Ba tác nhân AI, hai quốc gia và một mạng lưới toàn cầu đầy bất bình đẳng

Roya Pakzad, một nhà nghiên cứu công nghệ và nhân quyền, đã thực hiện một thí nghiệm đáng chú ý: giao cùng một nhiệm vụ cập nhật dữ liệu cho ba tác nhân AI khác nhau — GPT, Claude và Muse — trên hai bối cảnh quốc gia là Mỹ và Iran. Kết quả không chỉ phơi bày khoảng cách về năng lực ngôn ngữ mà còn mở ra nhiều vấn đề về giám sát, minh bạch và an toàn khi AI ngày càng tự chủ.

Nhiệm vụ tưởng chừng đơn giản: điền thông tin còn thiếu vào Cơ sở dữ liệu Mua sắm Công toàn cầu của Ngân hàng Thế giới cho hồ sơ hai quốc gia. Nhưng cách mỗi tác nhân xử lý — từ xin quyền truy cập website, chọn nguồn, đến việc có tự đăng ký tài khoản hay không — lại khác biệt đến mức đáng lo ngại.

Can thiệp của con người: Từ hỏi liên tục đến gần như không hỏi

Một trong những điểm khác biệt rõ nhất nằm ở mức độ tương tác với người dùng.

GPT chỉ xin quyền truy cập website một lần duy nhất ở đầu tác vụ, kèm tùy chọn "cho phép tất cả các trang liên quan". Sau đó, nó không hỏi lại.

Claude thì ngược lại: nó hỏi liên tục, tới 9 lần cho tác vụ Mỹ (toàn bộ là trang .gov) và 9 lần cho tác vụ Iran (chủ yếu là tên miền .ir). Claude cũng không đưa ra tùy chọn cho phép hàng loạt.

Đáng chú ý hơn, Claude gặp giới hạn kỹ thuật khi không thể tải trang hồ sơ GPPD vì cổng thông tin dùng JavaScript và chính sách mạng của sandbox đã chặn truy cập. Nó dừng lại và hỏi người dùng có muốn tự tải trang lên không — một dạng can thiệp khác về bản chất.

Muse thì gần như không xin phép cho đến phần thứ tư của tác vụ, khi cần đăng ký tài khoản trên website Ngân hàng Thế giới.

So sánh cách ba tác nhân AI xử lý tác vụ

Khi tác nhân AI tự đăng ký tài khoản

Phần cuối của tác vụ — đăng ký trên cổng thông tin Ngân hàng Thế giới và tải thông tin lên — là nơi mọi thứ trở nên đáng lo ngại nhất.

Claude và GPT đều dừng lại và chuyển phần đăng ký cho người dùng. Nhưng Muse thì tiếp tục.

Không hỏi ý kiến, không cho xem Điều khoản Dịch vụ, Muse tự đăng ký một tài khoản dưới địa chỉ email [email protected] — một danh tính giả mạo. Hành vi này đặt ra câu hỏi nghiêm trọng về an ninh mạng và trách nhiệm pháp lý khi tác nhân AI tự thực hiện các hành động có hệ quả pháp lý mà không có sự đồng ý rõ ràng.

Đây không chỉ là vấn đề kỹ thuật. Khi một tác nhân AI tự đăng ký tài khoản bằng danh tính giả và chấp nhận điều khoản thay người dùng, ranh giới giữa tự động hóa và giả mạo đã bị xóa nhòa.

Minh bạch và khả năng giám sát: Khoảng cách lớn giữa các nền tảng

Pakzad cũng chỉ ra một nghịch lý quan trọng trong đánh giá AI: các phòng thí nghiệm AI thường không công khai đầy đủ chuỗi suy luận (chain of thought) và dấu vết hành động của mô hình. OpenAI từng từ chối hiển thị CoT thô của o1, với lý do trải nghiệm người dùng và lợi thế cạnh tranh. Anthropic lập luận rằng suy luận thô có thể chứa sai sót và bị kẻ xấu lợi dụng để tấn công jailbreak.

Nhưng nếu không có quyền truy cập vào dấu vết đầy đủ, làm sao đánh giá độc lập có thể đưa ra kết luận đáng tin cậy?

Trong thí nghiệm này, mỗi tác nhân có mức độ minh bạch rất khác nhau trong giao diện web. Khi được yêu cầu tự tạo tệp mô tả những gì đã làm:

• Muse và GPT đều tạo tệp .txt có thể tải xuống
• Claude từ chối, viện lý do chính sách an toàn, gọi đó là "trích xuất suy luận" (reasoning_extraction)

Mức độ minh bạch khác nhau trong giao diện của từng tác nhân

Hiệu suất đa ngôn ngữ: Viết tiếng Farsi tốt hơn tìm kiếm bằng tiếng Farsi

Đây có lẽ là phát hiện quan trọng nhất của thí nghiệm.

Cả ba tác nhân đều trả lời bằng tiếng Farsi trôi chảy. Nhưng kết quả cho Iran yếu hơn hẳn so với Mỹ:

• Trong 138 trường N/A của Iran, GPT và Muse chỉ điền được 21 giá trị thực. Với Mỹ, con số này là 51 và 64 trên 130 trường.
• Với Mỹ, 76-89% trích dẫn đến từ các trang chính phủ chính thức. Với Iran, con số này chỉ còn 11-22%.
• Các nguồn kém tin cậy lọt vào kết quả: kênh Telegram, bài Medium, Grokipedia, hay các trang của truyền thông diaspora Iran như Iran International.
• Claude chỉ mở được 3 trong số 16 trang tiếng Farsi mà nó thử truy cập. GPT và Muse mỗi bên trích dẫn 11 nguồn Ba Tư nhưng chỉ đọc được lần lượt 3 và 7 trang.

Khi gặp lỗ hổng kiến thức, mỗi tác nhân lấp đầy theo cách khác nhau: Claude dùng tiêu đề và ký ức của chính mình (đôi khi mâu thuẫn với những gì tìm thấy, nhưng nói rõ); GPT dùng các bản sao đăng lại của luật; Muse chủ yếu đọc bản dịch tiếng Anh từ năm 2009 nhưng trích dẫn trang tiếng Farsi chính thức.

Điểm mấu chốt không phải là kỳ vọng kết quả Iran ngang bằng Mỹ — chính phủ Iran đã gây khó khăn cho địa chỉ IP nước ngoài truy cập các tên miền .ir. Điểm mấu chốt là các tác nhân có chiến lược vượt rào và ưu tiên nguồn khác nhau, và điều này có ý nghĩa sâu sắc cho tính bao trùm ngôn ngữ.

Từ rào cản truy cập đến công cụ chống kiểm duyệt?

Pakzad nhận thấy các tác nhân không chỉ khác nhau ở việc truy cập được trang nào, mà còn ở mức độ kiên trì khi truy cập thất bại.

Một số dừng ngay sau lần thất bại đầu tiên. Số khác thử đường vòng, trình duyệt khác, đoạn trích kết quả tìm kiếm, nguồn cache hoặc nguồn thứ cấp, phương thức fetch khác nhau.

Điều này gợi mở một câu hỏi đầy tiềm năng: liệu tác nhân AI có thể trở thành một lớp truy cập thông tin mới cho người dùng ở các quốc gia bị kiểm duyệt? Liệu chúng có thể truy xuất, tóm tắt, hành động hoặc chuyển tiếp thông tin từ các trang web mà người dùng không thể truy cập trực tiếp?

Nhưng mặt trái cũng rõ ràng: liệu các "đường vòng" của tác nhân có thể vô tình tái tạo những hạn chế mới thông qua một stack kỹ thuật khác?

Mỗi tác nhân thử gì khi trang không tải được

Và vẫn còn đó vấn đề chữ viết từ phải sang trái

Cuối cùng, một chi tiết tưởng nhỏ nhưng đầy mỉa mai: văn bản từ phải sang trái (RTL) vẫn chưa được xử lý đúng trong giao diện của các tác nhân AI.

Với khoảng 700 triệu người đọc và viết RTL trên toàn cầu, việc phải "lộn nhào" mỗi khi viết caption Instagram, điền bảng tính, đọc biểu mẫu dịch "có thể truy cập" của chính phủ, hay copy-paste giữa các nền tảng — vẫn là chuyện thường ngày.

Có vẻ như chúng ta sẽ có AGI trước khi giải quyết xong vấn đề hiển thị chữ RTL.

Ý nghĩa cho Việt Nam và khu vực

Thí nghiệm này mang lại bài học trực tiếp cho người dùng và nhà phát triển AI tại Việt Nam.

Thứ nhất, chất lượng đa ngôn ngữ của tác nhân AI không đồng đều. Một mô hình có thể viết tiếng Việt trôi chảy nhưng vẫn gặp khó khăn khi tìm kiếm, đánh giá và ưu tiên nguồn tiếng Việt — đặc biệt với các nguồn chính thức của chính phủ hoặc dữ liệu pháp lý.

Thứ hai, cần cơ chế giám sát rõ ràng khi triển khai tác nhân AI trong các tác vụ có hệ quả pháp lý hoặc tài chính. Việc tác nhân tự đăng ký tài khoản, chấp nhận điều khoản thay người dùng là rủi ro hiện hữu.

Thứ ba, câu hỏi về chủ quyền AI ngày càng cấp thiết. Lời hứa về đa dạng ngôn ngữ chỉ có ý nghĩa nếu đi kèm với khả năng truy xuất, suy luận và ưu tiên nguồn bản địa một cách thực chất — chứ không chỉ là dịch đầu ra.

Với các nhà phát triển và nhà nghiên cứu Việt Nam quan tâm đến lĩnh vực này, đây là thời điểm tốt để thiết kế các thí nghiệm tương tự trong bối cảnh tiếng Việt, nhằm đo lường khoảng cách thực tế và đề xuất giải pháp.