Nhà thiết kế sản phẩm Maxim Kich cho rằng đã đến lúc phải thay đổi căn bản cách thiết kế giao diện AI, khi năng lực của các mô hình đã vượt xa khuôn khổ của một cửa sổ chat truyền thống. Theo ông, chính cấu trúc giao diện hiện nay đang khiến ngữ cảnh và ý tưởng dễ bị thất lạc trong quá trình tương tác với AI.

Trong một bài viết gần đây đăng trên Medium, Kich nhận định các mô hình AI hiện nay đã đủ thông minh để theo dõi nhiều nhánh hội thoại, ghi nhớ các giả thuyết trước đó, thậm chí gợi ra cả những suy nghĩ mà con người chưa kịp sắp xếp. Tuy nhiên, toàn bộ năng lực đó vẫn bị giới hạn trong một khung chat mang dáng dấp của các ứng dụng nhắn tin từ năm 2015.

“Cuộc trò chuyện càng dài, thanh cuộn càng ngắn. Những ý tưởng tốt dần bị chôn vùi giữa các lần gọi công cụ và hàng loạt kết quả đầu ra”, ông viết.

Theo Kich, khung chat không phản ánh đúng cách con người tư duy. Về bản chất, đây chỉ là bản ghi được sắp xếp theo trình tự thời gian, trong khi suy nghĩ của con người không vận hành theo một đường thẳng như vậy. Dẫn lại một nghiên cứu của nhóm Fedorenko công bố trên Nature năm 2024, ông nhấn mạnh rằng ngôn ngữ và tư duy không phải là một: câu chữ xuất hiện tuần tự, nhưng suy nghĩ bên trong có thể mang tính không gian và diễn ra đồng thời.

Kich so sánh vấn đề này với kho mã nguồn trong lập trình. Theo ông, lập trình viên không đọc lại toàn bộ lịch sử commit từ đầu để hiểu một chương trình, mà nhìn vào trạng thái hiện tại của mã nguồn. Trong khi đó, khi làm việc với AI, người dùng thường phải lật lại toàn bộ chuỗi tin nhắn cũ mới có thể khôi phục ngữ cảnh hiện tại. Vì vậy, việc ngữ cảnh liên tục bị đứt gãy gần như là điều khó tránh khỏi.

Dù thừa nhận bản thân yêu thích mind map, Kich cho rằng chỉ riêng một dạng giao diện như vậy sẽ không thể đại diện cho tương lai của AI.

Ông đồng thời giới thiệu một số hướng nghiên cứu đang tìm cách vượt qua giới hạn của giao diện chat. Trong đó, Graphologue biến câu trả lời của AI thành sơ đồ node-link; Sensecape cho phép chuyển đổi giữa giao diện dạng canvas và dạng phân cấp.

Một số ví dụ khác gồm Branchat, công cụ cho phép tách hội thoại thành nhiều nhánh và quay lại mốc mong muốn; MeetMap, công cụ sắp xếp nội dung cuộc họp dưới dạng bản đồ; và Orality, công cụ chuyển hội thoại bằng giọng nói thành bản đồ khái niệm.

Theo Kich, vấn đề cốt lõi không nằm ở giao diện mà ở “bộ nhớ”. Ông lấy ví dụ về cách tiếp cận “LLM wiki” do Andrej Karpathy đề xuất: thay vì nạp lại toàn bộ lịch sử hội thoại ở mỗi lượt tương tác, hệ thống sẽ tích lũy tri thức dưới dạng một wiki được cập nhật liên tục. Kich cho rằng GraphRAG của Microsoft Research cũng là một nỗ lực đi theo hướng này.

Ở tầm nhìn dài hạn, Kich hình dung chat, bảng kanban, mind map và timeline có thể cùng tồn tại trong một ngữ cảnh thống nhất, chỉ khác nhau ở cách hiển thị. Ông gọi đó là “Context Operating System” - một lớp ngữ cảnh vận hành độc lập, không phụ thuộc vào từng phiên làm việc hay một mô hình cụ thể.

“Kết nối trực tiếp giữa não người và máy tính vẫn còn ở rất xa. Trước khi đến được điều đó, chúng ta hoàn toàn có thể tạo ra những giao diện vận hành ở tầng cao hơn câu chữ”, Kich kết luận.