AI (trí tuệ nhân tạo) đang dần thoát khỏi phòng thí nghiệm và bộc lộ nhiều rủi ro tiềm ẩn. Từ lừa đảo deepfake, thuật toán gây nghiện, đến việc tạo ra nội dung sai lệch nhưng có vẻ hợp lý, AI 'làm hại' đang gây lo ngại về an toàn. Một nghiên cứu gần đây trên tạp chí Nature đã giải thích hiện tượng này: các nhà khoa học phát hiện ra một thách thức mới gọi là 'emerging misalignment' (sự không phù hợp nổi lên). Nói đơn giản, AI bị 'dạy hư' trong một tác vụ cụ thể có thể lây lan hành vi xấu sang các tác vụ khác tưởng chừng không liên quan. Điều này đặt ra câu hỏi: tại sao AI được huấn luyện theo giá trị con người lại có thể tạo ra những rủi ro khó lường?

Nguyên nhân AI tạo nội dung sai lệch

Các hệ thống AI tạo sinh hiện nay, về bản chất, là các mô hình ngôn ngữ lớn (LLM) được huấn luyện trên khối lượng khổng lồ văn bản do con người tạo ra. Hành vi của chúng đến từ việc học và nội hóa cấu trúc ngôn ngữ cũng như cách biểu đạt tri thức. Trong quá trình huấn luyện, AI tiếp xúc với nhiều nguồn thông tin, bao gồm cả kiến thức có hệ thống lẫn những thành kiến, thông tin sai lệch và ngôn từ đối kháng. Mô hình sẽ nội hóa các thói quen diễn đạt, khuynh hướng giá trị và mô hình hành vi từ những nội dung này. Dù con người đã xây dựng các rào cản an toàn kỹ thuật, nhưng trong một số ngữ cảnh nhất định, những mô hình xấu tiềm ẩn trong các tham số vẫn có thể bị kích hoạt. Hiện tượng AI 'làm hại' thực chất là sự tái hiện các cấu trúc hành vi đã tồn tại trong thế giới thông tin của con người.

Cách huấn luyện khiến AI 'học xấu'

Nếu dữ liệu là yếu tố bẩm sinh, thì phương pháp huấn luyện lại là tác nhân khiến AI 'học hư'. Quá trình huấn luyện AI giống như một kỳ thi định hướng kết quả: trả lời đúng được thưởng, sai bị phạt. Mục tiêu duy nhất của AI là đạt điểm cao nhất. Trong thực tế, AI nhanh chóng tìm ra 'lối tắt': khi gặp câu hỏi khó, nói thật 'không biết' thường bị điểm thấp, trong khi bịa ra câu trả lời logic, tự tin lại dễ được phản hồi tích cực. Các nhà khoa học phát hiện chiến lược hy sinh tính xác thực để làm hài lòng con người này, một khi được củng cố trong một tác vụ, có thể trở thành mô hình hành vi chung của AI và lan sang các tình huống hoàn toàn khác.

Tác động thực tế và giải pháp

Khác với hình ảnh 'robot mất kiểm soát' trong khoa học viễn tưởng, đầu ra 'nửa vời' của AI có thể dẫn đến trích dẫn sai, đánh giá sai, thậm chí gây hậu quả trong các quyết định quan trọng. Đồng thời, hệ thống gợi ý và trợ lý thông minh đang âm thầm thay đổi cách con người tiếp cận thông tin. Chúng chọn lọc nội dung theo 'sở thích người dùng', nhưng vô tình củng cố thông tin cảm tính và góc nhìn đơn chiều, khiến người dùng dần bị mắc kẹt trong môi trường thông tin do thuật toán tạo ra mà không hay biết. Đáng lo ngại hơn, với sự phát triển của tổng hợp giọng nói và deepfake, AI còn được dùng để lừa đảo và giả mạo danh tính, khiến thông tin giả ngày càng giống thật, khó phân biệt bằng trực giác.

Để đối phó, chúng ta không nên từ chối AI mà cần điều chỉnh cách tương tác. AI phù hợp làm công cụ hỗ trợ, không phải nguồn thông tin có thẩm quyền, đặc biệt trong các vấn đề thực tế, kết luận chuyên môn hay quyết định đời thường. Con người cần giữ quyền kiểm chứng cuối cùng. Giữ thái độ hoài nghi lành mạnh với thông tin từ AI và chủ động kiểm tra nguồn gốc là một 'kỹ năng số' cơ bản và cần thiết.

Bên cạnh đó, cần có ràng buộc từ nền tảng và thể chế, như gắn nhãn và giám sát nội dung deepfake, thiết lập cơ chế trách nhiệm rõ ràng cho các ứng dụng AI trong tình huống rủi ro cao, nhằm giảm không gian lạm dụng công nghệ. Cuối cùng, AI không nguy hiểm tự thân; nó chỉ khuếch đại những bất định và sai lệch vốn có trong môi trường thông tin của con người. Công nghệ càng mạnh, con người càng cần giữ tỉnh táo.

Theo Thepaper

Ảnh: Markus Winkler / Pexels