Nguy cơ thông tin sai lệch từ các mô hình ngôn ngữ lớn khi sử dụng AI

Trong thời đại hiện đại, Al và xử lý ngôn ngữ tự nhiên đã trở thành hai lĩnh vực đang phát triển với tốc độ chóng mặt. Trong đó, các mô hình ngôn ngữ lớn (LLMs)đã đóng vai trò quan trọng trong việc giải quyết các nhiệm vụ liên quan đến ngôn ngữ tự nhiên, từ dịch máy đến sinh văn bản.

Các công ty công nghệ hàng đầu như NVIDIA, OpenAI, Google AI, Deepmind, Anthropic, Baidu, Huawei, Meta, AI21 Labs và LG AI Research đang cạnh tranh khốc liệt để đưa ra những mô hình LLMs đỉnh cao nhất.

Chia sẻ tại sự kiện Talk Gender in Marcom: “Gender Sensible AI”, sáng ngày 13/12, ông Đinh Trần Tuấn Linh - Giám đốc công nghệ Công ty Unikon, một startup về Al cho rằng, AI hình thành và phát triển từ những hệ thống cơ bản đến hệ thống học sâu hiện đại. Sự ra đời của các LLMs làm thay đổi cách chúng ta xử lý và phân tích ngôn ngữ.

Nếu như trước đây, việc phân tích ngữ cảnh chủ yếu dựa trên tần suất từ và cảm xúc (tích cực, tiêu cực, trung lập) thì hiện tại, LLMs mở ra khả năng phân tích sâu hơn. Không chỉ dừng lại ở mặt bằng cảm xúc mà còn khám phá ý nghĩa ngầm, cấu trúc ngôn ngữ và liên kết ngữ cảnh giới trong việc hiểu và giải mã ngôn ngữ.

Có thể khẳng định, AI hình thành và phát triển từ những hệ thống cơ bản đến hệ thống chuyên sâu hiện đại. Sự ra đời của LLMs làm thay đổi cách chúng ta xử lý và phân tích ngôn ngữ.

LLMs không chỉ cải thiện năng suất mà còn mở ra những cách tiếp cận mới trong việc hiểu và giải mã ngôn ngữ. Sự kết hợp giữa LLMs và chuyên gia từ các lĩnh vực khác nhau giúp phân tích và hiểu biết sâu hơn về các vấn đề xã hội. Kết hợp giữa LLMs và kiến thức chuyên môn mở ra cánh cửa mới cho việc phân tích và hiểu biết sâu sắc về thế giới xung quanh chúng ta.

“Tuy nhiên, khi sử dụng Al, chúng ta sẽ phải đối mặt và giải quyết định kiến cũng như thông tin sai lệch về giới trong LLMs. Đây không chỉ là một thách thức kỹ thuật, mà còn là một nhiệm vụ đạo đức, nhằm bảo đảm công bằng và tính toàn vẹn trong AI”, ông Linh cảnh báo.

Các loại định kiến và thông tin sai lệch thường gặp như định kiến giới, chủng tộc và văn hóa. Bởi vậy, cần có cách thức huấn luyện LLMs sao cho giảm thiểu tác động của định kiến và thông tin sai lệch. Đồng thời, giúp khám phá các hướng phát triển trong tương lai để cải thiện tính chính xác và độ tin cậy của LLMs.