Vì sao trợ lý nhà thông minh dùng AI vẫn loay hoay với những việc cơ bản?

AI tạo sinh đã giúp trợ lý nhà thông minh trò chuyện tự nhiên hơn, nhưng chưa khiến chúng đáng tin cậy hơn một cách nhất quán. Khoảng cách này lộ rõ nhất ở những yêu cầu đơn giản như bật đèn, chỉnh độ sáng hoặc chạy một thói quen tự động hóa.

Người dùng không cần một câu trả lời nghe có vẻ hợp lý. Họ cần đúng thiết bị chuyển sang đúng trạng thái, gần như ngay lập tức.

Những lỗi khó chấp nhận đang xảy ra với lệnh cơ bản

Các vấn đề được ghi nhận không chỉ xuất hiện ở những kịch bản tự động hóa nhiều bước. David Pogue cho biết Alexa+ chỉ thực hiện đúng “chưa đến một nửa” trong số 135 yêu cầu ông thử nghiệm; trợ lý này gặp khó ngay cả khi bật đèn hoặc đặt mức độ sáng. Đây là một thử nghiệm cá nhân, không phải một bài đánh giá chuẩn hóa, nhưng kết quả vẫn đáng chú ý với một sản phẩm có nhiệm vụ cốt lõi là điều khiển thiết bị.

Người dùng Google Home cũng phản ánh một lỗi cụ thể: Gemini có thể kích hoạt các thói quen Home khi điện thoại không kết nối với Android Auto, nhưng lại không chạy được những thói quen đó khi Android Auto đang hoạt động. Một số người nhận được câu trả lời ngẫu nhiên hoặc phản hồi chung chung thay vì hành động thực tế.

Một bài đánh giá khác mô tả việc Gemini từ chối tắt đèn thông minh và khẳng định rằng nó không thể điều khiển hệ thống chiếu sáng hay các thiết bị vật lý trong nhà. Android Authority sau đó đưa tin về nhiều bản cập nhật nhằm cải thiện báo thức, hẹn giờ, điều khiển đèn, tốc độ phản hồi và các lỗi, trong đó có lỗi khiến đèn tự bật hoặc tắt dù người dùng không ra lệnh.

Những báo cáo này chưa đủ để xác định một tỷ lệ thất bại chung cho toàn ngành. Tuy nhiên, chúng cho thấy một mô thức lặp lại: khả năng trò chuyện có thể tiến bộ trong khi khả năng thực thi các tác vụ hằng ngày vẫn thiếu ổn định.

Vì sao ngôn ngữ tự nhiên lại làm bài toán điều khiển khó hơn?

Các trợ lý giọng nói thế hệ cũ bị giới hạn hơn, nhưng đường đi từ câu lệnh đến hành động thường đơn giản và dễ kiểm soát hơn. Sau khi nhận diện một yêu cầu, hệ thống có thể ánh xạ nó vào một ý định đã biết và một thao tác được xác thực trước, chẳng hạn:

setBrightness(device = kitchen, level = 50)

Cách này buộc người dùng phải sử dụng những mẫu câu hẹp hơn. Đổi lại, hệ thống có ít cách diễn giải hơn và quy trình chuyển từ giọng nói sang lệnh thiết bị có tính lặp lại cao hơn.

Một trợ lý dựa trên mô hình ngôn ngữ lớn (LLM) phải xử lý nhiều lớp phức tạp hơn. Nó có thể cần phải:

1. suy ra người dùng thực sự muốn gì;
2. giải quyết các từ tham chiếu như “ở đây”, “những cái đó” hoặc “đèn”;
3. xác định đúng phòng, thiết bị và tính năng được hỗ trợ;
4. chọn công cụ hoặc API phù hợp;
5. cung cấp tham số hợp lệ;
6. tính đến trạng thái hiện tại của thiết bị; và
7. thông báo chính xác liệu hành động đã thành công hay chưa.

Chỉ cần sai ở một bước, kết quả có thể đã không đúng. Trợ lý có thể chọn nhầm thiết bị, hiểu sai căn phòng, sử dụng một tính năng không được hỗ trợ, gửi tham số không hợp lệ, dựa vào dữ liệu trạng thái cũ hoặc tuyên bố thành công mà không xác nhận thiết bị thực sự đã thay đổi.

Nghiên cứu về điều khiển nhà thông minh bằng LLM xác định tính không xác định, độ trễ và chi phí suy luận, cùng khả năng cá nhân hóa hạn chế là những trở ngại đối với việc điều khiển thiết bị đáng tin cậy. Các hệ thống này hoạt động tốt hơn khi yêu cầu rõ ràng và có cấu trúc, thay vì phải tự giải quyết quá nhiều ngữ cảnh mở.

Nói chuyện và thực thi là hai dạng “thông minh” khác nhau

Những khả năng Amazon và Google quảng bá không phải không hữu ích. Alexa+ được thiết kế để ánh xạ mô tả bằng lời nói tới đúng thiết bị và tính năng, trong khi Google nhấn mạnh khả năng xử lý nhiều lệnh, ngoại lệ và cả việc sửa yêu cầu ngay giữa câu.

Các tính năng này phù hợp với những việc như:

• mô tả bầu không khí mong muốn để trợ lý đề xuất một cảnh chiếu sáng;
• tạo thói quen mà không cần mở qua nhiều màn hình trong ứng dụng;
• giải thích một tự động hóa đang làm gì; và
• chuyển một yêu cầu mơ hồ thành một kế hoạch có cấu trúc.

Nhưng hiểu yêu cầu không đồng nghĩa với thực hiện yêu cầu. Câu “Hãy làm căn phòng ấm cúng hơn để ăn tối” có thể cần đến sự phán đoán. Trong khi đó, “đặt đèn bếp ở mức 50%” có một kết quả cụ thể và cố định. Câu đầu có lợi từ một mô hình linh hoạt; câu sau cần một quy trình điều khiển hẹp, có thể kiểm tra.

Đây là lý do một trợ lý có thể xử lý ấn tượng một câu dài và phức tạp nhưng lại thất bại với lệnh bật đèn ngắn ngủi. Độ phức tạp của ngôn ngữ không giống độ phức tạp của hành động. Một yêu cầu điều khiển nhiều thiết bị có thể thành công khi mô hình tình cờ chọn đúng công cụ và tham số, còn lệnh đơn giản lại thất bại nếu khâu xác định thiết bị hoặc nhận diện tính năng gặp trục trặc.

Độ trễ cũng khiến người dùng cảm nhận hệ thống kém tin cậy hơn

Tính đúng đắn chỉ là một phần của sự ổn định. Một lệnh nhà thông minh còn cần phản hồi trong khoảng thời gian tương đối dễ đoán. Nếu đèn bật sau một khoảng chờ dài, hoặc chỉ hoạt động sau khi người dùng lặp lại câu lệnh, hệ thống vẫn tạo cảm giác không đáng tin cậy dù cuối cùng đã đạt đúng trạng thái.

Một bài đánh giá Alexa+ ghi nhận có phản hồi mất tới 15 giây, dù các thao tác cơ bản như bật đèn hoặc điều chỉnh nhiệt độ đôi khi nhanh hơn. Những thông tin riêng về Gemini for Home cũng cho thấy Google liên tục cập nhật để rút ngắn phản hồi và câu trả lời cho các lệnh hằng ngày, cho thấy độ trễ vẫn là vấn đề kỹ thuật đang được xử lý.

Quá trình xử lý trên đám mây, lựa chọn mô hình, tìm kiếm thiết bị và gọi công cụ đều có thể làm tăng thời gian chờ. Kết quả là một hệ thống có thể mạnh hơn trên lý thuyết nhưng khó đoán hơn trong khoảnh khắc người dùng cần nó hành động.

Người dùng sớm có đang trở thành một phần của chương trình thử nghiệm?

Việc phát hành phần mềm liên tục là điều bình thường, và cách cải tiến lặp lại có thể phù hợp với các tính năng trò chuyện ít rủi ro. Điều khiển nhà thông minh lại khác, bởi lỗi có thể tác động đến thiết bị vật lý và những thói quen đã được thiết lập trong gia đình.

Nếu một bản cập nhật làm đèn, báo thức hoặc tự động hóa hoạt động khác đi, người dùng sẽ trực tiếp trải nghiệm sự cố trong chính ngôi nhà của mình, chứ không phải trong một giao diện chatbot trừu tượng.

Chuỗi phản ánh về lỗi sau khi triển khai, tiếp đến là các bản vá và cập nhật độ tin cậy, không chứng minh rằng các hãng cố tình tung ra sản phẩm chưa hoàn thiện. Tuy vậy, nó cho thấy khách hàng đang gặp vấn đề trong lúc hệ thống vẫn được tinh chỉnh. Các báo cáo về tự động hóa bị bỏ qua, thói quen bị hỏng, phản hồi không nhất quán và khiếu nại kéo dài khiến mô hình “phát hành, thu thập dữ liệu rồi cải thiện” trở nên đắt giá hơn khi áp dụng cho việc điều khiển hằng ngày.

Một cách triển khai an toàn hơn là giữ lại một đường điều khiển xác định và đáng tin cậy cho các lệnh quen thuộc, đồng thời đưa tính năng tạo sinh vào những lớp tương tác xung quanh. Người dùng vẫn có thể trò chuyện tự nhiên mà không đánh mất lời hứa cơ bản của nhà tự động hóa: khi họ đưa ra một lệnh đã biết, thiết bị được chỉ định phải chuyển sang trạng thái mong muốn.

Kiến trúc lai có thể là hướng đi thực tế nhất

Giải pháp không nhất thiết là loại bỏ LLM khỏi ngôi nhà thông minh. Quan trọng hơn là giới hạn vai trò của mô hình ở điểm mà sai sót có thể gây hậu quả rõ rệt.

Một hệ thống vững chắc có thể dùng LLM để hiểu ngôn ngữ và lập kế hoạch, sau đó chuyển kết quả cho một lớp điều khiển có các cơ chế như:

• lựa chọn thiết bị và tham số được kiểm tra theo lược đồ;
• quyền hạn rõ ràng đối với các hành động nhạy cảm;
• kiểm tra trạng thái trước và sau khi thực thi;
• cơ chế thử lại và xử lý lỗi minh bạch; và
• thông báo phân biệt rõ giữa hành động được lên kế hoạch và hành động đã hoàn tất.

Một hướng nghiên cứu liên quan đến mô hình “AI biên dịch” đề xuất để LLM tạo ra các thành phần có thể thực thi trong giai đoạn biên dịch, sau đó hệ thống điều phối quy trình sẽ xử lý nhánh điều kiện, lựa chọn công cụ, thử lại và lỗi theo cách xác định trong lúc chạy, không cần LLM tham gia vào luồng điều khiển chính.

Đối với nhà thông minh, nguyên tắc này có nghĩa là mô hình có thể giúp diễn đạt ý định, nhưng không nên là cơ quan duy nhất quyết định hành động vật lý nào sẽ xảy ra mỗi lần người dùng nói. Một lệnh càng gần với giao dịch cố định giữa ứng dụng và thiết bị, đường thực thi càng cần bị giới hạn và được kiểm thử chặt chẽ.

Kết luận

Alexa+ và Gemini for Home phản ánh một bài học rộng hơn về AI tạo sinh: nói chuyện giỏi hơn không đồng nghĩa với vận hành giỏi hơn. Các thử nghiệm của chuyên gia, phản ánh từ người dùng và những bài viết công nghệ cho thấy các trợ lý này có thể hiểu ngữ cảnh phong phú hơn, xử lý yêu cầu tham vọng hơn, nhưng vẫn vấp ở đèn, bộ điều chỉnh độ sáng, báo thức và thói quen tự động hóa.

Trợ lý nhà thông minh bền vững nhiều khả năng sẽ kết hợp cả hai hướng. AI tạo sinh có thể giúp việc thiết lập và trò chuyện linh hoạt hơn; phần mềm xác định phải bảo đảm hành động cuối cùng chính xác, nhanh và có thể kiểm chứng.

Cho đến khi ranh giới này được thiết kế tốt, một trợ lý trò chuyện tự nhiên hơn vẫn có thể khiến người dùng cảm thấy nó thông minh hơn, trong khi thực hiện những tác vụ cơ bản nhất trong nhà lại kém đáng tin cậy hơn.