Khi bắt đầu nghiên cứu một điều gì đó, chúng ta thường muốn có thêm tài liệu. Chúng ta đọc bài viết, thu thập số liệu, tìm ý kiến chuyên gia và nhờ AI tóm tắt. Ta có cảm giác rằng càng có nhiều thông tin thì phán đoán càng đáng tin cậy. Tất nhiên, nếu có quá ít tài liệu, chúng ta có thể bỏ sót những sự kiện quan trọng. Nhưng việc có thêm tài liệu không đồng nghĩa với việc hiểu câu hỏi. Ngay cả sau khi đọc mười nguồn, nếu mỗi nguồn vẫn đứng tách biệt, chúng ta vẫn có thể chưa rõ điều mình thực sự cần phán đoán là gì.
Giả sử chúng ta nghiên cứu một khu vực đã đưa vào một hình thức giao thông mới. Ta có thể thu thập nhiều con số: số người sử dụng, chi phí, thời gian di chuyển, tác động môi trường, mức độ an toàn và nhiều yếu tố khác. Nhưng không một con số đơn lẻ nào tự quyết định ý nghĩa của nó. Ngay cả khi mức sử dụng tăng, điều quan trọng là người dùng chỉ chuyển từ một hình thức giao thông khác sang, hay những người trước đây không thể đi lại nay đã có khả năng tiếp cận. Ngay cả khi chi phí giảm, đánh giá cũng thay đổi nếu phạm vi dịch vụ bị thu hẹp. Nghiên cứu không chỉ đòi hỏi thu thập sự kiện mà còn phải xem xét các mối quan hệ giữa chúng.
AI có thể giảm đáng kể thời gian cần thiết để tìm tài liệu và sắp xếp nội dung của chúng. Đây là một lợi thế quan trọng đối với nghiên cứu. Đồng thời, khi việc tóm tắt trở nên nhanh hơn, nhiều nguồn có thể bị nén về những kết luận tương tự, khiến các khác biệt giữa chúng khó nhìn thấy hơn. Ngay cả các nguồn cùng nói về một chủ đề cũng không thể đơn giản gộp lại nếu chúng khác nhau về khu vực, khoảng thời gian, điều kiện hoặc phương pháp đo lường. Chất lượng nghiên cứu không chỉ phụ thuộc vào khả năng nén thông tin mà còn vào việc chúng ta có thể xác định những khác biệt nào ảnh hưởng đến câu hỏi.
Nhìn vào các mối quan hệ cũng làm thay đổi ý nghĩa của bằng chứng trái chiều. Khi tìm thấy một kết quả khác với quan điểm của mình, chúng ta có thể gạt nó đi như một ngoại lệ. Nhưng nếu hỏi: “Tại sao trong những điều kiện này lại xuất hiện kết quả ngược lại?”, một câu hỏi mới sẽ nảy sinh. Bằng chứng trái chiều không chỉ cản trở một kết luận; nó có thể cho chúng ta thấy kết luận ấy đúng đến phạm vi nào. Nghiên cứu không chỉ là tích lũy thông tin theo cùng một hướng. Nó còn là tìm kiếm những khác biệt về điều kiện đứng sau các kết quả khác nhau.
Điều chúng ta có thể kỳ vọng ở AI trong trường hợp này không chỉ là “tìm thêm tài liệu liên quan”. AI còn có thể tách bằng chứng ủng hộ một khẳng định khỏi bằng chứng phản bác nó, so sánh các điều kiện khiến kết quả thay đổi và chỉ ra những mối quan hệ chưa được xác nhận. Nhưng những kết nối đó không tự động trở nên đúng. Con người vẫn cần xem xét nguồn tài liệu, đối tượng nghiên cứu, khoảng thời gian và phương pháp đo lường, đồng thời xác định xem những thông tin được AI kết nối có thực sự đang trả lời cùng một câu hỏi hay không.
Khi nghiên cứu tiến triển, câu hỏi ban đầu có thể thay đổi. Chúng ta có thể bắt đầu bằng câu hỏi “Phương pháp này có hiệu quả không?” rồi nhận ra rằng câu hỏi thực sự là “Nó hiệu quả với ai và trong những điều kiện nào?”. Đây không phải là thất bại của nghiên cứu. Việc nhìn thấy các mối quan hệ giữa những mẩu thông tin đã cho thấy câu hỏi ban đầu quá thô. Nghiên cứu tốt không ép câu trả lời quay về khuôn của câu hỏi đầu tiên; khi cần thiết, nó cập nhật chính câu hỏi.
Đây cũng là lý do Sai＊aus Labo xử lý tri thức thông qua các mối quan hệ. Thay vì cô lập một bài viết như một câu trả lời đã hoàn tất, bài viết có thể được kết nối với những câu hỏi khác, phản chứng, điều kiện và tri thức thu được về sau. Khi đó, lúc một nghiên cứu mới bắt đầu, một bài viết trước đây có thể được sử dụng không chỉ bằng cách lặp lại nó, mà bằng cách xem xét “điều gì đã thay đổi so với hiểu biết trước đây của chúng ta”. Giá trị của tri thức không chỉ nằm ở việc được lưu giữ, mà còn ở khả năng được xem xét lại thông qua câu hỏi tiếp theo.
Nghiên cứu bắt đầu bằng việc thu thập thông tin, nhưng không nhất thiết phải kết thúc ở đó. Bằng cách xem xét các mối quan hệ giữa sự kiện với sự kiện, giữa bằng chứng và phản chứng, giữa kết quả và điều kiện, cũng như giữa câu hỏi trong quá khứ và hiện tại, thông tin tiến gần hơn tới tri thức có thể hỗ trợ phán đoán. Khi AI làm cho việc thu thập nhanh hơn, nơi cần đến tư duy của con người chuyển từ số lượng nguồn sang ý nghĩa của các mối quan hệ. Độ sâu của nghiên cứu thay đổi không chỉ theo lượng thông tin chúng ta thu thập mà còn theo những mối quan hệ chúng ta khám phá.
Không phải câu trả lời. Mà là sự thấu hiểu.