AI Washing và một bong bóng mới sau Dotcom

Warren Buffet từng nói rằng hãy sợ hãi khi thị trường tham lam, và hãy tham lam khi thị trường sợ hãi. Trên thị trường chứng khoán, khi mọi người quá lạc quan như những con thiêu thân lao vào lửa mà không biết bao giờ ngọn lửa kia chợt tắt, sẽ là lúc mà nhà đầu tư nên cảnh giác nhất.

Nhìn lại lịch sử của trí tuệ nhân tạo, từ khi hai chữ “Artificial Intelligence” được đưa ra ở hội nghị Dartmouth bởi John McCarthy mùa hè năm 1956 tới sự ra đời của GPT5 gần đây, sự thăng trầm của khát vọng xây dựng trí tuệ nhân tạo làm ta liên tưởng tới những chu kỳ thăng trầm trên thị trường chứng khoán.

Lịch sử AI là câu chuyện của những cơn kỳ vọng đầy hưng phấn nối tiếp bởi sự thất vọng và sụp đổ. Những công nghệ mới ra đời làm người ta kỳ vọng vào khả năng của AI rồi thất vọng khi công nghệ thực tế chẳng thể đáp ứng những kỳ vọng ấy. Và sau đó một công nghệ mới lại xuất hiện. 

“Mùa đông AI” đầu tiên đến khi người ta trở nên thất vọng với symbolic AI, 

công nghệ mà trước đó được kỳ vọng sẽ giúp con người sớm đạt đến strong AI (những AI có trí thông minh bằng hoặc hơn cả con người, trái ngược với ‘weak AI’ - những AI chỉ có thể giải quyết những nhiệm vụ trong phạm vi kiến thức hẹp - như các phần mềm chơi cờ chẳng hạn). 

Symbolic AI, giống như cái tên của nó: “AI biểu tượng”, xuất phát từ ý tưởng con người có thể hệ thống hóa thế giới thành các quy luật, nguyên tắc và logic. Rồi sau đó để AI thông qua chúng mà hiểu thế giới. Tương tự như cách loài người tạo ra các biểu tượng mà ta gọi là ngôn ngữ, con người nén thế giới thành các từ ngữ rồi diễn đạt chúng dưới dạng câu logic.

Đơn giản như khi bạn lập trình những câu lệnh if-then (nếu-thì). Nếu bạn gặp một biển báo rẽ phải - hãy rẽ phải, còn không thì hãy đi thẳng.

Thử tưởng tượng bạn cần xây dựng một chương trình như thế, nhưng phức tạp hơn, gồm 100 bước, mỗi bước chỉ cần có 2 lựa chọn là bạn đã phải tạo ra 2100 khả năng, nhiều số khả năng hơn cả số nguyên tử trong vũ trụ:))

Sự phức tạp khi mô tả một thế giới quá sức rộng lớn khiến cho symbolic AI không thể đáp ứng kỳ vọng của giới khoa học gia thời điểm đó, người ta coi AI là viển vông, là khoa học viễn tưởng. Thêm nữa, sức mạnh tính toán của siêu máy tính những năm 1960s chẳng hơn gì chiếc đồng hồ thông minh của bạn. Dẫn tới thoái trào nhanh chóng của symbolic AI, hay AI nói chung, để rồi những cơn gió lạnh của mùa đông AI đầu tiên đã phủ lên nền nghiên cứu Trí tuệ nhân tạo thế giới thập niên 70.

Dù phức tạp và khó mở rộng, symbolic AI vẫn rất mạnh mẽ trong việc giải quyết các vấn đề logic, suy luận hiệu quả và được ứng dụng nhiều trong đời sống hiện đại.

Những lớp băng đông cứng nền học thuật cuối cùng cũng tan đi khi một công nghệ mới nổi lên và người ta bị cuốn hút bởi những gì nó có thể làm được - expert system - những cỗ máy chuyên gia.

Những ‘hệ thống chuyên gia’ này, tuy vẫn hoạt động dựa trên ý tưởng của symbolic AI, nhưng khi đem cụ thể hóa vào một ngách hẹp cụ thể, sức mạnh của sự tự động hóa đã đem lại lợi ích khổng lồ.

Đơn cử như MYCIN - hệ thống y khoa kết hợp trí tuệ nhân tạo đầu tiên phát triển bởi đại học Stanford đã giúp giảm đáng kể chi phí khi có thể phát hiện bệnh nhân bị nhiễm trùng máu, dựa trên 450 quy luật logic. Kết quả là MYCIN, trong hầu hết trường hợp, giúp chẩn đoán bệnh nhân có bị nhiễm trùng máu hay không còn hiệu quả hơn đa số các bác sĩ. 

Sự mạnh mẽ của AI, ngang bằng hoặc thậm chí vượt qua con người trong một số lĩnh vực đã giúp những expert system này bùng nổ vào thập 80, khi các dự án ‘chuyên gia’ này liên tục sinh ra như nấm mọc sau mưa trong các lĩnh vực hẹp như tư vấn, chẩn đoán y khoa, đánh giá tín dụng,...

Nhưng mọi chuyện một lần nữa không tiếp tục được lâu, vì expert system một lần nữa có những điểm yếu chí mạng như symbolic AI, rất khó mở rộng, cứng nhắc và ngốn chi phí tính toán khổng lồ.

Để rồi mùa đông AI thứ 2 lại tới vào cuối thập niên 80, đặt dấu chấm hết tham vọng symbolic AI. Các Chính phủ cắt giảm tài trợ, chuyên gia mất động lực nghiên cứu và công chúng nói chung không còn niềm tin ở AI.

Và machine learning bùng nổ, rồi thay đổi hết mọi thứ. Như mọi lần thì cơn sóng đến mang theo những kỳ vọng lớn lao hơn. Vốn dĩ cụm từ ‘machine learning’ đã xuất hiện từ năm 1959 với ý tưởng về việc huấn luyện máy tính học hỏi kiến thức như con người. Nhưng mãi tới năm 1987, cơn sóng AI chở theo công nghệ máy học mới thật sự bùng nổ, tại sao vậy?

Đó là tổng hòa của thiên thời, địa lợi và nhân hòa. Đúng thời điểm mà Internet ra đời và thay đổi thế giới với sự phát triển nhanh chưa từng thấy của dữ liệu, cũng là lúc mà Geoffrey Hinton cùng các cộng sự phát minh ra thuật toán backpropagation (lan truyền ngược) và khai thông vấn đề mạng neuron đa lớp. 

Ý tưởng về mạng neuron nhân tạo bắt chước bộ não con người đã được phát triển từ trước cả hội nghị Dartmouth 1953, đỉnh cao là sự ra đời của Perceptron do Frank Rosenblatt phát triển. Mạng neuron sơ khai này tuy chỉ là mạng đơn lớp giản đơn (gồm 1 lớp đầu và 1 lớp cuối, kẹp giữa 1 lớp ẩn) nhưng thật sự là một cuộc cách mạng trong giới khoa học thời đó. Tuy nhiên nó bị chỉ trích bởi không thể giải những bài toán phức tạp và dường như rơi vào quên lãng. 

Vấn đề là, người ta đã nghĩ tới việc tạo ra mạng neuron đa lớp, tức là nhiều lớp ẩn ở giữa 2 lớp đầu và cuối, mỗi lớp sẽ xử lý một phần nhỏ của thông tin, rồi tất cả được gộp lại thành kết quả cuối cùng (như ảnh trên). Thế nhưng trước khi backpropagation ra đời, không ai biết cách làm sao để các lớp có thể phản hồi thông tin và học được từ nhau. 

Thuật toán lan truyền ngược giúp cho kết quả từ một lần thử sai của mô hình, được truyền ngược về từng lớp để các lớp đó thay đổi cho kết quả lần sau đúng hơn. Tương tự như cách các em bé loài người học bị vấp té, rút kinh nghiệm rồi lần sau không mắc chân vào cục đá để bị té nữa.

Machine learning thì lại rất rộng lớn, và neural network chỉ là một nhánh trong đó. Tình cờ thay, machine learning phát triển đúng lúc Internet bùng nổ, dữ liệu bỗng trở nên dồi dào hơn bao giờ hết, và sức mạnh phần cứng – đặc biệt là GPU – mở ra khả năng huấn luyện những mạng neuron nhiều tầng mà trước đó không tưởng. 

Machine learning bắt đầu chứng minh sức mạnh khi máy có thể phân loại email rác, gợi ý sản phẩm mua sắm, dự đoán hành vi khách hàng. Không còn là những luật “if–then” cứng nhắc, giờ máy tính thật sự tự học và tự cải thiện dựa trên dữ liệu.

Bước tiến xa hơn của machine learning chính là deep learning – mạng neuron nhiều lớp sâu, với hàng triệu, hàng tỷ tham số. Nếu perceptron sơ khai giống như một nơ-ron thần kinh nhân tạo đơn lẻ, thì deep learning giống như một mạng não thu nhỏ, có khả năng nhận diện hình ảnh, giọng nói, và cả ngôn ngữ tự nhiên ở mức độ con người khó ngờ.

Cú hích xảy ra năm 2012, khi mô hình AlexNet của nhóm Hinton chiến thắng áp đảo cuộc thi ImageNet, lần đầu tiên AI vượt xa con người trong một tác vụ thị giác cụ thể. Từ đó, deep learning mở ra kỷ nguyên mới với những xe tự lái, dịch máy, trợ lý ảo, y tế chẩn đoán hình ảnh đều nhờ vào sức mạnh của công nghệ này.

Nếu symbolic AI dựa vào ngôn ngữ và luật lệ, expert system dựa vào tri thức hẹp, thì deep learning chính là lần đầu tiên AI bắt chước cơ chế học tập của bộ não con người ở quy mô lớn. Nó không cần con người viết từng luật, mà học trực tiếp từ dữ liệu để rút ra quy luật ẩn sâu.

Và rồi, đỉnh cao bùng nổ đến với sự ra đời của ChatGPT cuối năm 2022. Chỉ trong vài tuần, nó trở thành ứng dụng đạt 100 triệu người dùng nhanh nhất lịch sử. Điều gây chấn động không chỉ là số lượng, mà là trải nghiệm chưa từng có: một cỗ máy có thể trò chuyện, sáng tạo, lập luận, và viết như con người.

Khác với Internet hay smartphone, ChatGPT và các hệ thống tương tự lại tự mình tạo ra nội dung mới, từ viết báo cáo, viết code tới phác thảo ý tưởng, thậm chí mô phỏng phong cách văn chương. Đây là điều làm cho AI hiện tại khác biệt. Nó không chỉ xử lý thông tin, mà đã sắp chạm ngưỡng sáng tạo thông tin.

Chính vì vậy, AI đang len lỏi vào mọi lĩnh vực (giáo dục, y tế, luật, tài chính, nghệ thuật). Người ta vừa ngỡ ngàng vừa hoang mang rằng nếu một phần công việc trí óc có thể được máy móc thực hiện, xã hội sẽ thay đổi ra sao?

Cũng như trên thị trường chứng khoán khi dòng tiền ào ạt đổ vào một cổ phiếu hot, AI hôm nay trở thành câu chuyện trung tâm của cả thế giới công nghệ và tài chính. Nhưng cùng lúc đó, nguy cơ bong bóng lại lấp ló, mở đường cho một hiện tượng mới: AI washing.

AI washing, một cụm từ vừa lạ vừa quen, trong đề thi Văn của kỳ thi Tốt nghiệp THPTQG 2025 vừa rồi, hẳn mọi người không xa lạ với “greenwashing”, khi bất cứ dự án nào cũng gắn mác là “xanh” và “thân thiện với môi trường” để được đánh bóng tên tuổi, lôi kéo khách hàng và thu hút những khoản vốn kếch xù.

AI washing cũng tương tự như thế, từ sau khi ChatGPT bùng nổ, nhiều ứng dụng, sản phẩm hay các công ty (cả startups lẫn bigcorp) liên tục khoác lên mình lớp “phông bạt” AI. Các ứng dụng tự cho mình là “AI powerd” thực tế ra lại là trò bịp call API (tức lấy các mô hình đã được phát triển như ChatGPT về và phủ cho nó một lớp áo mới), trong khi cốt lõi thì trống rỗng.

Khi nhà nhà người người đều nói về AI, đến mức mà một ứng dụng take note “sử dụng AI để tóm tắt ý chính”, một ứng dụng tư vấn công việc cá nhân hóa cho từng vị trí hóa ra chỉ là ChatGPT được huấn luyện với dữ liệu của từng công việc. Coca-Cola với chiến dịch Y3000 được đồng sáng lập bởi AI, nhưng hóa ra không có bằng chứng nào cho thấy AI tham gia vào quá trình tạo ra loại nước mới này. Hay vụ ứng dụng mua sắm Nate lừa dối rằng AI tự động thực hiện mua hàng, nhưng thực tế tất cả là do các “AI chạy bằng cơm” ở tại Philippines thực hiện các giao dịch.

AI washing là một hệ quả tất yếu khi công nghệ phát triển quá nhanh kéo theo những ảo tưởng về sự kỳ diệu của chính công nghệ đó, khi kỳ vọng leo thang như những đợt sóng trào, cái mác “AI” trở thành một mỏ vàng đầy tiềm năng cho các công ty khai phá. Theo Nearly Half Of All ‘AI Startups’ Are Cashing In On Hype, Forbes, những startups có cái mác AI thu hút từ 15 tới 50% vốn tài trợ hơn các doanh nghiệp công nghệ cùng ngành.

Và chỉ với hai từ AI, những công nghệ sẵn có bỗng chốc lên đời trở thành “thời thượng”. Theo John Fitzpatrick, CTO Nitro, một nhân sự cũ thâm niên tại Apple, những công nghệ tự động hóa của doanh nghiệp như chatbot dựa trên kịch bản có sẵn, phân tích dữ liệu bằng các công cụ Excel, BI; tự động hóa email, chăm sóc khách hàng tự động… nay được nâng cấp lên thành chatbot sử dụng LLMs (mô hình ngôn ngữ lớn); AI phân tích dữ liệu; AI chăm sóc khách hàng…

Ứng dụng Builder.ai, được định giá 1.5 tỷ $, được gắn mác là AI tự động hóa nhưng thực tế chạy bằng gần 700 kỹ sư tại Ấn Độ. Các “AI chạy bằng cơm” này không còn là chuyện lạ, những công ty sử dụng AI để phủ lên khoảng trống công nghệ lại được định giá trên trời như thế này là chuyện không hề hiếm trong thế giới công nghệ ngày nay.

AI washing còn có ảnh hưởng không nhỏ tới người lao động. Theo thống kê của PwC năm 2025 AI Jobs Barometer | PwC, lương của các công việc có kỹ năng liên quan tới AI cao hơn 56% so với các công việc cùng ngành mà không có sử dụng AI, tăng 25% so với cùng kỳ năm trước. 

Điều đó tưởng chừng là rất tốt trong một thế giới mà nhu cầu về nhân sự có kỹ năng sử dụng AI. Thế nhưng, nó cũng mở ra một khoảng cách ngày càng rộng giữa “người biết dùng AI” và “người bị bỏ lại phía sau”, gây ra bất bình đẳng thu nhập. Hơn nữa, nghiên cứu của METR  (Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity) mới đẩy chỉ ra rằng những nhà phát triển sử dụng AI không những không tăng mà còn làm giảm 20% hiệu suất công việc, cho thấy khi người ta đánh giá quá cao các kỹ năng sử dụng AI lại hào nhoáng chứ không tạo ra hiệu quả thật sự.

Sự thổi phồng AI khiến cho nhiều nhân sự buộc phải học thêm kỹ năng, thậm chí chạy theo những “ứng dụng AI” mà bản thân chúng chưa chắc đã tồn tại thực chất. Người lao động vừa phải cạnh tranh khốc liệt hơn để giữ chỗ đứng, vừa phải đối mặt với nguy cơ bị thay thế bởi những lời hứa hẹn “AI sẽ tự động hóa tất cả” – trong khi không ai đảm bảo những công nghệ đó đã sẵn sàng.

Với nhà đầu tư, AI washing tạo ra một sự méo mó của thị trường vốn. Vốn liếng đổ vào những công ty “gắn mác AI” mà thiếu công nghệ thật, dẫn đến lãng phí nguồn lực và rủi ro vỡ bong bóng, giống như cú sập dotcom năm 2001. Khi dòng tiền bị hút về những dự án ảo, những công ty thực sự làm AI nghiêm túc lại khó tiếp cận vốn để phát triển bền vững.

Khách hàng cũng chịu ảnh hưởng trực tiếp. Những sản phẩm “AI-powered” nhưng thực chất chỉ là automation cũ kỹ hoặc, tệ hơn, hoàn toàn không có AI, làm người dùng mất niềm tin. Một khi thị trường nhận ra “AI” chỉ là chiêu trò marketing, niềm tin dành cho các ứng dụng AI chân chính cũng sẽ bị kéo xuống theo.

Cuối cùng là hệ quả xã hội. Khi quá nhiều công ty tô vẽ năng lực AI vượt xa thực tế, công chúng sẽ rơi vào một trong hai trạng thái cực đoan: hoặc ảo tưởng AI là vạn năng, hoặc hoài nghi AI chỉ là lừa đảo. Cả hai đều nguy hiểm, vì chúng làm méo mó kỳ vọng và kìm hãm sự phát triển lành mạnh của công nghệ.

Nếu bong bóng AI cứ tiếp tục phình to, một lúc, nó sẽ nổ, đem tới một mùa đông tiếp theo của AI. Kỳ vọng của chúng ta sụp đổ sẽ là lúc đầu tư cho AI ngưng trệ, và sẽ là một giai đoạn thầm lặng nữa trên hành trình chạm đến ‘strong AI’.

Khi được kiểm soát tốt hơn, kết hợp với việc các ứng dụng của AI được đi vào đời sống thực tiễn, thay vì nguồn vốn khổng lồ bị đổ vào việc phát triển các LLMs (nhánh mà hiện tại có vẻ sẽ không thể dẫn ta tới AGI) sẽ được đầu tư vào các dự án ứng dụng và đem lại hiệu quả nhanh chóng (như cách Trung Quốc đang triển khai hiện tại).

Kịch bản khi AI đi vào đà ổn định, nhưng không còn đột phá này có lẽ là khả thi nhất, khá giống với giai đoạn đầu thập niên 2000.

Một kịch bản lạc quan hơn (nhưng có lẽ cũng bi quan hơn), là khi AGI đến với Trái Đất, giây phút mà người ta gọi là “thời điểm không thể quay đầu.

Nếu AI alignment (việc kiểm soát AI cho đúng với các giá trị của con người - như phát triển chương trình giáo dục và luật pháp) đủ phát triển để chúng ta có một siêu trí tuệ nhân tạo thông minh hơn con người nhưng vẫn có “đạo đức”, đó sẽ là một kịch bản không thể nào tươi đẹp hơn cho loài người, với những gì AGI có thể mang lại.

Nhưng, nếu như (và rất có thể) AI alignment chưa kịp ‘lớn’, mà AGI đã được phát triển thành công (hiện tại thì AI alignment chỉ đang ở thời kỳ rất sơ khai), có lẽ, con người sẽ không còn là thực thể thống trị Trái Đất này, hay bi quan hơn thì… đó sẽ là ngày tàn của nhân loại.

-Miengdautien.-