Khi trích dẫn giả mạo AI làm sụp đổ một công trình nghiên cứu
Vụ rút bài khoa học do trích dẫn giả mạo AI là trường hợp một công trình nghiên cứu được tài trợ lớn bị thu hồi vì tác giả dùng trí tuệ nhân tạo tạo danh mục tài liệu tham khảo nhưng không kiểm chứng, dẫn đến nhiều nguồn không tồn tại, tiêu đề không khớp nội dung và vi phạm chuẩn mực đạo đức nghiên cứu. Đây không phải sự cố công nghệ thuần tuý, mà là lời cảnh báo rằng trách nhiệm nghiên cứu AI luôn nằm ở con người, dù công cụ có thông minh đến đâu. Một bài nghiên cứu trong hệ thống tạp chí uy tín KCI ở Hàn Quốc, được tài trợ từ ngân sách nhà nước, đã bị rút lại sau khi người ta phát hiện nó chứa một lượng lớn nguồn tài liệu giả do trí tuệ nhân tạo tạo ra. Đáng chú ý, bài này phân tích hệ sinh thái công nghiệp vũ trụ và cơ chế hợp tác dân sự – quân sự của Trung Quốc, tức thuộc lĩnh vực nhạy cảm về chiến lược. Dù được xuất bản từ tháng 3 năm ngoái, bài vẫn tồn tại trong hệ thống và được trích dẫn hơn một năm trước khi một trợ lý học thuật phát hiện lỗi, dẫn đến quyết định rút bài khoa học này.
Đây không phải lỗi của AI: vì sao trách nhiệm vẫn nằm ở nhà nghiên cứu?
Trong vụ việc này, nhóm tác giả đã dùng AI tạo sinh để tổng hợp danh mục tài liệu, rồi sao chép nguyên các trích dẫn giả mạo AI vào bài mà không kiểm tra lại. Việc đó không thể được biện minh bằng lý do “AI sai”, bởi chuẩn đạo đức khoa học luôn coi người đứng tên công trình là người chịu trách nhiệm cuối cùng cho tính chính xác của nội dung, từ dữ liệu đến trích dẫn. Tại một hội thảo quốc tế về kinh tế xanh và quản trị bền vững do một trường đại học ở TP.HCM tổ chức, Phó giáo sư Gwanghyun Jo nhấn mạnh rằng AI có thể hỗ trợ viết bài, nhưng tác giả vẫn phải kiểm tra toàn bộ nội dung, nguồn trích dẫn và hình ảnh để bảo đảm công trình có đóng góp gốc. Ông khẳng định: “Trách nhiệm kiểm chứng vẫn thuộc về nhà nghiên cứu”. Nói cách khác, trích dẫn giả mạo AI chỉ là triệu chứng; căn bệnh nằm ở việc nhà khoa học buông bỏ nhiệm vụ xác minh AI trong nghiên cứu, coi công cụ như người thay mình suy nghĩ.
AI giúp nhanh hơn nhưng làm lộ điểm yếu cốt lõi: khâu xác minh
Nhóm tác giả trong vụ rút bài khoa học đầu tiên liên quan đến AI giải thích rằng họ dùng trí tuệ nhân tạo cho “tác vụ hỗ trợ” như tìm tài liệu và rằng các sai sót chỉ là lỗi biên tập vô ý. Lập luận này phản ánh tâm lý phổ biến: coi AI như trợ lý vô hại, giúp tăng tốc quy trình nghiên cứu mà không làm thay đổi bản chất trách nhiệm. Nhưng thực tế, chính chỗ AI can thiệp – khâu tra cứu, tổng hợp, đánh giá – lại là nơi rủi ro xác minh thông tin bùng lên. Khi AI tạo ra trích dẫn trông hợp lý nhưng không tồn tại, nó đòi hỏi nhà khoa học phải nâng cấp quy trình kiểm tra: mở từng bài được trích dẫn, so nội dung, kiểm tra tính hiện hữu của nguồn, chứ không dừng ở vài cái tên trên danh mục tham khảo. Việc dùng AI trong huấn luyện và đánh giá mô hình học máy cũng mang rủi ro tương tự: Jo chỉ ra nếu nhà nghiên cứu liên tục dùng cùng một bộ dữ liệu để thử nghiệm rồi điều chỉnh mô hình, điểm số đánh giá có thể bị lệch, dẫn đến ảo tưởng về năng lực hệ thống. AI giúp làm việc nhanh hơn, nhưng nếu không siết chặt khâu xác minh, tốc độ sẽ đổi lại bằng mất mát uy tín.
Khoảng trống thể chế và bài học từ vụ việc: không thể quản lý AI bằng khẩu hiệu
Sau vụ rút bài, một nghị sĩ Hàn Quốc đã chỉ ra rằng sai sót chỉ được phát hiện khi hiệp hội học thuật rà soát đạo đức nghiên cứu sau khi sự việc đã xảy ra. Điều này cho thấy lỗ hổng kép: vừa thiếu quy trình thẩm định đủ sâu để phát hiện trích dẫn giả mạo AI ngay từ vòng phản biện, vừa thiếu cơ chế giám sát định kỳ sau xuất bản. Các hướng dẫn sử dụng AI trong nghiên cứu hiện nay thường mang tính hình thức, không có ràng buộc và không đi kèm quy trình kiểm chứng rõ ràng. Trong một phiên thảo luận khác, Phó giáo sư Dominik Bierecki lập luận rằng mức độ giám sát AI phải tương xứng với khả năng và mức độ nghiêm trọng của rủi ro. Ông đề xuất bổ sung đánh giá tác động, giám sát trong quá trình sử dụng và rà soát định kỳ để điều chỉnh cấp độ kiểm soát. Với các quyết định tự động ảnh hưởng đến con người, khả năng giải thích và kiểm tra kết quả là điều bắt buộc. Đặt vào vụ trích dẫn giả mạo AI, thông điệp rất rõ: nếu các tạp chí chỉ ban hành khuyến nghị mềm về đạo đức mà không thay đổi quy trình phản biện, chuẩn dữ liệu và công cụ kiểm tra, việc rút bài khoa học sẽ không dừng lại ở một trường hợp.
Kết luận: chấp nhận “kết quả xấu” và siết lại trách nhiệm với AI
Điểm đáng suy ngẫm từ các chuyên gia không nằm ở chỗ “đừng dùng AI”, mà ở cách chúng ta đối xử với sai số và giới hạn. Jo kể lại từng muốn tiếp tục cải thiện một mô hình học máy khi kết quả không như kỳ vọng, nhưng đồng tác giả yêu cầu giữ nguyên và trình bày trung thực các hạn chế vì chúng vẫn có giá trị phân tích. Thái độ chấp nhận “kết quả xấu” này trái ngược hoàn toàn với việc để AI tự chế tác trích dẫn đẹp mắt rồi dán vào bài, che giấu lỗ hổng bằng lớp sơn ngôn ngữ trơn tru. Vụ công trình nghiên cứu trị giá lớn bị rút vì trích dẫn giả mạo AI không phải tai nạn đơn lẻ, mà là dấu mốc đầu tiên của kỷ nguyên mới: nơi mọi nhà khoa học buộc phải học cách xác minh AI trong nghiên cứu từ đầu. Giải pháp không nằm ở việc cấm công cụ, mà ở ba lớp trách nhiệm: (1) nhà nghiên cứu chịu trách nhiệm cá nhân với mọi dòng chữ mang tên mình; (2) tạp chí siết quy trình phản biện và kiểm chứng nguồn; (3) cơ quan quản lý xây khung giám sát AI dựa trên rủi ro thực tế. Khi ba lớp này cùng được nâng cấp, câu hỏi “Ai chịu trách nhiệm khi AI sai?” sẽ có câu trả lời rõ ràng: con người – hoặc không ai cả, nếu khoa học đánh mất chính mình.
