AI Không Có Vấn Đề Về Niềm Tin; Nó Có Vấn Đề Về Dịch Thuật

Cuộc thảo luận về trí tuệ nhân tạo đã đạt đến một bế tắc có thể dự đoán được. Người dùng nói rằng họ không tin tưởng AI. Các công ty hứa hẹn về tính minh bạch. Cơ quan quản lý đe dọa can thiệp. Tuy nhiên, vấn đề cốt lõi vẫn còn đó: mọi người không thể tin tưởng những gì họ không hiểu, và hầu hết các hệ thống AI vẫn giao tiếp theo cách mà người dùng cảm thấy xa lạ. 

Cuộc khủng hoảng niềm tin ít liên quan đến bản thân sự tin tưởng mà liên quan nhiều hơn đến việc dịch thuật. Khi một đơn xin vay bị từ chối, một ứng viên việc làm bị loại, hoặc bản tuyên bố mục đích của một sinh viên bị gắn cờ vì đạo văn AI, hệ thống hiếm khi giải thích lý do của nó theo cách mà con người có thể hiểu được. Người dùng bị bỏ lại trong sự đoán mò, thất vọng và hoài nghi.

Công nghệ hoạt động rất hiệu quả, nhưng nó không cho thấy cách thức hoạt động; không có khả năng giải thích. 

Khoảng cách dịch thuật này có hậu quả kinh tế và xã hội. Một nghiên cứu toàn cầu của KPMG năm 2023 cho thấy 61% người dân thận trọng về việc tin tưởng các hệ thống AI, với chỉ một nửa tin rằng lợi ích lớn hơn rủi ro. Sự thiếu tin tưởng này khiến các doanh nghiệp mất hàng tỷ đô la năng suất chưa được thực hiện thông qua việc trì hoãn áp dụng AI.

Nhưng vấn đề vượt ra ngoài kết quả kinh doanh. Trong nhiều lĩnh vực, các hệ thống AI hiện định hình các quyết định có tác động cá nhân đáng kể. Khi những hệ thống này không thể tự giải thích, chúng trở thành những người gác cổng không chịu trách nhiệm.

Giáo dục là một ví dụ rõ ràng. Các thuật toán đánh giá hàng nghìn điểm dữ liệu từ thành tích học tập, năng lực tài chính, vị trí địa lý, đến mục tiêu nghề nghiệp và đưa ra các khuyến nghị ảnh hưởng đến tương lai của sinh viên.

Tương tự: Liệu 'Thẩm phán AI' có thể là giải pháp cho các vấn đề trong hệ thống tư pháp Nigeria?

Tuy nhiên, sinh viên hiếm khi biết tại sao một số tùy chọn nhất định xuất hiện hoặc hệ thống diễn giải thông tin của họ như thế nào. Sự mờ mịt tương tự xuất hiện trong lĩnh vực chăm sóc sức khỏe, tuyển dụng, tài chính và dịch vụ công.

Lập luận rằng AI "quá phức tạp để giải thích" bỏ lỡ điểm chính. Sự phức tạp không phải là rào cản; giao tiếp mới là vấn đề. Các lĩnh vực khác dịch thông tin phức tạp cho người không chuyên mỗi ngày. Thách thức không phải là làm cho các hệ thống cơ bản đơn giản hơn; mà là thể hiện logic của chúng theo cách mà người dùng có thể hiểu.

Trong khi nghiên cứu về khả năng giải thích kỹ thuật tiếp tục phát triển, nó cung cấp các phương pháp để theo dõi hành vi mô hình. Tuy nhiên, những phương pháp này ít có ý nghĩa nếu các giải thích đòi hỏi nền tảng kiến thức lĩnh vực cốt lõi. Giải quyết vấn đề dịch thuật đòi hỏi nhiều hơn việc chỉ tiết lộ logic nội bộ; nó đòi hỏi tạo ra các giải thích dễ hiểu, phù hợp và có thể sử dụng được.

Giải quyết khoảng cách dịch thuật sẽ cho phép áp dụng nhanh hơn, tự tin hơn. Mọi người sử dụng các công cụ họ hiểu. Khi người dùng nắm bắt được lý do tại sao một hệ thống hoạt động theo một cách nhất định, họ có nhiều khả năng chấp nhận và sử dụng hiệu quả các khuyến nghị của nó.

Tiến về phía trước, các nhà phát triển phải hỏi không chỉ "điều này có hoạt động không?" mà còn "người dùng có hiểu tại sao nó hoạt động không?" Các tổ chức triển khai AI nên đầu tư vào thiết kế giao tiếp cùng với tối ưu hóa kỹ thuật.

Nguồn hình ảnh: Unsplash

Cơ quan quản lý nên yêu cầu các giải thích hướng đến người dùng, không chỉ là tài liệu cho kiểm toán viên. Các giải thích rõ ràng hỗ trợ quyết định tốt hơn, sự tham gia nhiều hơn và kết quả công bằng hơn. 

Dịch thuật phải trở thành một tính năng cốt lõi của các hệ thống AI. Điều đó có nghĩa là thiết kế các công cụ giao tiếp bằng ngôn ngữ đơn giản, kiểm tra các giải thích với người dùng thực tế và giữ lại việc triển khai các hệ thống không thể trình bày rõ ràng lý do của chúng. Công nghệ ảnh hưởng đến cuộc sống của mọi người phải có khả năng tự giải thích. Bất cứ điều gì ít hơn không phải là vấn đề về niềm tin; đó là một thất bại trong dịch thuật.

Về Tác giả

Mathilda Oladimeji là một nhà nghiên cứu tiến sĩ về Hệ thống Thông tin tại Đại học Louisiana State, nơi cô nghiên cứu về khả năng giải thích của AI và sự tin tưởng của người dùng.

Trước đây, cô từng là Giám đốc Tiếp thị Khu vực cho Intake Education trên khắp châu Phi, quản lý các chiến dịch kỹ thuật số cho hơn 100 trường đại học.​​​​​