Linh Pham
Intern Writer
Các trường đại học tại Trung Quốc sử dụng hệ thống kiểm tra nội dung do AI tạo ra (AIGC) để đánh giá mức độ "AI hóa" của các bài luận tốt nghiệp. Mục đích ban đầu của việc phát triển AI là để hỗ trợ và giải phóng sức lao động con người. Tuy nhiên, AI giờ đây trở nên quá mạnh mẽ, đến mức con người phải sử dụng chính AI để kiểm chứng lại xem nội dung đó có phải do AI viết hay không — một nghịch lý mà nhiều người cho là đầy bất đắc dĩ.
Tuy là công cụ mới trong kiểm định tính nguyên gốc của văn bản học thuật, các hệ thống AIGC lại gây ra không ít rắc rối vì độ chính xác chưa cao. Đã xuất hiện nhiều trường hợp gây tranh cãi khi các bài văn kinh điển như "Tằng Vương Các Tự" của Vương Bột hay tác phẩm của Chu Tự Thanh bị hệ thống đánh giá là có khả năng cao do AI tạo ra. Tình trạng này làm dấy lên nghi ngại về độ tin cậy của các công cụ kiểm tra, đặc biệt là khi có những bài hoàn toàn do sinh viên viết cũng bị đánh giá là “nguy cơ cao”.
Các hệ thống kiểm tra AIGC thường dựa trên các mô hình học máy để xác định văn bản nào có khả năng do AI tạo ra, nhưng chính cách mà chúng hoạt động khiến những bài viết theo cấu trúc học thuật truyền thống dễ bị đánh nhầm. Bởi lẽ, AI khi viết thường sử dụng ngôn ngữ tiêu chuẩn hóa, các từ nối logic và cấu trúc đều đặn — điều trùng khớp với văn phong học thuật vốn có. Chính sự tương đồng này khiến việc phân biệt giữa con người và AI trở nên rất khó khăn.
Một số sinh viên đã phải thay đổi cách viết để “lừa” hệ thống, như cố ý viết sai chính tả, phá vỡ cấu trúc câu, hoặc dùng từ ngữ mơ hồ, không chuyên môn, thậm chí chuyển câu văn thành dạng "lỗi" để tránh bị nhận diện là do AI viết. Điều này làm thay đổi bản chất học thuật của bài viết và ảnh hưởng đến khả năng biểu đạt tư duy của người viết. Có những sinh viên còn áp dụng mẹo thay chấm câu bằng dấu phẩy, hoặc thêm những phép ẩn dụ vô lý để làm sai lệch ngữ pháp, từ đó giảm tỷ lệ AI bị phát hiện.
Một điểm bất cập khác là kết quả kiểm tra giữa các hệ thống không thống nhất. Cùng một bài viết nhưng được đánh giá khác nhau khi sử dụng các nền tảng như CNKI và VIP — có nơi báo AI chiếm 20%, nơi khác báo 70%. Ngay cả cùng một hệ thống cũng có thể cho ra kết quả khác nhau ở các thời điểm khác nhau. Điều này không chỉ làm người học hoang mang, mà còn tạo áp lực lớn cho giáo viên vì kết quả AI ảnh hưởng trực tiếp đến việc đánh giá sinh viên và cả hiệu suất công việc của giảng viên.
Về mặt kỹ thuật, nguyên lý hoạt động của các hệ thống kiểm tra AIGC thường xoay quanh việc “viết lại” văn bản và so sánh đặc điểm ngôn ngữ trước và sau, hoặc dùng mô hình phân loại để phân biệt đặc trưng của văn bản do người viết và văn bản do AI tạo. Tuy nhiên, các mô hình này dễ bị đánh lừa và không thể đưa ra đánh giá chính xác tuyệt đối. Việc con người cố tình viết sai, thay đổi cú pháp, hoặc sử dụng một AI khác để "hạ AI tỷ lệ" là những phương pháp đang được dùng để đánh lừa hệ thống, điều này chứng minh rằng các công cụ hiện tại còn nhiều lỗ hổng.
Một hướng giải pháp kỹ thuật được giới nghiên cứu gợi ý là áp dụng công nghệ "watermark" – để gắn mã nhận diện vào văn bản do AI tạo ra. Điều này giống như cài đặt một “chìa khóa định danh” cho mỗi mô hình ngôn ngữ. Tuy nhiên, kỹ thuật này cũng không thể hoàn toàn ngăn chặn việc che giấu dấu vết AI nếu người dùng cố tình thay đổi văn bản.
AI càng giống con người, thì việc phân biệt giữa người và máy càng trở nên vô nghĩa. Khi ranh giới giữa sáng tạo của con người và sản phẩm của AI ngày càng mờ nhạt, việc truy tìm nguồn gốc văn bản dường như đang mất dần ý nghĩa. Tuy nhiên, trong hiện tại, khi hệ thống kiểm tra chưa hoàn thiện, AI đang gây ra không ít hệ lụy tâm lý, học thuật và đạo đức cho những người bị đặt dưới "ánh mắt giám khảo" của chính nó.
Tuy là công cụ mới trong kiểm định tính nguyên gốc của văn bản học thuật, các hệ thống AIGC lại gây ra không ít rắc rối vì độ chính xác chưa cao. Đã xuất hiện nhiều trường hợp gây tranh cãi khi các bài văn kinh điển như "Tằng Vương Các Tự" của Vương Bột hay tác phẩm của Chu Tự Thanh bị hệ thống đánh giá là có khả năng cao do AI tạo ra. Tình trạng này làm dấy lên nghi ngại về độ tin cậy của các công cụ kiểm tra, đặc biệt là khi có những bài hoàn toàn do sinh viên viết cũng bị đánh giá là “nguy cơ cao”.
Các hệ thống kiểm tra AIGC thường dựa trên các mô hình học máy để xác định văn bản nào có khả năng do AI tạo ra, nhưng chính cách mà chúng hoạt động khiến những bài viết theo cấu trúc học thuật truyền thống dễ bị đánh nhầm. Bởi lẽ, AI khi viết thường sử dụng ngôn ngữ tiêu chuẩn hóa, các từ nối logic và cấu trúc đều đặn — điều trùng khớp với văn phong học thuật vốn có. Chính sự tương đồng này khiến việc phân biệt giữa con người và AI trở nên rất khó khăn.
Một số sinh viên đã phải thay đổi cách viết để “lừa” hệ thống, như cố ý viết sai chính tả, phá vỡ cấu trúc câu, hoặc dùng từ ngữ mơ hồ, không chuyên môn, thậm chí chuyển câu văn thành dạng "lỗi" để tránh bị nhận diện là do AI viết. Điều này làm thay đổi bản chất học thuật của bài viết và ảnh hưởng đến khả năng biểu đạt tư duy của người viết. Có những sinh viên còn áp dụng mẹo thay chấm câu bằng dấu phẩy, hoặc thêm những phép ẩn dụ vô lý để làm sai lệch ngữ pháp, từ đó giảm tỷ lệ AI bị phát hiện.
Một điểm bất cập khác là kết quả kiểm tra giữa các hệ thống không thống nhất. Cùng một bài viết nhưng được đánh giá khác nhau khi sử dụng các nền tảng như CNKI và VIP — có nơi báo AI chiếm 20%, nơi khác báo 70%. Ngay cả cùng một hệ thống cũng có thể cho ra kết quả khác nhau ở các thời điểm khác nhau. Điều này không chỉ làm người học hoang mang, mà còn tạo áp lực lớn cho giáo viên vì kết quả AI ảnh hưởng trực tiếp đến việc đánh giá sinh viên và cả hiệu suất công việc của giảng viên.
Về mặt kỹ thuật, nguyên lý hoạt động của các hệ thống kiểm tra AIGC thường xoay quanh việc “viết lại” văn bản và so sánh đặc điểm ngôn ngữ trước và sau, hoặc dùng mô hình phân loại để phân biệt đặc trưng của văn bản do người viết và văn bản do AI tạo. Tuy nhiên, các mô hình này dễ bị đánh lừa và không thể đưa ra đánh giá chính xác tuyệt đối. Việc con người cố tình viết sai, thay đổi cú pháp, hoặc sử dụng một AI khác để "hạ AI tỷ lệ" là những phương pháp đang được dùng để đánh lừa hệ thống, điều này chứng minh rằng các công cụ hiện tại còn nhiều lỗ hổng.
Một hướng giải pháp kỹ thuật được giới nghiên cứu gợi ý là áp dụng công nghệ "watermark" – để gắn mã nhận diện vào văn bản do AI tạo ra. Điều này giống như cài đặt một “chìa khóa định danh” cho mỗi mô hình ngôn ngữ. Tuy nhiên, kỹ thuật này cũng không thể hoàn toàn ngăn chặn việc che giấu dấu vết AI nếu người dùng cố tình thay đổi văn bản.
AI càng giống con người, thì việc phân biệt giữa người và máy càng trở nên vô nghĩa. Khi ranh giới giữa sáng tạo của con người và sản phẩm của AI ngày càng mờ nhạt, việc truy tìm nguồn gốc văn bản dường như đang mất dần ý nghĩa. Tuy nhiên, trong hiện tại, khi hệ thống kiểm tra chưa hoàn thiện, AI đang gây ra không ít hệ lụy tâm lý, học thuật và đạo đức cho những người bị đặt dưới "ánh mắt giám khảo" của chính nó.