Mô hình AI mở: Lợi ích thực sự và những rủi ro khó lường

Cuộc tranh luận về việc các mô hình AI tiên tiến nên được công khai hay giữ kín đang trở thành một trong những câu hỏi quan trọng nhất của ngành công nghệ. Sau báo cáo mới nhất của Anthropic về rủi ro tấn công mạng từ mô hình GLM-5.3, vấn đề này lại càng trở nên cấp thiết hơn bao giờ hết.

Bối cảnh: Khi AI mở trở thành tâm điểm tranh cãi

Cuối tháng trước, Anthropic đã công bố một báo cáo gây chú ý, cho rằng mô hình GLM-5.3 — ra mắt vào tháng 8 bởi công ty Trung Quốc Z.ai — tạo ra rủi ro tấn công mạng nghiêm trọng. Mối lo cốt lõi nằm ở chỗ: mô hình cực kỳ mạnh mẽ này được phát hành miễn phí, bất kỳ ai cũng có thể tải về và sử dụng.

Đây chỉ là diễn biến mới nhất trong cuộc tranh luận kéo dài suốt nhiều năm qua: liệu các mô hình AI tiên tiến nên được mở như GLM-5.3, hay nên bị khóa chặt sau cánh cửa của các phòng thí nghiệm hàng đầu?

Đáng chú ý, cuộc tranh luận này đang diễn ra công khai — và đằng sau nó là hàng tỷ USD lợi nhuận. Giám đốc điều hành Nvidia, Jensen Huang, người hưởng lợi lớn nếu người dùng tiếp tục mua phần cứng để chạy mô hình mở, nhiệt tình ủng hộ việc Mỹ phát triển thêm nhiều mô hình mở. Trong khi đó, Dario Amodei của Anthropic — công ty có thể bị đe dọa bởi các mô hình mạnh mà rẻ — lại kêu gọi cách tiếp cận thận trọng hơn.

"Cách bạn nhìn nhận về vấn đề mở hay đóng phần lớn bị ảnh hưởng bởi cách bạn nhìn nhận về chính AI," nhận xét của David Gray Widder, trợ lý giáo sư tại Trường Thông tin, Đại học Texas tại Austin.

Lợi ích thực sự của mô hình mở

Trước tiên, cần phân biệt rõ: mô hình đóng như ChatGPT hay Claude chỉ có thể truy cập qua website, ứng dụng hoặc API. Ngược lại, mô hình mở có thể tải trực tiếp về — chi tiết về cấu trúc bên trong, được mã hóa trong chuỗi số gọi là trọng số mô hình (model weights), được công khai.

Hiện tại, các mô hình đóng vẫn mạnh hơn mô hình mở. Tính đến thời điểm này, cả 8 mô hình đứng đầu bảng xếp hạng Artificial Analysis LLM đều là mô hình đóng, dù các mô hình mở chỉ chậm hơn vài tháng về tiến độ phát triển. Nhưng có nhiều lý do để chọn mô hình mở:

• Nghiên cứu học thuật: Nhà nghiên cứu có thể quan sát cấu trúc bên trong mô hình, theo dõi "chuỗi suy luận" trước khi đưa ra câu trả lời, kết hợp nhiều mô hình để xây dựng hệ thống mới, nén để tăng hiệu quả và tinh chỉnh cho ứng dụng mới.
• Doanh nghiệp: Theo báo cáo gần đây từ Mozilla, mô hình mở thường có chi phí thấp hơn. Và nếu cần xử lý dữ liệu nhạy cảm, chạy mô hình cục bộ trên phần cứng riêng là cách tốt nhất để đảm bảo an toàn.
• Phân quyền sức mạnh: Đây có lẽ là lợi ích quan trọng nhất — mô hình mở thách thức sự kiểm soát chặt chẽ của các phòng thí nghiệm hàng đầu đối với cách chúng ta sử dụng AI.

"Lập luận rõ ràng và lớn nhất [ủng hộ mô hình mở] là về việc ngăn chặn sự tập trung quyền lực — đảm bảo công nghệ nền tảng này là hàng hóa công cộng," nhận định của Elizabeth Seger, cố vấn chính sách cấp cao tại Viện Tony Blair.

Rủi ro: Mô hình mở có nguy hiểm hơn?

Vài tháng qua cho thấy an toàn vẫn là bài toán nan giải ngay cả với mô hình đóng. Vụ hack tự động của các tác nhân OpenAI nhắm vào Hugging Face hồi tháng 7, cùng với các chiến dịch hack quy mô lớn được thực hiện với sự hỗ trợ của Claude, cho thấy mối đe dọa từ lạm dụng là có thật.

Vậy mô hình mở thì sao? Về lý thuyết, chúng dễ bị khai thác hơn nhiều. Khi tải mô hình về chạy trên phần cứng cá nhân, không có bộ lọc kiểm tra prompt, không có cách thu hồi quyền truy cập. Dù các nhà phát triển có huấn luyện mô hình từ chối yêu cầu độc hại, nghiên cứu đã chỉ ra rằng việc tinh chỉnh lại mô hình "an toàn" để nó chấp nhận hành vi nguy hiểm là điều dễ dàng đến bất ngờ.

Tuy nhiên, đánh giá mô hình mở là nguy hiểm còn mô hình đóng là an toàn sẽ là một sự đơn giản hóa quá mức. Các biện pháp bảo vệ quanh mô hình đóng còn lâu mới hoàn hảo, và người ta lạm dụng chúng liên tục.

"Điều trở nên phức tạp là khi bạn bắt đầu xem xét nghiêm túc những sự cố đơn lẻ đặc biệt thảm khốc — có thể xác suất thấp, nhưng nếu xảy ra sẽ là thảm họa," Seger giải thích.

Hướng tới mô hình mở an toàn hơn

Vài năm trước, tranh luận về mô hình mở mang tính "được ăn cả, ngã về không": hoặc ủng hộ vì tiềm năng chống tập trung quyền lực, hoặc từ chối vì rủi ro an toàn. Ngày nay, nhiều người đang nỗ lực tìm giải pháp trung dung.

Một số hướng nghiên cứu đáng chú ý:

• Huấn luyện mô hình không bao giờ tiếp xúc với dữ liệu về hành vi xấu — ví dụ, mô hình mở không bao giờ học về hacking. Tuy nhiên, việc loại bỏ mọi tham chiếu đến hành vi sai trái mà không làm hại hiệu năng vẫn là thách thức.
• Mô hình chống can thiệp (tamper-resistant): Nếu bạn liên tục cố tinh chỉnh mô hình thành không an toàn và củng cố khả năng kháng cự, cuối cùng sẽ có mô hình được gia cố chống lại các nỗ lực tinh chỉnh trong tương lai.
• Phát hành theo giai đoạn: Mô hình bắt đầu ở dạng đóng, dần dần trở nên mở hơn khi độ an toàn được đảm bảo.

Bài toán cân bằng cho tương lai AI

Ngay cả lợi ích của mô hình mở cũng không hề đơn giản. Việc công bố trọng số mô hình có thể không đủ để phá vỡ sự tập trung quyền lực do AI làm trung gian.

"Tôi nghĩ có những lợi ích rất chân thực từ mã nguồn mở trong việc phân tán quyền lực, nhưng chúng chưa đủ tự thân," Hobbs nhận định.

Tính tiếp cận cũng quan trọng không kém. Không có chip máy tính đủ mạnh, bạn không thể chạy mô hình dù có trọng số trong tay. Và những con chip này đang trở nên đắt đỏ khi các công ty AI ngày càng mua nhiều hơn.

"Sự mở là mức sàn, không phải mức trần, cho những gì chúng ta cần làm để đảm bảo tương lai công nghệ phục vụ mọi người," Widder nói.

Đối với độc giả Việt Nam, câu chuyện này đặc biệt relevant khi các doanh nghiệp và nhà phát triển trong nước ngày càng quan tâm đến việc ứng dụng AI mã nguồn mở như Llama, Qwen, hay DeepSeek để tối ưu chi phí và bảo mật dữ liệu. Việc hiểu rõ ranh giới giữa lợi ích và rủi ro sẽ giúp các tổ chức đưa ra quyết định sáng suốt hơn trong hành trình chuyển đổi số.

Sự thật là cả rủi ro lẫn lợi ích của mô hình mở đều không rõ ràng như vẻ bề ngoài ban đầu. Việc tìm ra cách triển khai chiến lược phát hành phù hợp sẽ đòi hỏi sự cân bằng cẩn trọng giữa an toàn và dân chủ hóa. Nhưng nếu mô hình mở thực sự là yếu tố cần thiết cho một tương lai AI tích cực — như một số chuyên gia tin tưởng — thì nỗ lực đó hoàn toàn xứng đáng.