Anthropic vừa công nhận một điều đáng lo ngại: Claude — chatbot AI hàng đầu của họ — không hoàn toàn là cùng một thực thể khi bạn chuyển từ tiếng Anh sang tiếng Pháp, tiếng Nhật hay bất kỳ ngôn ngữ nào khác. Hệ giá trị, cách phản hồi và thậm chí thái độ của mô hình có thể thay đổi theo ngôn ngữ đầu vào — và công ty thừa nhận đây là vấn đề chưa được giải quyết triệt để.
Claude nói tiếng Anh một kiểu, nói ngôn ngữ khác lại một kiểu khác
Theo Gizmodo, Anthropic xác nhận rằng Claude được huấn luyện chủ yếu trên dữ liệu tiếng Anh, dẫn đến việc mô hình phản ánh rõ nhất các giá trị và chuẩn mực văn hóa Anglo-Saxon khi hoạt động trong ngôn ngữ này. Khi người dùng chuyển sang ngôn ngữ khác, Claude không đơn giản là 'dịch' lại bản thân — nó thực sự xử lý thế giới theo một cách khác, đôi khi cho ra phản hồi có nội dung hoặc sắc thái đạo đức khác biệt.
Đây không phải lần đầu tiên hiện tượng này được ghi nhận ở các mô hình ngôn ngữ lớn. Nhiều nghiên cứu độc lập trước đây đã chỉ ra rằng GPT hay các LLM khác có xu hướng 'đổi nhân cách' theo ngôn ngữ — nhưng đây là lần hiếm hoi một công ty AI lớn chủ động thừa nhận điều này áp dụng cho sản phẩm của chính họ.
Vấn đề nằm ở cách các mô hình được huấn luyện: nếu dữ liệu tiếng Anh chiếm ưu thế tuyệt đối, thì toàn bộ 'bộ khung đạo đức' của mô hình sẽ được định hình theo ngôn ngữ đó trước. Khi mô hình xử lý câu hỏi bằng tiếng Việt hay tiếng Ả Rập, nó không có một nền tảng giá trị độc lập tương đương để đối chiếu.
Tại sao sự không nhất quán này lại là rủi ro thực sự
Với hàng chục triệu người dùng không phải người bản ngữ tiếng Anh đang tương tác với Claude mỗi ngày, sự chênh lệch giá trị theo ngôn ngữ không chỉ là vấn đề học thuật. Nếu một mô hình từ chối nội dung nhất định khi hỏi bằng tiếng Anh nhưng lại chấp nhận khi hỏi bằng ngôn ngữ khác — hoặc ngược lại — thì hệ thống kiểm duyệt và an toàn nội dung thực chất đang có lỗ hổng có thể khai thác.
Ngoài góc độ an toàn, còn có câu hỏi về sự công bằng: người dùng không nói tiếng Anh đang nhận được một phiên bản Claude kém nhất quán hơn, ít được 'tinh chỉnh' hơn về mặt giá trị. Điều này đặt ra vấn đề về việc ai thực sự được hưởng lợi đầy đủ từ các hệ thống AI được quảng bá là 'toàn cầu'.
Anthropic chưa công bố giải pháp cụ thể hay lộ trình khắc phục trong thông báo này. Việc 'cân bằng' giá trị đa ngôn ngữ cho một LLM là bài toán kỹ thuật cực kỳ phức tạp — đòi hỏi không chỉ dữ liệu huấn luyện đa dạng hơn mà còn cần các cơ chế đánh giá văn hóa mà ngành AI vẫn đang loay hoay định nghĩa.
Sự thừa nhận công khai của Anthropic, dù chưa kèm giải pháp, ít nhất cho thấy công ty nhận thức được giới hạn của mình — một điểm khác biệt đáng chú ý so với xu hướng quảng cáo quá mức thường thấy trong ngành.