AI tạo sinh (generative AI) là loại AI tạo ra nội dung mới — văn bản, hình ảnh, âm thanh, video, mã máy tính — thay vì chỉ phân loại hay dự đoán trên dữ liệu có sẵn. Bạn gõ một yêu cầu, nó viết ra đoạn văn chưa từng có nguyên văn ở đâu; bạn mô tả một cảnh, nó vẽ ra bức ảnh. Chatbot trò chuyện, công cụ vẽ ảnh từ chữ, công cụ đọc văn bản thành giọng nói tự nhiên đều thuộc nhóm này.
Cốt lõi của AI tạo sinh là học "dữ liệu thật trông như thế nào" kỹ tới mức có thể sinh ra mẫu mới mang cùng đặc điểm. Nó không chép một bản có sẵn, nhưng cũng không sáng tác từ hư không: mọi thứ nó tạo ra đều dựa trên quy luật rút từ dữ liệu đã học.
Bài này giải thích AI tạo sinh khác các loại AI trước đó ở đâu, vì sao nó viết và vẽ được, nó làm tốt và kém việc gì, cùng những rủi ro người dùng phổ thông cần biết.
AI tạo sinh khác AI phân loại, dự đoán như thế nào
Trước khi AI tạo sinh phổ biến, phần lớn AI trong đời sống làm một trong hai việc: xếp thứ vào ngăn (phân loại) hoặc ước một con số (dự đoán). Đặt cạnh nhau sẽ thấy rõ chỗ khác:
| AI phân loại, dự đoán | AI tạo sinh | |
|---|---|---|
| Câu hỏi nó trả lời | Cái này là gì? Sẽ là bao nhiêu? | Tạo ra một cái mới giống như thế này |
| Đầu ra | Một nhãn hoặc một con số | Một đoạn văn, một bức ảnh, một đoạn âm thanh |
| Ví dụ | Ảnh này có phải lá lúa bị bệnh không | Viết thư mời họp phụ huynh, vẽ minh hoạ cho bài giảng |
| Cách đánh giá | Đúng hay sai, đo được tỉ lệ | Hay hay dở, đúng hay bịa — khó chấm tự động |
| Lỗi điển hình | Gắn nhầm nhãn | Bịa nội dung trông rất thật |
Ranh giới không tuyệt đối. Một mô hình tạo sinh cũng có thể được dùng để phân loại, chẳng hạn bạn hỏi chatbot "đánh giá này khen hay chê". Và các mô hình tạo sinh được xây trên nền học sâu, cùng gốc với các mô hình nhận dạng. Điểm khác chủ yếu nằm ở mục tiêu huấn luyện: học để sinh ra mẫu mới thay vì học để gắn nhãn.
Điểm khác về cách đánh giá là quan trọng nhất với người dùng. Một bộ lọc rác sai thì bạn thấy ngay. Một đoạn văn do AI viết có thể mượt mà, đúng ngữ pháp, nhưng chứa một con số sai hay một trích dẫn không tồn tại, và bạn chỉ phát hiện nếu tự kiểm.
Vì sao AI viết được: học cách văn bản thường nối tiếp nhau
Các chatbot viết chữ dựa trên mô hình ngôn ngữ lớn. Nguyên lý cơ bản rất giản dị: mô hình được huấn luyện để đoán phần tiếp theo của một đoạn văn. Khi đã đọc một lượng văn bản khổng lồ, nó nắm được rằng sau "Kính gửi quý phụ huynh" thường là lời mời hoặc thông báo, sau một câu hỏi thường là câu trả lời, văn bản pháp lý có nhịp khác văn bản tâm sự.
Khi bạn gõ yêu cầu, mô hình sinh ra câu trả lời từng chút một, mỗi bước chọn mảnh chữ tiếp theo hợp lý nhất (có pha chút ngẫu nhiên) dựa trên mọi thứ đã có phía trước. Vì đoán theo xác suất, cùng một câu hỏi có thể ra câu trả lời khác nhau mỗi lần. Chi tiết cơ chế này được giải thích kỹ ở danh mục mô hình ngôn ngữ của trang.
Điều quan trọng cần hiểu ở mức nền tảng: mô hình học "thế nào là một câu trả lời trông hợp lý", không phải "thế nào là sự thật". Phần lớn thời gian hai thứ trùng nhau, vì văn bản trong dữ liệu chủ yếu nói đúng. Nhưng khi không có đủ thông tin, mô hình vẫn sinh ra câu trông hợp lý, và đó là gốc rễ của hiện tượng AI bịa. Sau đó, mô hình còn được tinh chỉnh thêm bằng phản hồi của con người để trả lời hữu ích và an toàn hơn, nhưng việc tinh chỉnh không xoá được hoàn toàn khả năng bịa.
Vì sao AI vẽ được, nói được: cùng một ý tưởng ở dạng khác
Với ảnh, các công cụ phổ biến hiện nay phần lớn dùng mô hình khuếch tán. Hình dung bạn lấy một bức ảnh rồi rắc nhiễu từng chút cho tới khi chỉ còn một mảng hạt lộn xộn. Mô hình được huấn luyện để làm chiều ngược lại: từ mảng nhiễu, gỡ dần từng lớp cho tới khi hiện ra bức ảnh hợp lý. Khi bạn đưa thêm mô tả bằng chữ, quá trình gỡ nhiễu được dẫn theo mô tả đó. Trước mô hình khuếch tán, một hướng nổi tiếng khác là mạng đối kháng sinh (GAN), được Ian Goodfellow và cộng sự giới thiệu năm 2014, trong đó một mạng tạo ảnh giả và một mạng tìm cách phát hiện ảnh giả, hai bên thi nhau giỏi lên.
Giọng nói và âm nhạc đi theo cùng tinh thần: mô hình học đặc điểm của âm thanh thật đủ kỹ để sinh ra âm thanh mới. Video khó hơn vì phải giữ nhất quán giữa các khung hình, nên đây là mảng còn nhiều hạn chế rõ rệt. Cơ chế chi tiết của ảnh, giọng nói, video được bàn riêng ở danh mục AI tạo ảnh, giọng nói, video.
Điểm chung của mọi loại AI tạo sinh: nó giỏi tạo ra thứ "trông giống" dữ liệu đã học, và kém ở những chi tiết cần logic chặt chẽ. Đó là vì sao ảnh AI một thời hay vẽ sai số ngón tay, chữ trong ảnh bị méo, hay đoạn văn dài có lúc tự mâu thuẫn ở hai chỗ cách xa nhau. Các thế hệ mô hình mới khắc phục được nhiều lỗi kiểu này, nhưng nguyên lý gốc vẫn không đổi.
AI tạo sinh làm tốt và làm kém những việc gì
Tốt: bản nháp đầu tiên. Viết khung một lá thư, gợi ý mười cách đặt tên cho một sự kiện, phác thảo dàn ý bài thuyết trình. Bản nháp không cần hoàn hảo, nên tính "trông hợp lý" của AI là đủ dùng, và bạn sửa lại phần còn lại.
Tốt: viết lại theo giọng khác. Chuyển một thông báo khô khan thành lời lẽ thân thiện hơn, tóm tắt một văn bản dài thành vài ý, dịch sang ngôn ngữ khác ở mức thông thường. Những việc này dựa nhiều vào khả năng nắm phong cách ngôn ngữ, là sở trường của mô hình.
Kém: thông tin cần chính xác tuyệt đối. Số liệu, ngày tháng, tên văn bản pháp luật, liều lượng, trích dẫn nguyên văn. Mô hình có thể đúng, nhưng có thể bịa với giọng chắc chắn y hệt. Mọi thông tin loại này phải được kiểm ở nguồn gốc trước khi dùng.
Kém: sự kiện mới. Mô hình biết tới thời điểm dữ liệu được thu thập. Một số sản phẩm có gắn tìm kiếm web để bù, nhưng chất lượng phụ thuộc vào trang nó tìm được. Hỏi chuyện vừa xảy ra thì nên đọc báo hơn hỏi chatbot.
Kém: phán đoán thay con người. Có nên cho con nghỉ học thêm, có nên ký hợp đồng này không: AI có thể liệt kê các yếu tố để bạn cân nhắc, nhưng không biết hoàn cảnh của bạn và không chịu hậu quả. Quyết định là của bạn.
Rủi ro của AI tạo sinh mà người dùng phổ thông nên biết
AI tạo sinh mang lại tiện lợi thật, nhưng chính khả năng tạo nội dung trông thật cũng mở ra những rủi ro mới. Dưới đây là những rủi ro đã thấy rõ, không phải dự đoán xa xôi:
- Thông tin bịa: câu trả lời sai nhưng trôi chảy, kèm nguồn trích dẫn không tồn tại. Danh mục vì sao AI bịa giải thích cơ chế; còn cách kiểm chứng nguồn được bàn ở trang AI Tra Cứu.
- Nội dung giả mạo: ảnh, giọng nói, video giả một người có thật để lừa đảo hoặc bôi nhọ. Kẻ gian có thể giả giọng người thân gọi điện vay tiền; một cuộc gọi hối thúc chuyển tiền gấp luôn đáng gọi lại bằng số quen để xác minh.
- Rò rỉ thông tin: người dùng dán hợp đồng, bảng lương, hồ sơ bệnh án vào chatbot mà không đọc chính sách lưu trữ. Hãy che tên, số giấy tờ, số tài khoản và bí mật công việc trước khi đưa vào bất kỳ công cụ nào.
- Tranh chấp bản quyền: dữ liệu huấn luyện có thể chứa tác phẩm có bản quyền, và quyền đối với nội dung AI tạo ra còn đang được tranh luận và xử lý khác nhau ở các nước. Dùng cho mục đích thương mại thì nên kiểm quy định hiện hành.
- Phụ thuộc và mai một kỹ năng: học sinh nhờ AI viết bài thay vì tự viết sẽ không luyện được kỹ năng diễn đạt. Dùng AI để góp ý bài mình đã viết khác hẳn với để AI viết thay.
- Lượng nội dung kém chất lượng tràn lan: trang web, video sinh hàng loạt bằng AI có thể làm loãng thông tin tốt, khiến việc tìm nguồn đáng tin khó hơn.
Nhận biết rủi ro không có nghĩa là tránh xa AI tạo sinh. Nó có nghĩa là dùng với thói quen kiểm tra, giống như dùng một nguồn tin chưa quen: tham khảo được, tin ngay thì không.
AI tạo sinh có "sáng tạo" không
Câu hỏi này không có câu trả lời một chữ, vì nó tuỳ vào việc bạn định nghĩa sáng tạo là gì. Nếu sáng tạo là tạo ra thứ chưa từng có nguyên văn, thì AI tạo sinh làm được điều đó hằng ngày: mỗi bức ảnh, mỗi đoạn văn đều là tổ hợp mới. Nếu sáng tạo đòi hỏi có ý định, có trải nghiệm sống, có điều muốn nói, thì phần lớn các nhà nghiên cứu cho rằng AI hiện nay không có những thứ đó theo nghĩa của con người.
Một cách nhìn thực tế hơn: AI tạo sinh rất giỏi kết hợp và biến tấu những gì đã có trong dữ liệu, giống một người đã xem hàng triệu bức tranh và có thể vẽ "theo kiểu" bất kỳ. Nó yếu hơn ở việc phá vỡ quy ước một cách có chủ đích, thứ thường làm nên tác phẩm mới thật sự. Nhiều nghệ sĩ, nhà thiết kế dùng AI như một bước phác thảo, rồi tự quyết định chọn gì, bỏ gì, và đó là chỗ phần sáng tạo của con người nằm.
Với người dùng phổ thông, câu hỏi hữu ích hơn "AI có sáng tạo không" là "trong việc này, phần nào nên để AI làm, phần nào phải là của mình". Một tấm thiệp chúc mừng có thể nhờ AI gợi ý câu chữ; một bài văn nộp cho cô giáo thì cần là của chính học sinh.
Câu hỏi thường gặp
ChatGPT có phải là AI tạo sinh không?
Có. ChatGPT và các chatbot tương tự như Claude, Gemini, Copilot đều dựa trên mô hình ngôn ngữ tạo sinh, tức là sinh ra văn bản mới để trả lời yêu cầu. Nhiều sản phẩm hiện nay còn kết hợp thêm khả năng tạo ảnh, đọc ảnh, nghe và nói, nên ranh giới giữa các loại công cụ ngày càng mờ.
AI tạo sinh có lấy nguyên văn bài viết của người khác không?
Thông thường mô hình sinh ra văn bản mới chứ không chép nguyên văn. Tuy vậy, với những đoạn xuất hiện rất nhiều lần trong dữ liệu, mô hình có thể tái tạo gần như y nguyên. Vì vậy với nội dung dùng công khai, đặc biệt cho mục đích thương mại, nên kiểm tra trùng lặp và đọc quy định bản quyền hiện hành.
Làm sao biết một đoạn văn do AI viết?
Không có cách chắc chắn. Các công cụ dò văn bản AI cho kết quả không ổn định, có thể đánh dấu nhầm bài người viết là do máy viết. Dấu hiệu như văn đều đều, ít chi tiết cụ thể chỉ là gợi ý. Trong học tập và công việc, trao đổi trực tiếp về nội dung thường đáng tin hơn máy dò.
AI tạo sinh có thay thế được nhà văn, hoạ sĩ không?
AI đã làm thay đổi một phần công việc, nhất là những việc sản xuất nội dung số lượng lớn theo khuôn. Với tác phẩm cần quan điểm riêng, trải nghiệm riêng và trách nhiệm của tác giả, vai trò con người vẫn trung tâm. Tác động lên việc làm là chủ đề còn tranh luận và được bàn ở danh mục AI và xã hội.
Dùng AI tạo sinh có an toàn cho dữ liệu cá nhân không?
Tuỳ dịch vụ và tuỳ cài đặt. Một số dịch vụ có thể lưu cuộc trò chuyện hoặc dùng để cải thiện mô hình nếu bạn không tắt tuỳ chọn đó. Nguyên tắc an toàn là không đưa thông tin nhận dạng cá nhân, giấy tờ, số tài khoản, bí mật kinh doanh vào công cụ, và đọc chính sách hiện hành của dịch vụ đang dùng.
AI tạo sinh có tạo ra mã máy tính được không?
Có, viết mã là một trong những việc mô hình ngôn ngữ làm khá tốt vì có nhiều mã nguồn công khai để học. Tuy vậy mã do AI viết vẫn có thể sai hoặc thiếu an toàn, nên cần người hiểu chạy thử và kiểm tra trước khi dùng thật. Phần kỹ thuật lập trình với AI thuộc trang AI Lập Trình.