Chatbot bịa số liệu dinh dưỡng vì nó được huấn luyện để tạo ra câu văn hợp lý nhất, không phải để tra một cơ sở dữ liệu. Khi không chắc, nó vẫn có thể đưa ra một con số năng lượng tròn trịa, một nghiên cứu có tên tác giả và năm, hay một "khuyến nghị của Bộ Y tế" không hề tồn tại. Hiện tượng này thường được gọi là "ảo giác".
Tin tốt là có thể kiểm phần lớn lỗi trong vài phút nếu biết nhìn vào đâu. Bài này giải thích vì sao lỗi xảy ra, dấu hiệu của một câu trả lời đáng ngờ, năm phép kiểm nhanh và cách đặt câu hỏi để chatbot ít bịa hơn.
Vì sao chatbot tự tin mà vẫn sai
Mô hình ngôn ngữ học từ một khối văn bản khổng lồ, trong đó có rất nhiều con số dinh dưỡng từ nhiều nguồn khác nhau: bảng của nhiều quốc gia, nhãn hàng, bài báo, diễn đàn. Khi bạn hỏi năng lượng của một món, nó không mở bảng ra tra mà tạo ra con số "giống" những con số nó từng thấy cho món tương tự. Với món phổ biến, con số thường gần đúng; với món ít gặp hoặc khẩu phần lạ, nó có thể lệch xa.
Văn phong của chatbot lại luôn trơn tru và tự tin, bất kể độ chắc chắn bên trong. Một câu sai và một câu đúng trông giống hệt nhau về giọng điệu. Đây là điểm khác cơ bản so với một chuyên gia thật, người thường dừng lại để nói rằng chỗ này cần kiểm lại khi không chắc — kiểu thừa nhận mà bạn hiếm khi nghe từ chatbot nếu không yêu cầu.
Một số công cụ có chức năng tìm kiếm trên mạng và dẫn nguồn, giúp giảm lỗi, nhưng không loại bỏ hoàn toàn. Nguồn được dẫn có thể là một trang kém tin cậy, hoặc chatbot có thể tóm tắt sai nội dung của nguồn đúng. Vì vậy dẫn nguồn là điều kiện cần, chưa phải điều kiện đủ.
Dấu hiệu một câu trả lời đáng ngờ
Những tín hiệu sau không chứng minh câu trả lời sai, nhưng cho thấy bạn nên kiểm trước khi dùng:
- Con số quá tròn hoặc quá chính xác cho một món tự nấu, như "đúng 487 kcal" cho một đĩa cơm rang mà bạn chưa hề cho biết khẩu phần.
- Nghiên cứu có tên, năm, tạp chí nghe rất cụ thể nhưng bạn không tìm thấy khi tra tên bài.
- "Theo khuyến nghị của Bộ Y tế" kèm con số mà chatbot không nói được văn bản nào.
- Khẳng định tuyệt đối như "chắc chắn gây ung thư", "chữa khỏi tiểu đường", "đốt mỡ bụng".
- Tổng không khớp với từng phần: cộng năng lượng các món ra một số, chatbot ghi tổng một số khác.
- Đơn vị lẫn lộn: miligam và microgam, kcal và kJ, gam thực phẩm sống và chín.
Mỗi lần thấy một trong các dấu hiệu này, hãy hỏi lại chatbot một cách trực tiếp: "Con số này bạn lấy từ đâu? Mức độ chắc chắn thế nào?". Nhiều khi chính nó sẽ thừa nhận đó là ước lượng.
Năm phép kiểm nhanh trong năm phút
Không cần là chuyên gia, bạn vẫn có thể kiểm một câu trả lời dinh dưỡng bằng các bước sau:
- Kiểm phép cộng 4–4–9: yêu cầu chatbot ghi gam đạm, bột đường, chất béo rồi tự nhân. Nếu tổng năng lượng lệch xa, có điều gì đó sai.
- Kiểm với nhãn bao bì: với đồ đóng gói, nhãn là nguồn tốt nhất. So hai ba con số là biết chatbot có đọc đúng hay không.
- Kiểm với một nguồn chính thức: tra bảng thành phần thực phẩm Việt Nam, trang thông tin của Bộ Y tế, Viện Dinh dưỡng, hay tổ chức y tế quốc tế cho khuyến nghị chung.
- Kiểm tên nghiên cứu: tìm tên bài, tên tác giả trên công cụ tìm kiếm học thuật. Không thấy thì coi như chưa có.
- Hỏi lại bằng cách khác: hỏi lại câu tương tự trong một cuộc trò chuyện mới. Nếu con số thay đổi nhiều, chatbot đang đoán.
Không phải câu trả lời nào cũng cần kiểm đủ năm bước. Với câu hỏi nhẹ như gợi ý món canh, bỏ qua được. Với câu hỏi sẽ dẫn đến quyết định về sức khoẻ, như cho người bệnh ăn gì, hãy kiểm kỹ và hỏi chuyên gia.
Loại câu hỏi và mức tin cậy
Không phải mọi câu hỏi dinh dưỡng đều có rủi ro bịa như nhau. Bảng dưới giúp bạn biết khi nào cần cảnh giác hơn:
| Loại câu hỏi | Rủi ro bịa | Cách dùng an toàn |
|---|---|---|
| Giải thích khái niệm (chất xơ là gì) | thấp | dùng được, vẫn nên đọc thêm nguồn chính thức |
| Gợi ý món, thực đơn cho người khoẻ | thấp đến vừa | kiểm độ đa dạng và nguyên liệu thực tế |
| Năng lượng món phổ biến | vừa | xem như khoảng, so với nhãn hoặc bảng |
| Hàm lượng vi chất cụ thể | cao | chỉ dùng như tín hiệu, không kết luận thiếu đủ |
| Dẫn nghiên cứu, số liệu thống kê | cao | tự tra tên bài trước khi tin hoặc chia sẻ |
| Lời khuyên cho người có bệnh | cao và có hại | chỉ dùng để soạn câu hỏi cho bác sĩ |
Quy luật chung: càng cụ thể về con số và càng gần quyết định sức khoẻ, càng cần kiểm. Càng mang tính ý tưởng và tổ chức, chatbot càng hữu ích.
Hỏi thế nào để chatbot ít bịa hơn
Cho phép nó nói "không biết". Thêm câu "Nếu không chắc số liệu, hãy nói rõ là không chắc thay vì đoán". Nhiều chatbot sẽ tuân theo và đánh dấu những chỗ ước lượng.
Đưa số liệu cho nó. Dán số liệu từ nhãn hoặc bảng thành phần, yêu cầu chỉ dùng số đó. Chatbot làm phép tính tốt hơn nhiều so với nhớ số.
Yêu cầu khoảng thay vì một con số. "Ước năng lượng dưới dạng khoảng thấp nhất và cao nhất, giải thích yếu tố làm thay đổi" cho câu trả lời trung thực hơn.
Yêu cầu tách lập luận. "Liệt kê giả định trước, rồi mới tính" giúp bạn thấy chỗ nó giả định sai, như cho rằng cơm rang dùng ít dầu.
Không dồn quá nhiều việc vào một lượt. Lập thực đơn, tính năng lượng, viết danh sách đi chợ trong một câu lệnh dễ khiến nó sai ở đâu đó mà không ai thấy. Chia nhỏ để kiểm từng phần.
Khi bạn định chia sẻ thông tin AI đưa ra
Nhiều người dùng chatbot để viết bài chia sẻ về dinh dưỡng trên mạng xã hội, nhóm phụ huynh hay nhóm cư dân. Một con số bịa, khi được chia sẻ, sẽ trôi nổi và được người khác trích lại như sự thật. Nếu bạn định đăng một nội dung có số liệu hoặc nghiên cứu, hãy tự tra nguồn gốc và ghi nguồn đó, không ghi "theo AI".
Với thông tin liên quan đến trẻ em, phụ nữ mang thai hay người bệnh, càng cần thận trọng. Một lời khuyên sai về ăn dặm hay chế độ ăn cho người bệnh thận có thể gây hại thật. Nếu không chắc, tốt nhất đừng chia sẻ, hoặc khuyến khích người đọc hỏi cán bộ y tế.
Danh mục tin đồn và trào lưu ăn uống của trang có thêm nhiều ví dụ về cách kiểm một thông tin dinh dưỡng đang lan truyền, từ chuyện nước detox đến những món bị gắn mác gây hại.
Sai số không phải lúc nào cũng là bịa
Cũng cần công bằng với AI: không phải con số nào lệch cũng là bịa. Dinh dưỡng vốn có sai số tự nhiên. Hai quả chuối cùng cỡ có thể khác nhau về độ chín và lượng đường; hai bát phở ở hai quán khác nhau về bánh, thịt, mỡ. Một chuyên gia giỏi cũng chỉ ước được trong một khoảng.
Vì vậy, mục tiêu của việc kiểm không phải là bắt chatbot đưa ra con số "đúng tuyệt đối", mà là loại bỏ những con số vô lý, những nguồn không tồn tại và những lời khuyên vượt quá vai trò. Một câu trả lời nêu khoảng hợp lý, giải thích yếu tố gây sai số và nhắc giới hạn đã là một câu trả lời tốt.
Ngược lại, một câu trả lời đưa con số rất chính xác cho món tự nấu mà không hỏi khẩu phần, không nhắc dầu mỡ, chính là câu trả lời đáng nghi nhất, dù con số đó tình cờ gần đúng.
Một ví dụ giả định từ đầu đến cuối
Chị Lan ở Huế hỏi chatbot: "Một bát bún bò bao nhiêu calo?". Câu trả lời: "Khoảng 480 kcal". Chị hỏi tiếp: "Tách gam đạm, bột đường, chất béo và cho biết bạn giả định khẩu phần thế nào". Chatbot liệt kê một khẩu phần bún, thịt bò, chả và nước dùng ít mỡ, rồi tự nhân ra một con số khác với 480, cao hơn vài chục kcal.
Chị hỏi thêm: "Nếu quán cho nhiều mỡ nổi và thêm giò heo thì sao?". Con số tăng lên rõ rệt, kèm giải thích phần mỡ và giò. Cuối cùng chị yêu cầu: "Ghi kết quả dưới dạng khoảng cho bát nhỏ ít mỡ và bát lớn nhiều giò". Câu trả lời cuối là một khoảng khá rộng, nhưng trung thực hơn con số tròn ban đầu rất nhiều.
Toàn bộ quá trình mất chưa đến năm phút. Chị không cần biết chính xác bát bún sáng nay bao nhiêu kcal; chị chỉ cần biết rằng chọn bát nhỏ, ít giò và chan ít mỡ là đã khác đáng kể. Đó là kiểu thông tin dùng được, và nó đến từ việc hỏi tiếp chứ không phải tin ngay câu đầu tiên.
Câu hỏi thường gặp
Ảo giác của AI là gì?
Là khi mô hình tạo ra thông tin nghe hợp lý nhưng không đúng hoặc không có căn cứ, như con số, tên nghiên cứu, trích dẫn không tồn tại. Hiện tượng này xuất phát từ cách mô hình sinh văn bản, không phải do nó cố ý nói dối.
Chatbot có dẫn nguồn thì có tin được không?
Đáng tin hơn, nhưng vẫn cần mở nguồn ra xem. Nguồn có thể kém tin cậy, hoặc chatbot tóm tắt sai nội dung. Với thông tin sức khoẻ quan trọng, hãy ưu tiên nguồn của cơ quan y tế, viện nghiên cứu, tạp chí khoa học.
Làm sao biết một nghiên cứu có thật?
Tìm tên bài hoặc tên tác giả trên công cụ tìm kiếm học thuật hoặc trang của tạp chí. Nếu không thấy, hoặc thấy nhưng nội dung khác hẳn điều chatbot nói, hãy coi như thông tin chưa được kiểm chứng.
Có nên dùng hai chatbot để kiểm chéo nhau?
Có thể dùng như một bước, nhưng hai chatbot có thể sai giống nhau vì học từ những nguồn tương tự. Kiểm với nhãn, bảng thành phần thực phẩm hoặc nguồn chính thức vẫn đáng tin hơn.
Chatbot sai về dinh dưỡng có nguy hiểm không?
Với người khoẻ hỏi về thực đơn, sai số thường không gây hại lớn. Với người bệnh, trẻ nhỏ, phụ nữ mang thai, một lời khuyên sai có thể ảnh hưởng thật đến sức khoẻ. Những trường hợp này nên hỏi bác sĩ hoặc chuyên gia dinh dưỡng.
Có cách nào để chatbot luôn đúng không?
Không có cách nào bảo đảm luôn đúng. Đưa số liệu cho nó, yêu cầu nêu nguồn, cho phép nói không biết và chia nhỏ câu hỏi giúp giảm sai đáng kể. Quyết định quan trọng vẫn cần người có chuyên môn.
