Một trong những cách kiểm rẻ nhất mà vẫn hiệu quả là hỏi lại AI cùng một vấn đề bằng cách diễn đạt khác. Điều mô hình thật sự "biết" thường ổn định: hỏi kiểu nào nó cũng đi về cùng một chỗ. Điều nó dựng ra cho đủ câu trả lời thường lung lay: đổi cách hỏi là đổi con số, đổi tên, đổi kết luận. Sự lung lay đó là tín hiệu quý, và bạn chỉ thấy được nếu chủ động tạo ra nó.
Bài này đi vào kỹ thuật hỏi lại: hỏi ở đâu, hỏi theo những kiểu nào, đọc khác biệt ra sao, và giới hạn của cách kiểm này. Cách cho AI đóng nhiều vai chuyên gia hay so hai công cụ khác nhau được bàn riêng ở danh mục phản biện bằng nhiều góc nhìn; ở đây chỉ tập trung vào việc hỏi lại chính một công cụ.
Vì sao hỏi lại làm lộ ra chỗ yếu
Mỗi lần trả lời, mô hình chọn chữ theo xác suất, nên cùng một câu hỏi có thể ra những câu trả lời diễn đạt khác nhau. Điều đó bình thường. Điều đáng chú ý là phần nội dung: với kiến thức xuất hiện dày và thống nhất trong dữ liệu, các lần trả lời thường cùng một ý. Với kiến thức mỏng hoặc không có, mỗi lần mô hình phải "lấp chỗ trống" theo một cách, và các cách lấp khác nhau sẽ không trùng.
Các nhà nghiên cứu đã dùng chính ý này để phát hiện ảo giác một cách tự động: cho mô hình trả lời nhiều lần rồi đo xem các câu trả lời có thống nhất không. Bạn không cần công cụ đặc biệt để áp dụng ý đó. Chỉ cần hỏi lại vài lần, theo vài kiểu, và để ý những chỗ câu trả lời không khớp.
Hỏi lại cũng có tác dụng thứ hai: nó buộc bạn nghĩ lại câu hỏi của mình. Khi tìm cách diễn đạt khác, bạn thường nhận ra câu hỏi ban đầu đã ngầm chứa một giả định, hoặc thiếu một bối cảnh quan trọng. Nhiều khi chính việc viết lại câu hỏi đã giúp bạn nhìn ra câu trả lời ban đầu không áp dụng được cho trường hợp của mình.
Hỏi lại ở cuộc trò chuyện mới, không hỏi dồn ngay sau câu trả lời
Phản xạ tự nhiên khi nghi ngờ là gõ ngay "bạn có chắc không" vào cuộc trò chuyện đang mở. Cách này cho kết quả kém vì hai lý do. Thứ nhất, câu trả lời trước vẫn nằm trong ngữ cảnh, nên mô hình có xu hướng bám vào nó và diễn giải lại thay vì nghĩ lại từ đầu. Thứ hai, câu "bạn có chắc không" là một tín hiệu nghi ngờ, và chatbot vốn có xu hướng chiều người hỏi, nên nó có thể đổi đáp án chỉ vì bạn tỏ ra không hài lòng, kể cả khi đáp án đầu là đúng.
Cách tốt hơn là mở một cuộc trò chuyện mới, nếu công cụ có tính năng ghi nhớ giữa các cuộc trò chuyện thì cân nhắc tắt tạm, rồi hỏi lại bằng cách diễn đạt khác, không nhắc đến câu trả lời trước. Như vậy bạn có hai câu trả lời độc lập hơn để so.
Nếu cần kiểm trong cùng cuộc trò chuyện, hãy hỏi một câu trung tính về một chi tiết, ví dụ "điều kiện để áp dụng cách này là gì" hay "trường hợp nào thì cách này không đúng", thay vì chất vấn cả câu trả lời. Câu hỏi trung tính ít tạo áp lực đổi đáp án hơn và thường làm lộ ra phần mô hình chưa vững.
Sáu kiểu diễn đạt lại nên dùng
Đảo chiều câu hỏi. Nếu đã hỏi "vì sao nên làm A", hãy hỏi "những lý do không nên làm A là gì". Nếu câu trả lời mới đưa ra những lý do nặng ký mà câu trả lời đầu không nhắc, lời khuyên ban đầu đang thiếu một nửa bức tranh.
Hỏi thẳng vào chi tiết. Thay vì hỏi tổng quát rồi nhận chi tiết kèm theo, hãy hỏi trực tiếp đúng chi tiết đó: "thời hạn cụ thể là bao lâu", "con số này của năm nào". Chi tiết bịa thường không giữ được khi bị hỏi riêng.
Hỏi điều kiện làm cho câu trả lời sai. "Trong trường hợp nào thì lời khuyên này không áp dụng?" Một lời khuyên vững thường có ranh giới rõ; một lời khuyên được dựng vội thường trả lời câu này rất mơ hồ.
Yêu cầu một ví dụ cụ thể. Lời khuyên trừu tượng nghe đúng rất dễ. Khi phải đưa một ví dụ cụ thể, có số liệu giả định, có các bước, mô hình hay lộ ra chỗ lời khuyên không khớp với thực tế.
Đưa câu hỏi dạng lựa chọn, có phương án "không cái nào". Ví dụ: "điều kiện đúng là A, B, C, hay không cái nào trong số đó". Phương án "không cái nào" cho mô hình một lối thoát hợp lệ thay vì buộc chọn.
Tách câu hỏi lớn thành câu nhỏ. Hỏi từng mắt xích của lập luận một cách riêng rẽ. Nếu mắt xích nào đó trả lời khác với cách nó được dùng trong câu trả lời gốc, bạn đã tìm thấy điểm gãy.
Ví dụ hỏi lại cho một lời khuyên cụ thể
Ví dụ giả định: chủ một tiệm sửa xe máy ở Vĩnh Long hỏi AI có nên chuyển sang nhận đặt lịch qua tin nhắn để giảm khách chờ. AI khuyên nên, kèm năm bước triển khai. Bảng dưới là cách hỏi lại từng điểm.
| Điểm cần kiểm | Cách hỏi lại | Dấu hiệu đáng lo |
|---|---|---|
| Kết luận chính | Tiệm nhỏ một thợ thì đặt lịch có những bất lợi gì? | Câu trả lời mới nặng ký hơn hẳn câu đầu |
| Giả định về khách | Khách sửa xe ở thị xã thường đặt lịch hay đến thẳng, dựa vào đâu để biết? | AI đưa con số tỷ lệ mà không có nguồn |
| Bước triển khai | Nếu khách đặt rồi không đến thì xử lý thế nào? | Không có phương án, hoặc phương án mâu thuẫn với bước đã nêu |
| Hiệu quả kỳ vọng | Đo thế nào để biết sau một tháng là có hiệu quả? | Chỉ nêu chung chung, không đo được |
| Ranh giới | Loại việc sửa nào không nên nhận theo lịch? | Trả lời là mọi việc đều nhận được |
Sau năm câu hỏi lại, chủ tiệm có một lời khuyên đầy đủ hơn nhiều: nên thử đặt lịch cho việc bảo dưỡng định kỳ, vẫn nhận khách đến thẳng cho việc sửa gấp, và đo số khách phải chờ lâu trước và sau. Câu trả lời đầu không sai, nhưng thiếu đúng những điều kiện quyết định.
Đọc khác biệt giữa các lần trả lời
Khi đặt hai ba câu trả lời cạnh nhau, việc đầu tiên là bỏ qua lớp vỏ. Câu chữ khác, thứ tự ý khác, độ dài khác là chuyện bình thường của mọi lần sinh văn bản và không nói lên điều gì. Thứ cần so là phần lõi: kết luận cuối cùng là nên hay không nên, các con số, các điều kiện áp dụng, tên văn bản, tên phương pháp, các bước bắt buộc.
Có ba kiểu khác biệt đáng chú ý. Kiểu thứ nhất là kết luận đảo chiều: lần này khuyên làm, lần kia khuyên chờ. Đây là dấu hiệu vấn đề phụ thuộc mạnh vào bối cảnh mà câu hỏi chưa cung cấp, hoặc mô hình không có cơ sở vững. Kiểu thứ hai là con số và tên riêng thay đổi: gần như chắc chắn ít nhất một lần là đoán. Kiểu thứ ba là điều kiện xuất hiện ở lần này mà vắng ở lần kia: thường lần có điều kiện gần sự thật hơn, vì lời khuyên chuyên môn thật hiếm khi vô điều kiện.
Ghi kết quả so sánh thành bảng nhỏ ba cột: điểm, các câu trả lời, nhận xét. Cách này giúp bạn không bị cuốn theo câu trả lời viết hay nhất, mà nhìn đúng vào chỗ khớp và chỗ lệch. Nó cũng là tài liệu tốt để mang theo khi cần hỏi người có chuyên môn, vì cho thấy ngay bạn đang phân vân ở điểm nào.
Quy trình hỏi lại gọn trong mười phút
Khi có một lời khuyên đáng kiểm, làm theo các bước sau:
- Chép lại câu trả lời ban đầu, gạch chân hai ba điểm mà nếu sai thì bạn thiệt hại nhiều nhất.
- Mở cuộc trò chuyện mới. Hỏi lại vấn đề gốc bằng cách diễn đạt khác, đủ bối cảnh, không nhắc câu trả lời trước.
- Với từng điểm đã gạch chân, đặt một câu hỏi riêng theo một trong sáu kiểu ở trên.
- Đặt các câu trả lời cạnh nhau. Bỏ qua khác biệt về câu chữ, chỉ so kết luận, con số, điều kiện, tên riêng.
- Điểm nào khớp qua mọi lần hỏi: xếp vào nhóm tạm tin, vẫn kiểm nguồn nếu rủi ro cao.
- Điểm nào lệch: xếp vào nhóm phải kiểm bằng nguồn ngoài hoặc hỏi người có chuyên môn.
Nếu câu hỏi có thông tin của khách hàng hay số liệu nội bộ, nhớ che lại ở mọi lần hỏi, không chỉ lần đầu. Người ta hay cẩn thận ở lần đầu rồi dán nguyên văn ở lần hỏi lại vì vội.
Giới hạn: nhất quán không có nghĩa là đúng
Hỏi lại giúp lọc ra những chỗ mô hình không vững, nhưng không chứng minh được những chỗ còn lại là đúng. Một quan niệm sai phổ biến, lặp lại nhiều lần trên mạng, sẽ được mô hình trả lời nhất quán qua mọi cách hỏi, vì nó đã học quan niệm đó rất kỹ. Những mẹo dân gian về sức khoẻ, những hiểu lầm phổ biến về luật, những con số được chép lại nhiều năm mà không ai kiểm là ví dụ điển hình.
Vì thế hỏi lại nên được coi là bước sàng lọc, không phải bước xác nhận. Nó cho bạn biết nên tập trung kiểm ở đâu và có thể yên tâm hơn một chút ở đâu. Với những điểm quan trọng, bước tiếp theo vẫn là đối chiếu với nguồn gốc, thử ở quy mô nhỏ nếu được, hoặc hỏi người trong nghề.
Cũng đừng hỏi lại quá nhiều lần cho đến khi nhận được câu trả lời bạn muốn nghe. Đó là bẫy ngược: bạn đang dùng AI để tìm sự đồng tình, không phải để kiểm. Một quy ước đơn giản giúp tránh bẫy này: quyết định trước sẽ hỏi lại bao nhiêu lần và theo những kiểu nào, rồi đọc toàn bộ kết quả, kể cả những câu trả lời trái ý mình.
Câu hỏi thường gặp
Hỏi lại AI bao nhiêu lần là đủ?
Với một điểm quan trọng, hai đến ba lần hỏi theo các kiểu khác nhau thường đủ để thấy câu trả lời có vững không. Hỏi nhiều hơn ít khi thêm thông tin mới mà dễ biến thành đi tìm câu trả lời mình muốn nghe.
Vì sao không nên hỏi "bạn có chắc không"?
Vì câu hỏi đó là tín hiệu nghi ngờ, và chatbot có xu hướng chiều người hỏi. Nó có thể đổi một đáp án đúng thành sai chỉ vì bạn tỏ ra không hài lòng. Câu hỏi trung tính về điều kiện hay chi tiết cho kết quả tốt hơn.
Câu trả lời giống nhau qua nhiều lần hỏi thì có tin được không?
Tin hơn so với câu trả lời lung lay, nhưng chưa đủ để coi là đúng. Một quan niệm sai phổ biến cũng được trả lời nhất quán. Điểm có rủi ro cao vẫn cần kiểm bằng nguồn gốc hoặc người có chuyên môn.
Có cần tắt tính năng ghi nhớ của chatbot khi hỏi lại không?
Nên cân nhắc, vì tính năng ghi nhớ có thể mang thông tin từ cuộc trò chuyện trước sang, làm câu trả lời mới bị ảnh hưởng. Cách làm cụ thể khác nhau tuỳ công cụ và phiên bản, nên kiểm phần cài đặt hiện hành.
Khác biệt nào giữa các lần trả lời thì không đáng lo?
Khác biệt về câu chữ, thứ tự trình bày, cách chia ý thường không đáng lo. Đáng lo là khác biệt về kết luận, con số, điều kiện áp dụng, tên văn bản hay tên người.
Hỏi lại có thay được việc hỏi chuyên gia không?
Không. Hỏi lại chỉ giúp sàng lọc chỗ yếu trong câu trả lời của AI. Với việc có rủi ro cao về sức khoẻ, pháp lý, tiền bạc, bạn vẫn cần người có chuyên môn xác nhận và chịu trách nhiệm.