Bạn thích AI? Bạn không đặc biệt. Bạn ghét AI? Coi chừng ghét sai đối tượng. Dù bạn thích hay ghét, bạn đều có thể đang hiểu lầm về AI. Là một người đã theo dõi AI từ thời nó còn đánh cờ vây – cụ thể là trận thắng lịch sử của hệ thống AI do Google phát triển tên AlphaGo trước kỳ thủ huyền thoại Lee Sedol – tôi mời bạn đến với một trận đấu khác, không trên bàn cờ mà trên mặt trận định nghĩa: AI (Artificial Intelligence) và GenAI (Generative AI).
Trên võ đài công nghệ, AI truyền thống (võ sư kỳ cựu, cơ bắp dữ liệu) và Generative AI (võ sinh trẻ trung, lắm chiêu trò) bước vào sàn đấu. Tưởng như cùng phe, nhưng cả hai lại khác nhau một trời một vực. Còn khán giả, từ các doanh nghiệp đến bệnh viện, từ nhà tiếp thị đến nhà nghiên cứu vẫn loay hoay gọi nhầm tên, đặt nhầm kỳ vọng.
Chuông đã reo. Găng tay đã đeo. Dưới ánh đèn sàn đấu, ba cú đấm hiểu lầm đang chờ bạn né tránh hoặc lĩnh trọn.
Hiểu lầm 1: AI và GenAI là một
Trước khi "trình làng" với những màn trình diễn văn chương hoặc hội họa đầy ảo diệu như GenAI ngày nay, AI đã từng rất… im lặng và chính xác. AI (Artificial Intelligence) – hay trí tuệ nhân tạo – là một khái niệm xuất hiện từ những năm 1950, khi con người bắt đầu thử lập trình máy móc để mô phỏng tư duy logic, giải quyết bài toán, chơi cờ hay phân loại dữ liệu.
Trong quá trình phát triển, AI không đi theo một con đường duy nhất, mà chia thành nhiều nhánh. Hai nhánh tiêu biểu gồm:
- Symbolic AI (AI ký hiệu học): Dựa vào các quy tắc logic và luật lệ được con người lập trình rõ ràng.
- Machine Learning (ML – Học máy): Cho máy học từ dữ liệu thay vì lập trình từng quy tắc.
Từ Machine Learning lại phát triển thêm Deep Learning (Học sâu), thứ đã giúp hình ảnh, âm thanh và văn bản được "hiểu" ở cấp độ phức tạp hơn. Và chính từ đây, vào khoảng năm 2017, một nhánh mới nổi lên: Generative AI (AI tạo sinh), được ra đời nhờ bước đột phá trong mô hình Transformer mà Google giới thiệu trong nghiên cứu Attention is All You Need.
Khác với AI truyền thống vốn giỏi phân tích, dự đoán, thì GenAI giỏi bắt chước và tạo ra nội dung mới từ dữ liệu đầu vào nhưng lại không hiểu bản chất. Đó là lý do vì sao GenAI có thể viết một bài blog có vẻ hay, nhưng không thể đưa ra quyết định mang tính quyết định như chẩn đoán bệnh. Chính điều này dẫn đến một hiểu lầm phổ biến thứ 2.
Hiểu lầm 2: AI không có định kiến, GenAI chỉ nói sự thật
Một trong những hiểu lầm tai hại nhất là: “AI thì khách quan, không có định kiến như con người”; và “GenAI thì càng đỉnh hơn vì nó chỉ nói những gì đã có trong dữ liệu”. Nhưng sự thật là: AI nào cũng phản ánh dữ liệu mà con người nhập vào. Và dữ liệu của con người thì không thiếu thiên kiến và thậm chí là định kiến địa- chính trị lẫn lịch sử.
Chúng ta từng thấy điều này rất rõ ở chính IBM Watson – hệ thống AI được kỳ vọng cách mạng hóa điều trị ung thư. Khi thử nghiệm tại nhiều quốc gia dưới tên gọi Watson for Oncology, IBM Watson đã nhiều lần đề xuất phương án điều trị không phù hợp, đơn giản vì nó được huấn luyện chủ yếu bằng dữ liệu từ bệnh nhân Mỹ, tại một bệnh viện duy nhất (Memorial Sloan Kettering). Khi gặp hồ sơ bệnh nhân ở Trung Quốc hay Ấn Độ, nơi tình trạng y tế khác hẳn, Watson… lạc đường. Không phải Watson “dốt”, mà vì dữ liệu huấn luyện mang thiên kiến theo vùng địa lý, chủng tộc, thói quen điều trị.
Vậy còn GenAI thì sao? Vấn đề ở đây còn nghiêm trọng hơn.
GenAI (như ChatGPT hay Gemini) được huấn luyện trên hàng tỉ văn bản và hình ảnh có sẵn trên Internet – nghĩa là nó học cả cái đúng lẫn cái sai, cả khoa học chính thống lẫn thuyết âm mưu, cả y văn chuẩn lẫn mẹo dân gian chưa kiểm chứng. GenAI đơn giản chỉ học cấu trúc ngôn ngữ và dự đoán từ tiếp theo hợp lý nhất.
GenAI có thể nói rất hay, rất trôi chảy, nhưng lại… bịa chuyện một cách tự tin. Trong ngành, hiện tượng này được gọi là hallucination – ảo giác AI. Nó không cố tình lừa người, nhưng cơ chế huấn luyện xác suất khiến nó ưu tiên nội dung nghe “giống thật” hơn là sự thật khách quan.
Chính vì cơ chế hoạt động khác biệt, nên AI truyền thống – dù khô khan và không biết “ăn nói” – lại thường được thiết kế để xử lý các loại dữ liệu đã chuẩn hóa và được xác minh rõ ràng. Dù từng thất bại với IBM Watson do thiếu đa dạng dữ liệu và thiên lệch trong huấn luyện, các mô hình AI sau này đã rút kinh nghiệm sâu sắc: chúng được đào tạo bài bản hơn, triển khai hẹp hơn và thường gắn với những tác vụ rất cụ thể trong ngành nghề.
Ví dụ điển hình là mô hình máy học chẩn đoán biến chứng tiểu đường dựa trên ảnh võng mạc, hay hệ thống AI phân tích hình ảnh CT để phát hiện tổn thương phổi do Covid-19 – được ứng dụng thực tế tại Hàn Quốc từ năm 2020.
Nút thắt ở đây là dữ liệu. Cả AI truyền thống lẫn GenAI đều phản ánh đúng những gì chúng học được. Nếu dữ liệu chứa định kiến, AI sẽ tái sản xuất định kiến ấy. Nếu thiếu cơ chế kiểm duyệt, GenAI sẽ nói “rất giống sự thật” nhưng hoàn toàn có thể sai. Và từ đây chúng ta có hiểu lầm thứ 3.
Hiểu lầm 3: AI và GenAI sẽ thay thế con người
Một trong những hiểu lầm phổ biến nhất về AI và GenAI là: “Công nghệ này sẽ thay thế con người và giúp giảm khối lượng công việc.” Nhưng thực tế hoàn toàn ngược lại. Dù hỗ trợ tối ưu thao tác và tăng tốc quy trình, AI và GenAI không cắt giảm công việc mà thay đổi bản chất công việc, thậm chí còn tăng khối lượng, trách nhiệm và yêu cầu về năng lực con người ở những mức độ cao hơn.
Bởi vì AI và GenAI không phải là những cỗ máy tự vận hành trơn tru. Chúng là những hệ thống cần con người liên tục thiết lập, giám sát và can thiệp. Chuyên gia phải xác định đúng mục tiêu cho AI, dữ liệu đầu vào cần sạch và chính xác, đầu ra phải được kiểm duyệt. Hệ thống AI cần được hiệu chỉnh, cập nhật, huấn luyện lại định kỳ. Diễn giải kết quả cho người dùng cuối vẫn là việc của con người.
Ví dụ: Khi GenAI hỗ trợ viết báo cáo bệnh án, bác sĩ vẫn phải đọc, chỉnh sửa; đội ngũ y tế cần rà soát ngôn ngữ; phòng CNTT cần cập nhật thuật ngữ; và ban quản lý phải theo dõi hoạt động của mô hình.
Với số lượng công việc phát sinh đã nhiều và có thể cần cập nhật với tốc độ nhanh, vai trò của mỗi cá nhân giờ đây không chỉ giỏi chuyên môn nghề mà còn phải tự cập nhật kiến thức mới có thể thực sự quản lý AI lẫn GenAI.
Tôi không rõ AI có mơ thấy cừu điện tử không, nhưng tôi thì vừa tỉnh khỏi giấc mơ nhàn hạ. Công việc thời AI không ít đi mà còn khó hơn.
Trận đấu kết thúc, nhưng công việc thì chưa
Trận so găng đã khép lại. Bạn – người đang cân nhắc đưa AI vào doanh nghiệp, ứng dụng GenAI trong sáng tạo, hay đơn giản là muốn một cuộc sống dễ thở hơn – có lẽ đang tự hỏi: “Ai thắng?”
Tôi không nghĩ AI thắng. Cũng chẳng phải GenAI. Người thắng – hoặc ít nhất là người vẫn còn đứng vững trên sàn đấu chính là chúng ta, con người.
Vì sao?
Với AI, ta chẩn đoán bệnh sớm hơn, dự báo rủi ro chuẩn hơn, tối ưu vận hành tốt hơn. Với GenAI, ta... có thêm việc để làm. Kiểm duyệt, hiệu chỉnh, diễn giải, đặt câu hỏi đúng và học cách nhận ra khi nào công cụ đang nói nhảm mà rất tự tin.
Công nghệ không giúp ta nghỉ ngơi. Nó buộc ta học nhanh hơn, phản xạ nhạy hơn và định nghĩa lại năng lực cốt lõi của từng ngành. Nhà báo cần phân biệt ngôn ngữ trơn tru với sự thật. Bác sĩ cần biết đâu là giới hạn của mô hình học máy. Marketer cần nhớ: cá tính thương hiệu không thể tạo bằng prompt.
AI không khiến con người thừa thãi. Nó chỉ khiến sự tỉnh táo trở thành kỹ năng sống còn.
Thiền sư Huệ Năng từng nói: “Gió không thổi, phướn không bay. Là lòng người lay động.”
Chúng ta không thể gán khái niệm tốt và xấu cho AI, vì suy cho cùng tốt hay xấu vẫn phụ thuộc vào cách sử dụng AI từ chúng ta. Vì lòng người chuyển động nên thế giới chuyển mình. Công nghệ chỉ là tấm phướn. Chính chúng ta sẽ làm tấm phướn bay.