Giáo sư Andrew Ng, một trong những chuyên gia hàng đầu về trí tuệ nhân tạo, cho rằng người dùng không nhất thiết phải viết yêu cầu (prompt) quá chi tiết khi làm việc với AI.

Khi nào AI hiểu dù prompt thiếu chi tiết?

Trong một bài đăng trên nền tảng X, Giáo sư Ng giới thiệu khái niệm “lazy prompting” – tức là đưa ra yêu cầu đơn giản, ít ngữ cảnh nhưng AI vẫn có thể xử lý hiệu quả. Ông nhấn mạnh rằng không phải lúc nào người dùng cũng cần hướng dẫn tỉ mỉ, vì nhiều mô hình AI hiện đại đã có khả năng tự suy luận.

Một ví dụ điển hình là lập trình viên khi cần AI hỗ trợ sửa lỗi. Thay vì diễn giải vấn đề, họ chỉ cần dán toàn bộ thông báo lỗi vào mô hình ngôn ngữ lớn (LLM). Dù không có hướng dẫn cụ thể, AI vẫn có thể phân tích và đề xuất cách sửa lỗi.

Theo Giáo sư Ng, đây là một minh chứng cho thấy LLM không còn chỉ phản hồi theo lệnh, mà đã dần hiểu được mục đích của người dùng để đưa ra giải pháp phù hợp.

"Lazy prompting" có phải lúc nào cũng hiệu quả?

Mặc dù tiết kiệm thời gian, "lazy prompting" không phải lúc nào cũng là lựa chọn tối ưu. Giáo sư Ng lưu ý rằng phương pháp này chỉ phù hợp khi:

AI có thể nhanh chóng kiểm tra và suy đoán ý định người dùng.
Mô hình đủ mạnh để phân tích thông tin từ những dữ liệu đầu vào tối thiểu.

Ngược lại, nếu AI yêu cầu nhiều bối cảnh hoặc không đủ thông minh để tự động xác định vấn đề, thì một prompt quá đơn giản có thể dẫn đến phản hồi kém chính xác.

Dành cho ai?

Người dùng phổ thông: Nếu chưa quen với cách AI hoạt động, prompt quá đơn giản có thể khiến kết quả không như mong muốn. Người dùng cần thử nghiệm và điều chỉnh để đạt được phản hồi tốt hơn.
Lập trình viên và chuyên gia AI: Những người thường xuyên làm việc với AI có thể tận dụng "lazy prompting" để tránh đưa vào quá nhiều thông tin không cần thiết, giúp AI tập trung vào vấn đề chính.

Giáo sư Ng khẳng định, thay vì xem đây là một quy tắc cố định, người dùng nên linh hoạt áp dụng tùy vào tình huống cụ thể để khai thác tốt nhất khả năng của AI.