Một thí nghiệm nhỏ bạn có thể tự làm
Thử hỏi ChatGPT hay bất kỳ AI nào hai câu hỏi liên tiếp:
Câu 1: “Thủ đô của Việt Nam là gì?”
Câu 2: “Bài thơ ‘Đất nước’ của Nguyễn Đình Thi được viết năm nào?” (hoặc bất kỳ câu hỏi lịch sử văn học cụ thể nào)
Đọc hai câu trả lời và để ý: cả hai đều được viết với cùng giọng điệu tự tin, mạch lạc và quyết đoán. Nhưng câu đầu tiên AI chắc chắn đúng. Câu thứ hai AI có thể sai và bạn không biết câu nào là câu sai cho đến khi kiểm chứng.
Đây là vấn đề cốt lõi khi dùng AI: không có tín hiệu nào trong câu trả lời cho biết AI đang đúng hay sai.
Tại sao AI luôn nói trôi chảy
Một trong những điều khiến nhiều người dễ tin tưởng AI là cách nó trả lời. Câu văn thường mạch lạc, logic, tự tin và rất giống cách một người hiểu biết đang giải thích vấn đề. Khi đọc một câu trả lời như vậy, não chúng ta có xu hướng nghĩ rằng: nếu diễn đạt rõ ràng và hợp lý đến thế, chắc hẳn nó phải đúng.
Nhưng đây là điểm cần hiểu thật rõ: khả năng tạo ra ngôn ngữ trôi chảy và khả năng biết điều gì đúng là hai việc hoàn toàn khác nhau.
Như sách “Học thế nào trong thời đại AI?” của tác giả Đỗ Danh Nam giải thích: “AI không cố tình nói sai, nhưng nó cũng không biết thế nào là đúng hay sai theo nghĩa con người hiểu. AI tạo ra câu trả lời bằng cách dự đoán điều gì nghe có vẻ hợp lý nhất dựa trên những gì nó đã được học từ dữ liệu trước đó.”
Điều đó có nghĩa là khi bạn đặt câu hỏi, AI không thực hiện quá trình giống như một giáo viên mở sách giáo khoa để kiểm tra đáp án chính xác. Thay vào đó, nó sử dụng những mẫu ngôn ngữ đã học được từ hàng tỷ câu văn để tạo ra phản hồi có xác suất cao nhất là phù hợp với ngữ cảnh cuộc trò chuyện.
AI có thể tạo ra một câu trả lời hoàn toàn chính xác. Nhưng bằng đúng cơ chế đó, nó cũng có thể tạo ra một câu trả lời chứa lỗi hoặc thông tin không có thật. Điều đáng chú ý là cả hai thường được trình bày với cùng mức độ tự tin, cùng giọng văn mạch lạc và cùng vẻ ngoài thuyết phục.
Điều này còn phức tạp hơn vì AI được huấn luyện từ văn bản do con người tạo ra. Trong thế giới thực, con người viết cả thông tin đúng lẫn thông tin sai, cả kiến thức khoa học lẫn quan điểm cá nhân, cả sự thật lẫn những hiểu lầm. Kết quả là AI học rất tốt cách tạo ra ngôn ngữ thuyết phục, nhưng không phải lúc nào cũng có khả năng phân biệt hoàn hảo giữa nội dung chính xác và nội dung không chính xác.
Vì vậy, một trong những kỹ năng quan trọng nhất khi sử dụng AI không phải là biết đặt câu hỏi hay nhất, mà là duy trì tư duy kiểm chứng. Đừng đánh giá một câu trả lời chỉ dựa trên việc nó nghe có vẻ thông minh hay mạch lạc. Hãy tự hỏi: “Thông tin này đến từ đâu?”, “Có nguồn nào xác nhận điều này không?” và “Nếu đây là nội dung quan trọng, mình đã kiểm tra lại chưa?”
Trong thời đại AI, khả năng phân biệt giữa một câu trả lời nghe hợp lý và một câu trả lời thực sự đúng có thể trở thành một kỹ năng quan trọng không kém việc tìm kiếm thông tin.
Các loại sai phổ biến nhất của AI trong học tập
Biết AI thường sai theo cách nào giúp bạn biết khi nào cần cẩn thận hơn.
Sai loại 1 – Hallucination (ảo giác)
Đây là khi AI tạo ra thông tin trông rất cụ thể nhưng không có thật: tên tác giả không tồn tại, số liệu thống kê bịa, trích dẫn từ bài báo không có, ngày tháng lịch sử sai.
Hallucination đặc biệt nguy hiểm vì nó trông giống thông tin thật nhất. Khi AI nói “theo nghiên cứu của Đại học X năm Y, tỉ lệ Z là…” đó là dạng sai dễ tin nhất vì rất cụ thể.
Loại thông tin dễ bị hallucination nhất: số liệu thống kê cụ thể, tên riêng và ngày tháng, trích dẫn từ nguồn cụ thể, thông tin về sự kiện gần đây.
Sai loại 2 – Nhầm lẫn chi tiết
Đúng về ý chính nhưng sai ở chi tiết quan trọng. Ví dụ: giải thích đúng một khái niệm Toán nhưng nhầm một điều kiện. Kể đúng câu chuyện lịch sử nhưng đổi chỗ hai nhân vật. Giải thích đúng nguyên lý Vật lý nhưng sai về đơn vị hoặc công thức cụ thể.
Loại sai này nguy hiểm ở chỗ: phần lớn nội dung đúng nên bạn dễ bỏ qua phần sai.
Sai loại 3 – Đơn giản hóa quá mức
AI đưa ra câu trả lời đúng trong trường hợp chung nhưng bỏ qua ngoại lệ, điều kiện biên hoặc bối cảnh quan trọng.
Ví dụ: AI giải thích một quy tắc ngữ pháp tiếng Anh đúng cho 80% trường hợp nhưng không nhắc đến 20% ngoại lệ quan trọng. Hoặc giải thích một khái niệm kinh tế đúng trong điều kiện lý tưởng nhưng không nói rõ thực tế phức tạp hơn nhiều.
Sai loại 4 – Thông tin lỗi thời
AI có giới hạn về kiến thức theo thời gian (knowledge cutoff). Thông tin về sự kiện gần đây, số liệu thay đổi thường xuyên (dân số, GDP, giá cả), hay những phát triển mới trong khoa học AI có thể đưa ra thông tin cũ mà không báo trước.
Tại sao “nghe hợp lý” không đủ để tin
Não người có xu hướng tin vào thông tin được trình bày rõ ràng và mạch lạc đây là phản xạ tự nhiên giúp chúng ta xử lý thông tin nhanh trong cuộc sống thông thường.
Nhưng trong thời đại AI, phản xạ đó có thể gây hại vì AI rất giỏi tạo ra nội dung mạch lạc. Cảm giác “nghe hợp lý” không còn là tín hiệu đáng tin về độ chính xác.
Sách nhắc: “Câu chữ mạch lạc, lập luận rõ ràng, giọng điệu chắc chắn dễ khiến người đọc tin tưởng rằng nội dung đó đã được kiểm chứng. Nhưng sự trôi chảy của ngôn từ không đảm bảo cho độ chính xác của thông tin.”
Khi đọc câu trả lời AI, hỏi bản thân: “Mình đang tin vì mình đã hiểu và kiểm tra hay vì cách AI nói nghe tự tin?” Hai điều này khác nhau hoàn toàn.
Ba câu hỏi kiểm chứng đủ dùng
Kiểm chứng không có nghĩa là tra cứu hàng chục nguồn cho mọi thông tin. Đó là không thực tế và không cần thiết. Chỉ cần ba câu hỏi này cho những thông tin quan trọng:
Câu hỏi 1: Thông tin này dựa trên điều gì?
Nhìn xem câu trả lời AI đang dựa trên dữ kiện cụ thể, nghiên cứu có thật, ví dụ có thể kiểm tra hay chỉ là cách diễn đạt nghe hợp lý.
Dấu hiệu cần cẩn thận: câu trả lời không có nguồn cụ thể, AI nói “theo nghiên cứu cho thấy” mà không nói nghiên cứu nào, hay câu trả lời rất tự tin về điều bạn biết là phức tạp.
Câu hỏi 2: Có nguồn nào khác xác nhận không?
Không cần nhiều nguồn. Một nguồn độc lập khác sách giáo khoa, bài báo đáng tin, giáo viên xác nhận cùng thông tin là đủ để tăng đáng kể độ tin cậy.
Nếu bạn tìm mãi không thấy nguồn nào khác nhắc đến điều AI nói đó là dấu hiệu đáng nghi ngờ hơn.
Câu hỏi 3: Nếu thông tin này sai, hậu quả thế nào?
Câu hỏi này giúp bạn quyết định cần kiểm chứng đến mức nào – không phải mọi thông tin đều cần cùng mức kỹ lưỡng.
Thông tin dùng để hiểu tổng quan, không ảnh hưởng đến bài thi hay quyết định quan trọng có thể tin với mức độ cẩn thận thông thường.
Thông tin dùng trong bài kiểm tra, bài luận, hay quyết định thực tế cần kiểm chứng kỹ hơn.
Ứng dụng thực tế: Kiểm chứng nhanh theo loại thông tin
Ngày tháng, số liệu, tên riêng trong lịch sử hoặc khoa học: Luôn kiểm tra lại từ sách giáo khoa hoặc nguồn đáng tin. Đây là loại AI dễ sai nhất.
Công thức toán học hoặc quy tắc ngữ pháp: Kiểm tra xem công thức có thiếu điều kiện không. Thử áp dụng vào ví dụ cụ thể xem có ra kết quả đúng không.
Giải thích khái niệm: Thử giải thích lại bằng lời của mình. Nếu không giải thích được, chưa thực sự hiểu. Kiểm tra với sách giáo khoa xem có khớp không.
Thông tin thời sự hoặc số liệu hiện tại: AI có thể đang dùng dữ liệu cũ. Với thông tin nhạy cảm theo thời gian, tìm nguồn cập nhật hơn.
Sự kiện lịch sử: Cẩn thận với chi tiết cụ thể. Ý chính thường đúng, chi tiết hay nhầm.
Một thay đổi nhỏ trong thói quen đọc
Không cần biến mỗi lần dùng AI thành một buổi fact-checking. Điều đó vừa không thực tế vừa làm mất đi giá trị thật của AI.
Chỉ cần một thay đổi nhỏ: khi đọc câu trả lời AI và cảm thấy “à đúng rồi” quá nhanh nên dừng lại một chút.
Cảm giác yên tâm ngay lập tức khi đọc AI thường là lúc bạn đang tiếp nhận thụ động nhất. Đó chính xác là lúc cần một khoảng dừng nhỏ để hỏi: “Mình có thể kiểm tra điều này ở đâu không?”
Khoảng dừng nhỏ đó không làm bạn chậm đi nhiều. Nhưng theo thời gian, nó xây dựng thói quen đọc chủ động, thứ AI không thể thay thế và ngày càng có giá trị trong thế giới ngập tràn nội dung AI.
Câu hỏi thường gặp
Mình không có thời gian kiểm chứng mọi thứ. Nên ưu tiên kiểm chứng gì?
Ưu tiên theo hậu quả: thông tin dùng trong bài kiểm tra hay bài luận quan trọng cần kiểm chứng kỹ hơn thông tin chỉ để hiểu tổng quan. Thông tin gồm số liệu cụ thể, ngày tháng và tên riêng cần kiểm chứng hơn khái niệm chung. Thông tin về lĩnh vực bạn chưa biết gì cần kiểm chứng hơn lĩnh vực bạn đã có nền tảng.
AI có thể kiểm chứng lại câu trả lời của AI khác không?
Có thể dùng như một bước, nhưng không nên dừng ở đó. Các AI khác nhau được huấn luyện trên dữ liệu tương tự và có thể mắc cùng loại lỗi. Kiểm chứng thực sự cần nguồn độc lập với AI sách giáo khoa, trang web đáng tin, hoặc hỏi người có chuyên môn.
Nếu mình không chắc thông tin AI đưa ra đúng hay sai, nên làm gì?
Ghi rõ trong bài rằng đây là thông tin cần kiểm chứng thêm. Hỏi thầy cô. Hoặc đơn giản là không dùng thông tin đó cho đến khi xác minh được. Trong nhiều trường hợp, tốt hơn là không có thông tin còn hơn có thông tin sai.
Đọc tiếp: [AI là gì theo cách học sinh 12-18 tuổi cần hiểu] | [ChatGPT và các AI tạo sinh: Học sinh cần biết gì] | [Tại sao học sinh cần tư duy phản biện khi dùng AI? Giải thích cho con hiểu]
