AI hay sai về người ít nổi tiếng, địa danh nhỏ và chuyện địa phương vì những thứ đó xuất hiện rất ít lần trong dữ liệu mà mô hình được học. Kiến thức của mô hình ngôn ngữ giống một tấm lưới dày ở giữa, nơi có những điều được viết đi viết lại hàng vạn lần, và thưa dần ra phía rìa. Một nhà khoa học nổi tiếng nằm ở giữa lưới; một thầy giáo về hưu ở một xã vùng cao nằm ở rìa, nơi mô hình gần như không có gì để bám.
Ở phần rìa đó, mô hình không im lặng mà lấp chỗ trống bằng những mảnh nghe hợp lý: một nghề nghiệp hay gặp, một năm sinh vừa phải, một thành tích na ná người khác cùng tên. Với tên người Việt và địa danh Việt Nam, vấn đề còn nặng hơn vì trùng tên rất nhiều. Bài này giải thích vì sao, và chỉ ra chỗ nên đi tìm thông tin địa phương cho đúng.
Kiến thức của AI dày ở giữa, mỏng ở phần đuôi
Nếu xếp mọi người, mọi nơi, mọi sự việc theo số lần chúng được nhắc đến trên sách báo và mạng, bạn sẽ thấy một phân bố rất lệch. Một nhóm nhỏ được nhắc đến cực nhiều: các danh nhân, các thành phố lớn, các sự kiện lịch sử quan trọng. Phần còn lại, chiếm số lượng áp đảo, mỗi thứ chỉ được nhắc vài lần hoặc không lần nào. Giới nghiên cứu gọi phần đông đúc nhưng thưa thớt dữ liệu này là "đuôi dài".
Mô hình ngôn ngữ học từ chính phân bố lệch đó. Một số nghiên cứu đã đo và thấy khả năng trả lời đúng câu hỏi sự kiện về một đối tượng tăng rõ theo số lần đối tượng đó xuất hiện trong dữ liệu huấn luyện. Đối tượng được nhắc nhiều thì mô hình nhớ chắc; đối tượng được nhắc ít thì độ đúng giảm mạnh, và mô hình lớn hơn cải thiện được phần nào nhưng không lấp được hết khoảng trống.
Vấn đề là người dùng thường hỏi AI chính về phần đuôi. Chuyện phổ thông thì ai cũng biết hoặc tra là thấy ngay. Thứ người ta muốn hỏi là ông bà mình từng học ở trường nào, ngôi đình làng có từ bao giờ, công ty nhỏ kia có uy tín không. Đó đúng là vùng mô hình yếu nhất, và cũng là vùng khó kiểm nhất vì ít nguồn để đối chiếu.
Trùng tên: chuyện riêng của tên người Việt
Tên người Việt có một đặc điểm khiến AI dễ nhầm: số họ phổ biến ít, và nhiều tên lặp lại rất nhiều. Một cái tên như Nguyễn Văn Hùng hay Trần Thị Lan có thể thuộc về hàng nghìn người khác nhau, trong đó có vài người từng xuất hiện trên báo chí vì những lý do hoàn toàn khác nhau: một cầu thủ, một bác sĩ, một cán bộ xã, một nhân vật trong vụ án.
Khi bạn hỏi về một người có tên như vậy, mô hình không có cách nào biết bạn đang nói tới ai, trừ khi bạn đưa thêm chi tiết. Ngay cả khi có chi tiết, những mảnh thông tin về các người cùng tên vẫn có thể bị trộn vào nhau, vì trong dữ liệu chúng gắn với cùng một chuỗi chữ. Kết quả là một bản tiểu sử ghép: quê quán của người này, nghề nghiệp của người kia, năm sinh của người thứ ba.
Điều này có hậu quả thật. Một người bình thường có thể bị AI gán cho một sự việc tiêu cực của người trùng tên. Một chuyên gia có thể bị gán bằng cấp, chức vụ không phải của mình. Ở nhiều nước đã có những trường hợp người thật khiếu nại vì chatbot mô tả sai về họ. Khi AI nói về một người cụ thể, nhất là người còn sống và không nổi tiếng, phần thông tin đó cần được nghi ngờ nhiều nhất.
Địa danh nhỏ, tên trùng và tên đã đổi
Địa danh Việt Nam cũng trùng tên rất nhiều. Những cái tên như Tân Phú, Bình An, Hòa Bình, Phú Mỹ xuất hiện ở nhiều tỉnh, có khi ở nhiều cấp khác nhau. Hỏi "xã Tân Phú có đặc sản gì" mà không nói rõ ở tỉnh nào, mô hình sẽ chọn một nơi, hoặc trộn đặc sản của vài nơi lại.
Lớp khó thứ hai là tên gọi thay đổi. Từ ngày 1/7/2025, Việt Nam sắp xếp lại còn 34 tỉnh thành và bỏ cấp huyện, rất nhiều xã phường được nhập và đặt tên mới. Mô hình được huấn luyện chủ yếu trên văn bản trước thời điểm đó sẽ dùng đơn vị hành chính cũ, gọi những huyện không còn tồn tại, hoặc ghép tên xã mới với tỉnh cũ. Ngay cả mô hình có kiến thức sau mốc này cũng có thể lẫn, vì văn bản cũ trong dữ liệu vẫn nhiều hơn văn bản mới rất nhiều.
Lớp khó thứ ba là địa danh dân gian: tên một con dốc, một bến đò, một khu chợ mà người địa phương gọi nhưng không có trên văn bản chính thức. Những tên này có khi chỉ nằm trong ký ức người dân và vài bài viết cá nhân, nên mô hình gần như không biết. Khi bị hỏi, nó có thể tạo ra một câu chuyện lai lịch nghe rất có không khí, nhưng không có cơ sở.
Vì sao dữ liệu về chuyện địa phương Việt Nam lại mỏng
Người ta hay nghĩ trên mạng có đủ mọi thứ, nhưng phần lớn thông tin về đời sống địa phương ở Việt Nam không nằm ở chỗ mà dữ liệu huấn luyện có thể thu thập. Rất nhiều trao đổi diễn ra trong nhóm nhắn tin kín, trong các nhóm mạng xã hội cần đăng nhập, trong cuộc gọi, trong sổ sách giấy của xã và của dòng họ. Những nguồn đó hoặc không công khai, hoặc không được thu thập, và cũng không nên được thu thập tuỳ tiện.
Phần công khai thì nhiều khi ở dạng khó đọc với máy: văn bản scan thành ảnh, tệp đăng tải rồi gỡ xuống, trang web cũ của cơ quan đã đổi địa chỉ sau khi sắp xếp bộ máy. Một bài báo địa phương viết về làng nghề cách đây mười năm có thể đã không còn truy cập được. So với khối lượng văn bản tiếng Anh về các thị trấn nhỏ ở Mỹ hay châu Âu, khoảng cách là rất lớn.
Vì vậy, sự mỏng dữ liệu về chuyện địa phương Việt Nam không phải lỗi riêng của một hãng nào, cũng không tự hết khi mô hình lớn hơn. Nó phản ánh nơi thông tin thật sự đang sống. Muốn câu trả lời đúng, thường phải đi đến tận nơi đó.
Loại thông tin, độ dày dữ liệu và mức cần kiểm
Bảng dưới đây giúp bạn ước lượng nhanh một câu hỏi rơi vào phần giữa hay phần đuôi của tấm lưới kiến thức. Đây là đánh giá định tính theo cơ chế, không phải đo lường.
| Loại thông tin | Độ dày dữ liệu | Mức cần kiểm |
|---|---|---|
| Danh nhân lịch sử, nhà khoa học nổi tiếng thế giới | Rất dày | Kiểm chi tiết hiếm như năm, tên tác phẩm phụ |
| Thành phố lớn, danh lam nổi tiếng | Dày | Kiểm thông tin thay đổi theo thời gian như giờ mở cửa, đơn vị hành chính |
| Người nổi tiếng trong nước ở một lĩnh vực hẹp | Vừa đến mỏng | Kiểm mọi chi tiết tiểu sử |
| Xã, phường, làng nghề, di tích nhỏ | Mỏng | Coi như gợi ý, đối chiếu nguồn địa phương |
| Doanh nghiệp nhỏ, quán ăn, cơ sở dịch vụ | Rất mỏng và nhanh cũ | Không dùng AI làm nguồn chính |
| Người bình thường, không nổi tiếng | Gần như không có | Không dùng AI để tra, rủi ro sai và rủi ro quyền riêng tư |
Dòng cuối cùng còn liên quan đến quyền riêng tư: dùng chatbot để dò thông tin về một người cụ thể vừa dễ ra kết quả sai, vừa đặt ra câu hỏi về việc thu thập thông tin cá nhân của người khác. Phần quyền riêng tư khi dùng chatbot có bài riêng ở trang AI Bảo Mật trong cùng hệ.
Doanh nghiệp, quán xá, dịch vụ quanh nhà: vừa mỏng vừa nhanh cũ
Thông tin thương mại thay đổi liên tục. Một quán ăn đổi chủ, chuyển địa chỉ, đóng cửa; một phòng khám đổi giờ làm việc; một cửa hàng ngừng bán mặt hàng nào đó. Dữ liệu huấn luyện là ảnh chụp ở một thời điểm, nên ngay cả khi mô hình từng đọc đúng, thông tin cũng có thể đã cũ.
Mô hình dễ bịa chi tiết dịch vụ. Hỏi "quán phở X ở Thái Nguyên có món gì nổi bật", mô hình có thể liệt kê những món phở phổ biến chung, gắn vào tên quán, giọng như đã ăn thử. Đó không phải thông tin về quán, mà là thông tin về phở nói chung khoác tên quán.
Đánh giá uy tín là chỗ nguy hiểm. Câu hỏi "công ty này có uy tín không" với một doanh nghiệp nhỏ thường nhận câu trả lời chung chung hoặc khen chê không có cơ sở. Uy tín cần dựa vào giấy phép, phản hồi của khách thật, hồ sơ pháp lý, những thứ phải kiểm ở nguồn chính thức.
Có tìm kiếm web thì khá hơn, nhưng chưa đủ. Chatbot có tìm kiếm có thể dẫn về trang của doanh nghiệp hay bài đánh giá, nhưng nguồn trên mạng về cơ sở nhỏ thường ít và lẫn lộn, có cả bài quảng cáo trá hình. AI tóm tắt lại những nguồn đó, kể cả nguồn kém.
Đi tìm thông tin địa phương ở đúng chỗ
Với phần đuôi của tấm lưới kiến thức, nguồn tốt nhất thường không phải là AI mà là những nơi gần sự việc hơn. Một số hướng đáng thử:
- Cổng thông tin của tỉnh, thành, xã, phường: nơi công bố đơn vị hành chính, địa chỉ cơ quan, thủ tục, sau đợt sắp xếp 2025 nhiều nơi đã cập nhật tên mới.
- Báo địa phương và đài phát thanh truyền hình tỉnh: thường có bài về làng nghề, di tích, nhân vật địa phương mà báo trung ương không viết.
- Sách địa chí, sách lịch sử địa phương: nhiều tỉnh có bộ địa chí, thư viện tỉnh thường lưu giữ.
- Người địa phương: cán bộ văn hoá xã, người cao tuổi trong làng, ban quản lý di tích; với lai lịch tên đất, đây thường là nguồn duy nhất.
- Cơ sở dữ liệu chính thức: tra cứu doanh nghiệp, tra cứu giấy phép hành nghề ở cổng của cơ quan quản lý ngành.
AI vẫn có ích ở đây theo một cách khác: giúp bạn nghĩ ra nên tìm từ khoá gì, nên hỏi cơ quan nào, nên đặt câu hỏi gì khi gặp người địa phương. Tức là dùng nó để đi đúng hướng, rồi để nguồn thật trả lời. Cách tìm và đánh giá nguồn được bàn kỹ ở trang AI Tra Cứu.
Câu hỏi thường gặp
Vì sao AI biết rất nhiều về Hồ Gươm nhưng lại sai về cái hồ ở xã mình?
Hồ Gươm được viết đến trong vô số sách, báo, bài du lịch, nên kiến thức về nó in rất sâu trong mô hình. Cái hồ ở xã bạn có thể chỉ được nhắc vài lần hoặc không lần nào. Mô hình không có gì để bám nên lấp chỗ trống bằng những chi tiết nghe hợp lý về một cái hồ nói chung.
Hỏi AI về bản thân mình, sao nó lại kể chuyện của người khác?
Rất có thể có người trùng tên với bạn từng xuất hiện trên báo chí hay mạng, và mô hình ghép thông tin của người đó vào. Với người không nổi tiếng, mô hình gần như không có dữ liệu riêng, nên câu trả lời là sự pha trộn. Đừng coi đó là thông tin về bạn đang lưu hành ở đâu đó.
Thêm chi tiết như quê quán, nghề nghiệp vào câu hỏi có giúp AI trả lời đúng hơn không?
Có thể giúp mô hình chọn đúng người trong số những người trùng tên, nếu người đó có trong dữ liệu. Nhưng nếu người đó không có trong dữ liệu, chi tiết bạn đưa vào lại thành nguyên liệu để mô hình dựng một câu chuyện nghe càng thật hơn. Chi tiết làm câu trả lời trôi chảy hơn, chưa chắc đúng hơn.
AI dùng tên tỉnh cũ có phải vì nó lỗi thời?
Một phần là do mốc kiến thức, phần lớn dữ liệu được viết trước khi sắp xếp lại. Phần khác là ngay cả mô hình mới cũng thấy tên cũ nhiều hơn tên mới trong dữ liệu. Với địa danh hành chính, luôn kiểm lại ở cổng thông tin chính thức của tỉnh thành.
Có nên dùng AI để viết lịch sử dòng họ, lịch sử làng không?
Có thể dùng AI để sắp xếp tư liệu bạn đã thu thập, gợi ý bố cục, sửa câu chữ. Không nên để AI tự cung cấp sự kiện, tên người, năm tháng, vì đó là phần đuôi dài nó gần như chắc chắn không biết và sẽ bịa. Nội dung phải đến từ gia phả, người cao tuổi, văn bản cũ.
Chatbot có tìm kiếm web thì còn sai về chuyện địa phương không?
Vẫn sai, dù ít hơn. Nguồn trên mạng về chuyện địa phương thường ít, cũ, hoặc lẫn bài quảng cáo, và chatbot tóm tắt lại chính những nguồn đó. Nếu có nguồn dẫn kèm, hãy mở ra đọc trực tiếp, vì bản tóm tắt có thể sai ở những chi tiết mà nguồn gốc nói khác.