Làm sao kiểm chứng thông tin do AI đưa ra? Liệt kê các khẳng định, rồi chạy bốn bước kiểm tra
Bạn kiểm chứng một câu trả lời AI bằng cách tách các khẳng định có thể kiểm tra được và cho từng khẳng định đi qua bốn bước: mô hình thứ hai, mở nguồn, phản biện ngược lại và một lần tìm kiếm cho mỗi con số. Câu trả lời sai thường hỏng ở những chỗ dễ đoán (một chi tiết cụ thể do mô hình bịa ra, một nguồn không tồn tại hoặc không nói như vậy, một ý mô hình đồng tình chỉ vì bạn hỏi theo hướng đó, một con số từng đúng vào lúc huấn luyện kết thúc), nên bạn chỉ kiểm tra những chỗ đó và bỏ qua phần còn lại. Hãy bắt mô hình liệt kê các khẳng định của nó trước:
Hãy liệt kê mọi khẳng định thực tế trong câu trả lời ở trên thành danh sách đánh số, mỗi khẳng định một câu. Tính mỗi con số, tên, ngày tháng, trích dẫn, nguồn và cụm "các nghiên cứu cho thấy" là một khẳng định. Không thêm thông tin mới.
| Bước kiểm tra | Ngân sách thời gian | Bắt được gì | Bạn gõ gì |
|---|---|---|---|
| 1. Hỏi mô hình thứ hai của phòng thí nghiệm khác | 40 giây | Chi tiết bịa đặt, vì hai phòng thí nghiệm hiếm khi bịa ra cùng một chi tiết | Cùng một câu hỏi, rồi prompt tìm điểm bất đồng |
| 2. Xin nguồn và mở nguồn đó | 40 giây | Trích dẫn bịa đặt, và nguồn có thật nhưng không nói như câu trả lời khẳng định | "Cho tôi nguồn chính xác của khẳng định đó" |
| 3. Bắt nó phản biện ngược lại | 20 giây | Sự đồng tình được ngụy trang thành phân tích, và khẳng định mà mô hình ít chắc nhất | "Bây giờ hãy phản biện ngược lại" |
| 4. Đọc ngang, mỗi con số một lần tìm kiếm | 20 giây | Giá lỗi thời, ngày sai, thống kê nhớ nhầm, và những điều hoang đường mà cả hai mô hình cùng tin | Con số đó, đặt trong dấu ngoặc kép, kèm danh từ đi theo |
Các mốc thời gian là ngân sách do chúng tôi đặt ra để thói quen này duy trì được; chưa ai đo chúng. Phần cuối bài nói rõ câu trả lời nào cần đủ bốn bước và câu nào chỉ cần một.
Mô hình mạnh nhất của mỗi phòng thí nghiệm bịa nhiều hơn mô hình đạt điểm tốt nhất, nên không mô hình nào được bỏ qua bước kiểm tra
Không mô hình AI nào đủ chính xác để bỏ qua bước kiểm tra, và trả tiền cho mô hình mạnh nhất của một phòng thí nghiệm cũng không làm giảm rủi ro. Trên bảng xếp hạng ảo giác của Vectara, cập nhật lần cuối ngày 22 September 2026, mô hình có năng lực cao nhất mà mỗi trong sáu phòng thí nghiệm đưa lên bảng thêm khẳng định vô căn cứ thường xuyên hơn mô hình đạt điểm tốt nhất của chính phòng đó.
Vectara đưa cho mỗi mô hình một tài liệu ngắn và đếm xem bản tóm tắt chứa bao nhiêu khẳng định mà tài liệu không hỗ trợ. Đó là việc dễ nhất về mặt dữ kiện mà một mô hình từng được giao, vì dữ kiện nằm sẵn trong prompt, nên hãy xem các tỷ lệ này là mức sàn cho những câu hỏi trả lời từ trí nhớ. Quy tắc đằng sau biểu đồ: với mỗi phòng thí nghiệm, lấy tỷ lệ thấp nhất của họ trên bảng so với mô hình có năng lực cao nhất của họ trên bảng (Gemini 3.1 Pro được ghi là bản xem trước). Tính trung bình trên sáu phòng thí nghiệm, các mô hình mạnh nhất đạt 11.0 trên 100 và các mô hình điểm tốt nhất đạt 5.2, tức cao gấp khoảng hai lần. Các số liệu khác cũng chỉ cùng một hướng. GPT-6 Sol, ra mắt ngày 22 September 2026, đạt 6.5, vẫn gấp đôi mức 3.1 của GPT-5.4 nano, còn Grok 4.1 Fast tăng lên 19.2 khi bật suy luận. Tỷ lệ thấp nhất trên toàn bảng là 1.8, của Finix S1 32B từ Ant Group. Không mô hình nào bằng không.
Bước 1: mô hình thứ hai của phòng thí nghiệm khác phơi bày chi tiết bịa đặt ở chỗ hai bên bất đồng
Mô hình thứ hai bắt được những chi tiết mà mô hình đầu bịa ra, vì hai hệ thống do hai phòng thí nghiệm khác nhau huấn luyện hiếm khi bịa ra cùng một con số, tên, ngày tháng hay nguồn. Hãy dán cùng một câu hỏi, từng chữ một, vào mô hình của công ty khác, rồi đối chiếu hai câu trả lời để tìm những chi tiết khác nhau. Đồng ý chưa chứng minh được nhiều. Bất đồng cho bạn biết chính xác câu nào cần kiểm tra. Nếu các câu trả lời dài, hãy nhờ một mô hình làm phần so sánh:
Đây là hai câu trả lời cho cùng một câu hỏi. Hãy liệt kê mọi khẳng định cụ thể mà hai bên bất đồng: một con số, một cái tên, một ngày tháng, một nguồn, một câu có hoặc không. Bỏ qua khác biệt về cách diễn đạt, độ dài hay giọng điệu. Nếu hai bên đồng ý về mọi thứ, hãy nói điều đó trong một dòng.
Hai gói miễn phí mở trong hai tab là làm được việc này. Hỏi nhiều mô hình AI cùng lúc so sánh các công cụ gửi một prompt tới nhiều mô hình, trong đó có chế độ xem song song của Whizi. Sự đồng thuận hỏng theo một cách đã biết: cả hai mô hình cùng học từ internet công khai, nên một khẳng định sai khắp nơi trên mạng sẽ quay lại sai ở cả hai. Bước 4 dành cho trường hợp đó.
Bước 2: cách nhận biết trích dẫn AI là giả, trong mười giây
Một trích dẫn AI giả không qua nổi bài thử mười giây mà không cần hỏi mô hình: dán DOI vào doi.org, DOI thật sẽ chuyển hướng đến nhà xuất bản còn DOI bịa ra trả về lỗi 404. Tôi đã chạy thử vào ngày 26 September 2026. Bài báo của Walters và Wilder được trích dẫn bên dưới, DOI 10.1038/s41598-023-41032-5, trả về chuyển hướng 302 đến nature.com; cùng tiền tố nhưng hậu tố bịa ra, 10.1038/s41598-023-99999-9, trả về 404. Nếu không có DOI, hãy dán tiêu đề trong dấu ngoặc kép vào Google Scholar, nơi một bài báo thật sẽ hiện ra cùng các tác giả đó.
Với chính khẳng định đó, hãy xin một nguồn và mở nó ra:
Cho tôi nguồn chính xác của khẳng định đó: tiêu đề, tác giả hoặc nhà xuất bản, năm và đường dẫn. Nếu bạn không có nguồn cụ thể, hãy nói thẳng thay vì tạo ra một nguồn nghe có vẻ hợp lý.
Câu cuối khiến "tôi không có" trở thành một câu trả lời khả dĩ, điều mà thông thường nó không phải. Khi câu trả lời đến từ một lượt tìm kiếm web, trích dẫn đã được đính kèm và đó chính là thứ cần bấm vào: mở ra và tìm con số trên trang, vì một bài blog cũ vẫn có thể xếp hạng ngang một trang của nhà cung cấp. Sau đó tìm những điểm lệch mà một tài liệu tham khảo bịa đặt không tránh được, như tạp chí và năm không khớp nhau, số tập không hợp với năm, hai tác giả có thật nhưng chưa từng viết chung, hoặc số hồ sơ vụ án thuộc về một vụ khác.
Quy mô vấn đề đã được đo. Walters và Wilder, trên Scientific Reports ngày 7 September 2023, kiểm tra 636 trích dẫn từ các bài tổng quan tài liệu do ChatGPT viết: 55 phần trăm trích dẫn của GPT-3.5 và 18 phần trăm của GPT-4 không tồn tại. Cơ sở dữ liệu của Damien Charlotin liệt kê 2,079 phán quyết của tòa án liên quan đến tài liệu ảo giác vào ngày 25 September 2026, trong đó 827 vụ do luật sư nộp. Trong vụ nổi tiếng đầu tiên, Mata v. Avianca, một tòa liên bang ở New York phạt hai luật sư và công ty của họ $5,000 vào ngày 22 June 2023, và bản án trích lời luật sư nói rằng khi ông hỏi về một vụ án bịa đặt, ChatGPT trả lời rằng nó "does indeed exist". Nhờ chính mô hình xác nhận trích dẫn của nó là bước kiểm tra duy nhất không bao giờ hiệu quả; ảo giác AI là gì giải thích vì sao lời xác nhận được đưa ra trôi chảy y như lời bịa.
Bước 3: AI có tự kiểm chứng được không? Chỉ khi bạn buộc nó phản biện ngược lại
AI chỉ tự kiểm tra được khi bạn đổi nhiệm vụ của nó. "Bạn có chắc không?" phần lớn chỉ nhận lại sự đồng tình, vì đồng tình hợp với dạng của một câu trả lời hữu ích; còn lệnh phản biện ngược lại khiến lập luận chống lại câu trả lời trở thành đoạn văn tiếp theo có khả năng nhất. Prompt:
Bây giờ hãy phản biện ngược lại. Đưa ra lập luận mạnh nhất cho rằng câu trả lời ở trên sai, kèm các khẳng định cụ thể mà lập luận dựa vào. Sau đó chỉ ra duy nhất một khẳng định trong câu trả lời gốc mà bạn kém tự tin nhất.
Bạn nhận được hai thứ. Phần phản biện cho biết câu hỏi có thật sự có một phía khác hay không, còn khẳng định mà mô hình tự nêu là yếu nhất đi thẳng sang bước 4. Mô hình không thể đọc độ tự tin của chính nó từ giọng văn (vì sao AI trả lời sai nói về cơ chế này), nhưng nó có thể tạo ra lập luận chống lại, và một chi tiết sai thường lộ ra ở đó.
Hầu hết những người thử tự kiểm tra đều làm theo cách yếu. Trong khảo sát của F-Secure với 1,500 người dùng AI ở Mỹ và Anh, công bố ngày 23 September 2026, 35.3 phần trăm từng dùng AI để kiểm chứng AI, và 47.3 phần trăm nói họ thôi nghi ngờ một câu trả lời khi nó nghe có vẻ đúng. Cùng một mô hình, trong cùng một cuộc trò chuyện, được hỏi xem nó có đồng ý với chính mình không, phần lớn sẽ trả lời là đồng ý. Prompt phản biện ngược lại và mô hình của phòng thí nghiệm khác là hai cách cho bạn thứ đáng để kiểm tra.
Bước 4: đọc ngang, mỗi ngày tháng, mức giá và số liệu thống kê một lần tìm kiếm
Đọc ngang nghĩa là rời khỏi câu trả lời AI và kiểm tra từng khẳng định trong một tab mới, đối chiếu với nguồn sở hữu dữ kiện đó; đây là phương pháp mà các hướng dẫn của thư viện Đại học Maryland và Texas A&M Corpus Christi dạy cho nội dung do AI tạo ra. Thuật ngữ này đến từ nghiên cứu của Sam Wineburg và Sarah McGrew trên 45 người dùng internet có kinh nghiệm (Teachers College Record, 2019). Được đưa cùng các trang web với 10 tiến sĩ sử học và 25 sinh viên đại học Stanford, 10 chuyên gia kiểm chứng thông tin "read laterally, leaving a site after a quick scan" và đi đến kết luận có căn cứ vững hơn trong một phần nhỏ thời gian.
Với câu trả lời AI, thao tác này mang tính cơ học. Dán con số kèm danh từ của nó vào công cụ tìm kiếm, trong dấu ngoặc kép, rồi mở nguồn sở hữu con số đó: trang của nhà cung cấp cho giá, trang chính phủ cho luật, bài nghiên cứu gốc cho một phát hiện, chứ không phải bài viết lại về bất kỳ thứ nào trong số đó. Giá thay đổi sau khi huấn luyện kết thúc, ngày tháng bị đảo, và thống kê bị nhớ với mẫu số sai. Báo cáo Digital News Report 2026 của Reuters Institute cho thấy lỗi cuối dễ xảy ra đến mức nào: 42 phần trăm người dùng chatbot AI để đọc tin nói họ luôn hoặc thường bấm vào nguồn, so với 44 phần trăm với công cụ tìm kiếm và 36 phần trăm với mạng xã hội. Con số 42 phần trăm đó là tỷ lệ trong số người dùng chatbot để đọc tin, không phải của tất cả mọi người, và một câu trả lời bỏ mất điều kiện đi kèm sẽ biến một con số đúng thành khẳng định sai.
Với tin tức và các tuyên bố lan truyền, Snopes, PolitiFact và FactCheck.org thường đã đọc ngang sẵn rồi. Với một khẳng định chuyên sâu về kỹ thuật, pháp lý hay y tế, nguồn sở hữu dữ kiện là một chuyên gia, và câu trả lời AI trở thành danh sách câu hỏi để bạn mang đến hỏi họ.
Câu trả lời AI nào cần đủ bốn bước? Mọi thứ bạn sẽ gửi, ký, nộp hay trả tiền
Hãy chạy đủ bốn bước với mọi thứ bạn sẽ gửi, ký, nộp, đăng hay trả tiền; chỉ chạy bước 1 với thứ bạn chỉ muốn cho đúng; và bỏ qua với bản nháp mà bạn thấy rõ là ổn. Khoảng trống mà quy tắc này lấp lại đã được đo: trong cùng khảo sát của F-Secure, gần 90 phần trăm người dùng AI nói kiểm tra câu trả lời là trách nhiệm của chính họ, 70 phần trăm chỉ thỉnh thoảng, hiếm khi hoặc không bao giờ kiểm tra, và 25.2 phần trăm từng làm theo lời khuyên của AI cho một quyết định lớn ngoài đời. Một thói quen áp dụng cho mọi thứ chỉ kéo dài một tuần. Một quy tắc gắn với mức độ rủi ro thì bền, và theo quy tắc đó, câu trả lời có con số, tên, ngày tháng hay đường dẫn trong đó vẫn là bản nháp cho đến khi một trong bốn bước chạm tới câu ấy.
- Yêu cầu mô hình liệt kê các khẳng định thực tế thành danh sách đánh số trước khi bạn kiểm tra bất cứ thứ gì
- Dán cùng một câu hỏi vào mô hình thứ hai của công ty khác và chỉ đọc những chi tiết khác nhau
- Xin một nguồn chính xác cho mỗi khẳng định bạn quan tâm, rồi mở ra và tìm con số trên trang
- Dán mọi DOI vào doi.org và mọi tiêu đề bài báo trong dấu ngoặc kép vào Google Scholar trước khi trích dẫn
- Đừng bao giờ hỏi mô hình xem trích dẫn của chính nó có thật không; lời xác nhận được tạo ra theo đúng cách trích dẫn đã được tạo ra
- Chạy prompt "phản biện ngược lại" và đem khẳng định nó nêu là yếu nhất đi tìm kiếm
- Đọc ngang: tìm kiếm mỗi mức giá, ngày tháng và số liệu thống kê một lần, và mở nguồn sở hữu nó thay vì bài viết lại
- Dành đủ hai phút cho mọi thứ bạn sẽ gửi, ký, nộp, đăng hay trả tiền
Câu hỏi thường gặp
Có thể tin câu trả lời của ChatGPT không?
Hãy tin ChatGPT ở phần cấu trúc, suy luận và soạn thảo, còn các chi tiết cụ thể thì cần kiểm tra. Trên bảng xếp hạng của Vectara ngày 22 September 2026, GPT-6 Astra thêm khẳng định vô căn cứ vào 8.7 trên 100 bản tóm tắt và GPT-6 Sol là 6.5, dù tài liệu nguồn nằm ngay trong prompt, và trả lời từ trí nhớ còn khó hơn thế. Bốn bước kiểm tra ở trên là dạng thực tế của sự tin tưởng.
AI có thể tự kiểm chứng chính nó không?
Chỉ một phần. Hỏi cùng một mô hình "bạn có chắc không?" phần lớn chỉ nhận lại sự đồng tình, còn bảo nó phản biện ngược lại và nêu khẳng định yếu nhất của mình thì cho bạn một khẳng định cụ thể để xác minh. Mô hình của phòng thí nghiệm khác là cách kiểm tra mạnh hơn, vì nó không chung những lỗ hổng riêng của mô hình đầu. Trong khảo sát của F-Secure tháng 9 năm 2026, 35.3 phần trăm người dùng AI từng dùng AI để kiểm chứng AI.
Làm sao biết một trích dẫn AI là giả?
Dán DOI vào doi.org: DOI thật chuyển hướng đến nhà xuất bản, DOI bịa ra trả về lỗi 404. Dán tiêu đề trong dấu ngoặc kép vào Google Scholar, nơi một bài báo thật hiện ra cùng các tác giả đó. Tìm tạp chí và năm không khớp nhau hoặc hai tác giả chưa từng viết chung. Đừng hỏi mô hình: trong vụ Mata v. Avianca, ChatGPT nói với một luật sư rằng một vụ án bịa đặt "does indeed exist".
Đọc ngang đối với câu trả lời AI là gì?
Đọc ngang là rời khỏi câu trả lời AI và kiểm tra từng khẳng định trong một tab mới, đối chiếu với nguồn sở hữu dữ kiện đó. Thuật ngữ này đến từ nghiên cứu năm 2019 của Wineburg và McGrew, trong đó 10 chuyên gia kiểm chứng thông tin đánh giá các trang web theo cách này và đi đến kết luận có căn cứ vững hơn các tiến sĩ sử học và sinh viên đại học Stanford, trong thời gian ngắn hơn. Với nội dung do AI tạo ra, đó là bước 4: một lần tìm kiếm cho mỗi ngày tháng, mức giá và số liệu thống kê.
