Mốc kiến thức (knowledge cutoff) là thời điểm mà dữ liệu dùng để huấn luyện một mô hình AI dừng lại. Mọi chuyện xảy ra sau mốc đó, mô hình không học được, trừ khi chatbot được nối thêm công cụ tìm kiếm hoặc bạn đưa thông tin mới vào cuộc trò chuyện. Vì vậy một chatbot có thể trả lời trôi chảy về lịch sử nhưng lại nói sai tên tỉnh mới, quy định mới, hay giá cả hiện nay.
Hình dung mô hình như một người vừa trở về sau chuyến đi biển dài ngày, không có sóng điện thoại. Người đó biết rất nhiều, nhưng mọi tin tức chỉ đến ngày lên tàu. Điều nguy hiểm không phải là họ không biết, mà là họ kể chuyện cũ với giọng như chuyện hôm nay. Bài này giải thích vì sao mốc kiến thức tồn tại, vì sao nó lại mờ chứ không sắc nét, và bạn nhận ra câu trả lời lỗi thời bằng cách nào.
Vì sao AI phải có một mốc dừng
Như các bài trước trong danh mục đã giải thích, mô hình học bằng cách đọc một khối dữ liệu được chốt lại, rồi chỉnh tham số qua nhiều tuần hoặc nhiều tháng. Khối dữ liệu phải được chốt trước khi bắt đầu, giống như nhà in phải chốt bản thảo trước khi chạy máy. Một cuốn sách in xong không tự cập nhật thêm chương mới, mô hình cũng vậy.
Từ ngày chốt dữ liệu đến ngày bạn dùng được mô hình còn một quãng khá dài. Sau tiền huấn luyện là các chặng tinh chỉnh, học từ phản hồi, kiểm tra an toàn, thử nghiệm nội bộ. Rồi sau khi phát hành, một mô hình thường được dùng thêm nhiều tháng, có khi lâu hơn, trước khi được thay. Cộng lại, khoảng cách giữa mốc kiến thức và ngày bạn đặt câu hỏi có thể lên tới một hoặc hai năm.
Huấn luyện lại liên tục thì quá tốn kém, vì tiền huấn luyện là chặng ngốn nhiều tài nguyên nhất. Các hãng chọn cách cập nhật theo đợt: mỗi phiên bản mới có mốc kiến thức muộn hơn. Trong khoảng giữa hai đợt, việc bù đắp kiến thức mới dựa vào công cụ tìm kiếm gắn thêm.
Vì sao mốc kiến thức mờ, và AI không chắc mốc của chính mình
Internet viết về sự kiện chậm hơn sự kiện. Một chuyện xảy ra hôm nay, vài ngày sau mới có tin, vài tháng sau mới có bài phân tích, vài năm sau mới có trang bách khoa đầy đủ. Vì thế những tháng sát mốc dữ liệu luôn có rất ít chữ viết về chúng. Mô hình biết lờ mờ về những tháng cuối, biết rõ về những năm trước đó.
Mô hình không có cuốn lịch bên trong. Nó không lưu dòng ghi "dữ liệu kết thúc ngày nào" ở một chỗ cố định. Khi được hỏi mốc kiến thức, nó đoán dựa trên những sự kiện nó biết rõ, hoặc dựa trên thông tin hãng ghi trong câu lệnh hệ thống. Vì vậy câu trả lời có thể lệch so với mốc thật, thường là đoán sớm hơn.
Dữ liệu có thể chứa mảnh ghép muộn hơn. Một số hãng bổ sung dữ liệu chọn lọc ở các chặng sau, nên mô hình có thể biết lác đác vài chuyện sau mốc chính. Điều này khiến ranh giới càng mờ: nó biết chuyện này nhưng không biết chuyện kia cùng thời điểm.
Hãng công bố mốc, nhưng là mốc gần đúng. Nhiều hãng ghi mốc kiến thức trong tài liệu sản phẩm, thường ở mức tháng và năm. Đó là mốc chốt dữ liệu chính, không bảo đảm mô hình nắm đầy đủ mọi chuyện đến tận tháng đó. Khi cần, bạn nên kiểm tài liệu hiện hành của công cụ mình dùng.
AI có biết hôm nay là ngày nào không
Bản thân mô hình không biết. Nó không có đồng hồ, cũng không cảm nhận được thời gian trôi giữa lúc huấn luyện và lúc bạn hỏi. Nếu không ai cho biết, nó sẽ ngầm coi như đang ở quanh mốc kiến thức của mình, nên có thể tính sai tuổi của một người, sai số năm từ một sự kiện đến nay.
Nhiều ứng dụng chatbot khắc phục bằng cách tự động chèn ngày giờ hiện tại vào câu lệnh hệ thống mỗi khi bạn mở cuộc trò chuyện. Khi đó mô hình "biết" ngày hôm nay vì được đọc thấy, không phải vì tự cảm nhận. Nhưng biết ngày tháng không có nghĩa là biết chuyện đã xảy ra từ mốc kiến thức tới ngày đó. Một mô hình có thể trả lời đúng hôm nay là ngày nào nhưng vẫn kể tình hình cũ như hiện tại.
Sự lệch này đôi khi tạo ra những câu trả lời rất lạ: mô hình khẳng định một sản phẩm "chưa ra mắt" trong khi nó đã có mặt từ lâu, hoặc cho rằng bạn nhầm khi nhắc tới một sự kiện mới. Lúc đó mô hình không cố tình cãi, nó chỉ đối chiếu với kiến thức đã dừng của mình. Danh mục câu hỏi thường gặp của trang có bài trả lời gọn câu hỏi này.
Ba mốc thời gian dễ bị nhầm với nhau
Mốc kiến thức. Thời điểm dữ liệu huấn luyện chính dừng lại. Đây là giới hạn của trí nhớ mô hình, quyết định nó biết chuyện gì và không biết chuyện gì khi không có công cụ tìm kiếm.
Ngày phát hành mô hình. Thời điểm hãng đưa mô hình ra cho người dùng, thường muộn hơn mốc kiến thức nhiều tháng. Tin tức hay nhắc ngày này, nên nhiều người tưởng mô hình ra mắt tháng nào thì biết chuyện đến tháng đó, điều này không đúng.
Ngày cập nhật ứng dụng. Ứng dụng chatbot trên điện thoại được cập nhật thường xuyên: thêm nút, đổi giao diện, thêm tính năng tải tệp. Ứng dụng mới cập nhật hôm qua vẫn có thể chạy một mô hình có mốc kiến thức từ khá lâu. Bản cập nhật giao diện không làm mô hình biết thêm tin tức nào.
Vì sao phân biệt quan trọng. Khi đọc một câu như "phiên bản mới vừa ra mắt", bạn nên tự hỏi phiên bản đó đổi mô hình hay chỉ đổi ứng dụng, và mô hình mới có mốc kiến thức là khi nào. Ba câu hỏi này giúp bạn ước lượng được câu trả lời của chatbot có thể cũ đến mức nào, và quyết định có cần tra cứu thêm trước khi dùng hay không.
Ví dụ Việt Nam: những loại thông tin dễ lỗi thời nhất
Không phải mọi kiến thức đều cũ đi với cùng tốc độ. Bảng dưới xếp các loại thông tin người Việt hay hỏi theo mức dễ lỗi thời, để bạn biết lúc nào cần cảnh giác.
| Loại thông tin | Mức dễ lỗi thời | Ví dụ |
|---|---|---|
| Địa giới hành chính | Rất cao khi vừa có thay đổi | Từ 1/7/2025 cả nước còn 34 tỉnh, thành và bỏ cấp huyện; mô hình có mốc trước đó vẫn có thể trả lời là 63 tỉnh, dùng tên huyện cũ |
| Văn bản pháp luật, thủ tục | Cao | Luật mới thay luật cũ, mức phí, mẫu giấy tờ, cơ quan tiếp nhận hồ sơ đổi theo sắp xếp bộ máy |
| Giá cả, tỷ giá, lãi suất | Rất cao | Thay đổi theo ngày, mô hình không thể biết nếu không tra cứu |
| Người giữ chức vụ | Cao | Lãnh đạo cơ quan, doanh nghiệp thay đổi theo nhiệm kỳ |
| Sản phẩm công nghệ, kể cả AI | Rất cao | Phiên bản, tính năng ra mắt liên tục; mô hình thường không biết các mô hình ra đời sau nó |
| Kiến thức nền tảng | Thấp | Định luật vật lý, ngữ pháp, sự kiện lịch sử đã xa, cách làm một món ăn truyền thống |
Mẹo nhớ nhanh: thông tin nào bạn phải tra lại khi tự viết một bài báo, thì cũng là thông tin không nên tin chatbot nếu nó không dẫn nguồn mới. Thông tin nào đã ổn định hàng chục năm thì rủi ro lỗi thời thấp, dù vẫn có thể sai vì lý do khác.
Công cụ tìm kiếm trong chatbot giải quyết được đến đâu
Nhiều chatbot hiện có chế độ tìm kiếm web: khi nhận câu hỏi, hệ thống tra cứu, lấy một số trang liên quan, đưa nội dung vào cho mô hình đọc rồi mới trả lời. Cách này giúp vượt qua mốc kiến thức, vì mô hình được đọc thông tin mới ngay lúc đó. Cơ chế này thuộc nhóm tìm kiếm tăng cường, được giải thích ở danh mục tác tử và công cụ của trang.
Nhưng nó không phải lời giải trọn vẹn. Kết quả phụ thuộc trang nào được tìm thấy; nếu trang đó cũ hoặc sai, câu trả lời cũng cũ hoặc sai. Mô hình có thể trộn thông tin mới vừa đọc với kiến thức cũ trong tham số, tạo ra một câu nửa mới nửa cũ khó nhận ra. Và không phải lúc nào chatbot cũng bật tìm kiếm; có lúc nó tự quyết định không cần tra mà trả lời luôn từ trí nhớ.
Dấu hiệu để phân biệt: câu trả lời có dẫn nguồn kèm ngày đăng không, nguồn đó có thật mở ra được không. Nếu chatbot không dẫn nguồn, hãy mặc định nó đang trả lời từ trí nhớ đã dừng ở mốc kiến thức. Cách kiểm chứng nguồn chi tiết được trang AI Tra Cứu trình bày.
Nhận ra câu trả lời lỗi thời: những dấu hiệu nên để ý
Không cần biết mốc kiến thức chính xác của từng mô hình, bạn vẫn có thể bắt được câu trả lời cũ qua vài dấu hiệu sau:
- Nhắc tên đơn vị hành chính cũ, cấp huyện, hoặc số tỉnh không khớp với hiện nay.
- Nói về một sự kiện "sắp diễn ra" mà bạn biết đã diễn ra rồi.
- Gọi một công nghệ, sản phẩm là "mới nhất" trong khi đã có nhiều thế hệ sau.
- Dẫn một văn bản pháp luật mà không nói văn bản đó còn hiệu lực hay không.
- Không chịu thừa nhận một sự kiện mới bạn nhắc tới, hoặc khẳng định bạn nhầm.
- Các con số như giá, phí, mức lương tối thiểu được nêu không kèm thời điểm áp dụng.
Gặp một trong các dấu hiệu này, đừng tranh luận với chatbot cho tới khi nó đồng ý. Như bài về học từ phản hồi của con người đã giải thích, mô hình có xu hướng chiều ý người hỏi, nên nó đồng ý với bạn cũng chưa chứng minh được gì. Cách tốt hơn là tự tra nguồn chính thức, hoặc dán thông tin mới vào cuộc trò chuyện để nó làm việc trên dữ liệu đúng.
Câu hỏi thường gặp
Mốc kiến thức có giống nhau giữa các chatbot không?
Không. Mỗi mô hình, thậm chí mỗi phiên bản của cùng một hãng, có mốc riêng. Một ứng dụng chatbot có thể chạy nhiều mô hình khác nhau tuỳ gói hoặc tuỳ chế độ, nên mốc kiến thức cũng thay đổi theo lựa chọn bên trong ứng dụng.
Vì sao hỏi AI mốc kiến thức của nó lại ra câu trả lời khác với hãng công bố?
Vì mô hình không có bản ghi chính xác về dữ liệu của mình. Nó đoán dựa trên những sự kiện nó biết rõ, mà những tháng cuối trước mốc thì có ít dữ liệu. Thông tin do hãng công bố trong tài liệu sản phẩm đáng tin hơn lời tự khai của mô hình.
Dán bài báo mới vào cuộc trò chuyện thì AI có học được không?
Mô hình đọc và dùng nội dung đó trong phạm vi cuộc trò chuyện, nên câu trả lời sẽ cập nhật hơn. Nhưng nó không học vĩnh viễn: mở cuộc trò chuyện mới, kiến thức đó không còn, trừ khi ứng dụng có tính năng bộ nhớ lưu lại. Bài về AI có học từ cuộc trò chuyện của bạn giải thích rõ hơn.
Mốc kiến thức có liên quan đến chuyện AI bịa không?
Có liên quan. Khi hỏi về chuyện sau mốc, mô hình không biết nhưng vẫn có xu hướng đưa ra một câu trả lời nghe hợp lý, ghép từ những gì nó biết trước đó. Kết quả là một câu trả lời bịa đặt nhưng rất tự tin, một dạng ảo giác thường gặp.
Có nên chọn chatbot có mốc kiến thức mới nhất không?
Mốc mới hơn là lợi thế với câu hỏi về thời sự, công nghệ, quy định. Nhưng chất lượng tổng thể còn phụ thuộc nhiều yếu tố khác. Với thông tin hay thay đổi, thói quen kiểm nguồn quan trọng hơn việc chọn mô hình, vì mô hình nào rồi cũng cũ đi theo thời gian.
AI có biết về chính các mô hình AI mới hơn nó không?
Thường là không, vì các mô hình ra đời sau mốc kiến thức của nó. Đây là lý do khi hỏi chatbot về công cụ AI tốt nhất hiện nay, câu trả lời thường nhắc các sản phẩm đã cũ. Thông tin về công cụ AI nên tra theo nguồn cập nhật, không hỏi trí nhớ của mô hình.