TIN HAY KHÔNG TIN AI? TIN THÌ TIN NHƯ THẾ NÀO? KHÔNG TIN THÌ TẠI SAO KHÔNG TIN?

Điểm tựa của niềm tin

Chúng ta thường dựa vào một điều gì đó để tin hay không tin. Dựa vào những gì mình tận mắt chứng kiến, kiến thức, kỹ năng, sự hiểu biết và trí tuệ của mình.

Để có kiến thức, chúng ta thường dựa vào các nghiên cứu khoa học, các bậc thầy về trí tuệ mà chúng ta tin tưởng. Những người theo đuổi khoa học thường tin vào các tạp chí khoa học hàng đầu trong lĩnh vực của họ — các tạp chí có bình duyệt, có phản biện và phải trải qua một quá trình kiểm chứng nghiêm ngặt mới được công bố.

Một số người còn có thể tin vào một đấng tối cao nào đó mà theo họ có quyền năng sắp xếp toàn bộ trật tự của thế giới này theo một quy luật nào đó mà chỉ những người đủ duyên, đủ căn cơ mới có thể chạm tới. Tuy nhiên, tất cả những niềm tin này cũng đều được ghi chép, lưu truyền, bồi tụ và truyền tải thông qua những phương tiện thông tin nào đó như sách vở, văn bản, kinh văn, hay truyền khẩu…

Dù là những gì chúng ta tận mắt chứng kiến, hay những gì chúng ta đọc được trong sách vở, báo cáo nghiên cứu khoa học, bài báo khoa học trên các tạp chí hàng đầu toàn cầu, hay văn tự cổ, kinh văn, truyền miệng trăm năm… tất cả đều được gọi chung là THÔNG TIN (information).

Thông tin mà mỗi người tiếp nhận được + nhận thức (cognition) riêng của từng người (trí nhớ, khả năng học tập, suy luận, phân tích…) = niềm tin riêng của từng người.

Ví dụ, bác sĩ sẽ tin vào thuốc được nghiên cứu nghiêm ngặt bởi các công ty dược hàng đầu thế giới và được FDA phê duyệt lưu hành. Nhưng cũng có người chưa từng học qua một ngày y khoa nào lại có thể tin rằng lá cây, nước giếng cổ và thầy cúng sẽ giúp họ hết bệnh.

Tin hay không tin điều gì đó phụ thuộc rất lớn vào quá trình học tập, kinh nghiệm và trải nghiệm của từng người trong đời sống của họ. Và nó phụ thuộc hoàn toàn vào lượng thông tin, nguồn thông tin và kênh thông tin mà họ tiếp nhận trong suốt quá trình sống đó.

Nói ngắn gọn: THÔNG TIN QUYẾT ĐỊNH NIỀM TIN. NIỀM TIN KHÁC NHAU LÀ DO NHẬN THỨC VỀ THÔNG TIN KHÁC NHAU.

Cùng tiếp cận một nguồn thông tin như nhau, nhưng khả năng học tập, suy luận, phân tích, ghi nhớ của mỗi người khác nhau, do vậy nhận thức về sự việc cũng khác nhau, từ đó tạo ra sự khác biệt về niềm tin.

Ví dụ, hai người cùng học chung một lớp y khoa, nhưng có người trở thành bác sĩ cực giỏi, còn có người lại lên núi tu để trở thành thầy cúng. Vì vậy, đương nhiên cách hai người này tin vào điều gì đó là khác nhau.

AI và Generative AI (GenAI) hoạt động như thế nào?

Cách bộ não con người học tập, mã hóa tri thức, lưu trữ ký ức, hình thành khái niệm, suy luận và ra quyết định là chủ đề trung tâm của khoa học thần kinh, tâm lý học nhận thức và khoa học nhận thức suốt hàng trăm năm qua. Dù chúng ta vẫn chưa giải mã trọn vẹn cách não bộ sinh học vận hành, nhưng trong khoảng ba thập kỷ gần đây, các mô hình toán học và thuật toán học máy đã mô phỏng ngày càng tốt một số cơ chế cốt lõi của quá trình này, đặc biệt là học từ dữ liệu, nhận dạng mẫu, liên kết ngữ cảnh và dự đoán kết quả.

Song song với sự tiến bộ của thuật toán là sự bùng nổ chưa từng có của dữ liệu số trên internet, mạng xã hội, cơ sở dữ liệu khoa học, hình ảnh, âm thanh và văn bản. Chính khối dữ liệu khổng lồ này đã trở thành “nguyên liệu học tập” để các hệ thống AI huấn luyện các mô hình có khả năng mã hóa tri thức vào các cấu trúc tham số trong bộ nhớ vật lý, theo cách hoàn toàn khác với lưu trữ truyền thống dạng file hay cơ sở dữ liệu, nhưng lại có nét tương đồng chức năng với việc não bộ sinh học lưu giữ kinh nghiệm và tri thức thông qua mạng nơ-ron thần kinh.

Đột phá quan trọng nhất trong giai đoạn gần đây đến từ các Mô hình ngôn ngữ lớn (Large Language Models – LLMs), tiêu biểu là kiến trúc GPT (Generative Pre-trained Transformer), cùng với các mô hình học sâu cho hình ảnh, âm thanh và đa phương thức. Các mô hình này dựa trên cơ chế Transformer, trong đó Attention cho phép hệ thống đánh trọng số ngữ cảnh, nhận diện mối quan hệ giữa các phần tử thông tin ở quy mô rất lớn; còn backpropagation và tối ưu hóa gradient cho phép mô hình tự điều chỉnh hàng tỷ tham số thông qua quá trình huấn luyện. Chính sự kết hợp giữa kiến trúc mô hình, dữ liệu khổng lồ và năng lực tính toán đã tạo ra Generative AI – AI tạo sinh, với khả năng sinh ra văn bản, hình ảnh, âm thanh, phân tích và lập luận ở mức độ khiến con người cảm nhận được sự “giống người” trong cách biểu đạt.

Tuy nhiên, cần hiểu một cách bản chất rằng: AI và GenAI không “hiểu” nội dung theo nghĩa nhận thức như con người hiểu. Những gì chúng tạo ra không xuất phát từ ý thức, trực giác hay trải nghiệm chủ quan, mà là kết quả của quá trình tính toán xác suất cực kỳ phức tạp trên các chuỗi ký hiệu. Về cốt lõi, mô hình ngôn ngữ chỉ thực hiện một việc: dự đoán token tiếp theo có xác suất cao nhất, dựa trên ngữ cảnh đã có và các mẫu thống kê được học từ dữ liệu huấn luyện. Việc lắp ghép token thành từ, từ thành câu, câu thành đoạn và đoạn thành bài tạo ra ảo giác về sự hiểu biết, trong khi bản chất vẫn là một hệ thống toán học tinh vi xử lý ngôn ngữ ở mức hình thức, chứ không phải ở mức ý nghĩa như não bộ con người.

Công sức của các tập đoàn công nghệ như OpenAI, Google, Meta là tạo ra các thuật toán và đầu tư các trung tâm dữ liệu, trung tâm huấn luyện để lưu trữ tri thức của nhân loại ngày càng nhiều, nhưng dưới dạng mạng ngôn ngữ lớn, mạng hình ảnh số… chứ không phải là các file văn bản hay file số theo cách truyền thống mà chúng ta từng biết.

NĂNG LỰC CỦA AI HAY GENAI PHỤ THUỘC VÀO CHẤT LƯỢNG, ĐỘ TIN CẬY CỦA THÔNG TIN – DỮ LIỆU MÀ HỌ CÓ, VÀ KHẢ NĂNG CỦA THUẬT TOÁN DO ĐỘI NGŨ KHOA HỌC CỦA HỌ PHÁT MINH RA.

Không phải tin hay không tin, mà là biết cách dùng và biết cách phân biệt cái gì đáng tin, cái gì không đáng tin — và đặc biệt là AI có đáng tiền hay không?

Phần mềm AI nào cũng có câu: “AI có thể sai, bạn cần kiểm chứng thông tin quan trọng.” Vậy khi dùng AI, chúng ta cần kiểm chứng điều gì để biết nó đã đủ dùng hay chưa?

Rất đơn giản.

Thứ nhất, chúng ta cần yêu cầu AI cung cấp nguồn thông tin mà nó sử dụng, và giải thích phương pháp hoặc thuật toán mà nó dùng để phân tích và suy luận. Đây là hai cơ sở quan trọng để quyết định liệu chúng ta có sử dụng kết quả mà AI cung cấp hay không. Bởi vì cuối cùng, chúng ta phải chịu trách nhiệm cho những gì mình viết, trình bày và công bố, chứ không thể đổ lỗi cho AI.

Nếu một phần mềm AI không cung cấp được nguồn thông tin nó trích dẫn, hoặc thuật toán của nó kém chất lượng (râu ông nọ cắm cằm bà kia, khả năng phân biệt thông tin thấp, hoặc sử dụng kiến thức lỗi thời…), thì tin nó để làm gì? Nó chẳng khác nào việc bạn tìm kiếm trên Google rồi tự mua thuốc điều trị cho mình vậy.

Điều này đòi hỏi người dùng phải có tư duy phản biện (critical thinking) để nhận ra cái gì AI làm ra là dùng được, cái gì không — chứ không phải AI nói gì cũng tin.

Vậy tại sao tôi phải trả tiền cho AI?

AI hay GenAI, dù ở phiên bản nào, với con người chúng ta cũng chỉ là một công cụ tổng hợp thông tin, được dẫn dắt bởi các thuật toán do con người phát minh ra; hoặc là công cụ thực hiện những tác vụ lặp đi lặp lại, có quy tắc và công thức rõ ràng — những việc mà con người làm rất nhàm chán và tốn thời gian.

Ví dụ: lập báo cáo bán hàng ngày/tuần/tháng, phân tích than phiền khách hàng, khảo sát thị trường, lập lịch trực, tính ngày công, làm báo giá, gửi thư nhắc việc…

Não người có giới hạn rất rõ trong việc tổng hợp và phân tích thông tin. Chúng ta không thể đọc một trăm bài báo khoa học và tổng hợp chúng trong vòng một ngày. Nhưng với AI, việc đó chỉ mất khoảng 15–20 phút. Chất lượng của việc tổng hợp phụ thuộc vào thuật toán của công ty cung cấp dịch vụ AI. Nói cách khác, chúng ta trả tiền cho trí tuệ của những con người đã tạo ra AI đó.

Câu hỏi cốt lõi vẫn là: số tiền trả cho trí tuệ đó có đáng đồng tiền bát gạo hay không?

Một người cũng không thể trong một ngày tổng hợp, phân loại công nợ và đánh giá tín nhiệm của 200.000 đại lý bán lẻ. Nhưng với AI, việc này có thể hoàn tất trong chưa đến 15 phút. Chi phí cho 15 phút AI nhỏ hơn một ly cà phê, nhưng nó thay thế khoảng 30 giờ lao động — tương đương 300 ly cà phê. Nói nôm na, hiệu quả chi phí cao gấp hàng trăm lần so với dùng con người. Chưa kể, dùng AI thì không phải đau đầu vì thị phi, yêu ghét, hận thù hay xào xáo nội bộ.

Nếu bạn dùng phiên bản AI miễn phí, bạn không thể kỳ vọng nguồn thông tin cực kỳ chất lượng hay những thuật toán cao cấp nhất. Chất lượng đến đâu phụ thuộc vào bạn trả đến đâu. Kết cuộc vẫn là bài toán Value for Money, vậy thôi.

Chúng ta đã bước sang một thời kỳ làm việc mới — rất khác so với trước đây — thời kỳ của sự cộng tác giữa trí tuệ con người và trí thông minh của máy. Việc cần làm ngay lúc này là hiểu cách AI và GenAI vận hành, hiểu cách nó tạo sinh thông tin, biết đánh giá và sử dụng kết quả tạo sinh đó như một công cụ đắc lực cho công việc của mình.

Điều này sẽ quyết định ai trong chúng ta bước tiếp vào tương lai, ai sẽ phải đứng sang một bên và chấp nhận bị đào thải khỏi môi trường lao động. Đừng ngồi đó phán xét đúng sai theo cảm tính, cũng đừng chối từ hay né tránh trong sợ hãi. Hãy học AI và GenAI như một công cụ mới — thú vị — và chấp nhận sống chung, cộng tác với nó.