Gần đây tôi đang suy nghĩ về một hiện tượng: tại sao các chatbot và công cụ đầu tư AI ngày càng dễ đưa ra những kết luận phi lý? Bề ngoài có vẻ là vấn đề của mô hình, nhưng thực chất nguồn gốc thường nằm ở dữ liệu.

Tôi đã thử hỏi một số dữ liệu cơ bản, kết quả bị lập trình quá phi lý — sau khi kiểm chứng mới phát hiện thông tin hoàn toàn sai. Vấn đề nằm ở đâu? Theo dữ liệu ngành năm 2025, hơn 37% lỗi do AI sinh ra hiện nay trực tiếp xuất phát từ dữ liệu huấn luyện bị ô nhiễm hoặc không thể truy nguồn gốc. Đây không phải là con số nhỏ.

Hãy tưởng tượng, lý do do mô hình đầu tư đưa ra mơ hồ, trợ lý chat tự tin nói nhảm, bạn còn không biết nguồn thông tin ở đâu. Trong quá trình đó, ai đã chỉnh sửa, chất lượng dữ liệu ra sao, đều như một hộp đen. Giống như ăn phải đồ ăn vặt hỏng, bạn hoàn toàn không thể tra xem vấn đề nằm ở bước nào.

Ngành công nghiệp hiện đang hình thành một sự đồng thuận: cạnh tranh AI không chỉ còn là về kích thước tham số mô hình nữa, mà còn về việc dữ liệu có "sạch" hay không, có thể xác thực hay không. Đây đúng là một cơ hội.

Gần đây tôi xem các hoạt động của một hệ sinh thái công chuỗi hàng đầu, họ đang dùng một bộ công nghệ để giải quyết vấn đề này. Trong đó có một giao thức chuyên về xác thực và lưu trữ dữ liệu, ý tưởng rất hay — không chỉ là lưu trữ dữ liệu, mà còn muốn trở thành "công chứng" cho dữ liệu trong kỷ nguyên AI, để mỗi thông tin đều có thể truy xuất nguồn gốc, xác thực được. Hướng đi này đáng chú ý, vì đây mới là con đường thực sự giải quyết độ tin cậy của AI.