Làn sóng chatbot trí tuệ nhân tạo (AI) bùng nổ ở Trung Quốc đã mang đến cho người dùng nhiều cách tạo nội dung mới - bao gồm âm thanh, viết mã, hình ảnh, mô phỏng, video và văn bản chuẩn ngữ pháp - để giải trí và hỗ trợ các công việc hàng ngày.
Nhu cầu đó đã dẫn đến sự phát triển của hơn 200 mô hình ngôn ngữ lớn (LLM), công nghệ hỗ trợ các dịch vụ AI tạo sinh (GenAI) như ChatGPT. LLM là các thuật toán AI học sâu có thể nhận dạng, tóm tắt, dịch, dự đoán và tạo nội dung bằng cách sử dụng các tập dữ liệu rất lớn.
Bất chấp những nguồn lực khổng lồ đằng sau các chatbot, các mô hình AI đã được chứng minh là gặp khó khăn ngay cả với kiến thức toán học cơ bản khi được cư dân mạng thử nghiệm với màn bình chọn trong chương trình truyền hình thực tế Singer 2024 của Trung Quốc.
Trong chương trình tuần trước, nghệ sĩ Trung Quốc Tôn Nam nhận được 13,8% phiếu bầu trực tuyến, vượt qua ca sĩ người Mỹ Chanté Moore, người nhận được 13,11% phiếu bầu. Một số cư dân mạng đã tỏ ý chế giễu bảng xếp hạng khi đùa rằng con số Moore nhận được là lớn hơn mà vẫn thua (thực tế là ám chỉ ca sĩ Mỹ hay hơn nhưng lại thua cuộc).
Một người bình luận gợi ý nên so sánh hai con số trên bằng AI. Nhưng kết quả đưa ra đã gây bất ngờ. Cả chatbot Kimi của Moonshot AI và Baixiaoying của Baichuan ban đầu đều đưa ra câu trả lời sai khi cho rằng 13,11% lớn hơn 13,8%.
Về sau, hai chatbot này đã tự sửa lỗi cũng như xin lỗi người dùng về đáp án thiếu chính xác, giải thích lỗi sai là do áp dụng cái gọi là phương pháp tiếp cận chuỗi suy nghĩ – một phương pháp lý luận trong đó ứng dụng AI được hướng dẫn từng bước qua một vấn đề.
Cùng câu hỏi tương tự, mô hình Qwen LLM của Alibaba Group Holding phải sử dụng cả Python Code Interpreter để tính toán câu trả lời, trong khi Ernie Bot của Baidu phải thực hiện sáu bước để có được câu trả lời đúng.
Ngược lại, Doubao LLM của ByteDance đã phản hồi trực tiếp bằng cách đưa ra một ví dụ minh họa: "Nếu bạn có 9,90 USD và 9,11 USD, rõ ràng 9,90 USD là nhiều tiền hơn".
Wu Yiquan, một nhà nghiên cứu khoa học máy tính tại Đại học Chiết Giang ở Hàng Châu, giải thích về việc các mô hình AI gặp sai sót về kiến thức toán: "Thạc sĩ luật thì chẳng ai giỏi toán - điều này rất phổ biến".
Theo Wu, GenAI không sở hữu khả năng toán học và chỉ có thể dự đoán câu trả lời dựa trên dữ liệu đào tạo. Ông cho biết một số LLM hoạt động tốt trong các bài kiểm tra toán có thể là do "nhiễm dữ liệu", nghĩa là thuật toán ghi nhớ các câu trả lời đã có sẵn trong dữ liệu đào tạo.
"Thế giới AI được mã hóa - số, từ, dấu câu và khoảng trắng đều được xử lý như nhau. Do đó, bất kỳ thay đổi nào trong câu lệnh đều có thể ảnh hưởng đáng kể đến kết quả", Wu giải thích.
Vấn đề toán học nêu trên cho thấy công nghệ AI phát triển quá nhanh nhưng chưa hoàn thiện, không chỉ ở Trung Quốc mà còn ở nhiều nơi khác trên thế giới.
Theo Zheng Ge, giáo sư luật công tại Đại học Giao thông Thượng Hải, đây là tình huống có thể khiến Trung Quốc phải gác lại nỗ lực xây dựng luật AI thống nhất toàn quốc.
Zheng cho biết: "Phần lớn các chuyên gia tin rằng thời điểm để soạn thảo luật AI thống nhất toàn quốc có thể chưa phù hợp vì công nghệ này đang phát triển quá nhanh".
"Kiểm tra so sánh số" cho các mô hình AI đã trở nên phổ biến sau khi nhà nghiên cứu Bill Yuchen Lin của Viện Allen và kỹ sư tiên tiến Riley Goodside của công ty công nghệ Scale AI nêu bật những thiếu sót cơ bản về toán học của công nghệ này trên nền tảng truyền thông xã hội X.
Khi được hỏi số nào lớn hơn, 9,9 hay 9,11, ngay cả các LLM tiên tiến như GPT-4o của OpenAI, Claude 3.5 Sonnet và Mistral AI đều trả lời là 9,11.
Trong bài đăng trên X, Goodside cho biết ông không có ý định hạ thấp chương trình LLM, nhưng muốn giúp mọi người hiểu và khắc phục những sai sót của chúng.
"Những vấn đề liên quan đến giải toán kém trong LLM hiện đã được giảm thiểu rất tốt, nhưng còn rất nhiều lỗi gây ngỡ ngàng cho người dùng", ông viết. "Chúng ta nên sẵn sàng cho việc chúng sẽ còn sai ở nhiều lĩnh vực khác nữa".