TRÍ TUỆ NHÂN TẠO ĐANG TÁC ĐỘNG ĐẾN XÃ HỘI HỌC NHƯ THẾ NÀO?
Fabrice Colomb, Gaëtan Flocco, Mélanie Guyonvarch
Giảng viên-nhà nghiên cứu xã hội học tại Đại học Evry Paris-Saclay
Từ nay, trí tuệ nhân tạo được sử dụng trong xã hội học. Liệu công nghệ này chỉ đơn thuần là một “công cụ” thực tiễn? Trước hết, AI là một công nghệ phục vụ cho hiệu quả học tập. Đối mặt với sự tràn ngập của công nghệ này, các trường đại học và viện nghiên cứu phải trao lại cho sinh viên những phương tiện của tư duy phản biện, tự khẳng định mình là không gian để suy ngẫm và phản kháng.
--------------------------------------
Khảo sát nguồn dữ liệu, phân tích các tập hợp văn bản lớn, mã hóa các quy trình thống kê, v.v.. Trí tuệ nhân tạo[1] kể từ nay đang được sử dụng trong xã hội học. Liệu công nghệ này chỉ đơn thuần là một “công cụ” thực tiễn giúp các nhà nghiên cứu làm việc hiệu quả hơn? Bằng cách trả lời phủ định, chúng tôi cho thấy rằng AI chủ yếu là một công nghệ phục vụ cho hiệu quả học tập. Nó tượng trưng cho sự trở lại của “chủ nghĩa kinh nghiệm trừu tượng”, mượn một cụm từ được Charles W. Mills thích dùng. Hơn nữa, giống như làn sóng tự động hóa đã diễn ra trong các nhà máy trong thế kỷ 20, trí tuệ nhân tạo báo hiệu sự phi nhân hóa lao động khoa học và sự từ bỏ tư duy ngay tại nơi dành riêng cho nó: trường đại học.
Percy Bridgman, cũng là một người đoạt giải Nobel, còn đi xa hơn: “Phương pháp khoa học không thật sự tồn tại; nhà khoa học chỉ tuân theo một nguyên tắc phương pháp luận duy nhất: sử dụng tối đa nguồn lực của bộ não mình, không hạn chế.”
Charles Wright Mills, L’imagination sociologique, Paris, La Découverte, 1997 [1959], p. 61.
Cũng như trong các lĩnh vực chuyên môn khác, kể từ non một thập kỷ nay, các thế hệ AI mới đã xuất hiện trong trường học thuật và khoa học. Điều này đúng với xã hội học, nơi một số nhà nghiên cứu, nam và nữ, sử dụng nó để thực hiện công việc của họ: khảo sát các nguồn dữ liệu, phân tích các tập hợp văn bản ở quy mô lớn, mã hóa các quy trình thống kê, v.v.. Những nhà khoa học này phát triển và quảng bá công nghệ này đồng thời cảnh báo về những nguy hiểm tiềm tàng trong việc sử dụng nó. Đối với họ, việc sử dụng AI sẽ cho phép các nhà nghiên cứu “làm những điều chúng ta luôn mơ ước được làm” với tư cách là nhà nghiên cứu,[2] miễn là có thực hiện những biện pháp phòng ngừa cẩn trọng thường lệ.
Vậy liệu có thể có những cách sử dụng “tốt” và “xấu” của AI trong xã hội học, và rộng hơn là trong trường các khoa học nhân văn và xã hội hay không?” Liệu công nghệ này chỉ đơn thuần là “một công cụ bổ sung để xử lý dữ liệu, để làm việc tốt hơn và tăng cường khả năng của chúng ta trong một số các nhiệm vụ cụ thể”, như đã nêu trong bài giới thiệu một hội thảo gần đây mà chúng tôi đã tham dự, dành riêng cho các ngành nhân văn kỹ thuật số[3]? Sau khi xem xét các ứng dụng của AI trong xã hội học và tu từ học biện minh cho nó, chúng tôi thảo luận về tính thích đáng của nó. Sau đó, chúng tôi nêu ra những vấn đề cơ bản mà việc sử dụng AI trong nghiên cứu xã hội học đặt ra.
Không với một tư thế bài công nghệ - điều này sẽ ngụ ý một hình thức phủ nhận con người, vì công nghệ vốn gắn liền với con người, như Gilbert Simondon nhắc nhở chúng ta - chúng tôi tự đặt mình trong một viễn cảnh phê phán công nghệ[4]. Nghiên cứu xã hội học gần đây của chúng tôi đã tập trung vào lĩnh vực công nghệ sinh học. Chúng tôi đã quan sát thấy sự thương mại hóa của sự sống thông qua các ngân hàng sinh học và các sửa đổi gen được thực hiện bằng công nghệ máy tính. Nghiên cứu của chúng tôi, cùng với các tài liệu tham khảo về lịch sử, triết học và nhân học, dẫn chúng tôi đến việc xem xét các tác động xã hội của khoa học công nghệ ngày nay, cũng như những biến đổi trong mối quan hệ giữa khoa học và xã hội. Chính dựa trên những nghiên cứu và những suy ngẫm này mà chúng tôi đưa ra một phân tích phê phán về việc sử dụng AI trong các khoa học xã hội.
Nâng cao khả năng phân tích thông qua tự động hóa
Việc sử dụng các công nghệ kỹ thuật số trong xã hội học để phân tích dữ liệu định lượng hoặc định tính không phải là điều mới. Một số phương pháp, được thực hành từ nhiều thập kỷ, đã báo trước các ứng dụng AI hiện tại: phân tích nhân tố, kỹ thuật phân loại tự động, đo lường từ vựng[5]. Ví dụ, công trình tiên phong của Luc Boltanski và Ève Chiapello, được xuất bản vào cuối những năm 1990 và là một cột mốc trong xã hội học lao động, đã bổ sung phân tích thủ công bằng phần mềm được thiết kế để đếm và phân loại tần số xuất hiện của các thuật ngữ[6].
© Photo illustration Sébastien Calvet/Mediapart
Trong gần một thập kỷ, AI đã phát triển đáng kể, được thúc đẩy bởi sức mạnh tính toán ngày càng tăng của bộ vi xử lý. Các mô hình ngôn ngữ lớn (LLM[7]), công nghệ mà ChatGPT thuộc về, đã trải qua những tiến bộ đáng kể trong việc nhận dạng và phân tích ngôn ngữ của con người. Được đào tạo trên hàng triệu dữ liệu, các mô hình này tính toán và dự đoán sự xếp đặt các từ theo xác suất. Kết quả là, chúng có thể vừa xác định ý nghĩa của một từ trong ngữ cảnh của nó vừa tạo ra các chuỗi có thể xảy ra, cuối cùng tạo thành một “văn bản”.
Từ nay “xã hội học tính toán” là một phần của diễn ngôn của ngành xã hội học: hiện diện trong sách giáo khoa, một trường dường như đang thành hình với các cơ hội tuyển dụng, các ghế giáo sư, các lời kêu gọi đề án, các luận văn, các chuyên gia được công nhận và các đối tượng nghiên cứu. Một số đồng nghiệp, nam và nữ, sử dụng LLM để viết các dòng mã lập trình các hàm thống kê[8]. Vì công việc lập trình này đôi khi có thể dài và tẻ nhạt, nên việc tự động hóa bằng thuật toán nhằm mục đích tiết kiệm thời gian. AI đặc biệt được tìm thấy trong xã hội học chính trị và xã hội học truyền thông, để phân tích vai trò của các mạng xã hội trong các chiến dịch bầu cử[9], việc sử dụng các nguồn ẩn danh của các nhà báo chính trị và vị trí của nghiên cứu giới trong khoa học xã hội Pháp[10].
Đối với những người ủng hộ, việc tự động hóa phân tích văn bản mang lại khả năng nghiên cứu toàn bộ nội dung của tất cả các tờ báo hàng ngày của Pháp “chỉ trong một buổi chiều, bằng cách thuê một card đồ họa với giá khoảng mười euro”[11]. Trong cách tiếp cận này, các nhà nghiên cứu chú thích một mẫu của một tập hợp văn bản khoảng một trăm trang, và sau đó mở rộng chú thích này bằng phần mềm của họ lên hàng chục nghìn trang, do đó làm cho phân tích định tính ban đầu do một người thực hiện trở nên phổ biến và chuẩn hóa. Điều này cho phép họ có được cái nhìn tổng quan mà ban đầu không thể có được. Do đó, việc sử dụng AI mang lại một số lợi thế được những người ủng hộ nêu lên: tăng hiệu quả trong công việc phân tích, nghĩa là tiết kiệm thời gian và chi phí, cải thiện tính bảo mật của quy trình, tất cả trên quy mô dữ liệu lớn hơn nhiều. Tóm lại, khả năng vô hạn nằm trong tầm tay và với mọi ngân sách.
Khắc phục những hạn chế của AI thông qua “thực tiễn tốt nhất”
Những người ủng hộ AI trong xã hội học nỗ lực xác định “thực tiễn tốt nhất để triển khai” trước “sự nhiệt tình của cộng đồng khoa học xã hội”[12]. Mỗi người theo cách riêng của mình, các nhà nghiên cứu này giải thích các điều kiện mà theo đó các công nghệ này có thể được sử dụng hiệu quả.
Chẳng hạn, Jean-Philippe Cointet và Sylvain Parasie liệt kê ba điều kiện để sử dụng đúng cách: hiểu bối cảnh trong đó các dữ liệu lớn được phân tích được tạo ra (loại tổ chức, các tác nhân, tương tác giữa các tác nhân, v.v.), sử dụng nhiều kỹ thuật phân tích khác nhau ngoài phân tích văn bản và điều chỉnh các thuật toán cho lý luận xã hội học[13]. Étienne Ollion và nhóm của ông cũng quan tâm đến việc liên kết việc sử dụng AI với lý luận xã hội học, vì LLM chủ yếu được quản lý bởi các tổ chức tư nhân. Tình huống như vậy có nguy cơ làm tổn hại đến tính bảo mật dữ liệu, đặc biệt là dữ liệu liên quan đến sức khỏe. Hơn nữa, vì LLM liên tục phát triển, kết quả có xu hướng khác nhau giữa các phân tích. Do đó, rất khó để sao chép các điều kiện phân tích giống nhau trên các dự án nghiên cứu khác nhau[14].
Điểm chung giữa các nhà nghiên cứu này, đối với họ, sự phát triển của AI là không thể tránh khỏi. Do đó, họ tin rằng chúng ta phải thích nghi với nó và tự rèn luyện bản thân để sử dụng nó, đồng thời vẫn phải lưu tâm đến những nguy hiểm tiềm tàng của nó. Đối mặt với sự không thể tránh khỏi AI này, thách thức là “tổ chức việc sử dụng có phê phán các công cụ kỹ thuật số bởi công dân”[15]. Để đạt được mục tiêu này, họ kêu gọi “nâng cao nhận thức của các nhà khoa học về những nguy hiểm của AI, mà không lên án nó, vì nó có thể hữu ích cho công việc của họ”[16]. Tuy nhiên, liệu sự phân biệt giữa các cách sử dụng như vậy có hợp lý không? Liệu nó có dẫn đến một sự phê phán hời hợt về AI, bỏ qua những câu hỏi cơ bản?
AI không phải là một “công cụ”
Các phép ẩn dụ về công cụ hoặc thiết bị thường được sử dụng để chỉ AI, kể cả trong khoa học xã hội. David Chavalarias hy vọng rằng “những công cụ này sẽ trở nên đủ tiện dụng để mọi người đều có thể tiếp cận được”[17], trong khi một nhóm các nhà xã hội học đưa ra giả thuyết rằng “nhà nghiên cứu được trang bị công cụ như vậy có thể trở thành nhà xã hội học được tăng cường mà các nhà khoa học máy tính từng mơ ước”[18].
Do đó, hình ảnh của công cụ hoặc của thiết bị mang đến ý tưởng trấn an rằng tác dụng của chúng chỉ phụ thuộc vào cách sử dụng, như thể các vật thể trung lập tồn tại, “làm mờ đi sự khác biệt giữa một cái lược, ChatGPT, một cái búa và một quả bom nguyên tử”[19]. Tuy nhiên, công cụ không phải là máy móc hay hệ thống công nghệ phức tạp. Những hệ thống này vượt xa việc sử dụng cá nhân mà một người có thể thực hiện đối với một công cụ đơn giản mà đặc tính là mở rộng khả năng thao tác của con người, chứ không phải thay thế nó.
Theo nghĩa này, nhà sử học Mỹ Lewis Mumford phân biệt giữa hai loại công nghệ, một loại dân chủ và một loại độc đoán[20]. Công nghệ dân chủ được sản xuất trên quy mô nhỏ, dễ dàng được người dùng (nam và nữ) làm chủ và chiếm hữu. Được cung cấp năng lượng bởi năng lượng của con người hoặc động vật, chúng nâng cao giá trị của quyền tự chủ cá nhân và tập thể vì các công nghệ này được sản xuất theo cách phi tập trung. Ví dụ như tua vít hoặc giỏ đan. Loại thứ hai có chiều kích vượt quá khả năng hiểu biết của con người, dựa vào sản xuất tập trung. Chúng là sản phẩm của các siêu cấu trúc mà người dùng không biết, ngăn cản họ kiểm soát cả thiết kế lẫn các chức năng cơ bản. Máy tính và internet là những ví dụ về loại này. Trí tuệ nhân tạo thuộc loại công nghệ độc đoán này, vì sự thiết kế và vận hành của nó nằm ở các trung tâm hoàn toàn nằm ngoài tầm kiểm soát của công dân. Trí tuệ nhân tạo dựa trên nguyên tắc dị biệt, vì nó liên quan đến việc ủy thác việc hiểu, diễn giải và phân tích thế giới cho một cỗ máy. Những “người bạn đồng hành” này khiến người dùng AI trở thành người được trợ giúp phụ thuộc vào các cấu trúc phần lớn nằm ngoài tầm kiểm soát của họ.
Việc giản lược AI thành một công cụ đơn thuần dẫn đến sự phân biệt không thể tránh khỏi giữa “cách sử dụng tốt và xấu” của công nghệ. Nhiều tác giả, như Jacques Ellul, Alain Gras, Langdon Winner và François Jarrige, đã nhấn mạnh rằng khả năng lựa chọn giữa cách sử dụng mang tính giải phóng và cách sử dụng mang tính tha hóa của những công nghệ là vô nghĩa, do bản chất không thể tách rời của chúng. Mỗi vật thể công nghệ đều đi kèm với những yêu cầu riêng của nó. Theo một cách nào đó, nó là “sự vật chất hóa của trật tự xã hội”. Mỗi vật thể này “tích tụ lịch sử”, mượn những lời gần đây của Jean-Michel Besnier, và áp đặt “chế độ độc tài của nó”[21]. Trí tuệ nhân tạo mang theo một thế giới quan bắt nguồn từ điều khiển học, mà bản thân là sự thừa kế của một dự án về sự hòa hợp giữa con người và máy móc[22]. Bất luận việc sử dụng AI như thế nào, chân trời này luôn hiện hữu.
Công nghệ phục vụ hiệu suất
“Tiết kiệm thời gian”, “làm cho cuộc sống của các nhà nghiên cứu dễ dàng hơn”, “tăng khả năng”, “tiếp cận một lục địa dữ liệu”, “có thể tiếp thu mọi thứ” - đây là những lập luận được đưa ra để biện minh cho việc sử dụng AI trong xã hội học ngày nay[23]. Điều đáng chú ý là những gì được cho là những đức tính là hoàn toàn phù hợp với những thay đổi mà thế giới nghiên cứu đã trải qua trong ba mươi năm qua. Thật vậy, trong giai đoạn gần đây, một số xu hướng vốn có từ trước đã được tăng cường: thủ tục đánh giá nghiên cứu, tích lũy dữ liệu và thông tin, nhịp độ nghiên cứu và công bố, chuyên môn hóa các ngành và cạnh tranh giữa các nhà nghiên cứu.
Để quản lý sự phát triển này, các cơ chế quản lý được vay mượn từ khu vực tư nhân đã được đưa vào giới học thuật, chẳng hạn như việc hợp nhất các cụm trường đại học lớn, áp lực về khả năng hiển thị quốc tế cho các tổ chức và nhà nghiên cứu, sự gia tăng các lời kêu gọi đề xuất, tiền thưởng hiệu suất và cuối cùng là việc áp dụng rộng rãi các công nghệ mới. Những công nghệ này cũng phụ thuộc vào các cơ chế quản lý được thiết kế để tăng năng suất của các nhà nghiên cứu[24], mà AI chắc chắn là một trong số đó. Hơn nữa, ngay cả các nhà xã hội học ủng hộ việc sử dụng nó cũng thừa nhận “sự gia tăng theo cấp số nhân của các dữ liệu kỹ thuật số”[25] nhưng không vì thế mà bày tỏ bất kỳ sự tiếc nuối nào. Sự phát triển của các cơ sở dữ liệu khổng lồ này góp phần đẩy nhanh tốc độ làm việc của các nhà khoa học, như nhà sử học khoa học Françoise Waquet đã nhấn mạnh[26].
Những biến đổi trong thế giới nghiên cứu nay đồng bộ với AI, phần lớn bắt nguồn từ các cải cách chính trị và thể chế được quyết định ở cấp quốc gia và Châu Âu để khởi xướng sự “hiện đại hóa các trường đại học”[27]. Những cải cách này đã đặt các tổ chức giảng dạy và nghiên cứu trên con đường của nền kinh tế tri thức và sự chuyên nghiệp hóa việc học tập, nhắc nhở chúng ta rằng nghiên cứu và đào tạo không bao giờ có thể tách rời khỏi các mục tiêu kinh tế của chúng. Những cải cách như vậy rõ ràng đã gây ra những hậu quả tai hại đối với công việc của những người làm việc trong lĩnh vực này.
Thay vì đảo ngược xu hướng này và thúc đẩy các phương pháp tiếp cận thay thế, chẳng hạn như áp dụng phương pháp “khoa học chậm”[28] hoặc “giảm sự tăng trưởng của khoa học (décroiscience)”[29], AI cho phép các nhà nghiên cứu này hoàn toàn thích nghi với logic mang tính tăng hiệu xuất nghiên cứu, trong một vòng xoáy vô tận của xu hướng tăng “hiệu suất” và củng cố “nền kinh tế tri thức”. Một số tác giả thậm chí còn đi xa hơn khi nói về “nhà nghiên cứu được tăng cường”, giống như người ta có thể nói về “con người được tăng cường” trong trường hợp chủ nghĩa siêu nhân (transhumanisme). Cách diễn đạt này hoàn toàn biểu lộ “mối quan hệ thích ứng này với thế giới”[30], một thế giới mà chúng ta từ chối thay đổi các quy tắc chính trị của cuộc chơi và những mục tiêu khoa học của nó.
Sự trở lại của “Chủ nghĩa thực nghiệm trừu tượng”
Trong khoa học xã hội, tồn tại nhiều trường phái và phương pháp. Những cách tiếp cận này đưa ra các quan điểm khác nhau về thực tại, với các định hướng đạo đức, luân lý và chính trị gắn liền với tính chủ quan của các nhà nghiên cứu, nam và nữ, và các giả định nhân học của họ, dẫn đến nhiều cách diễn giải khác nhau và trái ngược nhau về thực tại. Tuy nhiên, việc khuyến khích sử dụng trí tuệ nhân tạo trong xã hội học đồng nghĩa với việc truyền bá một quan niệm rất đặc thù về bộ môn này, có thể được mô tả là siêu khách quan luận, nếu không muốn nói là thực chứng luận, tức là một quan điểm cho rằng việc tích lũy ngày càng nhiều sự kiện sẽ cho phép đạt đến một cách tiếp cận chính đáng gây bất lợi cho các phương pháp tiếp cận khác.
Như vậy, các nhà xã hội học ủng hộ AI tin rằng, mặc dù AI có những nguy hiểm, việc sử dụng nó đại diện cho một loại “chén thánh” đối với các nhà nghiên cứu vì nó nâng cao khả năng khách quan hóa khoa học của họ. Ngoài tốc độ, chi phí thấp và độ chính xác cao hơn, AI có thể cho phép các nhà nghiên cứu nắm bắt thực tế một cách toàn diện, do đó loại bỏ nhu cầu về các tiêu chí về tính đại diện (vì giờ đây, “với AI, n=tất cả…”) và xóa bỏ sự đối lập giữa các phương pháp định lượng và định tính, như thể mục tiêu chính của xã hội học là tích lũy càng nhiều dữ liệu càng tốt bằng cách “để chúng tự biểu hiện một cách toàn diện”, độc lập với quan điểm và cách diễn giải của nhà nghiên cứu. Do đó, nó không còn đơn thuần là một phương pháp trong số những phương pháp khác, mà là phương pháp được coi là hiệu quả nhất để nắm bắt thực tế xã hội một cách tốt nhất trong bề rộng/quy mô và sự phức tạp của nó. Bên cạnh loại phương pháp này, được coi là có độ bền vững chưa từng có, các phương pháp khác chỉ có thể bị giảm giá trị, bị coi là không đủ chính xác và do đó bị lỗi thời.
Điều mong muốn liên tục tăng cường sức mạnh khách quan hóa của nhà nghiên cứu lặp lại những gì doanh nhân và nhà báo Chris Anderson đã viết trên tạp chí Wired vào năm 2019. Ông giải thích rằng “từ nay các con số hiện đang bắt đầu tự nói lên tất cả”, nhiệt tình tuyên bố sự lỗi thời của phương pháp lý thuyết do lượng dữ liệu khổng lồ hiện có[31]. Do đó, với sự lan rộng của AI trong xã hội học, một xu hướng đang nổi lên: sự đồng nhất hóa bộ môn khoa học, loại trừ sự đa dạng lý thuyết và tập trung vào việc thu thập và khai thác dữ liệu thực nghiệm, xem nhẹ khía cạnh chính trị của AI.
Tất cả những điều này làm gợi nhớ đến “chủ nghĩa kinh nghiệm trừu tượng” mà Charles Wright Mills đã thách thức hơn sáu mươi năm trước[32]. Nhà xã hội học Mỹ đã sử dụng ý niệm này để phân biệt mình với các đồng nghiệp, những người coi các cân nhắc về phương pháp luận là tất cả và là mục đích cuối cùng của thực tiễn xã hội học, làm lu mờ các câu hỏi lý thuyết và chính trị thiết yếu. Ông lên án sự lan rộng của “kẻ sáng tạo hành chính” dựa vào sự tinh vi về mặt kỹ thuật của các phương pháp nghiên cứu trong các khoa học xã hội, dẫn đến việc các khoa học này “tuyên bố phục tùng các khoa học tự nhiên” (trang 59). Trong khi, theo Mills, “chính những ý tưởng thúc đẩy nghiên cứu xã hội học, bất kể bản chất của ý tưởng là gì; những sự kiện chỉ cung cấp kỷ luật” (trang 74). Đối với ông, “người ta không chọn một phương pháp mà chỉ dựa trên tiêu chí về tính chính xác” (trang 75), trong khi tiêu chí này thường được những người ủng hộ việc sử dụng AI nêu bật.
Từ tự động hóa đến phi nhân hóa lao động khoa học
Với sự tiến bộ nhanh chóng của AI, và đặc biệt là việc sử dụng rộng rãi các thuật toán cho tất cả các loại ứng dụng, chúng ta có thể hình dung rằng việc sử dụng nó trong khoa học xã hội sẽ ngày càng trở nên phổ biến, như trường hợp đã xảy ra với sinh viên sử dụng ChatGPT[33]. Do đó, ngoài việc tự động hóa phân tích dữ liệu, AI có thể được sử dụng trong nghiên cứu khoa học xã hội cho nhiều nhiệm vụ khác không được những người ủng hộ nêu lên nhưng vẫn có thể trở thành một cám dỗ: tóm tắt các văn bản nhằm mục đích thể hiện hiện trạng của chủ đề, tự động hóa việc đánh giá bài báo của hội đồng đánh giá của các tạp chí, để các LLM soạn thảo toàn bộ hoặc một phần bài báo và sách cho các nhà nghiên cứu đang ngày càng chịu áp lực và buộc phải công bố trong một môi trường cạnh tranh[34]. Chưa kể đến hiệu trưởng Đại học Gand, người đã sử dụng AI để viết bài phát biểu khai mạc vào tháng 9 năm ngoái và đã bị phát hiện vì một số lỗi thô thiển trong bài do thuật toán gây ra[35].
Thế nhưng, những cách sử dụng này đặt ra những câu hỏi quan trọng: về quyền sở hữu trí tuệ, trách nhiệm đạo đức và khoa học đối với các ý tưởng, và về sự gian lận khoa học đã bùng nổ trong những năm gần đây. Trước viễn cảnh tự động hóa nhiều nhiệm vụ viết lách, câu hỏi “ai viết?” là không thể tránh khỏi. Người ta có đủ sự kiện để có thể đặt câu hỏi về việc các nhà xã hội học sử dụng “văn bản” được tạo tự động, khi chúng được cấu thành từ những từ được sử dụng phổ biến nhất, tức là một cách để có được một tư duy trung bình từ những khái niệm chiếm ưu thế[36]. Cái giá phải trả cho sự tự động hóa này thường là một kiểu tuân thủ chuẩn mực thống trị và sự biến mất của chủ thể, đặc biệt là khả năng diễn giải thực tế bằng ngôn từ của riêng họ và bằng lý luận độc đáo của riêng họ.
Trong quá trình cơ giới hóa sản xuất điển hình trong thời đại chủ nghĩa Taylor và Toyota, máy móc đã thay thế lao động chân tay của người công nhân. Cả một truyền thống trong xã hội học lao động đã cố gắng làm nổi bật những tác động có hại của việc tự động hóa như vậy đối với lao động của con người, chẳng hạn như việc hạ thấp kỹ năng của con người. Giờ đây, với thế hệ AI đặc biệt mạnh mẽ này, chúng ta đang chứng kiến sự tự động hóa các nhiệm vụ trí tuệ, phản tư và tư duy, điều này chắc chắn tạo ra sự bất ổn đáng kể trong cả thế giới nghiên cứu và thế giới lao động[37].
Đối với triết gia Éric Sadin, thuật toán trở thành một phương tiện mới để “xác minh thực tại” bằng cách sở hữu khả năng “chuyên môn về thực tại”[38]: Ông gợi ý rằng đó là sự từ bỏ việc nói ở ngôi thứ nhất. Cho dù các cá nhân lựa chọn trước/ở thượng nguồn ngữ liệu và tiêu chí và điều chỉnh chương trình máy tính ở hạ nguồn/sau đó, nhưng cuối cùng họ cũng để thuật toán nói thay cho họ bằng cách ủy thác việc phân tích. Sự tự động hóa này không chỉ áp dụng cho các hoạt động trí tuệ và kỹ năng, mà khi kết hợp với các máy móc khác (thiết bị kết nối, internet, điện thoại thông minh, v.v.), nó lan rộng khắp xã hội, trở nên phổ biến mọi nơi.
Trí tuệ nhân tạo trong các trường đại học, sự từ bỏ tư duy
Những vấn đề cơ bản này do trí tuệ nhân tạo đặt ra trong nghiên cứu khoa học xã hội lại được kết hợp với hai chiều kích khác thường xuyên được nhấn mạnh và từ nay có đầy đủ tư liệu: tác động môi trường và các hình thức giám sát mà trí tuệ nhân tạo kéo theo. Tất cả những hạn chế này biện hộ không phải cho một cách sử dụng trí tuệ nhân tạo khác trong xã hội học, “có chừng mực”, “lý trí” hoặc “cân bằng” hơn, mà chỉ đơn giản cho việc tránh sử dụng nó, biến nghiên cứu đại học thành một không gian vẫn có thể tránh được ảnh hưởng của nó. Quyết định như vậy sẽ cho phép chúng ta kết nối lại với sứ mệnh chính của trường đại học: hướng tới sự giải phóng cá nhân.
Việc giải phóng sinh viên được hưởng lợi như thế nào khỏi việc các nhà nghiên cứu bị ràng buộc bởi thực tế công nghệ của thời đại họ - những thực tế bắt nguồn từ các hệ thống kỹ thuật quy mô lớn, các tập đoàn đa quốc gia và các hệ tư tưởng phi chính trị hóa thực tế xã hội? Đối mặt với một làn sóng công nghệ ồ ạt như vậy, ngược lại, các trường đại học và nghiên cứu phải cung cấp cho sinh viên phương tiện để tư duy phản biện, tự thiết lập mình như những không gian để suy ngẫm, đặt câu hỏi và thậm chí là phản kháng.
Đây là tất cả những câu hỏi mà nhà ngôn ngữ học Mỹ Noam Chomsky mời gọi chúng ta khi ông nhắc nhở rằng “trong mối quan hệ với xã hội, một trường đại học tự do nên được kỳ vọng, theo một nghĩa nào đó, là ‘mang tính lật đổ”[39]. Đây là toàn bộ ý nghĩa của “trường đại học vô điều kiện” được Jacques Derrida bảo vệ, một trường đại học được cho là cung cấp quyền tự do vô điều kiện về những đề xuất trong bối cảnh mà các chuẩn mực và thực tiễn thuộc mọi loại đều bị áp đặt. Theo nhà triết học, đại học được cho là sẽ trao quyền được công khai bày tỏ mọi thứ mà nghiên cứu, kiến thức và sự tìm kiếm sự thật đòi hỏi[40]. Hơn nữa, đối với ông, trong môi trường đại học, các ngành nhân văn đặc biệt thể hiện không gian lý tưởng cho sự suy tư tự do, mang đến khả năng phản kháng và bất tuân không giới hạn. Tất cả những điều này không thể tồn tại nếu giao phó một phần hoặc toàn bộ tư duy cho các ngành nhân văn kỹ thuật số.
Phiên bản đầu tiên của bài này đã được đăng trên tạp chí Mouvements. Trước đó chúng tôi đã công bố trên diễn đàn của Club de Mediapart bài “Peut-il y avoir un “bon usage de l’IA” à l’université?”.
Người dịch: Phạm Như Hồ
Nguồn: “Ce que l’IA fait à la sociologie”, Le club de Mediapart, 28.05.2026.
Chú
thích: [1]
Sau phiên bản đầu tiên của văn bản này được xuất bản trực tuyến vào tháng 2 năm 2026, chúng tôi xin cung cấp phiên bản sửa đổi ở đây. Thật vậy, phiên bản đầu tiên có một điểm mơ hồ mà chúng tôi cần làm rõ để tránh sai sót về mặt sự kiện liên quan đến công trình của các nhà nghiên cứu được trích dẫn. Trí tuệ nhân tạo tạo sinh (tạo ra văn bản, âm thanh, hình ảnh, v.v.) như ChatGPT là một dạng trí tuệ nhân tạo, nhưng không phải tất cả những người sử dụng trí tuệ nhân tạo trong khoa học xã hội đều nhất thiết phải sử dụng phiên bản tạo sinh này; một số thậm chí còn nhấn mạnh sự khác biệt rõ rệt với các thuật toán trí tuệ nhân tạo. Hơn nữa, mặc dù trí tuệ nhân tạo tạo sinh hiện đang là trọng tâm của sự chỉ trích trong các cuộc tranh luận, văn bản này cung cấp một phân tích phê bình toàn diện về những gì trí tuệ nhân tạo đang làm đối với xã hội học và thực tiễn của bộ môn này. [2]
Étienne Ollion, “C’est quoi un chercheur augmenté?” được Xavier de La Porte phỏng vấn, “Le code a changé”, France Inter, 4 octobre 2024. [4]
Quan điểm này đề cập đến một cách thừa nhận môi trường công nghệ đang tràn ngập xã hội của chúng ta, đồng thời khẳng định tính không trung lập của công nghệ nói trên, được hiểu là một hệ thống phức tạp tác động đến tất cả các hoạt động xã hội (François Jarrige, Technocritiques. Du refus des machines à la contestation des technosciences/Các phê phán kĩ thuật./Từ việc bác bỏ máy móc đến việc tranh luận về các khoa học công nghệ, Paris, La Découverte, 2014). [5]
Frédéric Lebaron, “L’analyse des données et ses usages en sciences sociales”, Savoir/Agir, 2021/3 n° 57, 2021. p. 37-42. [6]
Luc Boltanski, Ève Chiapello, Le nouvel esprit du capitalisme, Paris, Gallimard, 1999. [7]
Pour “Large Language Model” en anglais. [8]
Yoann Demoli, “Retours d’expériences sur nos pratiques dans la recherche et l’enseignement en SHS”, Journée d’études Ce que l’intelligence artificielle générative fait au travail des chercheur.es en SHS, 6-11 février 2025. [9]
Marie Neihouser, Julien Figeac, Colin Poubel, “Faire campagne en contexte de crise”, Revue Française de Science Politique, 2025, n° 75 (1), p. 67-96. [10]
Julien Boelaert, et al. , “La part du genre: Genre et approche intersectionnelle dans les revues de sciences sociales françaises au XXIe siècle”, Actes de la recherche en sciences sociales, 2025/3-4 n° 258-259, p.126-145. [11]
Étienne Ollion, “C’est quoi un chercheur augmenté?”, int. cit. [12]
Arnault Chatelain, “L’IA générative est-elle un gain pour la recherche?”, Polytechnique Insights. La revue de l’institut polytechnique de Paris, 9 septembre 2025. [13]
Jean-Philippe Cointet et Sylvain Parasie, “Ce que le big data fait à l’analyse sociologique des textes: Un panorama critique des recherches contemporaines”, 2018/3 Vol. 59, 2018, p. 533-557. [14]
Étienne Ollion, et al., “The dangers of using proprietary LLMs for research”, Nat Mach Intell, 6, p. 4-5, 2024. [15]
Francis Chateauraynaud, et al., “Les technologies n’apportent pas de réponse universelles”, Le Monde, 4 mars 2019, p. 24. [16]
Arnault Chatelain, “L’IA générative est-elle un gain pour la recherche?”, art. cit. [17]
David Chavalarias, “Dans dix ans, analyser des données avec l’IA sera aussi naturel qu’utiliser internet” Interviewé par Yann Chavance, Hors-série de Sciences et Avenir, n°199, octobre-novembre 2019. [18]
Étienne Ollion, et al., “The Augmented Social Scientist: Using Sequential Transfer Learning to Annotate Millions of Texts with Human-Level Accuracy”, Sociological Methods & Research, 53(3), 2022, p. 1167-1200, p. 1189. [19]
Olivier Lefebvre, “ChatGPT, c’est juste un outil!”: les impensés de la vision instrumentale de la technique”, Terrestres, 28 juin 2025. [20]
Lewis Mumford, Technique autoritaire et technique démocratique, Saint-Michel-de-Vax, La Lenteur, 2021. [21]
Jean-Michel Besnier, N’être plus qu’un objet. La tentation d’oublier la vie, Paris, Hermann, 2025, p. 22 et 75. [22]
Anne Alombert, De la bêtise artificielle. Pour une politique des technologies numériques, Paris, Allia, 2025. [23]
Étienne Ollion, “C’est quoi un chercheur augmenté?”, int. cit. [24]
Vincent de Gaulejac, La recherche malade du management, Paris, Édition Quæ, 2012. [25]
Étienne Ollion et Julien Bollaert, “Au-delà des big data. Les sciences sociales et la multiplication des données numériques”, Sociologie, 2015/3 Vol. 6, 2015. p. 295-310. [26]
Françoise Waquet, L’ordre matériel du savoir. Comment les savants travaillent, XVIe-XXIe siècles, Paris, CNRS Éditions, 2015. [27]
P.É.C.R.E.S., Recherche précarisée, recherche atomisée. Production et transmission des savoirs à l’heure de la précarisation, Paris, Raisons d’Agir, 2011. [28]
Isabelle Stengers, Une autre science est possible! Manifeste pour un ralentissement des sciences, Paris, La Découverte, 2013. [29]
Nicolas Chevassus-au-Louis, Décroiscience, Marseille, Agone, 2025. [30]
Nicolas le Dévédec, Le mythe de l’humain augmenté. Une critique politique et écologique du transhumanisme, Montréal, Éditions Écosociété, 2021. [31]
Chris Anderson, “La fin de la théorie: Le déluge de data rend la méthode scientifique obsolète”, Le Débat, 2019/5 n° 207, 2019, p.119-122. [32]
Charles Wright Mills, L’imagination sociologique, op. cit. [33]
Theo một nghiên cứu của Hội đồng Giáo dục Kỹ thuật số khảo sát hơn 3.800 sinh viên ở 16 quốc gia, 86% trong số họ báo cáo sử dụng AI trong học tập (Digital Education Council Global AI Student Survey 2024/Khảo sát sinh viên AI toàn cầu của Hội đồng Giáo dục Kỹ thuật số năm 2024). [34]
Cléo Collomb: “Et si les chercheurs n’étaient plus que des travailleurs du clic?”, TheMetaNews, 13 décembre 2024. L’auteure cite des exemples de ces pratiques déjà avérées. [35]
Jean-Pierre Stroobants, “En Belgique, une présidente d’université prise au piège des hallucinations de l’IA lors d’un discours de rentrée”, Le Monde Campus, 17 janvier 2026. [36]
Frédéric Neyrat, Traumachine. Intelligence artificielle et techno-fascisme, Paris, MF, 2025. [37]
Juan Sebastian Carbonell, Un taylorisme augmenté. Critique de l’intelligence artificielle, Paris, Amsterdam, 2025. [38]
Éric Sadin, Le désert de nous-même. Le tournant intellectuel et créatif de l’Intelligence Artificielle, Montreuil, L’Échappée, 2025. [39]
Noam Chomsky, Réflexions sur l’université. Suivies d’un entretien inédit, Paris, Raisons d’Agir, 2010, p. 45. [40]
Jacques Derrida, L’université sans condition, Paris, Galilée, 2001, p. 11-12.
