Lộ trình NEU · Bài học 5/12 — Cấp 2: Công cụ. Bài trước: Bài học 4 — Ra lệnh cho AI. Bài tiếp theo: Bài học 6 — Đọc tài liệu tiếng Anh bằng AI.
Ở bài trước bạn đã biết cách lấy kết quả tốt từ AI. Bài này giải quyết vấn đề ngược lại, và nghiêm trọng hơn: kết quả nghe rất thuyết phục nhưng sai. Mô hình ngôn ngữ được xây để tạo ra câu chữ hợp lý, không phải để tra cứu sự thật — nên nó có thể tự tin nêu một con số, một tên nghiên cứu, một điều luật hoàn toàn không tồn tại. Kiểm chứng thông tin AI đưa ra là kỹ năng phân biệt người dùng AI nghiệp dư với người dùng AI chuyên nghiệp.
Mục tiêu bài học
Học xong bài này, bạn sẽ:
- Hiểu vì sao AI bịa đặt và khi nào nó hay bịa nhất.
- Phân loại được đâu là câu cần kiểm chứng, đâu là câu không cần.
- Áp dụng được quy trình 3 bước để truy nguồn nhanh.
- Có một checklist kiểm chứng dùng trước khi đăng bất cứ nội dung nào.
Ai nên học bài này
Bài này dành cho bất kỳ ai dùng AI để làm nội dung công khai, làm bài tập nộp, hoặc ra quyết định. Đặc biệt cần thiết nếu bạn từng thấy AI trả lời rất trôi chảy và tự hỏi “liệu có đúng không mà nghe chắc chắn thế”.
Vì sao AI bịa đặt
Cần hiểu đúng cơ chế để biết khi nào cảnh giác. Mô hình ngôn ngữ hoạt động bằng cách dự đoán từ tiếp theo hợp lý nhất dựa trên những gì đã học. Nó không có một cơ sở dữ liệu sự thật để tra cứu, và nó không có khái niệm “tôi không biết” theo cách con người hiểu.
Hệ quả: khi bạn hỏi một điều nằm ngoài dữ liệu nó đã học — quá mới, quá hẹp, hoặc quá cụ thể — nó vẫn tạo ra câu trả lời có hình dạng đúng. Một tên nghiên cứu bịa vẫn trông giống tên nghiên cứu thật, vì mô hình đã thấy hàng vạn tên như vậy.
Đây cũng là lý do bịa đặt nguy hiểm hơn lỗi sai thông thường: nó không có dấu hiệu bề mặt nào. Câu bịa và câu đúng được viết với cùng một giọng tự tin.
Bốn tình huống AI hay bịa nhất
| Tình huống | Vì sao | Cách xử lý |
|---|---|---|
| Sự kiện mới | Nằm ngoài dữ liệu huấn luyện | Tự tra nguồn tin, đừng hỏi AI |
| Số liệu, thống kê | Mô hình sinh số nghe hợp lý | Bắt buộc truy về nguồn gốc |
| Tên riêng, trích dẫn | Ghép tên có thật với nội dung không có thật | Tìm nguyên văn câu trích |
| Quy định, thủ tục | Thay đổi theo thời gian và theo địa phương | Chỉ tin trang chính thức |
Ngược lại, AI khá đáng tin với: giải thích khái niệm phổ biến, gợi ý cấu trúc và dàn ý, viết lại câu cho rõ hơn, và tạo ví dụ minh hoạ. Đây là những việc không phụ thuộc vào sự thật cụ thể nào.
Bước 1 — Phân loại: câu nào cần kiểm chứng
Đừng kiểm chứng tất cả, sẽ không đủ thời gian. Hãy đọc lại kết quả và gạch chân đúng ba loại câu:
Con số. Mọi phần trăm, số lượng, thứ hạng, mốc thời gian. Tên riêng. Tên người, tổ chức, sản phẩm, nghiên cứu, đạo luật. Khẳng định nhân quả. Những câu dạng “A dẫn đến B” hoặc “nghiên cứu chỉ ra rằng…”.
Những phần còn lại — lời khuyên chung, cách diễn giải, cấu trúc trình bày — không cần truy nguồn, chỉ cần bạn thấy hợp lý với hiểu biết của mình.
Bước 2 — Truy nguồn: hỏi “ai nói đầu tiên”
Với mỗi câu đã gạch chân, tìm nơi công bố đầu tiên, không dừng ở nơi nhắc lại. Rất nhiều thông tin sai lan rộng vì mọi người chỉ trích lại nhau mà không ai quay về gốc.
Cách làm nhanh: lấy một cụm từ đặc trưng trong câu và tìm nguyên văn cụm đó. Nếu là số liệu, tìm tên tổ chức công bố kèm năm. Nếu là nghiên cứu, tìm tên bài báo — không tìm thấy bài báo nào mang tên đó là dấu hiệu rất xấu.
Kỹ thuật bổ trợ: hỏi ngược lại chính AI “Cho tôi nguồn gốc của con số này, kèm tên tổ chức và năm công bố. Nếu không chắc, hãy nói rõ là không chắc.” Câu ràng buộc cuối rất hiệu quả — nhiều trường hợp mô hình sẽ tự rút lại. Nhưng đừng dừng ở đó: nguồn do AI đưa ra cũng phải tự tay kiểm tra.
Bước 3 — Đối chiếu: nguồn có đáng tin không
Tìm được nguồn chưa đủ; phải xem nguồn đó thuộc loại nào. Thứ tự ưu tiên: trang chính thức của cơ quan/tổ chức công bố → báo cáo gốc có phương pháp rõ ràng → báo chí uy tín có dẫn nguồn → bài viết tổng hợp không dẫn nguồn (không dùng được).
Ba câu hỏi nhanh cho một nguồn: Ai viết và họ có lý do gì để nói vậy? Công bố khi nào — số liệu năm 2019 có còn đúng năm nay không? Có dẫn về nguồn cấp trên nữa không, hay chỉ nói suông?
Nếu sau 10 phút vẫn không tìm được nguồn gốc, hãy bỏ câu đó khỏi bài viết của bạn. Một bài ngắn hơn nhưng đúng luôn tốt hơn một bài đầy số liệu không kiểm chứng được.
Bốn dấu hiệu cảnh báo
Một — con số quá tròn. “73% người dùng” đáng tin hơn “70% người dùng” trong ngữ cảnh thống kê thật, vì số liệu thực tế hiếm khi tròn. Số tròn thường là số ước lượng bị trình bày như số đo.
Hai — nghiên cứu có tên rất kêu kèm năm. Càng chi tiết càng nên nghi, vì chi tiết là thứ dễ bịa nhất và cũng tạo cảm giác đáng tin nhất.
Ba — trích dẫn trong ngoặc kép. Câu nói được gán cho một nhân vật nổi tiếng là loại thông tin bị bịa nhiều nhất trên internet, và AI học từ chính internet đó.
Bốn — điều luật, mức phạt, thủ tục cụ thể. Loại thông tin này thay đổi thường xuyên và khác nhau giữa các địa phương. Chỉ tin trang công bố chính thức, và luôn kiểm tra ngày cập nhật.
Ghi nhật ký lỗi để học nhanh hơn
Đây là thói quen ít người làm nhưng hiệu quả rất cao. Mỗi lần bạn phát hiện AI đưa thông tin sai, ghi ba dòng vào một trang trong ứng dụng ghi chú: câu hỏi tôi đã hỏi — thông tin sai nó đưa ra — sự thật là gì.
Sau vài tuần, bạn sẽ thấy quy luật rất rõ về việc loại câu hỏi nào của mình hay dẫn tới bịa đặt. Từ đó bạn tự động cảnh giác đúng chỗ, thay vì nghi ngờ dàn trải hoặc tin tưởng mù quáng.
Nhật ký này cũng nên ghi bên cạnh bộ prompt bạn đã dựng ở Bài học 4 — với những việc hay sai, hãy thêm ràng buộc “không nêu số liệu nếu không chắc nguồn” vào ngay lệnh.
Trách nhiệm thuộc về bạn, không thuộc về công cụ
Một điểm cần nói thẳng: khi bạn đăng một bài viết, nộp một báo cáo, hay gửi một đề xuất, người chịu trách nhiệm về mọi con số trong đó là bạn. “AI viết vậy” không phải là một lời giải thích được chấp nhận ở bất kỳ đâu.
Cách nhìn lành mạnh: coi kết quả từ AI như bản nháp của một cộng tác viên mới — nhanh, nhiệt tình, đôi khi rất tốt, nhưng chưa được kiểm chứng. Bạn là người biên tập cuối cùng. Nguyên tắc này cũng nằm trong checklist trước khi đăng bài.
Bài tập thực hành
- ☐ Hỏi AI một câu về lĩnh vực bạn am hiểu, yêu cầu nêu 3 số liệu cụ thể.
- ☐ Gạch chân mọi con số, tên riêng và khẳng định nhân quả trong câu trả lời.
- ☐ Truy nguồn từng mục đã gạch chân, ghi lại nguồn tìm được hoặc đánh dấu “không tìm thấy”.
- ☐ Đếm tỷ lệ thông tin không truy được nguồn — con số này sẽ khiến bạn bất ngờ.
- ☐ Tạo trang “Nhật ký lỗi AI” trong ứng dụng ghi chú và ghi lại ca đầu tiên.
- ☐ Thêm ràng buộc “nếu không chắc thì nói rõ là không chắc” vào cả 5 prompt trong bộ của bạn.
- ☐ Viết checklist 5 dòng để tự soát trước khi đăng bất cứ nội dung nào.
Sản phẩm đầu ra: một checklist kiểm chứng 5 dòng dán cạnh chỗ làm việc, một trang nhật ký lỗi AI đã có mục đầu tiên, và bộ prompt đã được bổ sung ràng buộc chống bịa đặt.
Câu hỏi thường gặp
Hỏi AI “thông tin này có đúng không” có được không?
Có thể dùng như bước sàng lọc đầu, nhưng không thay được kiểm chứng thật. Mô hình có thể xác nhận chính điều nó vừa bịa, vì nó không lưu trữ sự thật để đối chiếu. Nguồn bên ngoài mới là căn cứ.
Công cụ AI có tìm kiếm web thì có đáng tin hơn không?
Đáng tin hơn đáng kể vì có dẫn liên kết, nhưng vẫn cần bạn bấm vào liên kết để xem nội dung có đúng như phần tóm tắt không. Lỗi phổ biến ở nhóm công cụ này là trích dẫn đúng nguồn nhưng diễn giải lệch.
Kiểm chứng mất nhiều thời gian, có cách nào nhanh hơn không?
Cách nhanh nhất là giảm số câu cần kiểm chứng: ra lệnh cho AI không đưa số liệu, và tự bạn bổ sung số liệu từ nguồn đã biết. Bài viết ít số nhưng chắc chắn tốt hơn bài nhiều số mà rủi ro.
Nếu tôi chỉ dùng AI để viết lại câu cho hay hơn thì có cần kiểm chứng không?
Vẫn cần đọc lại, vì khi viết lại mô hình có thể thay đổi mức độ khẳng định — “có thể liên quan” thành “gây ra”. Hãy đối chiếu bản mới với bản gốc ở các câu có số liệu hoặc kết luận.
AI ngày càng tốt hơn, vài năm nữa có còn cần kỹ năng này không?
Tỷ lệ sai giảm dần, nhưng cơ chế sinh văn bản thì không đổi, nên khả năng tạo ra câu sai nghe hợp lý vẫn còn. Hơn nữa, trách nhiệm với nội dung bạn công bố thì không bao giờ chuyển sang công cụ được.
👉 Bài tiếp theo: Bài học 6 — Đọc tài liệu tiếng Anh chuyên ngành bằng AI. Xem thêm chuyên mục AI cá nhân trên NEU.vn. Học kỹ năng. Rèn năng lực. Làm sản phẩm thật.