Anthropic và nỗ lực gieo đạo đức vào trí tuệ nhân tạo

Anthropic, công ty đứng sau chatbot Claude, đang dồn nguồn lực vào một câu hỏi tưởng chừng mang tính triết học nhưng lại mang ý nghĩa kỹ thuật sâu sắc: làm thế nào để đưa các nguyên tắc đạo đức vào bên trong mô hình trí tuệ nhân tạo?

Khác với nhiều phòng thí nghiệm AI chỉ tập trung vào việc tăng sức mạnh và độ chính xác của mô hình, Anthropic chọn cho mình một hướng đi khác biệt. Công ty này được thành lập bởi một số cựu nhân sự của OpenAI và đặt trọng tâm vào khái niệm mà họ gọi là "AI an toàn và có đạo đức" — một mục tiêu mà theo giới quan sát, không dễ gì đạt được nếu chỉ dựa vào các bộ lọc bên ngoài.

Vì sao đạo đức AI trở thành bài toán kỹ thuật?

Trong nhiều năm, cách tiếp cận phổ biến để kiểm soát hành vi của mô hình ngôn ngữ là dùng các lớp bảo vệ bên ngoài: từ chối trả lời những câu hỏi nguy hiểm, chèn cảnh báo, hoặc lọc đầu ra trước khi hiển thị cho người dùng.

Tuy nhiên, cách làm này bộc lộ hạn chế rõ rệt. Mô hình có thể bị "lách" qua các lớp bảo vệ, hoặc đưa ra câu trả lời có vẻ hợp lý nhưng lại mang hàm ý sai lệch trong những tình huống phức tạp. Vì vậy, Anthropic chuyển hướng sang việc dạy đạo đức ngay từ bên trong quá trình huấn luyện — thay vì chỉ ngăn chặn ở bên ngoài.

Công ty sử dụng kỹ thuật mà họ gọi là " Constitutional AI" (AI dựa trên hiến pháp), trong đó mô hình được cung cấp một bộ nguyên tắc rõ ràng và được yêu cầu tự đánh giá, điều chỉnh câu trả lời của mình theo các nguyên tắc đó.

• Mô hình học cách phản biện chính mình trước khi đưa ra câu trả lời cuối cùng
• Các nguyên tắc bao gồm tôn trọng sự thật, tránh gây hại, tôn trọng quyền riêng tư
• Quá trình này được lặp lại nhiều vòng để hình thành "thói quen" hành xử

Những thách thức chưa có lời giải

Dù được đánh giá cao về mặt ý tưởng, hướng đi của Anthropic vẫn đối mặt với nhiều câu hỏi hóc búa.

"Vấn đề không nằm ở chỗ chúng ta có thể viết ra bộ nguyên tắc hay không, mà ở chỗ ai là người quyết định nguyên tắc nào là đúng." — một nhà nghiên cứu AI nhận định.

Thứ nhất, đạo đức không phải là một hằng số. Những gì được coi là đúng sai có thể khác nhau giữa các nền văn hóa, quốc gia và bối cảnh. Một mô hình được huấn luyện chủ yếu trên dữ liệu tiếng Anh từ phương Tây có thể mang theo những định kiến vô hình khi áp dụng sang các thị trường khác, trong đó có Việt Nam.

Thứ hai, việc đo lường "mức độ đạo đức" của một mô hình là cực kỳ khó khăn. Không có thước đo chuẩn nào cho khái niệm trừu tượng này, khiến các kỹ sư phải dựa vào đánh giá của con người — vốn tốn kém và mang tính chủ quan.

Thứ ba, ranh giới giữa việc bảo vệ người dùng và việc kiểm duyệt quá mức rất mong manh. Nếu mô hình quá thận trọng, nó sẽ trở nên kém hữu ích; nếu quá cởi mở, nó có thể bị lợi dụng.

Ý nghĩa với người dùng Việt Nam

Với người dùng công nghệ tại Việt Nam, cuộc đua về đạo đức AI không chỉ là câu chuyện của các phòng thí nghiệm ở Thung lũng Silicon.

Khi các mô hình như Claude, ChatGPT hay Gemini ngày càng được tích hợp vào công cụ học tập, viết lách, lập trình và cả dịch vụ khách hàng tại Việt Nam, cách chúng hành xử sẽ ảnh hưởng trực tiếp đến trải nghiệm của hàng triệu người.

• Các doanh nghiệp Việt Nam cần lưu ý đến tính nhất quán về văn hóa khi triển khai AI trong chăm sóc khách hàng
• Nhà phát triển nên hiểu rõ giới hạn đạo đức được cài đặt sẵn trong mô hình để tránh thiết kế sản phẩm đi ngược lại
• Người dùng cần nhận thức rằng AI không trung lập tuyệt đối — nó phản ánh lựa chọn của con người đứng sau

Cuộc chạy đua dài hạn

Anthropic không đơn độc trong nỗ lực này. OpenAI, Google DeepMind và nhiều tổ chức khác cũng đang đầu tư mạnh vào nghiên cứu căn chỉnh AI (AI alignment) — lĩnh vực nhằm đảm bảo các hệ thống AI hành xử phù hợp với giá trị con người.

Song, khác biệt của Anthropic nằm ở chỗ họ coi đây là sứ mệnh cốt lõi chứ không chỉ là một tính năng phụ. Điều đó giải thích vì sao công ty sẵn sàng công bố các nghiên cứu nội bộ, chấp nhận chậm hơn trong việc ra mắt sản phẩm, và đôi khi đưa ra những quyết định gây tranh cãi về giới hạn của mô hình.

Liệu cách tiếp cận "gieo đạo đức từ gốc" này có thực sự hiệu quả, hay chỉ là một lớp vỏ bọc tinh vi hơn, vẫn là câu hỏi còn bỏ ngỏ. Nhưng một điều đã rõ: khi AI ngày càng nắm giữ vai trò lớn trong đời sống, câu hỏi về đạo đức sẽ không còn là chuyện của riêng các kỹ sư — mà là của toàn xã hội.