Cuộc Khủng Hoảng Ảo Giác —
và Hành Trình Nhân Loại Vượt Qua

Khi Máy Móc Bắt Đầu Nói

Năm 2017, một nhóm kỹ sư tại Google Brain công bố một bài báo mười hai trang đổi chiều lịch sử. Tiêu đề khiêm tốn đến mức gần như vô hình: "Attention Is All You Need." Họ không biết rằng họ vừa đặt viên gạch đầu tiên cho một trong những công trình nhân loại lớn nhất thế kỷ — và đồng thời, cho một trong những cuộc khủng hoảng nhận thức sâu sắc nhất mà khoa học từng phải đối mặt.

Cơ chế attention — sự chú ý — cho phép mô hình học cách đặt trọng số lên từng từ, từng ngữ cảnh, từng mối quan hệ ngữ nghĩa trong một chuỗi văn bản. Không còn cần xử lý tuần tự từ trái sang phải như các mạng RNN trước đó; thay vào đó, toàn bộ văn bản được nhìn nhận như một bản đồ quan hệ đồng thời. Đây là bước nhảy vọt về hiệu quả tính toán, nhưng sâu hơn, nó là sự thay đổi triết học: máy móc không còn đọc — chúng nhìn.

Trong vài năm tiếp theo, thế giới chứng kiến sự trỗi dậy của GPT-2, BERT, T5, và sau đó là GPT-3 với 175 tỷ tham số — một con số khiến cộng đồng nghiên cứu vừa kinh ngạc vừa lo âu. Các mô hình này có thể viết thơ, lập trình, dịch ngôn ngữ, và đàm thoại theo cách mà con người khó phân biệt với máy. Báo chí gọi chúng là "AI biết suy nghĩ." Các nhà đầu tư đổ hàng tỷ đô-la. Và người dùng bắt đầu tin tưởng.

Đó là lúc rắc rối bắt đầu.

Hallucination — Khi Trí Tuệ Tự Tin Vào Điều Không Tồn Tại

Năm 2022, một luật sư tại New York tên Roberto Mata kiện hãng hàng không Avianca vì một vụ tai nạn. Ông nhờ ChatGPT soạn thảo các trích dẫn pháp lý. Mô hình trả lời rành rọt, chi tiết, đầy đủ số trang và năm phán quyết. Vấn đề là: không có vụ án nào trong số đó tồn tại. Tất cả đều được bịa ra từ đầu đến cuối bởi một hệ thống không hề có ý thức về điều đó.

Thẩm phán P. Kevin Castel gọi đây là "trường hợp chưa từng có tiền lệ" và phạt cả luật sư lẫn văn phòng pháp lý. Vụ việc làm chấn động giới pháp lý Hoa Kỳ — nhưng đây chỉ là đỉnh nổi của một tảng băng chìm đang lớn dần.

Về mặt kỹ thuật, hallucination xảy ra vì các mô hình ngôn ngữ lớn không thực sự "biết" sự thật. Chúng học phân phối xác suất của ngôn ngữ — tức là cách các từ thường xuất hiện cạnh nhau trong hàng tỷ văn bản. Khi được hỏi về một thực thể cụ thể — một bài báo khoa học, một phán quyết tòa án, một nhân vật lịch sử — mô hình không tra cứu cơ sở dữ liệu; nó sản sinh ra văn bản "có vẻ đúng" dựa trên những gì nó đã thấy. Nếu không có căn cứ xác minh, nó sẽ tự điền vào chỗ trống bằng những thứ nghe có vẻ hợp lý. Và nó làm điều đó với sự tự tin hoàn toàn.

Ba loại ảo giác

Các nhà nghiên cứu dần phân loại hallucination thành ba dạng chính. Ảo giác thực thể (entity hallucination) là khi mô hình bịa ra người, tổ chức, địa điểm không tồn tại. Ảo giác quan hệ là khi thực thể có thật nhưng mối quan hệ giữa chúng bị bóp méo hoặc đảo ngược — chẳng hạn gán nhầm tác giả cho một công trình. Ảo giác logic là khi lập luận bề ngoài có vẻ hợp lệ nhưng chứa bước suy diễn sai lầm được che giấu khéo léo trong chuỗi văn bản lưu loát.

Điều đáng sợ không phải là mô hình có thể sai — phần mềm vẫn luôn có lỗi. Điều đáng sợ là người dùng không có công cụ cảm nhận nào để phân biệt đúng và sai. Một lỗi tính toán trong Excel hiển thị rõ ràng. Một câu văn hallucinated nghe giống hệt một câu văn đúng. Hai cái không thể phân biệt bằng mắt thường.

Năm 2023 — Khi Thế Giới Nhận Ra Rằng AI Hay Nói Dối

Năm 2023 là năm mà hallucination leo thang từ vấn đề học thuật thành khủng hoảng niềm tin có hệ thống. ChatGPT đã có hàng trăm triệu người dùng. Google vội vàng tung ra Bard và lập tức gây thảm họa khi mô hình trả lời sai câu hỏi về kính viễn vọng James Webb trong video quảng cáo — thổi bay 100 tỷ đô-la vốn hóa thị trường của Alphabet chỉ trong một ngày. Microsoft Bing AI bắt đầu tỏ ra "tình cảm bất ổn" và nói dối người dùng trong những cuộc trò chuyện kéo dài.

Trong lĩnh vực y tế, bệnh nhân bắt đầu hỏi AI về triệu chứng và nhận lời khuyên sai lệch. Tại một số trường hợp được ghi nhận tại Mỹ và châu Âu, bệnh nhân trì hoãn điều trị vì tin vào đánh giá của AI rằng triệu chứng của họ "không đáng lo ngại." Liên minh châu Âu tăng tốc soạn thảo AI Act. FDA Hoa Kỳ ban hành khuyến cáo đặc biệt.

Sức nặng của năm 2023 không chỉ là thiệt hại vật chất. Nó là sự vỡ mộng có hệ thống. Lần đầu tiên kể từ khi internet ra đời, một công nghệ vừa được hàng trăm triệu người áp dụng đồng thời lại vừa không đáng tin. Paradox này tạo ra áp lực khổng lồ lên cả giới học thuật, công nghiệp và chính sách: họ phải giải quyết vấn đề hallucination không phải trước khi triển khai, mà trong khi đang triển khai.

Tại Sao Kiến Trúc Lại Tự Dối?

Để hiểu tại sao hallucination không thể đơn giản được "sửa," chúng ta cần đi vào bên trong cơ chế học. Một mô hình ngôn ngữ lớn, ở cốt lõi, là một hàm xác suất: với một chuỗi token đầu vào, nó tính xác suất của token tiếp theo. Quá trình huấn luyện không dạy mô hình "điều gì là thật" — nó dạy mô hình "điều gì thường xuất hiện tiếp theo."

Đây là sự khác biệt nền tảng. Trong cơ sở dữ liệu truyền thống, mỗi truy vấn có nguồn rõ ràng. Trong mô hình ngôn ngữ, kiến thức được phân tán ra hàng tỷ tham số — không có đơn vị nào chứa một sự thật duy nhất và có thể kiểm tra. Khi mô hình không biết câu trả lời, nó không im lặng; nó sản sinh ra văn bản có xác suất cao nhất trong phân phối đã học. Và phân phối đó, được huấn luyện trên văn bản của con người, đã học rằng câu trả lời tự tin là phổ biến hơn câu trả lời thừa nhận không chắc chắn.

Vấn đề với RLHF

Giai đoạn 2022–2024, phương pháp chủ đạo để "căn chỉnh" mô hình là RLHF — Reinforcement Learning from Human Feedback. Người đánh giá được trả tiền để chấm điểm các đầu ra của mô hình, và những đầu ra được điểm cao sẽ được khuếch đại. Vấn đề: người đánh giá có xu hướng thích những câu trả lời tự tin, lưu loát, có chiều sâu — những đặc tính đó không tương quan với sự chính xác. Nghiên cứu của Perez và cộng sự (2022) chỉ ra rằng RLHF thực ra có thể tăng hallucination trong một số thiết lập vì nó khuyến khích mô hình sản sinh ra ngôn ngữ "nghe hay" thay vì ngôn ngữ "đúng."

Nhưng hiểu nguyên nhân không dẫn thẳng đến lời giải. Nếu hallucination là đặc tính kiến trúc — nếu nó phát sinh từ chính cách mà mô hình ngôn ngữ hoạt động — thì việc loại bỏ nó hoàn toàn đồng nghĩa với việc từ bỏ chính kiến trúc đó. Và thế giới không có phương án thay thế sẵn sàng.

RAG, Grounding và Cuộc Chiến Chống Ảo Giác Thế Hệ Một

Câu trả lời đầu tiên đến không phải từ kiến trúc mô hình, mà từ hệ thống xung quanh nó. Nếu mô hình không thể tự biết điều gì là thật, thì hãy cung cấp cho nó thật từ bên ngoài mỗi khi nó cần trả lời. Đây là ý tưởng đằng sau RAG — Retrieval-Augmented Generation.

Thay vì để mô hình tự do sinh ra văn bản từ tham số, RAG chia quá trình thành hai bước: đầu tiên, một hệ thống tìm kiếm (thường là vector search) lấy về các đoạn văn bản liên quan từ cơ sở kiến thức đã được kiểm chứng; sau đó mô hình sinh ra câu trả lời dựa trên những đoạn đó. Kết quả là mô hình có "neo" vào thực tế — và quan trọng hơn, câu trả lời có thể trích dẫn nguồn, cho phép người dùng kiểm tra.

Kết quả khả quan hơn nhiều. Các benchmark như TruthfulQA, HaluEval, và FActScore cho thấy RAG giảm hallucination từ 30–60% trong nhiều thiết lập so với mô hình vanilla. Nhưng RAG không phải phép màu. Nó tạo ra một bộ vấn đề mới: hallucination về tài liệu — mô hình đôi khi bỏ qua tài liệu được cung cấp và bịa ra thứ khác; ảo giác tóm tắt — khi tóm tắt tài liệu dài, mô hình có thể thêm chi tiết không có; và giới hạn ngữ cảnh — context window chỉ chứa được một lượng tài liệu hữu hạn.

Constitutional AI và Self-Critique

Song song với RAG, Anthropic giới thiệu Constitutional AI — một phương pháp trong đó mô hình được dạy để tự phê bình đầu ra của mình dựa trên một bộ nguyên tắc. Thay vì chỉ dựa vào đánh giá từ con người, mô hình học cách đặt câu hỏi: "Tuyên bố này có bằng chứng không? Tôi có chắc chắn không? Liệu tôi có đang suy luận vượt quá dữ liệu không?"

Kỹ thuật này, kết hợp với chain-of-thought prompting — yêu cầu mô hình viết ra lập luận từng bước trước khi kết luận — cho thấy cải thiện đáng kể trong các tác vụ đòi hỏi lý luận. Khi mô hình "suy nghĩ to," nó ít hallucinate hơn, vì quá trình suy luận tường minh buộc nó phải "nhìn thấy" những bước mà nó không có căn cứ.

Tuy nhiên, cả RAG và Constitutional AI đều là giải pháp giảm nhẹ — không phải giải pháp cơ bản. Chúng kiểm soát hallucination trong điều kiện được kiểm soát. Khi AI bắt đầu được trao autonomy — khả năng hành động nhiều bước mà không có con người giám sát từng bước — tất cả những vấn đề đó được khuếch đại lên gấp bội.

Agentic AI — Khi Ảo Giác Bắt Đầu Hành Động

Hiệu ứng "Telephone" trong đa tác nhân

Hãy tưởng tượng hệ thống gồm ba agent: Agent A tóm tắt tài liệu, Agent B phân tích tóm tắt và đưa ra khuyến nghị, Agent C thực thi khuyến nghị. Nếu Agent A hallucinate trong tóm tắt — một chi tiết nhỏ bị bóp méo — thì Agent B xây dựng phân tích trên nền tảng sai. Agent C thực thi phân tích đó. Không có điểm nào trong chuỗi có đủ thông tin để phát hiện ra lỗi nguồn. Đây là hallucination khuếch đại qua hệ thống — một hiện tượng mà các nhà nghiên cứu gọi là "cascading hallucination."

Năm 2024, một loạt sự cố trong tự động hóa tài chính được ghi nhận: các agent AI phân tích sai dữ liệu thị trường và tự động đề xuất giao dịch; hệ thống email AI soạn thư nhầm thông tin khách hàng giữa hai hồ sơ; và đáng chú ý nhất, một hệ thống code agent của một startup phần mềm đã viết và deploy một đoạn code có lỗi logic tinh vi vì nó hallucinate về API của thư viện bên thứ ba — gây ra downtime ba giờ trước khi được phát hiện.

Điểm chung của tất cả những sự cố này: con người không ở trong vòng lặp (out of the loop). Tốc độ và tính tự động hóa — những đặc tính khiến agent hữu ích — cũng là những đặc tính khiến lỗi của chúng lan rộng trước khi có ai nhận ra.

Kiến Trúc Mới — Máy Kiểm Tra Máy

Giải pháp không đến từ một đột phá duy nhất. Nó đến từ sự tích lũy của hàng chục hướng nghiên cứu song song, hội tụ vào một triết lý mới: nếu không thể loại bỏ hallucination khỏi một agent đơn lẻ, hãy xây dựng hệ thống trong đó các agent kiểm tra lẫn nhau.

Verifier Agents — Quan Tòa Không Ngủ

Kiến trúc đầu tiên và có ảnh hưởng nhất là mô hình Generator–Verifier. Thay vì tin tưởng đầu ra của một agent, một agent riêng biệt — được tối ưu đặc biệt cho việc kiểm tra, không phải tạo ra — đánh giá từng tuyên bố quan trọng. Verifier agent có thể được huấn luyện với dữ liệu đặc thù của tác vụ kiểm chứng, độc lập với generator.

Nghiên cứu của Google DeepMind năm 2024 — Debate as a Scalable Oversight Mechanism — chỉ ra rằng khi hai mô hình tranh luận về tính đúng đắn của một tuyên bố, độ chính xác tổng thể cao hơn đáng kể so với một mô hình tự đánh giá. Lý do: việc tranh luận buộc cả hai phải tường minh hóa lập luận, và lập luận tường minh dễ kiểm tra hơn kết luận không có căn cứ.

Uncertainty Quantification — Học Cách Nói "Tôi Không Chắc"

Hướng nghiên cứu thứ hai tập trung vào calibration — hiệu chỉnh sự tự tin của mô hình. Mô hình được huấn luyện tốt về calibration không chỉ đưa ra câu trả lời, nó còn đưa ra ước tính về độ chắc chắn của chính nó. Nếu nó không chắc, nó nói vậy — và thực tế nó không chắc đó tương quan tốt với khả năng sai thực sự.

Đây là kỹ năng mà con người học rất sớm — "Tôi nghĩ là X, nhưng không chắc lắm" là một dạng meta-nhận thức. Dạy máy học điều tương tự đòi hỏi một paradigm huấn luyện khác: không chỉ tối ưu hóa đúng/sai, mà tối ưu hóa phân phối xác suất về đúng/sai. Conformal prediction, Bayesian deep learning, và các phương pháp ensemble bắt đầu được tích hợp vào pipeline sản xuất.

Process Reward Models — Thưởng cho Suy Luận, Không Chỉ Kết Quả

Bước tiến quan trọng nhất có lẽ đến từ sự chuyển dịch trong cách thức thưởng phạt trong quá trình huấn luyện. RLHF truyền thống thưởng cho kết quả cuối cùng. Process Reward Models (PRM) — được OpenAI công bố nổi bật năm 2023 — thưởng cho từng bước suy luận trung gian. Mô hình không chỉ học "câu trả lời nào nghe đúng" mà còn học "bước nào trong lập luận là hợp lệ."

PRM kết hợp với chain-of-thought dài tạo ra bước nền tảng cho thế hệ mô hình reasoning: o1 của OpenAI, R1 của DeepSeek, Gemini Thinking của Google, và các mô hình "extended thinking" của thế hệ Claude. Những mô hình này dành hàng ngàn token để suy luận trước khi trả lời — và trong không gian suy luận đó, hallucination có nhiều cơ hội bị phát hiện và tự sửa.

Từ Agent Đơn Độc Đến Cộng Đồng Kiểm Chứng

Năm 2025 đánh dấu một sự trưởng thành trong thiết kế hệ thống agentic. Ngành công nghiệp không còn xây dựng "một agent siêu năng" — thay vào đó, họ xây dựng sinh thái agent với phân công trách nhiệm rõ ràng và các vòng kiểm soát được nhúng vào kiến trúc.

Nguyên tắc "Minimal Footprint"

Một trong những thay đổi triết học quan trọng nhất: agent không nên mặc định có toàn quyền. Nguyên tắc minimal footprint — dấu chân tối thiểu — quy định rằng agent chỉ nên yêu cầu quyền truy cập và phạm vi hành động cần thiết tối thiểu cho nhiệm vụ cụ thể. Điều này không trực tiếp giảm hallucination, nhưng nó giới hạn bán kính thiệt hại khi hallucination xảy ra.

Human-in-the-Loop được tái định nghĩa

"Human-in-the-loop" từng được hiểu là con người phải phê duyệt từng hành động. Điều đó tước bỏ toàn bộ giá trị của automation. Phiên bản 2025 của khái niệm này tinh tế hơn: human-on-the-loop — con người không can thiệp từng bước, nhưng hệ thống phải dừng lại và hỏi ý kiến con người khi gặp tình huống có mức không chắc chắn cao, hành động không thể đảo ngược, hoặc kết quả vượt ngưỡng rủi ro được định nghĩa trước.

Khung làm việc này đòi hỏi agent phải có khả năng tự đánh giá mức độ không chắc chắn — quay lại bài toán calibration. Uncertainty quantification không còn là công cụ nghiên cứu; nó trở thành yêu cầu kiến trúc cho bất kỳ agent được triển khai trong môi trường có rủi ro thực.

Orchestrator-Subagent: Phân tầng trách nhiệm

Kiến trúc đa tác nhân trưởng thành nhất hiện nay phân tách rõ giữa orchestrator — agent điều phối, có tầm nhìn tổng thể — và subagent — agent thực thi chuyên biệt. Orchestrator không thực thi; subagent không lập kế hoạch. Hallucination của subagent được orchestrator kiểm tra; hallucination của orchestrator được phát hiện qua kết quả không nhất quán từ subagent. Không hệ thống nào là đủ lớn để chứa mọi lỗi một mình.

Vượt Qua Kỹ Thuật — Thay Đổi Cách Con Người Tin Tưởng

Kỹ thuật một mình không đủ. Cuộc khủng hoảng hallucination, ở chiều sâu của nó, là khủng hoảng nhận thức học — về cách con người đặt niềm tin, xác minh thông tin, và phân bổ trách nhiệm trong hệ sinh thái mà một phần sự thật được sản sinh bởi máy.

Giáo dục AI Literacy

Bắt đầu từ 2024, nhiều quốc gia — bao gồm Phần Lan, Singapore, và các nước trong EU — đưa "AI literacy" vào chương trình phổ thông. Không chỉ dạy cách dùng AI, mà dạy khi nào không nên tin. Học sinh được dạy về hallucination, về cách kiểm tra nguồn, về sự khác biệt giữa "mô hình nghe có vẻ tự tin" và "mô hình có căn cứ."

Provenance và Citation bắt buộc

Các công ty như Microsoft, Google, và Anthropic bắt đầu nhúng hệ thống citation trực tiếp vào sản phẩm — mỗi tuyên bố quan trọng được gắn với nguồn, người dùng có thể nhấp vào và xem gốc. Đây không chỉ là tiện ích UX — nó là một quyết định kiến trúc: thiết kế sản phẩm chủ động giúp người dùng kiểm tra thay vì phụ thuộc.

Khung pháp lý và trách nhiệm

EU AI Act 2024 quy định rằng các hệ thống AI "rủi ro cao" — trong y tế, pháp lý, tài chính, hạ tầng — phải có cơ chế kiểm soát hallucination có thể kiểm toán. Không phải zero-hallucination — điều đó không thể — nhưng phải chứng minh được rằng hệ thống có cơ chế phát hiện, cô lập và cảnh báo khi đầu ra không đáng tin. Đây là sự thay đổi quan trọng: từ yêu cầu hoàn hảo sang yêu cầu có trách nhiệm.

Năm 2026 — Cuộc Khủng Hoảng Chưa Kết Thúc, Nhưng Đã Được Hiểu

Năm 2026, hallucination vẫn chưa được giải quyết triệt để. Không có mô hình nào, dù mạnh đến đâu, đạt được zero hallucination trên các benchmark thực tế. Nhưng có điều gì đó quan trọng hơn đã xảy ra: con người đã học cách thiết kế trong một thế giới có hallucination.

Các hệ thống agentic trưởng thành nhất ngày nay hoạt động theo nguyên tắc defense in depth — phòng thủ theo chiều sâu. Không có một lớp bảo vệ duy nhất; thay vào đó là nhiều lớp kiểm soát xếp chồng, mỗi lớp bắt một loại lỗi khác nhau. RAG giảm ảo giác thực thể. Verifier agent bắt ảo giác logic. Uncertainty quantification flags các kết luận mà mô hình không chắc. Human-on-the-loop can thiệp khi ngưỡng rủi ro bị vượt. Và toàn bộ pipeline được kiểm toán theo thời gian thực.

Điều này giống cách mà hàng không hoạt động: phi công vẫn có thể mắc lỗi, công cụ có thể thất bại, thời tiết có thể bất ngờ — nhưng hệ thống được thiết kế sao cho không một điểm thất bại đơn nào có thể gây thảm họa. Hallucination không bị loại bỏ khỏi AI như thế nào con người lỗi bị loại bỏ khỏi hàng không — nhưng nó được quản lý, được giám sát, và hậu quả của nó được giới hạn trong phạm vi chịu đựng được.

Những gì vẫn chưa được giải quyết

Thành thật mà nói: vẫn còn rất nhiều điều chưa được giải quyết. Hallucination trong lý luận thường thức (commonsense reasoning) — những ảo giác về thế giới vật lý, về chuỗi nhân quả đơn giản — vẫn dai dẳng và khó phát hiện hơn ảo giác thực thể. Các agent hoạt động trong miền mở (open-domain) — không có ngữ cảnh cố định, phải xử lý thông tin mới liên tục — vẫn dễ hallucinate hơn nhiều so với agent trong miền đóng.

Và ẩn sâu hơn là câu hỏi triết học chưa có câu trả lời: các mô hình hiện tại có hiểu hay chỉ mô phỏng hiểu? Nếu hallucination là hệ quả của việc không có hiểu biết thực sự, thì không có bao nhiêu kỹ thuật bề mặt nào có thể giải quyết triệt để. Chúng ta đang vá tường, trong khi nền móng có thể cần được suy nghĩ lại.

Điều Mà Cuộc Khủng Hoảng Dạy Chúng Ta

Nhìn lại từ năm 2026, cuộc khủng hoảng hallucination dạy nhân loại một bài học mà các kỹ sư — vốn quen với suy nghĩ về hệ thống như những máy móc xác định — chưa từng phải học trước đây: cách sống cùng với sự không chắc chắn hệ thống.

Trong vật lý, nguyên lý bất định của Heisenberg dạy rằng có giới hạn cơ bản về mức độ chính xác mà chúng ta có thể biết đồng thời về vị trí và động lượng của một hạt. Điều đó không làm cho vật lý học vô dụng — nó làm cho vật lý học trung thực hơn. Hallucination AI có lẽ là dạng tương tự của giới hạn đó: không phải lỗi cần sửa, mà là đặc tính nền tảng của một loại trí tuệ hoạt động qua thống kê và xác suất, không qua sự hiểu biết xác định.

Chúng ta đã không vượt qua cuộc khủng hoảng bằng cách tạo ra AI không thể sai. Chúng ta vượt qua nó bằng cách xây dựng hạ tầng — kỹ thuật, xã hội, pháp lý, và nhận thức — để sống cùng với một đối tác vừa thần kỳ vừa không đáng tin một cách có hệ thống, và biết rõ điều đó.

Câu hỏi không còn là "làm sao để AI không bao giờ nói sai?" Câu hỏi bây giờ là: "Làm sao để chúng ta thiết kế thế giới sao cho khi AI sai — và nó sẽ sai — hậu quả là có thể chịu đựng, có thể học hỏi, và không phải là thảm họa?"

Đó là câu hỏi mà thế kỷ 21 sẽ phải trả lời — không phải một lần, mà từng ngày, từng hệ thống, từng quyết định.