Trong nghiên cứu và triển khai, AI ngày càng thường xuyên sắp xếp tài liệu, tạo giả thuyết và đưa ra các lời giải thích khả dĩ cho những quan sát. Vấn đề không chỉ nằm ở chỗ các giả thuyết được tạo ra có thể sai. Một lời giải thích nhất quán về mặt logic có thể được đưa vào tài liệu rồi được tái sử dụng trong công việc sau đó như một “tiền đề đã được kiểm chứng”. Khi trạng thái của nó thay đổi theo cách này, sự bất định ban đầu trở nên vô hình và suy luận chưa được kiểm chứng có thể tích lũy như sự thật.
Để tránh vấn đề này, cần tách tính hợp lệ của suy luận khỏi việc hoàn tất kiểm chứng. Việc một kết luận được suy ra một cách logic từ các tiền đề đã cho khác với việc các tiền đề đó có đúng trong thực tế hay không. Tương tự, một giả thuyết phù hợp với nhiều quan sát không có nghĩa là các giả thuyết cạnh tranh đã bị loại trừ. AI càng giỏi suy luận thì sự phân biệt này càng quan trọng. Chất lượng suy luận cao không được trở thành lý do để bỏ qua kiểm chứng bên ngoài.
Một cách để duy trì tính tạm thời là ghi lại riêng biệt các thành phần của nội dung được tạo ra. Cần phân biệt điều gì được các nguồn bên ngoài hoặc quan sát hỗ trợ, phần nào là suy luận của AI, điều gì vẫn chưa được xác nhận và những sự kiện nào sẽ đòi hỏi giả thuyết phải được sửa đổi hoặc bác bỏ. Nhờ đó, ngay cả khi sau này chỉ đọc văn bản, vẫn có thể truy vết kết luận đang ở giai đoạn nào.
Điều kiện bác bỏ đặc biệt quan trọng. Nếu chúng ta chỉ thu thập “bằng chứng hỗ trợ giả thuyết này”, lời giải thích có thể dễ dàng tự củng cố. Nếu nêu trước quan sát nào sẽ khiến giả thuyết không còn đứng vững, việc kiểm chứng sẽ chuyển từ công việc bảo vệ một kết luận sang công việc thử thách kết luận đó. Khi AI tạo ra nhiều giả thuyết, việc đặt cạnh nhau các điều kiện hỗ trợ và điều kiện bác bỏ của từng giả thuyết cũng giúp tránh lựa chọn chỉ dựa trên mức độ có vẻ hợp lý.
Khi kết nối với các nguồn bên ngoài, cũng cần phân biệt giữa việc một nguồn tồn tại và việc nguồn đó thực sự hỗ trợ cho khẳng định. Ngay cả khi tìm thấy một nguồn có thể trích dẫn, nguồn đó có thể không trực tiếp hỗ trợ khẳng định hiện tại nếu nó đề cập đến một đối tượng, thời kỳ hoặc điều kiện khác. Vì vậy, hỗ trợ nghiên cứu cần kiểm toán không chỉ việc có nguồn hay không mà còn cả phạm vi tương ứng giữa khẳng định và bằng chứng. Việc gắn với căn cứ không phải là trang trí; đó là cơ chế kiểm soát phạm vi áp dụng của một khẳng định.
Thể hiện tính tạm thời không đơn giản là thêm từ “có thể” vào câu. Nếu mọi thứ đều được diễn đạt mơ hồ, sẽ càng khó nhận biết điều gì được hỗ trợ mạnh và điều gì được hỗ trợ yếu. Điều cần thiết là thay đổi cách mô tả theo trạng thái nhận thức. Cần phân biệt sự thật đã được xác nhận, lời giải thích có cơ sở mạnh nhưng chưa được kiểm chứng, giả thuyết ở giai đoạn thăm dò và việc tạm hoãn kết luận do thiếu thông tin, đồng thời gắn mỗi trạng thái với bước kiểm chứng cần thiết tiếp theo.
Một cuộc kiểm toán cần xem xét không chỉ kết luận có đúng hay không mà còn liệu kết luận đó có được đặt đúng trạng thái hay không. Nếu một phát biểu hợp lệ với tư cách là giả thuyết nhưng lại được ghi nhận như một sự thật đã được xác lập, đó là một vấn đề chất lượng tách biệt với việc nội dung của nó cuối cùng được chứng minh là đúng hay sai. Ngược lại, diễn đạt những sự thật đã được kiểm chứng đầy đủ bằng ngôn ngữ quá yếu có thể làm chậm các quyết định cần thiết. Giữ suy luận ở trạng thái tạm thời không có nghĩa là luôn viết một cách dè dặt; điều đó có nghĩa là làm cho mức độ mạnh của cách diễn đạt phù hợp với trạng thái của bằng chứng.
Khuôn khổ này càng trở nên quan trọng khi nội dung do AI tạo ra trở thành đầu vào cho quá trình xử lý AI tiếp theo. Nếu tính tạm thời của một giả thuyết ở giai đoạn trước bị mất trước khi được tái sử dụng, các tiền đề chưa được kiểm chứng có thể bị khuếch đại qua từng lớp suy luận. Nếu trạng thái nhận thức được giữ nguyên khi chuyển giao, quá trình xử lý sau đó có thể đánh giá phần nào cần được kiểm tra lại. Khả năng kiểm chứng không chỉ liên quan đến lời giải thích dành cho con người mà còn liên quan đến việc quản lý tiền đề trong xử lý AI nhiều giai đoạn.
Trong hỗ trợ nghiên cứu của Sai＊aus, điều quan trọng không phải là khép sự hiểu biết vào một lời giải thích hoàn chỉnh duy nhất, mà là giữ lại thông tin về việc một điều đã được kiểm chứng đến đâu, suy luận bắt đầu từ đâu và điều gì có thể khiến nó được cập nhật. AI càng nâng cao khả năng tạo giả thuyết thì càng cần một cấu trúc ghi chép để ngăn những giả thuyết đó về sau biến thành sự thật. Khả năng tạo sinh và khả năng kiểm toán không nên được xem là các chức năng tách biệt; chúng cần được kết nối ngay từ thời điểm tạo ra nội dung.
Giữ suy luận của AI ở trạng thái tạm thời không nhằm làm chậm nghiên cứu. Bằng cách làm rõ kết luận nào nên chuyển sang bước kiểm chứng tiếp theo, tiền đề nào cần được kiểm tra lại và giả thuyết nào có thể bị bác bỏ, nguồn lực kiểm chứng có thể được phân bổ thích hợp. Điểm phân biệt quan trọng là giữa việc nhanh chóng tạo ra một kết luận và nhanh chóng xác lập một kết luận là dứt khoát. Điều thứ nhất có thể tăng tốc khám phá; điều thứ hai có thể đóng cánh cửa kiểm chứng.
Khoảng cách phản tư cần thiết đối với AI hỗ trợ nghiên cứu không có nghĩa là liên tục nghi ngờ suy luận của chính mình và không quyết định điều gì. Nó có nghĩa là giữ lại thông tin về bằng chứng mà suy luận dựa vào, mức độ đã được kiểm chứng và điều gì sẽ khiến nó phải được sửa đổi. Nếu tính hợp lệ và khả năng kiểm chứng có thể được tách biệt trong khi vẫn được kết nối, nội dung do AI tạo ra có thể được xem không phải là sự thật đã rồi mà là một ứng viên tri thức có thể kiểm chứng. Duy trì trạng thái đó là nền tảng để kết hợp tốc độ và độ tin cậy trong nghiên cứu.
Không phải câu trả lời. Mà là sự thấu hiểu.