn đạt, mà còn mở ra suy nghĩ về cách con người sử dụng công cụ một cách có trách nhiệm trong môi trường học thuật.
Khi AI bước vào bàn viết học thuật, điều người viết lo lắng có lẽ không chỉ là câu chữ
Trong khuôn khổ chuỗi cà phê học thuật Coffee Talk, buổi số 4 đã gợi mở một chủ đề khá gần với đời sống nghiên cứu hiện nay: AI đang dần hiện diện trong quá trình viết, sửa và hoàn thiện bản thảo, nhưng cùng với sự tiện lợi ấy lại là nhiều băn khoăn về tính trung thực, về giọng điệu học thuật, và về trách nhiệm của người viết đối với văn bản của chính mình.
Với chủ đề “Công cụ AI ‘gắn mác’ 100% giả? Tự nhiên hóa văn phong thành bài báo chuẩn khoa học”, buổi trao đổi dường như không chỉ xoay quanh chuyện công cụ phát hiện AI hoạt động ra sao, hay làm thế nào để một đoạn văn “trông bớt giống máy”. Không khí thảo luận có lẽ nghiêng nhiều hơn về một câu hỏi sâu hơn: trong bối cảnh AI ngày càng dễ tiếp cận, người viết cần làm gì để bản thảo của mình vẫn giữ được tính học thuật, sự minh bạch, và cảm giác rằng đằng sau văn bản ấy thực sự có một chủ thể đang suy nghĩ.
Có lẽ đây cũng là điều khiến chủ đề này trở nên đáng quan tâm. Bởi lẽ, ở thời điểm hiện nay, rất nhiều người không còn đứng trước câu hỏi “có dùng AI hay không”, mà đang ở trước câu hỏi “dùng đến đâu, dùng như thế nào, và sau khi dùng thì mình còn giữ được điều gì của chính mình trong bài viết ấy”.
AI có thể giúp bài viết trôi chảy hơn, nhưng chưa chắc làm cho bài viết chín hơn
Một trong những ý dễ nhận thấy từ buổi Coffee Talk là AI quả thực có thể hỗ trợ khá tốt ở lớp bề mặt của văn bản. Công cụ có thể giúp sắp xếp lại câu cho gọn hơn, thay một số từ cho “học thuật” hơn, đề xuất cấu trúc đoạn văn rõ hơn, thậm chí làm cho bản thảo tiếng Anh trở nên trơn tru hơn chỉ sau vài lần chỉnh sửa. Với những người đang chịu áp lực về thời gian, hoặc cảm thấy chưa thật tự tin trong diễn đạt, đây rõ ràng là một hỗ trợ có ích.
Tuy nhiên, sự hỗ trợ ấy dường như cũng đi kèm một nguy cơ khá quen thuộc: bài viết có thể trở nên mượt mà hơn, nhưng đồng thời cũng dễ mất đi sự gồ ghề tự nhiên của tư duy thật. Nói cách khác, AI có thể làm cho văn bản “đẹp” lên rất nhanh, nhưng chưa chắc giúp cho lập luận trở nên chắc hơn, hay làm cho bài viết mang nhiều hơn tiếng nói riêng của tác giả.
Có lẽ vì vậy mà trong buổi trao đổi, vấn đề không được đặt nặng ở chỗ “AI có được dùng không”, mà ở chỗ người viết có đang làm chủ bản thảo của mình hay không. Một bản thảo được công cụ hỗ trợ về diễn đạt có thể vẫn chấp nhận được. Nhưng nếu người viết gần như giao luôn việc suy nghĩ, việc sắp xếp ý, việc đưa số liệu, thậm chí cả việc đưa ra kết luận cho công cụ, thì khi ấy rủi ro không còn nằm ở ngôn ngữ nữa, mà nằm ở chính nền tảng học thuật của bài viết.
Những dấu hiệu rất nhỏ đôi khi cũng đủ làm văn bản trở nên thiếu tự nhiên
Một phần khá thú vị của buổi Coffee Talk đi vào những chi tiết mà bình thường người viết có thể dễ bỏ qua. Có những biểu hiện nhìn qua tưởng như rất nhỏ: kiểu dấu ngoặc kép, cách dùng dấu gạch ngang dài, các cụm từ đệm xuất hiện lặp đi lặp lại, hay nhịp câu đều nhau đến mức quá tròn trịa. Từng chi tiết đơn lẻ có thể không gây nhiều chú ý, nhưng khi đặt cạnh nhau trong một bản thảo dài, chúng dễ tạo ra một cảm giác rất “máy”.
Ở đây, điều đáng suy nghĩ có lẽ không nằm ở chỗ công cụ truy quét có phát hiện được hay không, mà ở chỗ những chi tiết ấy cho thấy văn bản chưa được biên tập đủ sâu. Một bài viết học thuật thường không chỉ được đánh giá bằng việc câu đúng hay sai, mà còn ở cảm giác về nhịp văn, về độ tiết chế, và về sự hợp lý trong lựa chọn ngôn ngữ. Khi câu nào cũng cân đối, đoạn nào cũng trơn tru theo một khuôn giống nhau, người đọc rất dễ có cảm giác rằng văn bản ấy được “sinh ra” hơn là được “viết ra”.
Buổi trao đổi dường như cũng gợi ý rằng nhiều người viết hiện nay, nhất là khi nhờ AI sửa tiếng Anh học thuật, đôi khi vô tình để bản thảo trôi về một thứ văn phong quá cũ, quá kiểu cách, hoặc quá nặng về “trang trí học thuật”. Trong khi đó, viết học thuật hiện đại ở nhiều lĩnh vực dường như lại ưu tiên sự sáng rõ, trực tiếp và tiết chế hơn. Một câu văn quá dài, quá nhiều mệnh đề nối tiếp, quá nhiều cụm từ đệm, chưa chắc làm tăng tính học thuật; đôi khi nó chỉ làm cho bài viết nặng nề hơn.
Có lẽ vì vậy, thay vì cố “làm cho văn bản giống người”, điều hợp lý hơn là đọc lại thật kỹ để xem câu chữ đã thực sự phục vụ cho lập luận chưa. Câu nào thừa thì cắt. Chỗ nào có thể nói ngắn hơn thì nói ngắn. Chỗ nào đang mang vẻ “làm quá” thì nên hạ xuống. Việc biên tập như vậy không chỉ giúp văn bản tự nhiên hơn, mà cũng giúp người viết quay lại với vai trò chủ động của mình.
Điều đáng lo hơn cả có lẽ vẫn là hiện tượng AI “điền vào chỗ trống” bằng những thông tin không có thật
Nếu các dấu hiệu bề mặt còn có thể chỉnh sửa tương đối dễ, thì phần dữ liệu và trích dẫn có lẽ mới là vùng rủi ro lớn hơn. Đây cũng là nội dung được nhắc khá rõ trong buổi thảo luận. AI thường có xu hướng đáp ứng rất nhanh nhu cầu của người dùng, và trong nhiều trường hợp, nó có thể tạo ra một con số nghe rất hợp lý, một thống kê nghe rất thuyết phục, hoặc một tài liệu tham khảo có vẻ rất đúng ngữ cảnh nhưng thực tế lại không tồn tại hoặc không truy được nguồn.
Trong nghiên cứu khoa học, đây có lẽ là vấn đề không thể xem nhẹ. Một câu văn còn vụng có thể sửa. Một đoạn lập luận còn yếu có thể viết lại. Nhưng một số liệu không có nguồn, một trích dẫn sai, hay một tài liệu tham khảo “ảo” lại có thể ảnh hưởng đến độ tin cậy của cả bài viết. Đặc biệt trong các lĩnh vực như du lịch, truyền thông, giáo dục hay xã hội học, nơi người viết thường phải dựa khá nhiều vào thống kê, báo cáo và tài liệu trước đó, thì khâu kiểm chứng nguồn gần như là điều không thể bỏ qua.
Từ tinh thần của buổi Coffee Talk, có thể thấy một gợi ý khá quan trọng là: nếu không tìm được nguồn xác thực, tốt hơn nên dừng lại và thừa nhận giới hạn thông tin, thay vì giữ một dữ liệu chỉ vì nó nghe “vừa đẹp” với lập luận của mình. Chẳng hạn, trong trường hợp chưa có số liệu chính thức từ cơ quan quản lý, người viết hoàn toàn có thể nói rõ rằng số liệu hiện thời chưa được công bố đầy đủ. Sau đó, nếu cần, có thể mượn một khảo sát có thật, một nghiên cứu trước đó, hoặc một báo cáo đáng tin cậy để hỗ trợ luận điểm một cách khiêm tốn hơn.
Có thể cách viết đó không khiến đoạn văn “hoàn hảo” ngay lập tức, nhưng có lẽ lại phản ánh đúng tinh thần học thuật hơn: chấp nhận giới hạn của dữ liệu thay vì lấp đầy khoảng trống bằng một sự chắc chắn giả tạo.
Một bài viết quá “đẹp” đôi khi lại làm người đọc thấy chưa yên tâm
Một điểm khác cũng khá đáng chú ý là AI thường có xu hướng làm văn bản trở nên quá tròn trịa. Mở đầu gọn gàng, chuyển đoạn mượt mà, kết luận đầy đủ, và ở bề mặt thì gần như không có khe hở nào. Nhưng chính sự liền mạch quá mức ấy đôi khi lại khiến văn bản thiếu đi một điều rất quan trọng trong nghiên cứu khoa học: cảm giác của sự thận trọng.
Trong học thuật, người viết thường phải chấp nhận rằng không phải lúc nào mình cũng có thể nói quá chắc. Dữ liệu có giới hạn. Bối cảnh có giới hạn. Phương pháp có giới hạn. Ngay cả phần đóng góp của nghiên cứu cũng thường cần được trình bày với độ dè dặt nhất định. Thế nhưng AI, vì được thiết kế để “hoàn thiện” câu trả lời, đôi khi lại khiến bản thảo đi theo hướng ngược lại: phát biểu mạnh hơn mức cần thiết, kết luận nhanh hơn mức nên có, và làm cho nghiên cứu nghe có vẻ mới mẻ hơn thực tế.
Điều này có lẽ liên quan trực tiếp đến kiểu diễn đạt như “đây là nghiên cứu đầu tiên”, “đây là công trình duy nhất”, hay “đây là phát hiện chưa từng có”. Trong một số trường hợp rất hiếm, những cách nói đó có thể đúng. Nhưng trong phần lớn bối cảnh nghiên cứu, đặc biệt ở cấp độ bài báo, luận văn hay đề cương, việc dùng những phát biểu tuyệt đối như vậy rất dễ tạo cảm giác phóng đại. Có lẽ những cách diễn đạt mềm hơn, như “một trong những hướng tiếp cận bước đầu”, “một gợi mở ban đầu trong bối cảnh này”, hoặc “góp phần bổ sung cho dòng nghiên cứu hiện có”, sẽ phù hợp hơn với tinh thần học thuật khiêm tốn.
Có thể nói, sự “chưa hoàn hảo” ở đây không hẳn là điểm yếu. Trong nhiều trường hợp, chính sự dè dặt, sự không tuyệt đối hóa và cách trình bày có chừng mực mới làm cho bài viết đáng tin hơn.
Điều khó nhất có lẽ không phải là sửa câu, mà là giữ lại giọng của người viết
Một nhận xét khá đáng suy nghĩ từ nội dung buổi nói chuyện là AI có thể viết đúng ngữ pháp, đúng cấu trúc, thậm chí đúng logic bề mặt, nhưng chưa chắc đã viết ra được “giọng” của người viết. Và trong môi trường học thuật, giọng điệu không chỉ là chuyện phong cách; nó còn phản ánh cách người viết nhìn vấn đề, mức độ dè dặt trong nhận định, và cả thái độ đối với đối tượng nghiên cứu.
Nhiều bản thảo được AI hỗ trợ quá nhiều dễ rơi vào tình trạng na ná nhau. Viết về đề tài nào cũng có thể mở đầu bằng một đoạn rất chung, sau đó liệt kê các yếu tố, rồi chốt lại bằng một câu nêu mục tiêu nghiên cứu khá quen thuộc. Mọi thứ nghe đều đúng, nhưng lại thiếu cảm giác rằng bài viết này chỉ có thể được viết ra trong chính bối cảnh đó, bởi chính người đó.
Có lẽ vì vậy, “humanize” trong ngữ cảnh học thuật không nên được hiểu như một thao tác làm đẹp bề mặt. Nó có thể nên được hiểu là quá trình trả bản thảo về gần hơn với người viết thật. Có khi chỉ là thay một đoạn mở đầu quá khuôn mẫu bằng một dẫn nhập gần hơn với bối cảnh nghiên cứu. Có khi là cắt bớt những câu đệm không cần thiết. Có khi là thay các động từ bị động bằng những cách nói rõ chủ thể hơn như “chúng tôi nhận thấy”, “nghiên cứu này ghi nhận”, hoặc “từ quan sát ban đầu, có thể thấy rằng…”. Cũng có khi là đưa vào một vài chi tiết gợi cảm nhận cụ thể hơn, để văn bản bớt khô cứng và đỡ giống một mẫu sinh hàng loạt.
Buổi thảo luận cũng có nhắc đến việc đưa những trải nghiệm gần với đời sống hơn vào câu chữ, chẳng hạn âm thanh, ánh sáng, mùi vị, hay những chi tiết cụ thể của bối cảnh. Có lẽ điều này không phải để “trang trí” cho đẹp, mà để nhắc rằng văn bản học thuật, nhất là trong khoa học xã hội và nhân văn, vẫn cần bám vào thế giới sống. Một cách diễn đạt cụ thể, đúng chỗ, đôi khi giúp câu văn có sinh khí hơn nhiều so với một cụm khái quát rất chuẩn nhưng rất xa.
AI có thể hỗ trợ bản nháp, nhưng phần viết cuối cùng vẫn nên là lao động của con người
Một nội dung có vẻ khá thực tế trong buổi Coffee Talk là chuyện “mượn AI sửa AI”. Nghĩa là khi một đoạn văn do công cụ tạo ra còn cứng, người viết có thể dùng thêm một công cụ khác để đổi nhịp câu, rút gọn hoặc viết lại thành một bản nháp dễ xử lý hơn, trước khi tự mình sửa lần cuối. Xét ở góc độ kỹ thuật, có lẽ đây là một kinh nghiệm không hiếm trong bối cảnh hiện nay.
Tuy nhiên, tinh thần của buổi trao đổi dường như không phải là khuyến khích lệ thuộc vào chuỗi công cụ, mà là nhấn mạnh rằng mọi công cụ chỉ nên dừng ở mức bản nháp và gợi ý. Phần quan trọng hơn nhiều vẫn là công việc của người viết: đọc lại bằng con mắt của mình, xem lập luận đã thật sự đứng vững chưa, xem câu nào đang nói quá, câu nào đang nói thiếu, xem số liệu có nguồn chưa, xem giọng điệu có còn là của mình không.
Nói cách khác, AI có thể giúp bài viết “ra hình” nhanh hơn, nhưng không thể làm thay phần lao động trí tuệ cuối cùng. Chính ở khâu hậu kiểm này, người viết mới thực sự quay lại vị trí chủ thể của công trình: người lựa chọn, người loại bỏ, người chấp nhận giới hạn, và người chịu trách nhiệm.
Một bảng tự rà soát trước khi nộp bài có lẽ vẫn rất cần thiết
Ở phần cuối của buổi chia sẻ, một số gợi ý tự kiểm tra trước khi nộp bài được nêu ra như một dạng checklist mềm. Có thể đây không phải là bộ tiêu chí cố định, nhưng ít nhất cũng là những câu hỏi giúp người viết dừng lại một nhịp trước khi gửi đi bản thảo của mình.
Bài viết đã có nhịp câu đủ linh hoạt chưa, hay đoạn nào cũng đang đều đều như nhau? Có câu nào quá dài mà không mang thêm ý nghĩa đáng kể không? Có chỗ nào còn lạm dụng các cụm từ đệm chỉ để nối ý mà chưa thực sự làm rõ lập luận không? Có đoạn nào nghe quá “trơn tru” nhưng lại rất chung chung, có thể thay bằng một cách diễn đạt cụ thể hơn không?
Ngoài ra, bài viết đã có những câu hỏi dẫn dắt hợp lý chưa, hay mới chỉ nói theo lối trình bày một chiều? Có chỗ nào có thể đưa vào một chi tiết đời sống, một cảm nhận cụ thể, một minh họa gợi hình hơn để ý tưởng bớt khô không? Các câu bị động đã cần thiết chưa, hay nên chuyển sang chủ động để rõ vai trò của tác giả? Và quan trọng hơn cả, mọi số liệu, tên tác giả, năm công bố, tài liệu tham khảo đã được kiểm tra lại bằng nguồn có thật hay chưa?
Có lẽ những câu hỏi như vậy tuy đơn giản, nhưng lại rất hữu ích. Bởi đôi khi điều giúp một bản thảo tốt lên không phải là một công cụ mạnh hơn, mà chỉ là một lần đọc lại kỹ hơn.
Minh bạch về việc sử dụng AI có lẽ là một hướng đi đáng cân nhắc hơn là lặng lẽ giấu đi
Một điểm kết khá đáng chú ý của Coffee Talk #4 là tinh thần minh bạch. Thay vì xem AI như một thứ nhất thiết phải che giấu, buổi trao đổi dường như gợi ra một cách nhìn khác: trong nhiều bối cảnh học thuật hiện nay, việc sử dụng AI để hỗ trợ ngôn ngữ, diễn đạt hay độ lưu loát của câu văn có thể đang dần được chấp nhận hơn, miễn là người viết vẫn giữ quyền kiểm soát nội dung và chịu trách nhiệm hoàn toàn về bản thảo.
Từ góc nhìn đó, việc đưa vào cuối bài một ghi chú ngắn, nếu phù hợp với quy định của tạp chí hoặc cơ sở đào tạo, có lẽ là điều có thể cân nhắc. Tinh thần của ghi chú ấy không phải là “hợp thức hóa” việc giao bài viết cho máy, mà là thể hiện rằng người viết ý thức được ranh giới giữa hỗ trợ kỹ thuật và trách nhiệm học thuật. Điều quan trọng ở đây không phải là có tuyên bố hay không, mà là người viết có thật sự trung thực với quá trình làm việc của mình hay không.
Từ Coffee Talk #4, có lẽ điều đáng giữ lại không chỉ là vài mẹo kỹ thuật
Nhìn lại toàn bộ buổi trao đổi, có thể thấy chủ đề lần này không chỉ nói về kỹ thuật chỉnh sửa văn bản, mà chạm tới một câu hỏi rộng hơn về cách con người giữ lấy vai trò của mình trong thời đại công cụ ngày càng mạnh. Một bài viết học thuật có thể được AI hỗ trợ để sáng hơn, mượt hơn, ngắn gọn hơn. Nhưng để trở thành một công trình đáng tin, nó vẫn cần những điều mà công cụ khó thay thế: sự cẩn trọng trong dữ liệu, sự dè dặt trong phát biểu, năng lực tự phản biện, và thái độ chịu trách nhiệm của người viết.
Có lẽ, thay vì hỏi làm sao để bài viết “bớt giống AI”, câu hỏi phù hợp hơn là làm sao để dù có dùng AI, bài viết ấy vẫn còn là của mình. Còn là của mình trong cách đặt vấn đề. Còn là của mình trong cách lựa chọn bằng chứng. Còn là của mình trong giọng điệu, trong mức độ thận trọng, và trong quyết định cuối cùng về việc điều gì nên được nói ra, điều gì chưa nên nói quá mạnh.
Nếu phải rút lại một điều từ Coffee Talk #4, thì có lẽ đó không phải là một mẹo xử lý kỹ thuật nào riêng lẻ, mà là một thái độ làm việc với văn bản: có thể tận dụng công cụ, nhưng không nên giao toàn bộ việc suy nghĩ cho công cụ; có thể nhờ hỗ trợ ở phần diễn đạt, nhưng vẫn phải tự mình kiểm chứng, tự mình sửa, và tự mình chịu trách nhiệm.
