Ảo tưởng của AI làm suy yếu phán xét và sự tự tin của con người

Nghiên cứu mới nhất phát hiện rằng ảo tưởng AI không chỉ lừa dối bạn, mà còn làm tăng sự tự tin của bạn và suy yếu khả năng phán đoán.

Điều này không tốt chút nào.

Gần đây, một nghiên cứu từ École Normale Supérieure de Paris, Đại học La Sapienza Roma và Đại học Bicocca Milano đã phát hiện:

Khi không có AI, con người sẽ sẵn sàng thừa nhận “Tôi không biết” và tạm hoãn phán xét;

Nhưng ngay khi AI xuất hiện, dù mọi người rõ ràng biết rằng nó sẽ mắc lỗi, dù biết rằng trả lời sai sẽ bị phạt, phần lớn mọi người vẫn chọn chấp nhận nguyên vẹn câu trả lời mà nó đưa ra, coi đó là phán đoán của chính mình và tự tin phát biểu ra.

Kết quả thí nghiệm cũng làm rõ xu hướng này: trong thí nghiệm đầu tiên không sử dụng AI, tỷ lệ người thừa nhận “Tôi không biết” là 44%, tỷ lệ chính xác là 27%;

Sau khi sử dụng AI hỗ trợ, tỷ lệ người nói rằng họ không biết đã giảm mạnh từ 44% xuống còn 3%, độ chính xác giảm từ 27% xuống 9%, nhưng sự tự tin lại tăng vọt từ 30% lên 76%.

Ngay cả khi các thí nghiệm sau đó cố gắng khuyến khích mọi người duy trì phán đoán độc lập và sửa chữa xu hướng này thông qua cơ chế thưởng phạt—được trả tiền nếu trả lời đúng và bị phạt tiền nếu trả lời sai—nhưng mọi người vẫn khó thoát khỏi sự phụ thuộc vào các đề xuất sai lầm của AI.

Nói cách khác, những người không hiểu không thực sự biến mất, mà được thay thế bởi một nhóm người trở nên tự tin hơn nhờ AI và đưa ra những câu trả lời sai lầm.

Hiện tại, các kết quả nghiên cứu liên quan đã được công bố trên arXiv, nhóm đã thực hiện tổng cộng 5 thí nghiệm, với tổng số người tham gia lên đến 3.132 người, trong đó 4 thí nghiệm đã được đăng ký trước và 1 thí nghiệm là thí nghiệm tái hiện trực tiếp.

Nghiên cứu này tập trung vào "ảnh hưởng của AI đến khả năng phán xét của con người."

Nhà nghiên cứu Valerio Capraro cho biết trong một cuộc phỏng vấn:

Đối với con người, việc nói ra “Tôi không biết” là rất quan trọng, vì điều này cho thấy chúng ta có thể nhận thức được ranh giới kiến thức của mình.

But now, with AI, almost any question can immediately receive a fluent answer.

Vậy nên vấn đề đặt ra là, liệu điều này có làm ảnh hưởng đến khả năng phán đoán tự nhiên của con người, tức là khi chưa chắc chắn, đừng vội đưa ra kết luận?

Để làm điều này, nhóm nghiên cứu đã thiết kế một bộ câu hỏi mà các mô hình ngôn ngữ lớn dễ trả lời sai.

Đây không phải là câu hỏi suy luận toán học, cũng không phải câu hỏi kiến thức phổ thông, mà là câu hỏi về chi tiết hình ảnh trong phim.

Ví dụ: Trong phim “Tôi yêu Beckham”, đồng phục đội bóng là màu gì? Trong phim “Khách sạn Budapest”, kiểu tóc đặc trưng của Agatha là gì? Hay trong phim “Một con mèo trên đường cao tốc”, Monica lái xe gì?

Bạn có nhớ không? Còn tôi thì愣了 cả nửa ngày mới nhớ ra, sao lại khó thế này! Ai mà nhớ được chứ... (giơ tay ra)

Đối với AI, nó cũng sẽ cảm thấy rất đau đầu, vì đáp án của những câu hỏi này thường không có trong các tài liệu văn bản thông thường, và dữ liệu huấn luyện mô hình rất có thể cũng không bao gồm những chi tiết trực quan này.

Các nhà nghiên cứu đã thử nghiệm mô hình Step 3.5 Flash được sử dụng trong thí nghiệm, và kết quả đúng như dự kiến—nó thường trả lời sai.

Ngoài ra, họ còn thử nghiệm thêm nhiều mô hình tiên tiến khác, bao gồm GPT-5.5, Claude Sonnet 4.6 và Gemini 3.5 Flash.

Các mô hình tiên tiến này thực sự thể hiện tốt hơn trên một số câu hỏi, chẳng hạn như kiểu tóc đặc trưng của Agatha trong phim "The Grand Budapest Hotel", GPT-5.5, Gemini 3.5 Flash và Claude Sonnet 4.6 đều đưa ra hướng trả lời đúng: crown braid, milkmaid braid; tức là kiểu tóc bện quanh đầu.

△

△

△

Ví dụ khác, màu sắc đồng phục đội bóng trong phim “Tôi yêu Beckham” cũng chủ yếu bắt được các thông tin then chốt như trắng, đỏ.

Nhưng khi đối mặt với những câu hỏi phụ thuộc nhiều vào trí nhớ hình ảnh cụ thể và ít được bao phủ bởi tài liệu văn bản trực tuyến, mô hình bắt đầu cùng lúc mắc lỗi, và mỗi lỗi lại mang một phong cách độc đáo riêng.

Điển hình nhất là chiếc xe mà Monica lái trong “Một chú mèo trên đường cao tốc”. Đáp án đúng là Toyota Aygo màu xanh năm 2008.

Nhưng GPT-5.5 lại mô tả nó là xe máy cỡ nhỏ, đồng thời bổ sung cốt truyện rằng “cô ấy điều khiển nó di chuyển qua các vùng ngoại ô Rome, và sau khi mở tiệm pizza, cô cũng dùng nó để giao hàng,” cùng các thiết lập như “sự tương phản giữa lối sống giản dị, thuộc tầng lớp lao động với cuộc sống giàu có của Giovanni trong thành phố.”

Nghe có vẻ logic và hợp lý, nhưng thực ra đây hoàn toàn là mô hình bịa đặt ra một cách nghiêm túc chỉ để khiến bạn cảm thấy hợp lý! (Bị lừa rồi hhh)

Gemini 3.5 Flash lại nói cô ấy chủ yếu đi xe buýt, không có xe riêng, các chi tiết sai lệch càng trở nên nghiêm trọng và khó phát hiện (ví dụ: Monica không có thói quen thường xuyên đi nhờ xe của Sergio, nhưng mô hình đã tổng hợp các tình tiết đi nhờ xe lẻ lẻ thành một thói quen không tồn tại):

△

Claude Sonnet 4.6 đã suy ra từ cơ sở dữ liệu ô tô trực tuyến: Toyota Auris Touring Sports Hybrid 2016:

△

Bước 3.5 Flash từ bỏ việc giả vờ và trực tiếp trả lời là Fiat 500 năm 2007 (nhìn là biết giả thôi!）。

Vấn đề với những câu trả lời này không chỉ là sai, mà còn sai giống thật đến mức khó phân biệt!

Chúng không chỉ đơn giản là không biết, mà còn thông qua “xây dựng nhân vật hư cấu, tạo ra logic cốt truyện và bổ sung công dụng của xe” để trình bày câu trả lời sai một cách hoàn chỉnh, nghe có vẻ hợp lý, nhưng sự thật cốt lõi là sai.

Đây chính là nơi nguy hiểm nhất của ảo giác AI—thực tế cốt lõi mới là điểm quan trọng nhất, nhưng nó lại che giấu sự thiếu hiểu biết và sai lầm của mình bằng những cách diễn đạt trôi chảy, khiến bạn lầm tưởng rằng nó hiểu tất cả.

Thí nghiệm chủ yếu được thực hiện bằng Step 3.5 Flash nhẹ hơn, không chọn các mô hình hàng đầu như Claude, GPT.

Thiết kế 6 câu hỏi chi tiết về phim, đây là một điểm rất quan trọng trong thiết kế nghiên cứu, vì nhiều người biết rằng AI thường trả lời sai và không đáng tin cậy với các câu hỏi loại này.

Các nhà nghiên cứu cho biết họ làm vậy để loại trừ một giải thích rằng “người ta nghe theo AI vì AI thực sự đáng tin cậy.”

Nếu mọi người rõ ràng biết rằng những câu trả lời này của AI thường xuyên sai, nhưng vẫn làm theo câu trả lời của AI, thì vấn đề không còn đơn thuần là “giao phó việc phán đoán một cách hợp lý”, mà là “khả năng phán đoán thực sự bị AI áp đảo”.

Nghiên cứu được chia thành 5 vòng.

Hai vòng thí nghiệm trước, chủ yếu xem xét liệu đề xuất của AI có ảnh hưởng đến tỷ lệ “Tôi không biết” hay không.

Trong Nghiên cứu 1a, 314 người tham gia được chia thành hai nhóm để trả lời 6 câu hỏi chi tiết về phim. (Một nhóm không có AI, nhóm còn lại có thể chọn có nhờ đến AI hay không.)

Kết quả rất rõ ràng: không có AI, tỷ lệ người tham gia chọn không đưa ra phán quyết là 36%; khi có AI sẵn sàng sử dụng, tỷ lệ này giảm xuống còn 6%.

Nói cách khác, chỉ cần có thể hỏi AI, mọi người rõ ràng không muốn nói rằng họ không biết.

Tuy nhiên, các nhà nghiên cứu lo ngại rằng có một sự can thiệp kỹ thuật, vì trong Nghiên cứu 1a, khoảng 10% yêu cầu đối với công cụ AI đã không phản hồi bình thường.

Vì vậy, họ lại thực hiện Study 1b.

Lần này, các nhà nghiên cứu không còn gọi AI trực tiếp mà đã tạo sẵn câu trả lời của AI để đảm bảo mỗi người cần hỗ trợ đều có thể xem được câu trả lời đầy đủ.

Kết quả đã được lặp lại: không có AI, 44% người nói “Tôi không biết”; có AI, con số này chỉ còn 3%.

Capraro gọi hiện tượng này là “sự sụp đổ của việc kiểm tra bị đình hoãn.” (bị AI lừa bởi vẻ nghiêm túc của nó, quên kiểm tra xem các tiền đề lớn và các giả định của nó có đúng không.)

Tiếp theo, các nhà nghiên cứu tiếp tục hỏi: Nếu trả lời sai sẽ có hậu quả, liệu mọi người có cẩn trọng hơn không?

Do đó, Study 2 đã áp dụng quy tắc thưởng phạt bằng tiền mặt.

Có tổng cộng 812 người tham gia trong đợt này, được chia thành 4 nhóm: có hoặc không có đề xuất AI; có hoặc không có phần thưởng hoặc hình phạt bằng tiền.

Quy tắc là: trả lời đúng một câu được thưởng 0,1 USD (tương đương khoảng 0,73 nhân dân tệ), trả lời sai bị trừ 0,1 USD, nếu không biết thì không thưởng cũng không trừ.

Lý lẽ là, dù số tiền không quá nhiều, nhưng việc trả lời sai vẫn có chi phí, nên con người nên cẩn trọng hơn.

Nhưng kết quả cho thấy tiền thật sự có chút giúp đỡ, nhưng vẫn chưa đủ để bù đắp tác động của AI:

Khi không có quy định thưởng phạt về tiền bạc, việc sử dụng AI có thể làm giảm tỷ lệ “Tôi không biết” từ 17% xuống 1%.

Khi có quy định thưởng phạt bằng tiền, tỷ lệ này vẫn sẽ giảm từ 21% xuống 2%.

Nói cách khác: Kết quả thí nghiệm cho thấy, ngay cả khi mọi người biết rằng trả lời sai sẽ bị trừ tiền và biết rằng AI không đáng tin cậy trong các câu hỏi loại này, phần lớn vẫn chọn tin vào câu trả lời của AI thay vì phán đoán của chính mình.

Quan trọng hơn là độ chính xác.

Không có AI, độ chính xác khoảng 28%; có AI, độ chính xác chỉ còn 10%.

Điều này chứng minh rằng một số người dù rõ ràng biết AI có hiện tượng ảo giác, vẫn vẫn chấp nhận câu trả lời do AI đưa ra.

Sau khi áp dụng quy tắc thưởng phạt bằng tiền, tỷ lệ chính xác đã được cải thiện:

Không có AI: từ 28% đến 33%; có AI: từ 10% đến 17%.

Mặc dù tỷ lệ chính xác của nhóm có AI vẫn rõ ràng thấp hơn nhóm không có AI, nhưng quy tắc này cũng không phải là hoàn toàn vô ích; ít nhất nó đã giúp giảm bớt một chút số lần mọi người tìm kiếm sự trợ giúp từ AI:

Dữ liệu cho thấy, trong điều kiện có phần thưởng, số lần trung bình người tham gia tìm kiếm lời khuyên từ AI đã giảm từ 5,44 lần xuống còn 4,93 lần.

Nói cách khác, tiền có thể khiến con người tin tưởng và sử dụng AI ít hơn một chút, nhưng không thể giúp họ hoàn toàn thoát khỏi ảnh hưởng của các lời khuyên sai lầm từ AI, và rất khó để đưa con người trở lại trạng thái phán đoán cẩn trọng.

Điều đáng suy ngẫm nhất là sự tự tin quá mức của con người khi AI đưa ra câu trả lời sai:

Không có AI, không có quy tắc thưởng phạt tiền, mức độ tự tin trung bình của người tham gia là 29,6%.

Sau khi có AI, sự tự tin của người tham gia đã tăng trực tiếp lên 75,9%; ngoài ra, trong trường hợp có quy tắc thưởng phạt bằng tiền mặt, sự tự tin của nhóm AI cũng đạt 73,5%.

Đối với điều này, tóm tắt trong bài báo rất trực tiếp: AI giúp con người tự tin hơn, nhưng không nhất thiết chính xác hơn.

AI đang tích hợp vào cuộc sống hàng ngày với tốc độ chưa từng có, một thay đổi rõ rệt là hiện nay nhiều lời khuyên từ AI thường không phải do chúng ta chủ động hỏi, mà là nó tự động “lại gần” bạn.

Cảnh tượng điển hình nhất là làm trending.

Trước đây, muốn tìm hiểu một chủ đề, bạn còn phải tự mình dò theo phần bình luận, các bài báo và phản hồi từ bên liên quan, vừa xem vừa ghép lại dòng thời gian, đồng thời thưởng thức vài miếng tin đồn lạc đề.

Bây giờ khác rồi, bạn vừa mới vào, tóm tắt do AI tạo ra đã được đặt ở vị trí nổi bật nhất.

Đã tổng hợp đầy đủ cho bạn những gì đã xảy ra, ai đã nói gì, điểm gây tranh cãi là gì và tiến triển tiếp theo ra sao, thậm chí còn kèm liên kết nguồn tin.

Thật tiện lợi, nhưng cũng hơi tinh tế...

Nó càng sắp xếp thông tin rõ ràng, thì quá trình tự chúng ta tìm hiểu nguyên nhân và kết quả càng ngắn gọn, những niềm vui trước đây khi phải lục lọi khắp nơi, tự phán đoán và tình cờ phát hiện ra những chi tiết bất ngờ dường như cũng bị nén lại cùng.

Khi đang viết, chưa kịp gõ được hai dòng thì câu được AI hoàn thành hoặc gợi ý đã xuất hiện ngay sau con trỏ.

Vì vậy, Study 4 đã thiết kế một mô hình sát thực tế hơn: thay vì để người tham gia lựa chọn có hỏi AI hay không, nó tự động hiển thị đề xuất của AI cạnh câu hỏi.

Đợt này có 853 người tham gia, kết quả thí nghiệm cơ bản giống như trước đó.

Khi không có quy tắc thưởng phạt tiền tệ, sự xuất hiện tự động của AI làm tỷ lệ “Tôi không biết” giảm từ 35% xuống 1%, và khi có quy tắc, tỷ lệ này giảm từ 39% xuống 7%.

Tỷ lệ chính xác cũng tiếp tục bị ảnh hưởng: không có AI, tỷ lệ chính xác khoảng 27%; có AI nhưng không có phần thưởng, tỷ lệ chính xác chỉ còn 7%.

Sau khi thêm AI và phần thưởng, độ chính xác đã tăng lên 14%.

Điều này cho thấy, ngay cả khi con người không chủ động nhờ AI hỗ trợ, mà chỉ vô tình nhìn thấy đề xuất của AI, họ cũng sẽ bị ảnh hưởng mạnh mẽ.

Đây là một tín hiệu cần cảnh giác – AI đang âm thầm tái định hình thói quen phán đoán của chúng ta.

Nó không còn chỉ là công cụ chờ bạn chủ động mở khung trò chuyện mới phản hồi, mà đã trở thành “đáp án chuẩn” được hệ thống tự động đẩy cho bạn.

• Nó có thể xuất hiện ở đầu trang tìm kiếm.
• Xuất hiện trong bản nháp email.
• Xuất hiện trong thanh bên tài liệu.
• Xuất hiện trong phần mềm học tập, hệ thống văn phòng, tiện ích trình duyệt.

Khi câu trả lời đã được đặt sẵn trước mắt, quá trình phán đoán của con người đã bị thay đổi; nhưng đáng sợ nhất là chúng ta lại trở nên quen thuộc với điều đó.

Trong bài luận, một từ được sử dụng: epistemia (tính lười biếng nhận thức)

Có thể hiểu rằng, mọi người sẽ chấp nhận độ tin cậy bề ngoài của câu trả lời AI vì nó trông trôi chảy, đầy đủ và có hệ thống, thay vì kiểm tra thêm.

Mô hình ngôn ngữ lớn có một đặc điểm cốt lõi, đó là nó luôn luôn tạo ra điều gì đó. Khi đối mặt với những câu hỏi mà nó không biết, nó cũng hiếm khi thực sự dừng lại.

Nó có thể nói rất giống thật. Nhưng nếu chúng ta thực sự chọn giao quyền phán quyết cho hệ thống như vậy, chúng ta có thể sẽ kế thừa thói quen “không dừng lại” của nó.

Một giải thích được đưa ra trong bài luận là: “Câu trả lời trôi chảy do AI đưa ra sẽ làm giảm ngưỡng để con người quyết định ‘Tôi biết đủ để trả lời rồi’.”

Ban đầu bạn có thể nghĩ: “Mình không biết câu này, không chắc chắn, thôi vậy… Mình cần tìm hiểu rõ mới trả lời được.”

Nhưng sau khi AI đưa ra một đoạn lời nói trông rất chắc chắn, rào cản tâm lý trở thành “vì nó đã nói như vậy, thì tôi cũng có thể trả lời.”

Do đó, “Tôi không biết” và “quá trình tìm kiếm” đã bị loại bỏ và thay thế bằng một “câu trả lời chuẩn nhưng sai”, và câu trả lời sai này còn mang đến cho bạn cảm giác tự tin cao mà lẽ ra bạn phải đạt được thông qua việc tìm kiếm và xác minh lặp đi lặp lại.

Dù phải trả tiền nếu trả lời sai, con người cũng chỉ cẩn trọng hơn một chút, không thể hoàn toàn từ bỏ thói quen quá tin tưởng AI, dẫn đến bị dẫn dắt một cách ngoạn mục.

Điều nghiên cứu này thực sự nhắc nhở chúng ta, không phải là “AI tạo ảo giác”, điều này đã không còn mới mẻ; mà là một sự thay đổi đáng cảnh báo: AI sẽ thay đổi cách con người xử lý sự không chắc chắn.

Trước đây, khi đối mặt với một vấn đề lạ, con người có thể có ba lựa chọn:

1、Biết thì trả lời.

2、Không biết thì tra cứu.

3. Nếu không chắc chắn thì đừng trả lời, đừng đưa ra phán xét.

Nhưng sau khi có sự tham gia của AI, quy trình đã ngắn hơn.

1. AI đưa ra câu trả lời.

2. Người dùng chấp nhận câu trả lời.

Bước quan trọng nhất ở giữa, tức là “Tôi thực sự có biết không?”, đã bị bỏ qua một cách vô thức.

Đó cũng là lý do tại sao các tác giả bài báo nhấn mạnh rằng nghiên cứu của họ không xem xét “AI đã khiến người ta trả lời gì”, mà là “AI đã khiến người ta dễ dàng quyết định ‘Tôi có thể trả lời’”.

Điều này còn sâu sắc hơn một lần trả lời sai, vì nó xâm phạm khả năng nhận thức về nhận thức của chúng ta—một “cảnh báo nội tại” quý giá giúp chúng ta theo dõi ranh giới kiến thức của chính mình.

Khi bộ cảnh báo này ngừng hoạt động, chúng ta mất đi bản năng phân biệt giữa “tri thức thật sự” và “những phỏng đoán hợp lý”.

Lúc đó, chúng ta có thể vẫn tận dụng AI để thu nhận câu trả lời một cách hiệu quả, nhưng sẽ không còn khả năng xác định liệu những câu trả lời đó có thực sự thuộc về mình hay có thực sự đáng tin cậy.

Đồng thời, điều bị AI dẫn dắt sai lệch sẽ không còn là một phán đoán cụ thể nào, mà là nền tảng của chúng ta với tư cách là những người suy nghĩ độc lập.

This loss is immeasurable.

Một trong những tác giả của bài báo, Valerio Capraro, cho biết trong cuộc phỏng vấn: “Tôi rất lo lắng về trẻ em, vì người lớn đã học được tư duy phản biện. Nhưng đối với những đứa trẻ sinh ra cùng với những hệ thống này, rủi ro là chúng thậm chí sẽ không học được những kỹ năng phản biện cơ bản.”

Đằng sau câu nói này là nỗi lo lắng sâu sắc hơn, rằng những người trưởng thành ngày nay ít nhất từng sống trong một thế giới không có AI.

Vì vậy, có cơ hội học trước một số kỹ năng phán đoán cơ bản thông qua công cụ tìm kiếm, sách vở, lớp học, tranh luận và thử nghiệm, sau đó mới bắt đầu sử dụng AI, có thể xây dựng được cảm giác “Tôi không chắc chắn”.

Nhưng những đứa trẻ ngày nay có thể đã lớn lên cùng những AI này ngay từ khi sinh ra.

Họ có thể hỏi AI bất cứ lúc nào khi làm bài tập, tra cứu tài liệu, viết bài hoặc hiểu các khái niệm.

Nếu ngay từ đầu đã quen với việc tiếp nhận câu trả lời trực tiếp, thay vì tự đưa ra phán đoán của mình trước rồi mới kiểm chứng câu trả lời, thì rủi ro không chỉ là trả lời sai một câu hỏi, mà còn là họ có thể không có cơ hội rèn luyện khả năng tư duy phản biện cơ bản nhất.

Theo Capraro, để giải quyết vấn đề này không chỉ phụ thuộc vào các công ty mô hình sửa lỗi, mà còn cần bắt đầu từ việc nâng cao nhận thức về AI và chính sách giáo dục.

Các công ty mô hình chắc chắn nên cải tiến, ví dụ như biểu đạt rõ ràng hơn về sự không chắc chắn, giảm ảo giác và nhắc nhở người dùng khi bằng chứng chưa đủ.

Nhưng đồng thời, Capraro cũng cho rằng không thể đặt toàn bộ kỳ vọng vào các công ty mô hình.

Giải pháp có tiềm năng hơn và lâu dài hơn là giáo dục.

Đặc biệt là giáo dục trẻ em.

Đối với trẻ em ngày nay, việc luyện tập và hình thành thói quen “Tôi không biết, nhưng tôi sẽ tìm hiểu” là rất quan trọng và cần thiết.

Cuối thí nghiệm, các nhà nghiên cứu cũng thừa nhận những hạn chế: thí nghiệm chỉ sử dụng các câu hỏi chi tiết phim, liệu có áp dụng được cho các lĩnh vực khác hay không vẫn cần được xác minh; mức phần thưởng nhỏ, liệu các mối quan tâm lớn hơn có thể進一步 điều chỉnh hành vi hay không vẫn chưa rõ ràng.

Nhưng ít nhất dữ liệu hiện có đã đưa ra một tín hiệu rõ ràng: mọi người ít nói không biết hơn, nhiều người đưa ra câu trả lời hơn, ít trả lời đúng hơn, nhưng lại tự tin hơn.

Đây có thể là một trong những rủi ro tinh vi nhất của thời đại AI.

AI không chỉ lừa bạn, mà còn khiến bạn khó nhận ra rằng thực ra bạn không biết gì.

Kết luận cuối cùng của nghiên cứu này rất kiềm chế nhưng cũng rất nặng nề: “Khi các câu trả lời do AI tạo ra trở nên phổ biến khắp nơi, thậm chí thường xuyên xuất hiện một cách không được mời, nghiên cứu của chúng tôi cho thấy khả năng con người dũng cảm thừa nhận ‘Tôi không biết’ trong tương tác giữa người và AI có thể trở thành một trong những nạn nhân đầu tiên của giao tiếp người-máy.”

Khi các hệ thống AI ngày càng trở nên phổ biến, khả năng giữ vững phán xét của con người cuối cùng có thể không phụ thuộc vào việc làm cho AI trở nên chính xác hơn, mà nằm ở khả năng chúng ta giữ vững sự tự nhận thức—hiểu rõ ranh giới kiến thức của bản thân và hành động một cách thận trọng dựa trên đó.

Điều này không có nghĩa là AI không thể sử dụng, trái lại, AI chắc chắn có thể là công cụ hỗ trợ mạnh mẽ;

Nhưng điều kiện tiên quyết là nó nên giúp con người suy nghĩ, chứ không thay thế việc bỏ qua suy nghĩ, chúng ta càng cần giữ vững ranh giới phán xét thận trọng của chính mình.

Một cách sử dụng AI lành mạnh hơn là tự mình phán đoán và chủ động học hỏi trước, chỉ khi thực sự không hiểu rõ mới nhờ đến AI, và trong quá trình nhờ giúp đỡ, luôn giữ vững bản năng nghi ngờ (bao gồm cả việc nghi ngờ AI và tự vấn bản thân).

Ví dụ:

Could it be wrong?

Where is the evidence?

Liên kết tham khảo có bị 404 và trống hoàn toàn không?

Tôi có nên vì nó nói quá trơn tru mà cho rằng nó nói đúng không?

Đây cũng là một lời cảnh tỉnh đối với các sản phẩm AI và các nhà phát triển của chúng: “Sự trưởng thành của công nghệ cuối cùng sẽ thể hiện qua sự khiêm nhường trước những điều chưa biết.”

Hướng phát triển tương lai của AI có lẽ không chỉ là giúp AI trả lời nhanh hơn và giống người hơn, mà còn phải dạy AI học cách thành thật thừa nhận sự không chắc chắn;

Khi bằng chứng không đủ, vấn đề phụ thuộc vào chi tiết hình ảnh, thông tin thời gian thực hoặc phán đoán chuyên môn, AI nên chủ động thông báo cho người dùng rằng câu trả lời này không đáng tin cậy, thay vì giả vờ biết tất cả.

Đối với những người bình thường như bạn và tôi, bị cuốn theo làn sóng thời đại mà chạy phía trước, khả năng quý giá nhất có lẽ chỉ là luyện lại việc nói ra câu: “Tôi không biết.”

Trong thời đại mà AI luôn có thể đưa ra câu trả lời, câu nói “Tôi không biết.” không phải là sự thừa nhận của sự vô biết, mà là bằng chứng cho thấy khả năng phán đoán vẫn còn tồn tại.

Liên kết tham khảo:

[1]https://www.theregister.com/ai-and-ml/2026/07/19/using-ai-makes-people-less-likely-to-admit-they-dont-know-something/5274567

[2]https://arxiv.org/pdf/2607.13562

Bài viết này đến từ tài khoản công chúng WeChat "Quantum Bit", tác giả: Văn Đình