AI với vai trò là một phương tiện thiết kế

Trí tuệ nhân tạo (AI) với tư cách là một phương tiện thiết kế BÀI LUẬN Thời gian đọc: 12 phút ERIC RODENBECK Rodenbeck là giảng viên kiến trúc tại Harvard GSD và là người sáng lập Stamen Design. HDM DIGITAL ĐÃ XUẤT BẢN Ngày 4/5/2026 Trong khi bài viết đầu tiên của loạt bài này về trí tuệ nhân tạo (AI) đã khám phá cách các nhà thiết kế có thể có vị trí độc đáo để đối mặt với những tác động của công nghệ, thì bài luận thứ hai này xem xét AI như một phương tiện thiết kế – một phương tiện có thể định hình lại cách các nhà thiết kế tư duy và tạo ra tri thức. Eric Rodenbeck, giảng viên kiến trúc tại Trường Thiết kế Sau đại học Harvard (Harvard Graduate School of Design - GSD) và là người sáng lập Stamen Design, lập luận rằng AI có tính sáng tạo nhất khi được coi không phải là một hệ thống để đưa ra câu trả lời, mà là một điều kiện để tìm tòi. Thách thức những quan điểm phổ biến về hiệu quả và tự động hóa, ông đề xuất một hướng đi khác: AI như một vật liệu cần được thử nghiệm, sử dụng sai mục đích và chất vấn. Ở đây, các câu lệnh (prompts) trở thành bản phác thảo, các kết quả đầu ra trở thành đối tượng phê bình, và thiết kế trở thành một thực hành tương tác với sự phức tạp hơn là giải quyết nó. Trong hai năm qua, tôi đã giảng dạy một khóa học tại Trường Thiết kế Sau đại học Harvard (GSD) có tên “Tái hình dung kho lưu trữ”. Tiền đề rất đơn giản: lấy những bộ sưu tập được cho là để ổn định tri thức và coi chúng như một thứ bạn có thể nghiên cứu, tìm hiểu và đôi khi là chống lại. Chúng tôi đã nghiên cứu các kho lưu trữ của Bảo tàng Nghệ thuật Hiện đại (MoMA), Bảo tàng Nghệ thuật Harvard, Viện Tưởng tượng Đen và Bảo tàng Lịch sử Tự nhiên Hoa Kỳ. Mục tiêu của chúng tôi không phải là hình dung các kho lưu trữ này một cách rõ ràng, cũng không phải là làm cho chúng dễ hiểu hơn một cách nhanh chóng, mà là để xem điều gì xảy ra khi bạn gắn bó với chúng đủ lâu để những điểm yếu của chúng bắt đầu lộ rõ, khi những khoảng trống xuất hiện như những nguồn ý nghĩa mới. Chúng tôi không coi việc trực quan hóa dữ liệu là một bài tập trung lập trong việc tạo ra và truyền đạt sự hiểu biết. Các sinh viên của tôi và tôi đang theo đuổi, đánh giá và phê bình các cử chỉ tu từ và thẩm mỹ trong việc tạo ra tri thức thông qua các kho lưu trữ này. Đồng thời, tình hình đã thay đổi. Các mô hình ngôn ngữ lớn (LLM) và các hệ thống liên quan đã chuyển từ sự tò mò sang sự hiện diện thường xuyên. Mỗi ngày lại có một lời mời khác trong hộp thư đến của tôi: hãy đến nói chuyện về các câu lệnh, hãy đến nói chuyện về tương lai, hãy đến nói chuyện về những gì điều này thay thế. Giới học thuật dường như bị ám ảnh bởi những công cụ mới này, chúng đang phát triển quá nhanh đến nỗi chúng ta khó có thể theo kịp (nếu có). Gần đây, tại GSD, Edward Eigen đã có một buổi nói chuyện, trong đó ông so sánh các LLM với Talmud – không phải vì chúng thiêng liêng, mà vì chúng dày đặc, có tính sáng tạo và có thể được giải thích vô tận. Bạn không đọc chúng một lần; bạn quay lại với chúng, tranh luận với chúng, chú thích chúng, xây dựng truyền thống xung quanh chúng. Khung tham chiếu đó đã đọng lại trong tôi bởi vì hầu hết những gì tôi nghe về trí tuệ nhân tạo (AI) vẫn nghe giống như tư vấn quản lý. Hiệu quả. Tăng tốc. Giảm nhân sự. Quy trình nhanh hơn. Năng suất tốt hơn. Đó không phải là cách AI hoạt động trong studio. Ở đó, AI gần giống với mực hơn. Chúng tôi coi nó, và dữ liệu mà nó xáo trộn, như vật liệu. Các câu lệnh như bản phác thảo, các mô hình như vật liệu Nếu bạn coi AI là một công cụ, bạn sẽ hỏi: làm thế nào để tôi có được câu trả lời đúng? Nếu bạn coi nó là một phương tiện, bạn sẽ hỏi: điều gì sẽ xảy ra nếu tôi thúc đẩy điều này? Sự khác biệt là rõ ràng. Một lời nhắc (prompt) không còn là một chỉ dẫn trả về một câu trả lời đúng (hoặc không) mà trở thành một bản phác thảo – một thứ mang tính tạm thời, một thứ có thể được sửa đổi, bóp méo, hoặc làm quá. Mục đích không phải là đạt được kết quả hoàn hảo ngay từ lần đầu tiên. Chúng ta đang cố gắng xem các mô hình này hoạt động như thế nào dưới áp lực. Trong lớp học của tôi, nguyên tắc đầu tiên rất đơn giản: Đừng chấp nhận những gì nhận được từ lời nhắc một cách hiển nhiên. Hãy thẩm vấn nó. Lặp lại nó. Kiên trì với nó lâu hơn mức cảm thấy hiệu quả. Một trong những ví dụ rõ ràng nhất về điều này đến từ Roy Zhang, một sinh viên của chương trình Thạc sĩ Nghiên cứu Thiết kế (MDes) tốt nghiệp năm 2025, người đã đặt một câu hỏi tưởng chừng như tầm thường: điều gì sẽ xảy ra nếu bạn hỏi đi hỏi lại cùng một điều? Anh ấy đã lấy một hình ảnh duy nhất từ bộ sưu tập tại Thư viện Houghton của Harvard và yêu cầu ChatGPT tạo ra hai mươi từ khóa mô tả nó. Sau đó, anh ấy lặp lại quá trình này. Và lặp lại. Hai mươi lần sử dụng cùng một lời nhắc. Anh ấy đã so sánh các danh sách từ khóa trả về với mỗi danh sách kế tiếp và phát hiện ra một điều thú vị. Roy Zhang, chi tiết dự án cho "Tái hình dung Kho lưu trữ" (Re-imagining the Archive), mùa xuân 2025. Zhang liên tục nhắc ChatGPT tạo từ khóa cho một hình ảnh lưu trữ duy nhất, sau đó phân tích kết quả. Zhang, chi tiết dự án cho "Tái hình dung Kho lưu trữ". Zhang, các danh sách từ khóa lặp lại được ChatGPT tạo ra cho dự án "Tái hình dung Kho lưu trữ", cho thấy sự tiêu chuẩn hóa ngày càng tăng của các thuật ngữ. Bằng cách sử dụng sự lặp lại như một phương pháp, anh ấy đã chỉ ra rằng các tương tác của con người với AI diễn ra dọc theo một chuỗi liên tục về ngôn ngữ và thời gian có thể được lập bản đồ, phân tích và phê bình. Những gì anh ấy tìm thấy là điều mà bạn có thể cảm nhận được một khi nhìn thấy nó: hệ thống ổn định. Các phản hồi ban đầu rộng, mang tính khám phá, hơi kỳ lạ. Theo thời gian, chúng thu hẹp lại thành một mô tả hẹp hơn, thông thường hơn. Sự biến thiên giảm đi. Ngôn ngữ được tiêu chuẩn hóa. Mô hình trở nên tự tin hơn và kém thú vị hơn. Nếu bạn đang sử dụng AI để tăng hiệu quả, đó là một tính năng. Nếu bạn đang sử dụng nó như một phương tiện thiết kế, đó là một vấn đề – và một cơ hội. Dự án của Roy biến việc nhắc nhở thành một thứ có thể phân tích, không chỉ là thực hiện. Nó cho thấy AI không chỉ tạo ra đầu ra; nó tạo ra các quỹ đạo. Và những quỹ đạo đó có hình dạng, sự trôi dạt, xu hướng thiên về những điều quen thuộc. Đó là vật liệu. Chúng ta đang xây dựng toàn bộ hệ thống, được đặt câu hỏi, điều tra và hình dung. Sự trôi chảy có sẵn Nguyên tắc thứ hai trong khóa học: Bạn có thể xây dựng toàn bộ dự án thông qua các lời nhắc. Điều đó không có nghĩa là bạn hiểu chúng. Sinh viên của tôi đang sử dụng AI để viết các chương trình thu thập dữ liệu từ internet, tạo thông tin, đề xuất giao diện, soạn thảo mã, cấu trúc lập luận. Bạn có thể tiến rất xa, rất nhanh.