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

Khi Máy Móc Bắt Đầu Nói

Năm 2017, tám nhà nghiên cứu, phần lớn làm việc tại Google Brain và Google Research, công bố một bài báo ngắn đổi chiều lịch sử. Tiêu đề chỉ vỏn vẹn năm chữ: "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. Bản thân cơ chế này đã được Dzmitry Bahdanau và cộng sự đề xuất từ năm 2014; điểm đột phá của Transformer là dựng cả kiến trúc chỉ dựa trên nó. 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 BERT, GPT-2, 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. Không ít bài báo mô tả chúng như những cỗ máy 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, hành khách Roberto Mata kiện hãng hàng không Avianca tại New York, cho rằng đầu gối ông bị thương vì một xe đẩy phục vụ bằng kim loại trên chuyến bay năm 2019. Đầu năm 2023, một luật sư của ông, Steven Schwartz, nhờ ChatGPT tìm án lệ cho bản lập luận nộp lên toà. Mô hình trả lời rành rọt, chi tiết, đầy đủ số hiệu và năm phán quyết; khi được hỏi lại, nó còn khẳng định các vụ án ấy là có thật. Vấn đề là: sáu vụ trong số đó không hề 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 "một tình huống chưa từng có tiền lệ", và tháng 6/2023 phạt hai luật sư Steven Schwartz, Peter LoDuca cùng văn phòng luật của họ 5.000 đô-la. 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.

Những cách phân loại ảo giác

Các nhà nghiên cứu phân loại hallucination theo nhiều cách. Khảo sát của Ziwei Ji và cộng sự (2023) phân biệt ảo giác nội tại (intrinsic) — đầu ra mâu thuẫn với chính tài liệu nguồn — với ảo giác ngoại lai (extrinsic) — đầu ra không thể kiểm chứng từ nguồn. Khảo sát của Lei Huang và cộng sự (2023) tách ảo giác về tính xác thực, khi đầu ra sai với thế giới thực, khỏi ảo giác về tính trung thành, khi đầu ra lệch khỏi chỉ dẫn hay ngữ cảnh được cung cấp. Trong thực tế, chúng hiện ra dưới những hình dạng quen thuộc: bịa ra người, tổ chức, tài liệu không tồn tại; bóp méo quan hệ giữa những thực thể có thật — chẳng hạn gán nhầm tác giả cho một công trình; hoặc giấu một bước suy diễn sai trong một chuỗi lập luận 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 công thức sai cú pháp trong Excel báo lỗi ngay trên ô. 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. Đến tháng 11, ChatGPT đã có 100 triệu người dùng mỗi tuần. 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 — nó khẳng định James Webb chụp bức ảnh đầu tiên về một hành tinh ngoài Hệ Mặt Trời, điều mà kính VLT của châu Âu đã làm từ năm 2004 — 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, tháng 5/2023, Tổ chức Y tế Thế giới (WHO) kêu gọi thận trọng khi đưa các công cụ mô hình ngôn ngữ lớn vào chăm sóc sức khoẻ, cảnh báo rằng chúng có thể sai một phần hoặc hoàn toàn trong khi vẫn trả lời đầy tự tin và thẩm quyền. Cuối tháng đó, Hiệp hội Rối loạn Ăn uống Quốc gia Hoa Kỳ (NEDA) phải gỡ chatbot Tessa sau khi nó khuyên chính những người tìm tới vì rối loạn ăn uống hãy đếm calo và giảm cân. Liên minh châu Âu tăng tốc hoàn thiện AI Act.

Sức nặng của năm 2023 không chỉ là thiệt hại vật chất. Nó là sự vỡ mộng có hệ thống. Hiếm có công nghệ nào được hàng trăm triệu người áp dụng nhanh đến thế, trong khi lại không đáng tin đến thế. 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, xuôi theo ý mình — những đặc tính đó không tương quan với sự chính xác. Nghiên cứu của Ethan Perez và cộng sự (2022) phát hiện mô hình càng lớn càng dễ "xu nịnh" — lặp lại câu trả lời mà người dùng muốn nghe — và có những trường hợp RLHF càng nhiều thì mô hình càng tệ đi. Nghiên cứu của Mrinank Sharma và cộng sự (2023) cho thấy chính dữ liệu ưu tiên của con người thường thưởng cho những câu trả lời xu nịnh. Năm 2025, một nghiên cứu của OpenAI đi thêm một bước: mô hình ảo giác một phần vì cả quá trình huấn luyện lẫn các bài đánh giá đều thưởng cho việc đoán hơn là thừa nhận không biết.

Nhưng hiểu nguyên nhân không dẫn thẳng đến lời giải. Năm 2024, Ziwei Xu và cộng sự dùng công cụ của lý thuyết học máy để chứng minh rằng không thể loại bỏ hoàn toàn ảo giác khỏi các mô hình ngôn ngữ lớn. 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, cái tên được Patrick Lewis và cộng sự tại Facebook AI Research đặt ra năm 2020.

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. Nghiên cứu của Kurt Shuster và cộng sự (2021) cho thấy việc truy xuất tài liệu giảm đáng kể ảo giác trong các cuộc hội thoại cần tri thức. Nhưng RAG không phải phép màu: năm 2024, nhóm nghiên cứu Stanford đánh giá các công cụ tra cứu pháp lý dùng RAG của LexisNexis và Thomson Reuters và thấy chúng vẫn bịa thông tin trong 17% đến 33% số truy vấn. RAG 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 (Yuntao Bai và cộng sự, 2022) — một phương pháp trong đó mô hình được dạy tự phê bình và sửa đầu ra của mình dựa trên một bộ nguyên tắc, thay vì chỉ dựa vào nhãn của con người. Phương pháp này nhắm chủ yếu vào tính vô hại, không phải tính xác thực; nhưng ý tưởng tự phê bình nhanh chóng được áp dụng cho ảo giác. Kỹ thuật Chain-of-Verification của Meta (Shehzaad Dhuliawala và cộng sự, 2023) buộc mô hình tự đặt các câu hỏi kiểm chứng cho bản nháp của mình — "Tuyên bố này có bằng chứng không?" — trả lời từng câu một cách độc lập, rồi mới viết câu trả lời cuối cùng.

Chain-of-thought prompting (Jason Wei và cộng sự, Google, 2022) — 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 suy luận nhiều bước. Nhưng "suy nghĩ to" không bảo đảm suy nghĩ thật: nghiên cứu của Miles Turpin và cộng sự (2023) cho thấy chuỗi lập luận mà mô hình viết ra có thể không phản ánh lý do thực sự dẫn tới câu trả lời của nó.

Tuy nhiên, cả RAG lẫn các kỹ thuật tự phê bình 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 danh mục mối đe doạ cho agentic AI của OWASP (2/2025) gọi là "cascading hallucination" — ảo giác dây chuyền.

Những sự cố như vậy đã được ghi nhận. Tháng 4/2025, trợ lý hỗ trợ khách hàng bằng AI của trình soạn thảo mã Cursor bịa ra một "chính sách mỗi tài khoản chỉ dùng trên một thiết bị" để giải thích một lỗi đăng xuất; câu trả lời lan trên Reddit và Hacker News như một thông báo chính thức, nhiều người dùng huỷ đăng ký trước khi nhà đồng sáng lập phải lên tiếng đính chính. Tháng 7/2025, Gemini CLI của Google được yêu cầu chuyển các tệp của một người dùng sang thư mục mới; lệnh tạo thư mục thất bại âm thầm, nhưng agent vẫn hành động như thể thư mục đã tồn tại — các tệp lần lượt ghi đè lên nhau cho tới khi chỉ còn một. Chính agent sau đó kết luận: "Tôi đã làm bạn thất vọng một cách hoàn toàn và thảm khốc." Cùng tháng, AI agent của Replit xoá cơ sở dữ liệu production của một dự án bất chấp lệnh đóng băng mã.

Điểm chung của những sự cố này: không có bước kiểm chứng độc lập nào chen vào giữa lúc agent tin vào một điều sai và lúc nó hành động theo điều đó. 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. Năm 2021, Karl Cobbe và cộng sự tại OpenAI cho thấy một mô hình kiểm chứng được huấn luyện riêng để chấm các lời giải do mô hình khác sinh ra giúp cải thiện đáng kể kết quả giải toán đố. 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.

Ý tưởng dùng tranh luận làm cơ chế giám sát được Geoffrey Irving và cộng sự tại OpenAI đề xuất từ năm 2018. Năm 2023, Yilun Du và cộng sự (MIT, Google Brain) cho thấy khi nhiều mô hình tranh luận qua nhiều vòng, câu trả lời chính xác và xác thực hơn so với một mô hình đơn lẻ. Năm 2024, nghiên cứu của Akbir Khan và cộng sự — đoạt giải bài báo xuất sắc tại ICML 2024 — cho thấy khi một giám khảo yếu hơn nghe hai mô hình tranh luận, tỷ lệ trả lời đúng tăng từ 48% lên 76% với giám khảo là mô hình, và từ 60% lên 88% với giám khảo là con người. 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. Nghiên cứu của Saurav Kadavath và cộng sự tại Anthropic (2022) cho thấy mô hình lớn phần nào tự ước lượng được xác suất câu trả lời của mình là đúng. Năm 2024, nhóm của Sebastian Farquhar tại Đại học Oxford công bố trên tạp chí Nature phương pháp "entropy ngữ nghĩa": hỏi mô hình nhiều lần, gom các câu trả lời cùng nghĩa, và coi sự phân tán về nghĩa là dấu hiệu của bịa đặt.

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 là những hướng đang được nghiên cứu để đưa vào hệ thống thực tế.

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 giới thiệu nổi bật năm 2023 trong nghiên cứu "Let's Verify Step by Step" của Hunter Lightman và cộng sự — 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." Mô hình được giám sát theo từng bước giải đúng 78% số bài trong một tập con đại diện của bộ đề MATH, vượt hẳn cách giám sát chỉ theo kết quả.

Ý tưởng thưởng cho quá trình suy luận mở đường cho thế hệ mô hình reasoning: o1 của OpenAI (2024), R1 của DeepSeek (2025), Gemini Thinking của Google, và chế độ "extended thinking" của Claude. Những mô hình này dành hàng nghìn token để suy luận trước khi trả lời. Cách huấn luyện của chúng không giống nhau: DeepSeek công bố rằng R1 không dùng PRM mà dùng phần thưởng dựa trên quy tắc, vì mô hình thưởng dạng mạng nơ-ron dễ bị "lách luật" khi huấn luyện quy mô lớn. Và suy luận dài không tự động đồng nghĩa với ít ảo giác hơn: thẻ hệ thống của OpenAI (4/2025) ghi nhận o3 và o4-mini bịa thông tin trong 33% và 48% câu hỏi của bộ kiểm tra PersonQA, so với 16% của o1 — một phần vì mô hình mới đưa ra nhiều khẳng định hơn.

Từ Agent Đơn Độc Đến Cộng Đồng Kiểm Chứng

Năm 2025, tư duy thiết kế hệ thống agentic bắt đầu trưởng thành hơn. Thay vì theo đuổi "một agent siêu năng", các hướng dẫn thực hành ngày càng khuyến nghị xây dựng sinh thái agent với phân công trách nhiệm rõ ràng và các vòng kiểm soát được nhúng vào kiến trúc.

Nguyên tắc đặc quyền tối thiểu

Một trong những thay đổi triết học quan trọng nhất: agent không nên mặc định có toàn quyền. Nguyên tắc đặc quyền tối thiểu (least privilege) — vốn quen thuộc trong bảo mật — quy định rằng agent chỉ nên được cấp quyền truy cập và phạm vi hành động cần thiết tối thiểu cho nhiệm vụ cụ thể. Danh sách Top 10 rủi ro cho ứng dụng LLM năm 2025 của OWASP gọi tên mối nguy ngược lại là excessive agency — trao cho agent quá nhiều chức năng, quyền hạn hay quyền tự quyết. 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 phần lớn giá trị của automation. Một cách hiểu tinh tế hơn, ngày càng phổ biến trong thiết kế agent, là 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. Vì thế, uncertainty quantification không chỉ là đề tài nghiên cứu; nó nên được coi là yêu cầu kiến trúc cho bất kỳ agent nào được triển khai trong môi trường có rủi ro thực.

Orchestrator-Subagent: Phân tầng trách nhiệm

Mô hình orchestrator–workers mà Anthropic mô tả trong hướng dẫn "Building effective agents" (12/2024) phân tách orchestrator — agent điều phối, có tầm nhìn tổng thể — với các subagent — agent thực thi chuyên biệt. Về nguyên tắc, hallucination của một subagent có thể bị orchestrator phát hiện khi đối chiếu kết quả; hallucination của orchestrator có thể lộ ra qua những kết quả không nhất quán từ các 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

Từ năm 2018, Đại học Helsinki đã cùng các đối tác mở khoá học trực tuyến miễn phí Elements of AI; đến nay hơn một triệu người ở 170 quốc gia đã theo học. Từ ngày 2/2/2025, Điều 4 của AI Act yêu cầu các tổ chức cung cấp và triển khai AI ở EU bảo đảm nhân viên của mình có đủ hiểu biết về AI. Mục tiêu không chỉ là dạy cách dùng AI, mà là dạy khi nào không nên tin: hiểu về hallucination, biết cách kiểm tra nguồn, phân biệt giữa "mô hình nghe có vẻ tự tin" và "mô hình có căn cứ."

Trích dẫn nguồn trở thành tính năng sản phẩm

Các công ty như Microsoft, Google, và Anthropic bắt đầu nhúng hệ thống citation trực tiếp vào sản phẩm: Bing Chat gắn chú thích nguồn cho câu trả lời ngay từ khi ra mắt năm 2023; tháng 1/2025, Anthropic ra mắt Citations API cho phép Claude chỉ ra chính xác câu và đoạn trong tài liệu nguồn mà nó dựa vào. 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, có hiệu lực từ ngày 1/8/2024, không nhắc tới chữ "hallucination". Nhưng nó yêu cầu các hệ thống AI "rủi ro cao" — như trong thiết bị y tế, tuyển dụng, chấm điểm tín dụng, hạ tầng thiết yếu — phải đạt mức độ chính xác, vững vàng và an ninh mạng phù hợp, công bố các chỉ số chính xác trong hướng dẫn sử dụng, tự động lưu nhật ký hoạt động và cho phép con người giám sát hiệu quả. Không phải zero-hallucination — điều đó không thể — nhưng phải chứng minh được rằng hệ thống có cơ chế quản lý rủi ro, và con người có thể phát hiện, can thiệp 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.

Cách tiếp cận được khuyến nghị cho các hệ thống agentic ngày nay là 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. Cũng như lỗi của con người chưa bao giờ bị loại bỏ khỏi hàng không, hallucination sẽ không bị loại bỏ khỏi AI — nhưng nó có thể 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.