Tôi giăng bẫy để thử các mô hình AI chấm điểm ảnh, nhưng chúng lại sập vào một cái bẫy khác

Các mô hình thị giác nhân tạo đang ngày càng được tin dùng để chấm điểm, đánh giá và sàng lọc hình ảnh — từ kiểm duyệt nội dung trên mạng xã hội cho đến đánh giá chất lượng ảnh trong thương mại điện tử. Nhưng điều gì sẽ xảy ra nếu chính những "giám khảo AI" này lại dễ bị đánh lừa hơn chúng ta tưởng?

Một thử nghiệm mới đây đã đặt ra câu hỏi đó bằng cách dựng lên một cái bẫy dành riêng cho các mô hình AI chấm điểm ảnh. Kết quả thu được không chỉ gây bất ngờ mà còn phơi bày những điểm yếu nghiêm trọng trong cách các mô hình hàng đầu như GPT-4o và Claude vận hành.

Bẫy được giăng như thế nào?

Ý tưởng của thử nghiệm khá đơn giản nhưng tinh vi: đưa cho các mô hình thị giác một hình ảnh và yêu cầu chúng đưa ra đánh giá hoặc lựa chọn. Điều đáng chú ý là cả ba mô hình đều bỏ qua hình ảnh đẹp mắt — thứ lẽ ra phải thu hút sự chú ý của chúng — và thay vào đó lại rơi vào những hành vi sai lệch theo cách riêng.

Đây không phải là một lỗi đơn lẻ. Nó cho thấy các mô hình AI thị giác có thể đang vận hành dựa trên những mẫu hình đã học sẵn thay vì thực sự "nhìn" và phân tích nội dung hình ảnh một cách khách quan.

GPT-4o bịa ra câu trả lời

Điều gây sốc nhất đến từ GPT-4o. Thay vì thừa nhận không có đủ thông tin hoặc đưa ra phán đoán dựa trên những gì thực sự có trong ảnh, mô hình này lại tự bịa ra câu trả lời.

Khi một mô hình AI bịa đặt thay vì thừa nhận giới hạn của mình, đó không còn là lỗi kỹ thuật đơn thuần — đó là vấn đề về độ tin cậy.

Hành vi này được gọi là ảo giác (hallucination). Trong bối cảnh chấm điểm ảnh, ảo giác đặc biệt nguy hiểm vì người dùng khó có thể kiểm chứng ngay liệu mô hình có đang nói đúng hay không.

Claude mắc kẹt với đáp án B

Trong khi đó, Claude lại thể hiện một kiểu sai lệch khác. Mô hình này liên tục chọn đáp án B bất kể nội dung thực tế của hình ảnh là gì.

Hiện tượng này giống như một dạng thiên kiến vị trí (position bias) — mô hình có xu hướng ưu tiên một lựa chọn cụ thể dựa trên vị trí của nó trong danh sách, chứ không dựa trên nội dung thực sự. Đây là một vấn đề đã được ghi nhận trong nhiều nghiên cứu về đánh giá bằng mô hình ngôn ngữ lớn.

Vì sao điều này quan trọng với người dùng Việt Nam?

Tại Việt Nam, các mô hình AI thị giác đang được ứng dụng ngày càng rộng rãi:

• Kiểm duyệt nội dung trên các nền tảng mạng xã hội và ứng dụng nhắn tin
• Đánh giá chất lượng ảnh trong các sàn thương mại điện tử như Shopee, Lazada, Tiki
• Sàng lọc hồ sơ và hình ảnh trong các hệ thống tuyển dụng, định danh
• Hỗ trợ chẩn đoán hình ảnh trong lĩnh vực y tế kỹ thuật số

Nếu các mô hình này có thể bị đánh lừa bởi những cái bẫy đơn giản, hoặc tự bịa ra kết quả thay vì thừa nhận giới hạn, thì rủi ro vận hành là rất lớn. Một hệ thống kiểm duyệt tự động có thể bỏ sót nội dung độc hại, hoặc ngược lại, đánh dấu sai những nội dung hoàn toàn hợp lệ.

Bài học cho các nhà phát triển

Thử nghiệm này mang lại vài bài học quan trọng:

• Không nên tin tưởng tuyệt đối vào đầu ra của mô hình thị giác, đặc biệt trong các quyết định có ảnh hưởng lớn
• Cần có cơ chế kiểm tra chéo, ví dụ kết hợp nhiều mô hình hoặc có bước xác minh thủ công
• Đo lường thiên kiến định kỳ là điều bắt buộc, không chỉ đánh giá độ chính xác chung
• Thiết kế prompt cẩn thận có thể giảm nhưng không loại bỏ hoàn toàn các vấn đề này

Việc một mô hình AI trả lời sai không đáng sợ bằng việc nó trả lời sai một cách tự tin và không thể phân biệt được với câu trả lời đúng.

Kết luận

Các mô hình thị giác AI vẫn còn một chặng đường dài phía trước. Thử nghiệm giăng bẫy này cho thấy ngay cả những mô hình tiên tiến nhất cũng có thể thất bại theo những cách khó lường — GPT-4o thì bịa đặt, Claude thì mắc kẹt trong một lựa chọn cố định.

Đối với các kỹ sư và nhà phát triển sản phẩm tại Việt Nam đang tích hợp AI thị giác vào hệ thống của mình, thông điệp rất rõ ràng: hãy kiểm thử kỹ lưỡng, đừng đặt niềm tin mù quáng, và luôn giữ một lớp giám sát của con người trong những quyết định quan trọng.