Nguồn: Ricardo Hausmann, “Learning Without Theory”, Project Syndicate, 30/03/2016.
Biên dịch: Thái Khánh Phong
Làm thế nào chúng ta có thể cải thiện tình trạng thế giới? Làm thế nào chúng ta có thể làm cho các quốc gia trở nên cạnh tranh hơn, tăng trưởng trở nên bền vững hơn và bao trùm hơn (inclusive – tức tất cả mọi người đều được hưởng lợi từ tăng trưởng – NBT), đồng thời có sự bình đẳng hơn giữa các giới?
Cách thứ nhất là dựa vào một lý thuyết đúng về mối quan hệ giữa hành động và kết quả và sau đó thực hiện các hành động để đạt được mục tiêu của chúng ta. Tuy nhiên, trong hầu hết các tình huống gặp phải, chúng ta thiếu một lý thuyết như thế, hoặc giả sử có một lý thuyết thì chúng ta cũng không chắc chắn rằng nó đúng hay sai. Vậy thì chúng ta phải làm thế nào? Chúng ta có nên trì hoãn việc hành động cho đến khi chúng ta biết rõ là hành động nào sẽ có hiệu quả? Nhưng làm thế nào chúng ta biết được điều đó nếu chúng ta không hành động? Và nếu chúng ta hành động, thì làm thế nào để đánh giá là liệu chúng ta đã làm đúng hay sai?
Những tiến bộ mới về trí tuệ nhân tạo và nhân học sinh học (biological anthropology) đang dần làm sáng tỏ quá trình học xảy ra như thế nào và những yếu tố nào giúp cho một quá trình học tập thành công. Nhưng trong khi lý thuyết đóng vai trò quan trọng thì hầu hết những gì chúng ta học được không phụ thuộc vào những lý thuyết ấy.
Ví dụ, có thể có một lý thuyết về những yếu tố cấu thành một con mèo nhưng đó không phải là cách con trẻ học cách nhận ra mèo. Như GS Leslie Valiant tại Đại học Harvard lập luận trong cuốn sách xuất bản năm 2013 của ông, chúng ta tìm hiểu các khái niệm về “con mèo” mà không cần lý thuyết bằng cách suy luận từ một tập hợp các hình ảnh các loài động vật được gắn nhãn một cách thích hợp là mèo hoặc không phải mèo. Khi chúng ta thấy càng nhiều ví dụ chúng ta càng trở nên “có lẽ, tương đối chính xác.”
Chúng ta học cách nhận ra các ngôn ngữ nói mà không cần kiến thức về ngôn ngữ học. Và như Ray Kurzweil kể cho chúng ta trong cuốn sách How to Create a Mind, các phần mềm nhận dạng giọng nói sử dụng một thuật toán không dựa trên lý thuyết nào được gọi là ” chuỗi Markov ẩn” áp dụng cho một tập hợp các âm thanh và văn bản tương ứng chứ không sử dụng lý thuyết ngôn ngữ học. Có thể nói, lý thuyết thông thường là không cần thiết cho dù điều đó có thể làm nhiều người trong giới học thuật chúng ta thất vọng.
Sự tiến hóa sinh học cũng dựa trên một thuật toán không cần lý thuyết, đó là thuật toán học cách nhận ra những kiểu gen tạo ra các cá thể thích nghi tốt hơn mà không cần đến một lý thuyết chỉ ra thay đổi nào trong hệ gen sẽ cải thiện tính thích nghi. Nó chỉ dựa trên biến đổi ngẫu nhiên và chọn lọc tự nhiên được lặp đi lặp lại rất nhiều lần.
Trong khi sự tiến hóa sinh học thông qua sinh sản hữu tính đòi hỏi phải trải qua rất nhiều thế hệ, chúng ta có thể học hỏi lẫn nhau nhanh hơn nhiều thông qua sự tiến hóa về văn hóa, điều đó giải thích tại sao con người đã có những tiến bộ vượt bậc. Theo Robert Boyd, Peter Richardson, và Joseph Henrich, khả năng bắt chước của chúng ta là một trong những nguyên nhân cốt lõi của sự thành công của loài người. Khả năng đó cho phép có sự tiến hóa về văn hóa một cách mạnh mẽ và có tích lũy. Khả năng đó cho phép chúng ta học hỏi từ những người/loài khác và vì thế có thể đạt được tiến bộ nhanh hơn nhiều so với việc chúng ta tự học một mình. Ngoài ra, giống như nhân bản gen, bắt chước không phải là hoàn hảo nên chúng ta vô tình phát hiện ra những cách khác nhau để làm cùng một việc (hoặc những việc thậm chí còn mới và tốt hơn).
Con người chúng ta bản chất thích bắt chước người khác, và chúng ta đặc biệt thích bắt chước những ai thành công nhất trong chúng ta. Điều này phù hợp với thuyết tiến hóa vì những đặc điểm của những người thành công có nhiều khả năng có liên quan đến thành công của họ hơn so với đặc điểm của những người khác.
Nhưng điều này cũng có thể dẫn đến sai sót khi những gì chúng ta bắt chước là không liên quan đến sự thành công. Ngành quảng cáo đã khai thác điểm yếu này trong bản chất của chúng ta, làm cho chúng ta nghĩ rằng nếu tài tử George Clooney là sành điệu khi mặc một thứ gì đó thì có lẽ chúng ta cũng sẽ trở nên sành điệu bằng cách mặc nó.
Một cách xây dựng hơn, thế giới kinh doanh tận dụng quá trình bắt chước thông qua việc xây dựng thang đánh giá, theo đó các công ty chia sẻ thông tin hiệu suất để tất cả các công ty đều có thể tìm hiểu những gì có thể đạt được và nên cố gắng để bắt chước công ty nào, do đó tạo thuận lợi cho việc xác định các “thực hành tốt nhất”. Để cải thiện hiệu suất, bạn có thể bắt đầu bằng cách bắt chước những gì các công ty thành công đã làm mà không cần một lý thuyết tốt giải thích tại sao.
Thang đánh giá đã bắt đầu được dùng trong lĩnh vực chính sách, bao gồm các vấn đề như phát triển bền vững, môi trường kinh doanh, năng lực cạnh tranh, bình đẳng giới, và gần đây hơn, tăng trưởng bao trùm. Một số ứng dụng trong các vấn đề này tạo ra các biện pháp đánh giá tốt về hiệu suất, cho phép người sử dụng có thể đánh giá kết quả và theo dõi tiến độ công việc của mình.
Ví dụ tốt cho việc sử dụng thang đánh giá là Chỉ số khoảng cách Giới toàn cầu của Diễn đàn Kinh tế thế giới hay Chỉ số phát triển con người của Liên Hợp Quốc. Những thang đánh giá này không có lý thuyết theo nghĩa rằng chúng không cho bạn biết phải làm thế nào để cải thiện hiệu suất nhưng cho bạn biết nếu bạn đã cải thiện – chúng thông báo cho bạn về những thay đổi trong “tính thích nghi”.
Các chỉ số khác, theo quan điểm của tôi, nhầm lẫn giữa các yếu tố đánh giá hiệu suất với các yếu tố là nguyên nhân giả định về hiệu suất. Chúng nhầm lẫn giữa “cái gì” và “làm thế nào”, và đặt cả hai yếu tố này vào trong các bảng Chỉ số một cách không hợp lý. Các tác giả của chúng đã cố gắng để dựa trên lý thuyết nhiều hơn mức mà kiến thức của chúng ta cho phép.
Hai ví dụ cho đánh giá này là Chỉ số cạnh tranh toàn cầu và Chỉ số mới về phát triển và tăng trưởng bao trùm của Diễn đàn Kinh tế thế giới (WEF). Có thể thấy khả năng cạnh tranh liên quan đến khả năng tăng thị phần mà không phải hy sinh lợi nhuận hoặc giảm tiền lương, đó một thứ phản ánh năng suất vượt trội. Tính bao trùm của tăng trưởng liên quan đến sự chênh lệch về thu nhập và tăng trưởng giữa các vùng khác nhau và giữa các nhóm xã hội.
Nhưng đây không phải là những gì mà các chỉ số thực sự đo lường. Thay vào đó, các chỉ số này bao gồm các biến số – mà tác giả gọi là “không gian chính sách” – được cho là sẽ tạo ra khả năng cạnh tranh hoặc tăng trưởng bao trùm. Nhưng các tác giả thậm chí không kiểm tra xem liệu các biến số ấy có mang lại hiệu quả không. (Trong trường hợp về khả năng cạnh tranh, tôi và đồng tác giả đã phát hiện ra là không.)
Nhầm lẫn giữa “cái gì” và “làm thế nào” thường gây phản tác dụng. Nó đã dẫn đến việc lần lượt nhiều quốc gia bao gồm cả Colombia, Mexico, Marốc, và Ả rập Xê út, trong nỗ lực cải thiện mức xếp hạng khả năng cạnh tranh, đã làm những việc được ghi trong các chỉ số đó nhưng không thực sự cải thiện năng lực cạnh tranh của họ. Và các quốc gia này sẽ chậm nhìn ra sự thực đó vì trên thực tế họ đã cải thiện được thứ hạng của họ trong các chỉ mục trên.
Chúng ta không thực sự biết những gì có thể làm cho tăng trưởng trở nên bao trùm hơn, các quốc gia trở nên cạnh tranh hơn, và phát triển trở nên bền vững hơn trong mỗi quốc gia và khu vực; và chúng ta không nên giả vờ rằng chúng ta biết. Chúng ta có thể giúp thế giới tiến bộ hơn bằng cách đo lường những kết quả chúng ta quan tâm, tạo điều kiện cho việc bắt chước và theo dõi hiệu suất. Nhưng nhầm lẫn giữa phương tiện và kết quả sẽ làm tất cả chúng ta đều ăn mặc như tài tử George Clooney và tự hỏi tại sao chúng ta không thực sự cảm thấy sành điệu tí nào cả.
Ricardo Hausmann là cựu Bộ trưởng Kế hoạch của Venezuela và cựu Kinh tế trưởng của Ngân hàng Phát triển Liên Mỹ, và là Giáo sư ngành Thực hành Phát triển Kinh tế tại Đại học Harvard, nơi ông giữ chức Giám đốc Trung tâm Phát triển Quốc tế.
Copyright: Project Syndicate 2016 – Learning Without Theory\
[efb_likebox fanpage_url=”DAnghiencuuquocte” box_width=”420″ box_height=”” locale=”en_US” responsive=”0″ show_faces=”1″ show_stream=”0″ hide_cover=”0″ small_header=”0″ hide_cta=”0″ ]
