Nghiên cứu Anthropic: Claude thay đổi tính cách theo phiên bản và ngôn ngữ

Claude không phải lúc nào cũng là một

Một nghiên cứu mới được công bố bởi Anthropic — công ty đứng sau mô hình ngôn ngữ lớn Claude — cho thấy trợ lý AI này biểu hiện các giá trị và tính cách không đồng nhất tùy theo phiên bản mô hình và ngôn ngữ được sử dụng trong cuộc hội thoại.

Đây là lần đầu tiên Anthropic chính thức ghi nhận sự biến động về "nhân cách" của Claude theo từng điều kiện vận hành cụ thể, một phát hiện có thể ảnh hưởng đến cách doanh nghiệp và nhà phát triển tích hợp AI vào sản phẩm của mình.

Giá trị thay đổi theo mô hình và ngôn ngữ

Theo kết quả nghiên cứu, Claude không duy trì một bộ giá trị nhất quán khi chuyển giữa các phiên bản khác nhau như Claude 3 Opus, Sonnet hay Haiku. Không chỉ vậy, ngay cả khi dùng cùng một phiên bản, ngôn ngữ giao tiếp — tiếng Anh, tiếng Pháp, tiếng Nhật hay các ngôn ngữ khác — cũng khiến mô hình thể hiện phản ứng và quan điểm khác biệt về cùng một vấn đề.

Anthropĩc chưa công bố toàn bộ chi tiết phương pháp nghiên cứu, nhưng các phát hiện ban đầu cho thấy sự khác biệt này không chỉ nằm ở phong cách diễn đạt mà còn ở mức độ ưu tiên các giá trị cốt lõi như tính trung thực, sự thận trọng hay xu hướng đồng ý với người dùng.

Ý nghĩa với ngành công nghiệp AI

Phát hiện này đặt ra một loạt câu hỏi thực tiễn cho các tổ chức đang triển khai AI:

• Tính nhất quán trong sản phẩm: Nếu hành vi AI thay đổi theo ngôn ngữ, các ứng dụng phục vụ người dùng đa ngôn ngữ có thể nhận được trải nghiệm không đồng đều.
• Kiểm soát rủi ro: Doanh nghiệp trong các lĩnh vực nhạy cảm như tài chính, y tế hay pháp lý cần đánh giá lại cách thức kiểm thử mô hình AI.
• Tiêu chuẩn đánh giá AI: Nghiên cứu này nhấn mạnh sự cần thiết của các tiêu chuẩn đánh giá AI đa ngôn ngữ, thay vì chỉ tập trung vào tiếng Anh.

Bức tranh rộng hơn về AI và bản sắc

Vấn đề "tính cách" hay "bản sắc" của AI không phải mới, nhưng ngày càng được chú ý khi các mô hình ngôn ngữ lớn được triển khai ở quy mô toàn cầu. Nhiều nhà nghiên cứu trước đây đã chỉ ra rằng dữ liệu huấn luyện thiên về tiếng Anh có thể dẫn đến sự lệch lạc văn hóa trong phản hồi của AI khi dùng các ngôn ngữ khác.

Nghiên cứu của Anthropic góp thêm bằng chứng thực nghiệm vào luận điểm này, đồng thời cho thấy ngay cả một công ty hàng đầu về an toàn AI cũng đang trong quá trình hiểu rõ hơn về hành vi thực tế của sản phẩm mình tạo ra.

Anthropĩc chưa đưa ra lộ trình cụ thể để giải quyết sự không nhất quán này, nhưng việc công bố nghiên cứu được xem là bước đi minh bạch trong ngành AI vốn thường giữ kín các hạn chế của mô hình.