AI hallucination là gì? Nói đơn giản, đây là hiện tượng trí tuệ nhân tạo tạo ra những thông tin sai lệch hoặc hoàn toàn bịa đặt một cách tự tin, như là chúng đang “nhìn thấy” những thứ không có mặt. Bài viết này sẽ giúp bạn hiểu rõ AI hallucination là gì, vì sao nó xảy ra, cách nhận biết và giảm thiểu rủi ro.
AI Hallucination Là Gì? Định Nghĩa Đơn Giản
AI hallucination (tiếng Việt: ảo giác AI) là hiện tượng một hệ thống trí tuệ nhân tạo — đặc biệt là các mô hình ngôn ngữ lớn (LLM) như ChatGPT, Google Gemini, hay Claude — sinh ra câu trả lời sai sự thật hoặc không có cơ sở, nhưng lại trình bày một cách rất phức tạp, logic và đầy đủ tự tin.
Nếu bạn nghe ai hỏi “ảo giác tiếng Anh là gì” thì câu trả lời chính xác nhất là: AI hallucination — khoảng cách giữa những gì mô hình viết ra và những gì thực tế là sự thật.
Thử giống một người kiến thức rộng nhưng lại có thói quen “bịa” khi không biết rõ. Phần nguy hiểm nhất là những gì AI bịa ra thường nghe rất hợp lý, có cấu trúc đầy đủ, có cả trích dẫn và số liệu — khéo đến mức người đọc cũng phải nhầm tưởng.
Phân Biệt Giữa “Sai” Và “Ảo Giác”
Một câu trả lời sai có thể là do dữ liệu thiếu chính xác trong tập huấn luyện. Còn AI hallucination là danh riêng cho trường hợp AI chủ động tạo ra thông tin không liên quan đến dữ liệu thực tế, như là “nhìn thấy” cái gì đó. Không phải là nó copy dữ liệu sai, mà là nó phát minh ra cái mới.
Điều này liên quan gần đến khái niệm ảo giác AI mà KPMG đã phân tích trong báo cáo chính thức — chỉ riêng 45 trích dẫn AI tạo ra thì chỉ có 5 cái là đúng, còn lại 40 cái hoàn toàn giả lập.
Tại Sao AI Bị Ảo Giác?
Để hiểu nguyên nhân, chúng ta cần nhìn vào cách các mô hình ngôn ngữ lớn hoạt động. Không ai “dạy” AI nói dối. Nó chỉ đang dự đoán xem tiếp theo nên viết từ nào cho hợp lý nhất.
1. Bản Chất Của Mô Hình Ngôn Ngữ Lớn
LLM không phải là cơ sở dữ liệu. Nó không tra cứu thông tin như Google. Mà nó tính xác suất: “Sau chuỗi này, chữ nào chắc chắn xuất hiện nhất?”. Điều này có nghĩa là nó luôn phải sinh ra một thứ gì đó — và nếu nó không biết, nó sẽ sinh ra cái gì đó nghe có vẻ hợp lý nhất.
Kevin Murphy, một nhà nghiên cứu AI tại Google, đã mô tả rằng đây là bài toán next-token prediction. Bạn cũng có thể hiểu giống như chức năng autocomplete trên điện thoại — nhưng ở quy mô câu văn hoàn chỉnh. Nếu bạn gõ “Hôm nay trời…”, điện thoại sẽ gợi ý “đẹp” hoặc “mưa”. Nó không biết thời tiết hôm đó, nó chỉ đoán.
2. Dữ Liệu Huấn Luyện Có Chứa Thông Tin Sai Hoặc Xung Đột
Các mô hình như GPT-4 hay Gemini được huấn luyện trên hàng tỷ tài liệu: sách, báo, website, forum. Trong lượng lớn đó, chứa cả thông tin đúng lẫn sai, ý kiến cá nhân lẫn sự thật khách quan. Khi AI học từ nguồn này, nó cũng hấp thụ cả sự nhầm lẫn.
3. Không Có Cơ Chế Kiểm Chứng Sự Thật
Không giống con người có thể phân biệt “mình biết” và “mình không biết”, AI không có cơ chế tự báo. Geoffrey Hinton, từng đoạt giải Nobel 2024 về Vật lý cho công trình nền tảng AI, từng ý kiến rằng các mô hình hiện tại không có kỹ năng này. Khi được hỏi một câu mà nó không có dữ liệu, nó sẽ không nói “Tôi không biết” — nó sẽ tạo ra câu trả lời có vẻ thuyết phục nhất.
4. Hiện Tượng “Hallucination Cascade” (Tác Đồn)
Khi AI đã tung ra một thông tin sai ở đầu câu, các phần sau sẽ dựa vào để tiếp tục phát triển. Nó không thể quay lại sửa. Phải sắp xếp lời theo thời gian trong một câu chuyện để thể hiện sự tự tin của mình. Đây là lý do một câu trả lời bắt đầu sai có thể biến thành cả một đoạn văn đầy chi tiết sai lệch mà nghe vẫn rất logic.
Các Loại Ảo Giác AI Phổ Biến
Nghiên cứu phân loại ảo giác AI thành một vài nhóm chính:
1. Ảo Giác Sự Kiện (Factuality Hallucination)
AI phát biểu những sự kiện, ngày tháng, tên người, địa điểm không đúng. Ví dụ: “Albert Einstein sinh năm 1900” (thực tế: 1879) hoặc “Giáo sư Ngô Bảo Châu là người Việt Nam đầu tiên trúng giải Fields” (ông trúng giải năm 2010, nhưng đã nhiều người trúng trước đó trên thế giới).
2. Ảo Giác Trích Dẫn (Citation Hallucination)
Đây là trường hợp AI tạo ra trích dẫn hoặc tài liệu tham khảo hoàn toàn giả. Nó có thể ghi tên tác giả, tên sách, năm xuất bản, trang — tất cả đều nghe thật nhưng không tồn tại. Đây là dạng nguy hiểm nhất vì nó khiến người dùng tin ngay khi chưa kiểm chứng.
3. Ảo Giác Code (Code Hallucination)
Khi lập trình viên hỏi AI viết code, nó có thể gợi ý tên hàm hoặc thư viện không tồn tại. Mô hình có thể tạo ra một module hoặc package nghe rất hợp lý, có cả tài liệu hướng dẫn, nhưng khi chạy thì báo lỗi vì nó không có thật.
4. Ảo Giác Số Liệu (Numerical Hallucination)
AI có thể đưa ra các con số nghe cụ thể nhưng hoàn toàn là bịa. “Theo báo cáo của WHO năm 2023, 67% người Việt Nam từng dùng AI” — câu này nghe thuyết phục nhưng có thể cả ba yếu tố (WHO, 2023, 67%) đều là tưởng tượng.
5. Ảo Giác Logic (Logical Hallucination)
AI nói ra những câu có cú pháp đúng, ngữ pháp đúng, nhưng khi phân tích kỹ hơn thì logic không ổn định. Nó có thể đưa ra một luận giải quyết chính xác cho một bài toán toán học nhưng các bước trung gian lại sai lung tung.
Ví Dụ Thực Tế Nổi Tiếng
Ảo giác AI không phải là lý thuyết treo. Nó đã xảy ra ở quy mô lớn và gây ra những hậu quả thật.
1. Google Bard Sai Về Kính Viễn Vong JWST (Tháng 2/2023)
Trong buổi trình bày công khai Google Bard (tên cũ của Gemini), AI này được hỏi: “Kính viễn vọng James Webb (JWST) đã giúp con người phát hiện điều gì mới?”. Bard trả lời rằng JWST là kính đầu tiên chụp được ảnh hành tinh ngoài hệ mặt trời. Sai hoàn toàn — ảnh hành tinh ngoài hệ mặt trời đầu tiên được chụp năm 2004 bằng kính Very Large Telescope của ESO. JWST được phóng vào năm 2021.
Sự kiện này khiến cổ phiếu Alphabet (công ty mẹ của Google) giảm ngay 9% giá, tương đương mất khoảng 100 tỷ USD vốn hóa. Một câu sai lấy mất một tiền tỷ.
2. ChatGPT Bịa Citation Trong Bài Báo Khoa Học
Nhiều nhà nghiên cứu đã phát hiện rằng ChatGPT có xu hướng tạo ra trích dẫn hoàn toàn giả khi được hỏi về tài liệu khoa học. Trong một bài báo của tạp chí Nature năm 2023, các nhà khoa học đã kiểm tra 180 trích dẫn mà ChatGPT tạo ra: hơn 50% không tồn tại hoặc được gán cho tác giả sai, tên sách sai hoặc năm xuất bản không chính xác.
Điều nguy hiểm là những trích dẫn này nghe thật hơn cả tài liệu thật. Có tên tác giả đúng, năm đúng, chỉ có bài báo là không có thật.
3. Luật Sư Mỹ Dùng ChatGPT Cité Case Giả (2023)
Tháng 5/2023, luật sư Steven Schwartz của tổ luật Levidow, Levidow & Oberman tại New York đã nộp cho tòa án một bản trình lý bào chữa chứa 6 trích dẫn án lệ. Vấn đề là: cả 6 án lệ đều không tồn tại. ChatGPT đã tạo ra tên án lệ, số án, ngày phân xử, tên thẩm phán — tất cả là bịa.
Khi thẩm phán hỏi tại sao, Schwartz cho biết anh đã dùng ChatGPT để tìm án lệ tương tự và không biết ChatGPT có thể “bịa”. Tòa án đánh phạt ông 5.000 USD và buộc phải thông báo cho khách hàng. Sự kiện này trở thành bài học xót xa cho ngành luật pháp.
4. KPMG Phát Hiện 45 Trích Dẫn AI Chỉ 5 Cái Đúng
Trong một nghiên cứu do KPMG thực hiện, khi yêu cầu AI tạo ra 45 trích dẫn về một chủ đề nhất định, chỉ có 5 trích dẫn là đúng thật. 40 trích dẫn còn lại hoặc không tồn tại, hoặc gán cho người sai, hoặc đưa thông tin sai. Tỷ lệ sai lên đến 89%.
Cách Nhận Biết Và Giảm Thiểu Ảo Giác AI
Không thể loại bỏ hoàn toàn ảo giác AI, nhưng bạn có thể giảm thiểu đáng kể bằng một số phương pháp thực tế.
Dấu Hiệu Nhận Biết
Đây là các dấu hiệu để nhận ra AI đang “ảo giác”:
- Quá tự tin, quá chi tiết: AI đưa ra số liệu cực kỳ cụ thể mà không đề cập nguồn. “87.3% người dùng cho rằng…” — cần cảnh giác ngay.
- Trích dẫn nghe thật nhưng không thể kiểm chứng: Copy danh trích dẫn, paste vào Google. Nếu không có kết quả nào trùng khớp, đó gần chắc chắn là bịa.
- Nội dung thay đổi theo cách hỏi: Nếu bạn hỏi cùng một câu theo 2 cách khác nhau mà được 2 câu trả lời trái ngược, cẩn thận.
- Thiếu nguồn tham khảo: AI cho câu trả lời dài hơn 500 chữ mà không đề cập bất kỳ nguồn nào — có thể là “sáng tác”.
Phương Pháp Giảm Thiểu
Một số biện pháp hiệu quả:
- Luôn kiểm chứng (cross-check): Dùng Google hoặc công cụ tìm kiếm để xác minh thông tin quan trọng. Đặc biệt là số liệu, ngày tháng, và trích dẫn.
- Hỏi AI đưa ra nguồn: Yêu cầu AI cung cấp URL hoặc tên tài liệu cụ thể. Sau đó bạn tự kiểm tra xem nguồn đó có thật không.
- Chia nhỏ câu hỏi: Thay vì hỏi một câu lớn, chia thành nhiều câu nhỏ. Giảm khả năng AI “lấp đầy” thông tin sai.
- Dùng RAG (Retrieval-Augmented Generation): Nếu bạn dùng AI cho công việc, tích hợp RAG để AI tra cứu từ cơ sở dữ liệu riêng thay vì tự đoán.
- Thêm hướng dẫn “Nếu không chắc, hãy nói không biết”: Thêm vào system prompt câu này. Đơn giản nhưng hiệu quả bất ngờ.
- Không tin 100%: Đây là nguyên tắc quan trọng nhất. AI là trợ lý, không phải chuyên gia. Luôn giữ tư duy phản biện.
Vì Sao Không Thể Khắc Phục Hoàn Toàn?
Nhiều người hỏi: “Sao không lập trình AI để nó không bao giờ bịa?”. Câu trả lời nằm ở bản chất của công nghệ.
LLM được xây dựng trên nguyên tắc xác suất, không phải xác thực. Mô hình không lưu trữ thông tin như một cơ sở dữ liệu. Nó lưu trữ “kiến thức” dưới dạng xác suất: “Chữ B theo sau chữ A với xác suất X%”. Điều này làm cho việc chính xác 100% là điều không thể.
Ngay cả các mô hình mới nhất như GPT-4o, Claude 4, hay Gemini 2.0 Pro vẫn có tỷ lệ ảo giác nhất định. OpenAI và Google đều đang cố gắng giảm thiểu thông qua quá trình reinforcement learning from human feedback (RLHF) — tức là dùng người chấm điểm câu trả lời để dạy AI biết cái nào là “bịa”. Nhưng cho đến khi nào công nghệ cơ bản thay đổi, ảo giác sẽ vẫn là một đặc trưng “cố hữu” của AI.
Kết Luận
AI hallucination là một hiện tượng mặt của những cũng là điểm yếu không thể tránh của trí tuệ nhân tạo hiện nay. Hiểu rõ AI hallucination là gì giúp chúng ta sử dụng AI thông minh hơn — tin tưởng vào những gì AI giỏi (như viết, tổng hợp ý tưởng, lập trình) nhưng luôn kiểm chứng những gì AI không giỏi (như sự thật lịch sử, trích dẫn khoa học, số liệu thống kê).
Nguyên tắc đơn giản: AI là trợ lý, không phải chuyên gia. Hãy dùng AI như một công cụ tăng hiệu suất, nhưng vẫn giữ vững tư duy phản biện và kiến thức riêng của bạn. Khi đó, ảo giác AI sẽ không còn là rủi ro, mà chỉ là một đặc tính chúng ta biết cách sống chung.
