Cùng một câu hỏi, nhưng hỏi bằng tiếng Anh hay tiếng Nhật có thể cho ra hai phiên bản Claude khác nhau — một cái ấm áp hơn, một cái cứng nhắc hơn. Đó là phát hiện từ nghiên cứu nội bộ của Anthropic, theo Tech Times, cho thấy giá trị và phong cách phản hồi của Claude thay đổi đáng kể tùy thuộc vào ngôn ngữ người dùng sử dụng.
Phát hiện này không chỉ là vấn đề kỹ thuật. Nếu một mô hình AI được huấn luyện để có bộ giá trị nhất quán nhưng lại thể hiện khác nhau theo ngôn ngữ, thì phiên bản nào mới là "Claude thật"?
Khoảng cách giữa sự ấm áp và độ chặt chẽ trong Claude đa ngữ
Theo Tech Times, nghiên cứu của Anthropic đo lường hai trục chính: warmth (sự ấm áp, đồng cảm trong phản hồi) và rigor (độ chính xác, chặt chẽ về mặt logic và thông tin). Kết quả cho thấy có khoảng cách rõ ràng giữa các ngôn ngữ trên cả hai trục này.
Điều này có thể xuất phát từ dữ liệu huấn luyện không đồng đều — lượng văn bản tiếng Anh trong tập dữ liệu lớn hơn nhiều so với các ngôn ngữ khác, dẫn đến việc Claude học được các sắc thái văn hóa và chuẩn mực giao tiếp khác nhau ở mỗi ngôn ngữ. Tuy nhiên, bài viết gốc không cung cấp số liệu cụ thể về mức độ chênh lệch giữa từng ngôn ngữ.
Vấn đề không chỉ dừng ở phong cách. Nếu độ chặt chẽ trong lập luận thay đổi theo ngôn ngữ, người dùng không nói tiếng Anh có thể nhận được câu trả lời kém chính xác hơn cho cùng một câu hỏi — một bất bình đẳng ngầm trong trải nghiệm AI.
Bài toán căn chỉnh giá trị cho mô hình ngôn ngữ đa văn hóa
Anthropic được biết đến với cách tiếp cận AI an toàn thông qua Constitutional AI — tức là xây dựng bộ nguyên tắc cứng để định hướng hành vi của Claude. Nhưng khi một mô hình hoạt động trên hàng chục ngôn ngữ, việc đảm bảo các nguyên tắc đó được thể hiện đồng nhất là thách thức kỹ thuật và văn hóa không nhỏ.
Nghiên cứu này phản ánh một câu hỏi rộng hơn mà cả ngành đang đối mặt: làm thế nào để căn chỉnh (align) một mô hình AI với các giá trị phổ quát mà không áp đặt chuẩn mực văn hóa của ngôn ngữ chiếm ưu thế trong dữ liệu huấn luyện?
Hiện tại, Anthropic chưa công bố kế hoạch cụ thể để thu hẹp khoảng cách này. Việc công ty tự tiến hành và công bố nghiên cứu như vậy cho thấy họ đang chủ động đo lường vấn đề — bước đầu tiên trước khi có thể sửa nó.