áº¢nh minh họa: Alfredo Casasola Vázquez

Bài báo này sẽ tổng hợp ý kiến từ các chuyên gia truyền thông quốc tế để làm rõ cách ngành tin tức Ä‘ang đối phó vá»›i những rủi ro từ AI, đặc biệt là sá»± thiên vị.

Hiểu về sá»± thiên vị của AI

Tiến sÄ© Matthias Holweg từ Đại học Oxford nhấn mạnh rằng "thiên vị là tính năng, không phải lá»—i" của các công cụ AI. Điều này có nghÄ©a là bất kỳ mô hình AI nào cÅ©ng sẽ phản ánh những định kiến có sẵn trong dữ liệu mà nó được Ä‘ào tạo.

Dữ liệu Ä‘ào tạo của ChatGPT chủ yếu đến từ internet, nÆ¡i mà "tiếng nói của người phÆ°Æ¡ng Tây, da trắng, nam giá»›i, nói tiếng Anh chiếm Æ°u thế", dẫn đến sá»± thiên vị mặc định.

Có ba loại thiên vị chính:

1. Thiên vị thống kê (Statistical Bias): Xảy ra do sai sót trong quá trình thu thập và xá»­ lý dữ liệu. Ví dụ, má»™t mô hình y tế được Ä‘ào tạo chủ yếu trên dữ liệu của nam giá»›i sẽ không thể nhận biết hoặc phản hồi chính xác các vấn đề sức khỏe của phụ nữ.
2. Thiên vị nhận thức (Cognitive Bias): Hình thành từ các thành kiến của con người trong quá trình phát triển mô hình. Ví dụ, má»™t hệ thống đề xuất tin tức được thiết kế bởi các biên tập viên có thiên hÆ°á»›ng chính trị cụ thể có thể khuếch đại thiên vị.
3. Thiên vị xã há»™i (Social Bias): Bắt nguồn từ bất bình đẳng xã há»™i và văn hóa trong dữ liệu Ä‘ào tạo. Má»™t công cụ tuyển dụng AI được huấn luyện bằng dữ liệu cÅ© có thể Æ°u tiên ứng viên nam giá»›i cho các vị trí lãnh đạo, từ Ä‘ó củng cố các định kiến giá»›i tính lá»—i thời.

Các vấn đề này không chỉ là lý thuyết. Các trường hợp thá»±c tế Ä‘ã chứng minh sá»± thiên vị của AI có thể gây ra những hậu quả nghiêm trọng, nhÆ° việc phần mềm nhận dạng khuôn mặt nhận diện sai người da Ä‘en ở Detroit, hay má»™t hệ thống AI ở Ấn Độ nhầm lẫn má»™t người Ä‘àn ông lá»›n tuổi là Ä‘ã chết, khiến ông mất quyền tiếp cận lÆ°Æ¡ng hÆ°u.

Khắc phục sá»± thiên vị: Thách thức phức tạp

Việc giải quyết sá»± thiên vị không hề Ä‘Æ¡n giản, ngay cả đối vá»›i các công ty công nghệ lá»›n. Google từng phải tạm ngừng tính năng tạo hình ảnh của mình sau khi nó tạo ra những hình ảnh thiếu chính xác về mặt lịch sá»­, nhÆ° lính Quốc xã da Ä‘en, trong ná»— lá»±c Ä‘a dạng hóa kết quả.

Má»™t số nhà nghiên cứu Ä‘ã đề xuất phÆ°Æ¡ng pháp "giám sát chủ Ä‘á»™ng" (proactive oversight) để theo dõi và giảm thiểu thiên vị trong suốt quá trình phát triển AI.

Các tổ chức cÅ©ng Ä‘ang ná»— lá»±c khắc phục những hạn chế về dữ liệu. Bayerischer Rundfunk (Đức) Ä‘ang phát triển má»™t công cụ AI để phiên âm các phÆ°Æ¡ng ngữ địa phÆ°Æ¡ng sang tiếng Đức chuẩn. SVT (Thụy Điển) Ä‘ã giảm 47% lá»—i trong mô hình chuyển giọng nói thành văn bản của mình bằng cách bổ sung 50.000 giờ dữ liệu tiếng Thụy Điển từ các nguồn trong nÆ°á»›c. Reuters thì Ä‘ang thá»­ nghiệm các phÆ°Æ¡ng pháp để giảm thiểu thiên vị giá»›i tính trong các công cụ dịch thuật AI.

Rủi ro và giải pháp trong ngành báo chí

Florent Daudens từ Hugging Face cảnh báo rằng dữ liệu lá»—i thời có thể làm gia tăng bất bình đẳng xã há»™i và củng cố các khuôn mẫu. Ông cÅ©ng chỉ ra rằng việc các mô hình này là "há»™p Ä‘en" (black box) khiến việc giải thích các quyết định của chúng trở nên khó khăn.

Để giải quyết vấn đề này, Hugging Face Ä‘ã phát triển các công cụ nhÆ° Civics và Shades để Ä‘ánh giá cách các mô hình ngôn ngữ xá»­ lý các bối cảnh xã há»™i và phát hiện các khuôn mẫu có hại.

Má»™t số tổ chức Ä‘ã bổ nhiệm các phóng viên chuyên trách về trách nhiệm giải trình thuật toán, trong khi các tổ chức Ä‘á»™c lập nhÆ° Transformer cÅ©ng Ä‘ang được thành lập để Ä‘iều tra cách các hệ thống AI được xây dá»±ng và phục vụ lợi ích của ai.

Tại Đại học Florida, công cụ 'Authentically' phân tích ngôn ngữ trong các bài báo để xác định sá»± thiên vị. Nó có thể giúp nhà báo nhận ra cách họ sá»­ dụng từ ngữ có thể mang lại cảm xúc tiêu cá»±c hoặc kích Ä‘á»™ng, nhÆ° trong việc Ä‘Æ°a tin về các cuá»™c biểu tình.

Theo Báo NB&CL

https://congluan.vn/bao-chi-va-ai-ba-nam-nhin-lai-10302585.html