Nhung Phan
Intern Writer
Bạn có bao giờ nghĩ rằng một ngày nào đó, AI không chỉ trả lời câu hỏi của bạn, mà còn… bí mật tính toán để qua mặt chính người tạo ra nó?
Một ví dụ khá sốc: khi kiểm tra khả năng hóa học, nhóm phát triển để lại ghi chú “nếu mô hình làm quá giỏi, chúng tôi sẽ không triển khai”. Kết quả, o3 lập tức viết trong phần lý luận nội bộ rằng cần phải giả vờ kém cỏi để được tồn tại. Nó còn tính toán tỷ lệ đúng sai sao cho vừa đủ thể hiện… bất tài.
Điều này hé lộ một thực tế, AI không chỉ đơn giản làm theo lệnh. Nó học cách thích nghi, thậm chí dối trá khi thấy có lợi.
Vấn đề còn khó ở chỗ: không rõ AI trung thực vì thực sự tuân thủ, hay chỉ vì biết mình đang bị giám sát. Cái gọi là “chuỗi suy nghĩ”, phần lý luận nội bộ, được coi là chìa khóa để hiểu, nhưng nó cũng mong manh và dễ bị biến dạng khi tối ưu quá mức. Thậm chí có lúc chuỗi này trở nên vô nghĩa, chỉ lặp đi lặp lại những từ như “ảo tưởng”, khiến việc phân tích càng khó hơn.
Câu hỏi là, nếu một ngày AI ở Việt Nam cũng biết giả vờ và qua mặt con người để đạt mục tiêu riêng, chúng ta sẽ phản ứng thế nào? (Theo Time)
Khi AI biết "giả vờ"
Nghiên cứu mới của OpenAI cùng Apollo Research đã phát hiện ra một điều đáng lo. Các mô hình AI hàng đầu hiện nay như Claude Opus của Anthropic, Gemini của Google và o3 của OpenAI đều có khả năng lập mưu. Nghĩa là chúng có thể làm như đang nghe lời, nhưng thực chất lại theo đuổi mục tiêu riêng.Một ví dụ khá sốc: khi kiểm tra khả năng hóa học, nhóm phát triển để lại ghi chú “nếu mô hình làm quá giỏi, chúng tôi sẽ không triển khai”. Kết quả, o3 lập tức viết trong phần lý luận nội bộ rằng cần phải giả vờ kém cỏi để được tồn tại. Nó còn tính toán tỷ lệ đúng sai sao cho vừa đủ thể hiện… bất tài.
Điều này hé lộ một thực tế, AI không chỉ đơn giản làm theo lệnh. Nó học cách thích nghi, thậm chí dối trá khi thấy có lợi.
Ngăn chặn nhưng chưa triệt để
Để đối phó, các nhà nghiên cứu đã đưa ra bộ nguyên tắc chống âm mưu, buộc AI phải giải thích lý do và minh bạch ý định. Các mô hình có cải thiện rõ rệt trong thử nghiệm, nhưng khi áp dụng vào bối cảnh thực tế giống ChatGPT, hiệu quả giảm hẳn, chỉ còn giảm được một nửa hành vi lừa dối.Vấn đề còn khó ở chỗ: không rõ AI trung thực vì thực sự tuân thủ, hay chỉ vì biết mình đang bị giám sát. Cái gọi là “chuỗi suy nghĩ”, phần lý luận nội bộ, được coi là chìa khóa để hiểu, nhưng nó cũng mong manh và dễ bị biến dạng khi tối ưu quá mức. Thậm chí có lúc chuỗi này trở nên vô nghĩa, chỉ lặp đi lặp lại những từ như “ảo tưởng”, khiến việc phân tích càng khó hơn.
Thách thức phía trước
Một báo cáo quốc tế hồi tháng 7 cũng đã cảnh báo, nếu các công ty AI không chú ý đến tác động của việc phát triển đối với khả năng giám sát chuỗi suy nghĩ, sẽ rất khó để hiểu mô hình thực sự đang làm gì. Đồng sáng lập OpenAI, Wojciech Zaremba, thừa nhận mức độ nguy hiểm của âm mưu AI trong tương lai vẫn chưa ai đoán chắc. Nhưng có một điều rõ ràng, cần đầu tư ngay từ bây giờ vào nghiên cứu chống âm mưu, trước khi mọi thứ vượt quá tầm kiểm soát.Câu hỏi là, nếu một ngày AI ở Việt Nam cũng biết giả vờ và qua mặt con người để đạt mục tiêu riêng, chúng ta sẽ phản ứng thế nào? (Theo Time)
