NTU muốn dùng AI thử nghiệm chính sách hỗ trợ tiền trước khi triển khai

Một phiếu mua hàng được dùng hết không có nghĩa nền kinh tế nhận thêm đúng bằng ấy chi tiêu. Người nhận có thể dùng phiếu để trả cho món hàng họ vốn đã định mua, rồi giữ lại tiền của mình. Đó là khác biệt mà nhóm nghiên cứu thuộc Đại học Công nghệ Nanyang (NTU), Singapore, muốn giúp nhà hoạch định chính sách kiểm tra trước khi quyết định cách hỗ trợ người dân.25

Công cụ sẽ dự báo điều gì?

Nhóm bốn người tại Trường Kinh doanh Nanyang gồm Hyeokkoo Eric Kwon, Jaecheol Park, Mo Jiayun và Kayoung Shin đang phát triển công cụ mô phỏng phản ứng của người tiêu dùng trước các phương án như phiếu mua hàng trị giá 100 USD. Thay vì lấy số phiếu đã sử dụng làm thước đo duy nhất, mô phỏng sẽ xem người nhận có tiết kiệm, tăng tổng chi tiêu hoặc thay đổi mặt hàng mua hay không.25

OpenAI liệt kê dự án với tên “Privacy-Preserving LLM Agents for Auditable Government Policy Simulation” — tạm hiểu là mô phỏng chính sách có thể kiểm tra bằng các tác nhân AI dựa trên mô hình ngôn ngữ lớn, đồng thời bảo vệ quyền riêng tư. Đây là tên dự án nghiên cứu; theo các bài đưa tin, bản thân công cụ chưa có tên riêng.85

AI học từ dữ liệu chi tiêu ra sao?

Hệ thống dự kiến sử dụng lịch sử giao dịch đã được ẩn danh của khoảng 1,5 triệu người dùng một ứng dụng quản lý ngân sách không được nêu tên tại Hàn Quốc, trong giai đoạn 2023–2025. Dữ liệu này giúp các “tác nhân” mô phỏng người tiêu dùng với hoàn cảnh tài chính và thói quen chi tiêu khác nhau.23

Theo quy trình được mô tả, ứng dụng thu thập thông tin giao dịch qua thông báo ngân hàng. Các thông tin định danh được loại bỏ; số tiền chi tiêu, thu nhập và thời điểm mua hàng được gộp thành các khoảng. Tùy mức độ nhạy cảm, những đặc điểm của một hồ sơ phải được chia sẻ bởi ít nhất 3, 5 hoặc 10 người dùng. Mục đích là giảm nguy cơ một hồ sơ mô phỏng làm lộ lịch sử tài chính cá nhân, không phải bảo đảm tuyệt đối rằng không ai có thể bị nhận diện lại.2

Lợi thế mà nhóm kỳ vọng nằm ở khả năng xét nhiều đặc điểm cùng lúc: chẳng hạn, thu nhập và độ tuổi có thể kết hợp để ảnh hưởng đến cách một hộ gia đình dùng phiếu hỗ trợ. Cách làm này linh hoạt hơn mô hình gán sẵn cùng một quy tắc chi tiêu cho mọi người trong một nhóm. Tuy nhiên, đó mới là giả thuyết cần kiểm chứng, chưa phải bằng chứng AI dự báo tốt hơn mô hình dựa trên khảo sát hay quy tắc cố định.23

Kiểm chứng dự báo bằng cách nào?

Nhóm dự kiến so sánh kết quả mô phỏng với chi tiêu quan sát được trước và sau các đợt hỗ trợ tại Hàn Quốc vào tháng 7 và tháng 9/2025. Khoản hỗ trợ khi ấy chỉ được dùng tại các cơ sở bán lẻ đủ điều kiện và phải sử dụng trước tháng 11/2025. Đây là một trường hợp thực tế để đối chiếu dự báo với thay đổi trong hành vi mua sắm.2

Phép đối chiếu có thể giúp phát hiện phản ứng thiếu hợp lý hoặc lời giải thích do AI tự dựng lên. Nhưng để chứng minh công cụ dự báo tốt hơn, cần kiểm tra trên những kết quả mà mô hình chưa được xem trước, so sánh với các phương pháp truyền thống phù hợp và tính đến những yếu tố khác cũng có thể làm chi tiêu thay đổi. Thông tin hiện có chưa nêu quy trình đánh giá chi tiết hay công bố tỷ lệ sai số. Vì vậy, độ chính xác vượt trội vẫn là mục tiêu nghiên cứu, không phải kết luận đã được xác lập.23

Khoản tài trợ sẽ đưa dự án tới đâu?

Đây là một trong 14 dự án được OpenAI chọn từ hơn 400 hồ sơ. Trang của Kwon ghi khoản hỗ trợ trị giá 100.000 USD; theo thông tin được đưa tin, một nửa là tiền mặt và một nửa là tín dụng sử dụng mô hình OpenAI, phục vụ khoảng sáu tháng phát triển và thử nghiệm.8104

Nhóm đặt mục tiêu phát hành công cụ mã nguồn mở vào tháng 2/2027 và điều chỉnh để dùng với các nhóm dân cư khác nhau. Kế hoạch còn gồm việc bổ sung đặc điểm như sở thích, quan điểm chính trị cho tác nhân và cung cấp lời giải thích đi kèm dự báo.4 Khả năng áp dụng đáng tin cậy ngoài dữ liệu Hàn Quốc — cũng như giá trị của những lời giải thích ấy — sẽ phải được chứng minh bằng kiểm định, chứ không chỉ bằng câu trả lời nghe có vẻ thuyết phục của AI.