AI đã tiến hóa thế nào: từ dự đoán đến sáng tạo và hành động

AI không tiến hóa theo một đường thẳng, trong đó công nghệ mới xuất hiện rồi loại bỏ hoàn toàn công nghệ cũ. Thay vào đó, các năng lực được tích lũy qua thời gian: hệ thống dựa trên luật và mô hình dự đoán vẫn đảm nhiệm nhiều nhiệm vụ quan trọng; mô hình tạo sinh bổ sung khả năng sản xuất nội dung; còn AI tác tử kết nối mô hình với các công cụ để theo đuổi mục tiêu qua nhiều bước.

Có thể hình dung tiến trình này qua ba động từ: quyết định, sáng tạo và hành động. Khi năng lực tăng lên, rủi ro cũng thay đổi. Hệ thống dự đoán cần được kiểm tra về độ chính xác và tính công bằng; AI tạo sinh cần được đánh giá về tính trung thực, an toàn và nguồn gốc nội dung; còn AI tác tử phải chịu thêm các giới hạn về quyền truy cập, bước phê duyệt và khả năng kiểm toán.

Bảy thập kỷ phát triển của AI

Lĩnh vực AI hiện đại hình thành từ thập niên 1950, sau những công trình nền tảng về suy luận máy, trò chơi và mạng nơ-ron. Nghiên cứu sau đó trải qua các giai đoạn của hệ thống biểu tượng và hệ chuyên gia, học máy trong thập niên 1990 rồi học sâu trong thập niên 2010.

Đây là những hướng tiếp cận chồng lấn chứ không phải các thời kỳ tách biệt tuyệt đối. Một sản phẩm hiện đại có thể dùng mô hình dự đoán để phân loại yêu cầu, mô hình tạo sinh để soạn câu trả lời và phần mềm truyền thống để quyết định hành động đó có được phép thực hiện hay không.

1. AI truyền thống: luật, phân loại và dự đoán

AI truyền thống thường bao gồm hai hướng chính:

• Hệ thống biểu tượng hoặc dựa trên luật: con người mã hóa logic, tri thức chuyên ngành và quy trình ra quyết định.
• Hệ thống học máy: mô hình học các mối quan hệ thống kê từ dữ liệu lịch sử để phân loại đầu vào hoặc ước tính kết quả.

Các chương trình chơi cờ và trò chơi đời đầu cho thấy máy tính có thể tìm kiếm nhiều nước đi trong một môi trường bị giới hạn. Về sau, những ý tưởng này cùng phương pháp học thống kê được ứng dụng vào các nhiệm vụ thực tế như:

• phát hiện giao dịch bất thường hoặc có dấu hiệu gian lận;
• đánh giá rủi ro tín dụng và khả năng vỡ nợ;
• dự báo nguy cơ sức khỏe, chẳng hạn tình trạng bệnh nhân xấu đi hoặc phải tái nhập viện;
• xếp hạng sản phẩm, video, âm nhạc và bài đăng trong các hệ thống đề xuất; và
• kết hợp nhận dạng giọng nói, phân loại ý định với quy trình định sẵn trong các trợ lý như Siri.

Các hệ thống này thường hoạt động tốt khi nhiệm vụ hẹp, lặp lại và có thể đo lường. Chúng xử lý khối lượng lớn trường hợp nhanh chóng, đồng thời tạo ra kết quả tương đối nhất quán. Hệ thống dựa trên luật cũng có thể dễ kiểm tra hơn mô hình phức tạp vì logic quyết định được thể hiện rõ ràng.

Giới hạn của việc dự đoán

AI truyền thống không tự động hiểu nguyên nhân của một kết quả. Mô hình có thể phát hiện mối liên hệ thống kê mà không chứng minh được quan hệ nhân quả. Nếu được huấn luyện trên dữ liệu lịch sử chứa thiên lệch, hệ thống có thể lặp lại hoặc khuếch đại thiên lệch đó.

Các bộ luật cũng dễ trở nên cứng nhắc khi gặp tình huống ngoài bối cảnh ban đầu. Trong khi đó, hiệu suất của mô hình dự đoán có thể suy giảm khi thế giới thực thay đổi — hiện tượng thường được gọi là trôi dạt dữ liệu (data drift).

Với các lĩnh vực có tác động lớn như cho vay, tuyển dụng, bảo hiểm, thực thi pháp luật và y tế, triển khai có trách nhiệm đòi hỏi kiểm tra chất lượng dữ liệu, đánh giá thiên lệch, giải thích phù hợp, con người giám sát, theo dõi liên tục và cơ chế khiếu nại.

2. AI tạo sinh: tạo ra nội dung mới

AI tạo sinh học các quy luật trong những kho dữ liệu lớn gồm văn bản, hình ảnh, âm thanh, video hoặc mã nguồn, rồi dùng các quy luật đó để tạo ra đầu ra mới. Mô hình ngôn ngữ lớn tạo văn bản theo trình tự, còn hệ thống đa phương thức có thể làm việc với nhiều định dạng.

Điều này đã thay đổi cách con người tương tác với AI. Thay vì chọn một lệnh cố định hoặc nhận về điểm phân loại, người dùng có thể mô tả mục tiêu bằng ngôn ngữ tự nhiên và yêu cầu hệ thống soạn thảo, biến đổi hoặc giải thích nội dung.

AI tạo sinh được dùng vào đâu?

• Dịch vụ khách hàng: soạn câu trả lời, tóm tắt cuộc trò chuyện, dịch tài liệu và tìm thông tin trong kho tri thức.
• Công việc pháp lý: tóm tắt hồ sơ, trích xuất điều khoản, đối chiếu các án lệ hoặc nguồn pháp lý và chuẩn bị bản nháp. Chuyên gia vẫn phải kiểm tra nguồn gốc và các nhận định pháp lý.
• Giáo dục: giải thích khái niệm, tạo câu hỏi luyện tập và đưa ra phản hồi.
• Công việc sáng tạo: lên ý tưởng, viết nội dung, tạo hình ảnh, âm nhạc, ý tưởng video và mã nguồn.
• Lập trình: giải thích mã, viết bài kiểm thử, gợi ý cách sửa lỗi và đẩy nhanh các công việc phát triển thường nhật.

Lợi ích nổi bật là tốc độ, chi phí soạn thảo thấp hơn, giao tiếp bằng ngôn ngữ tự nhiên và khả năng tạo nhiều phiên bản được cá nhân hóa. Tuy nhiên, một câu trả lời nghe có vẻ thuyết phục không đồng nghĩa với phán đoán chuyên môn đáng tin cậy.

Những rủi ro chính

Ảo giác và sự tự tin quá mức. Mô hình ngôn ngữ lớn có thể tạo ra thông tin bịa đặt, sai lệch, thiên kiến hoặc đơn giản hóa quá mức nhưng vẫn thể hiện bằng giọng điệu chắc chắn. Các nghiên cứu về kiểm chứng nguồn và đánh giá mô hình chỉ ra rằng ảo giác, nội dung có hại, thao túng, vi phạm bản quyền, riêng tư và an ninh đều cần được kiểm tra, theo dõi.

Học tập và liêm chính học thuật. Một thử nghiệm thực địa quy mô lớn trong trường trung học cho thấy công cụ gia sư AI giúp học sinh đạt kết quả tốt hơn khi đang được sử dụng. Tuy nhiên, những học sinh phụ thuộc vào công cụ mà không có biện pháp bảo vệ phù hợp có thể làm bài kém hơn khi không còn quyền truy cập, cho thấy việc tiếp thu kỹ năng có thể bị suy giảm. Những gợi ý được giáo viên thiết kế có tác dụng bảo vệ tốt hơn so với việc AI đưa thẳng đáp án. Công cụ tạo sinh cũng có thể khiến đạo văn dễ dàng hơn hoặc che khuất việc học sinh có thực sự nắm được bài hay không.

Bản quyền và nguồn gốc nội dung. Nguồn gốc dữ liệu huấn luyện, việc mô phỏng phong cách và khả năng đầu ra tái tạo tài liệu được bảo hộ vẫn là các vấn đề gây tranh luận. Hướng dẫn về AI trong giáo dục xác định xâm phạm quyền sở hữu trí tuệ là một rủi ro đáng kể, bên cạnh nội dung sai lệch, thiên kiến hoặc không an toàn.

Nội dung có hại và thao túng. AI tạo sinh có thể tạo thông tin sai lệch, quấy rối, nội dung tình dục hoặc bạo lực và hướng dẫn nguy hiểm. Các khuyến nghị về an toàn nhấn mạnh việc kiểm thử, áp dụng biện pháp bảo vệ, ghi nhật ký hoạt động và giám sát, thay vì mặc định rằng mô hình luôn hành xử đúng như ý định của nhà phát triển.

An toàn và sức khỏe tinh thần của người trẻ. Nghiên cứu về rủi ro của AI tạo sinh đối với thanh thiếu niên nêu lên các mối lo liên quan đến sức khỏe tinh thần, sự phát triển hành vi và xã hội, nội dung độc hại, quyền riêng tư, lạm dụng và khai thác. Những rủi ro này đặc biệt nghiêm trọng khi người dùng xem chatbot như một sự thay thế đáng tin cậy cho hỗ trợ chuyên môn của con người.

Riêng tư và bảo mật thông tin. Nội dung nhập vào có thể chứa dữ liệu cá nhân, bí mật kinh doanh, tài liệu của khách hàng hoặc thông tin thuộc phạm vi bảo mật pháp lý. Tổ chức cần quy định rõ dữ liệu nào được phép đưa vào dịch vụ nào; người dùng không nên nhập thông tin nhạy cảm vào các hệ thống chưa được phê duyệt.

Kiểm soát AI tạo sinh trong thực tế

Nguyên tắc cơ bản là xem đầu ra của mô hình như bản nháp, không phải bằng chứng. Các thông tin quan trọng cần được đối chiếu với nguồn có thẩm quyền. Những quyết định liên quan đến y tế, pháp lý, tài chính, tuyển dụng và an toàn phải có con người kiểm duyệt.

Các biện pháp hữu ích gồm truy xuất thông tin dựa trên nguồn được phê duyệt, trích dẫn, kiểm thử đối kháng, bộ lọc nội dung, thiết kế phù hợp với độ tuổi, nhật ký kiểm toán, thông báo cho người dùng và chính sách về dữ liệu, học thuật, nguồn gốc nội dung và bản quyền. Hướng dẫn của chính phủ cũng nhấn mạnh các rủi ro về thông tin sai hoặc thiên kiến, vi phạm riêng tư, xâm phạm sở hữu trí tuệ và liêm chính học thuật.

3. AI tác tử: hệ thống có thể hành động

AI tác tử bổ sung một lớp hành động. Một tác tử có thể diễn giải mục tiêu, chia mục tiêu thành nhiều bước, gọi các công cụ như trình duyệt, kho mã nguồn, cơ sở dữ liệu hoặc hệ thống nhắn tin, kiểm tra kết quả trung gian rồi tiếp tục làm việc trong phạm vi quyền được cấp.

Điều này khiến tác tử khác với chatbot, ngay cả khi cả hai cùng sử dụng mô hình ngôn ngữ lớn. Chatbot có thể soạn một email; tác tử có thể tìm thông tin, chuẩn bị email, gửi đi rồi cập nhật một hệ thống khác. Trợ lý lập trình có thể giải thích lỗi; tác tử có thể điều tra kho mã, sửa tệp, chạy kiểm thử và chuẩn bị thay đổi để con người xem xét.

Một số ví dụ trên thị trường hiện nay gồm tác tử phát triển phần mềm Google Jules, công cụ hỗ trợ quy trình tuyển dụng LinkedIn Hiring Assistant và khung tác tử cá nhân OpenClaw. Tài liệu dự án mô tả OpenClaw là một trợ lý cá nhân mã nguồn mở chạy trên thiết bị của người dùng và kết nối với các kênh, công cụ; khả năng thực tế của nó phụ thuộc vào những tích hợp và quyền truy cập được bật.

Vì sao AI tác tử hữu ích?

AI tác tử có thể:

• hoàn thành cả quy trình thay vì chỉ soạn một tài liệu riêng lẻ;
• giảm công việc điều phối và hành chính lặp lại;
• kết nối thông tin nằm rải rác trong nhiều hệ thống doanh nghiệp; và
• hoạt động liên tục trong các giới hạn được xác định trước.

Nhờ đó, những quy trình phức tạp có thể trở nên dễ tiếp cận hơn với tổ chức nhỏ và người dùng cá nhân. Nhưng câu hỏi trung tâm cũng thay đổi: không chỉ là “câu trả lời có chính xác không?”, mà còn là “hệ thống được phép làm gì và hành động của nó sẽ được kiểm tra ra sao?”.

Vì sao tính tự chủ làm rủi ro tăng lên?

Mô hình tạo sinh có thể đưa ra câu trả lời sai. Một tác tử có thể biến suy luận sai, chỉ dẫn độc hại hoặc công cụ bị xâm nhập thành hành động bên ngoài.

Chẳng hạn, tác tử có quyền truy cập tài chính có thể thực hiện một khoản thanh toán, giao dịch mua, chuyển tiền hoặc hủy dịch vụ trái phép. Tác tử được cấp quyền dùng email, trình duyệt hoặc đám mây có thể bị một trang web hay tài liệu độc hại thao túng để làm lộ thông tin đăng nhập hoặc gửi tệp mật.

Quyền hạn quá rộng, kiểm soát danh tính yếu và việc phân tách nhiệm vụ không rõ ràng có thể biến một lỗi nhỏ của mô hình thành sự cố nghiêm trọng. Việc quy trách nhiệm cũng khó hơn khi kết quả phát sinh từ tương tác giữa mô hình, chỉ dẫn, dữ liệu, công cụ và các tác tử khác. Vì vậy, đơn vị vận hành cần nhìn thấy không chỉ kết quả cuối cùng mà cả hành động được đề xuất, bằng chứng đứng sau hành động và quyền đã được sử dụng.

Năng lực càng lớn, quản trị càng phải chặt chẽ

Ba giai đoạn trên cùng cần những nguyên tắc cơ bản: xác định chủ thể chịu trách nhiệm, giới hạn mục đích sử dụng, bảo vệ dữ liệu, kiểm thử trước khi triển khai, theo dõi hiệu suất, chuẩn bị phương án ứng phó sự cố và bảo đảm con người có thể xem xét hoặc can thiệp trong các quyết định quan trọng.

AI tác tử cần thêm các biện pháp vì nó có thể tác động trực tiếp đến hệ thống bên ngoài, gồm:

• cấp quyền tối thiểu và thông tin xác thực có thời hạn;
• tài khoản riêng và danh tính rõ ràng cho từng tác tử;
• ranh giới cụ thể về những gì tác tử được đọc, ghi, gửi, mua, xóa hoặc triển khai;
• bước xác nhận đối với hành động không thể đảo ngược hoặc có tác động lớn;
• danh sách công cụ được phê duyệt, môi trường sandbox và biện pháp chống tấn công chèn lệnh;
• hạn mức giao dịch và phát hiện bất thường;
• nhật ký hành động chi tiết, khó bị sửa đổi;
• phân tách nhiệm vụ và phê duyệt của con người tương xứng với rủi ro; và
• nút tạm dừng hoặc vô hiệu hóa khẩn cấp.

Singapore đã ra mắt Khung quản trị AI mẫu cho AI tác tử vào ngày 22 tháng 1 năm 2026. Đây là hướng dẫn cho các tổ chức triển khai hệ thống, không phải một đạo luật AI độc lập. Khung này đặt trách nhiệm của con người và tổ chức ở vị trí trung tâm, đồng thời khuyến nghị quản trị rủi ro và các biện pháp kiểm soát tương xứng với mức độ tự chủ của tác tử.

Trong lĩnh vực tài chính, tài liệu SAFR của Cơ quan Tiền tệ Singapore mô tả cách tiếp cận quản trị tại thời điểm chạy. Theo đó, một bản ghi có cấu trúc sẽ lưu lại tác tử định làm gì, vì sao định làm và bằng chứng nào hỗ trợ cho hành động được đề xuất.

Điều quan trọng nhất cần nhớ

Lịch sử AI không đơn giản là hành trình từ “AI cũ” sang “AI mới”. Hệ thống dựa trên luật và mô hình dự đoán vẫn là lựa chọn phù hợp cho nhiều quyết định có phạm vi giới hạn. AI tạo sinh bổ sung khả năng sản xuất nội dung linh hoạt và tương tác bằng ngôn ngữ tự nhiên. AI tác tử tiến thêm một bước, cho phép hệ thống theo đuổi mục tiêu thông qua công cụ và hành động bên ngoài.

Vì vậy, yêu cầu quản trị cũng tăng dần. AI dự đoán cần được kiểm tra về độ chính xác, thiên lệch và hiện tượng trôi dạt dữ liệu. AI tạo sinh cần được kiểm chứng về tính trung thực, an toàn, riêng tư và nguồn gốc. AI tác tử cần tất cả các biện pháp trên, cộng thêm kiểm soát quyền hạn, bước phê duyệt, trách nhiệm giải trình và kế hoạch khôi phục khi hệ thống có thể trực tiếp tác động đến thế giới thực.