Sự bùng nổ của trí tuệ nhân tạo (AI) không chỉ mở ra những cơ hội đột phá cho các lĩnh vực như y tế, giáo dục, tài chính, mà còn kéo theo những hệ lụy không nhỏ – đặc biệt là trong lĩnh vực thông tin truyền thông. Trong kỷ nguyên số, tin giả (fake news) không còn đơn thuần là những bài viết sai sự thật mà đã tiến hóa thành các nội dung được “chế tạo” bằng công nghệ cao, từ văn bản được tạo bởi mô hình ngôn ngữ, hình ảnh giả mạo bằng deepfake, cho đến video và âm thanh được chỉnh sửa tinh vi.

Đặc biệt, các nền tảng mạng xã hội như Facebook, X (trước đây là Twitter), TikTok hay Weibo... đã trở thành nơi lý tưởng để tin giả lan truyền với tốc độ chóng mặt. Sự lan truyền không kiểm soát của các nội dung này không chỉ gây hiểu nhầm dư luận, ảnh hưởng tới cá nhân, tổ chức mà còn tạo ra những nguy cơ nghiêm trọng về chính trị, xã hội và an ninh thông tin.

Chính vì vậy, cuộc đua phát triển các công cụ phát hiện và kiểm chứng tin giả bằng công nghệ AI đang trở nên gay gắt và cần thiết hơn bao giờ hết. Một trong những bước tiến mới nhất trong lĩnh vực này là sự ra đời của SmoothDetector – mô hình AI xác suất đến từ nhóm nghiên cứu tại Trường Kỹ thuật và Khoa học Máy tính Gina Cody, Đại học Concordia (Canada).

SmoothDetector – Câu trả lời từ học sâu và xác suất

Kết hợp học sâu và thuật toán xác suất

Khác với các mô hình truyền thống vốn chỉ có khả năng phân tích một loại dữ liệu đơn lẻ – ví dụ chỉ đọc văn bản hoặc chỉ xử lý hình ảnh – SmoothDetector được thiết kế như một hệ thống đa phương tiện tích hợp, có thể đồng thời xử lý và đánh giá thông tin từ nhiều kênh dữ liệu khác nhau trong một bài đăng: văn bản, hình ảnh và trong tương lai là cả video và âm thanh.

Điểm đặc biệt của SmoothDetector là sự kết hợp mạng nơ-ron sâu (deep neural network) với thuật toán xác suất (probabilistic inference). Nhờ đó, mô hình không chỉ học được các đặc điểm ẩn phức tạp trong dữ liệu mà còn có thể định lượng được mức độ không chắc chắn (uncertainty) trong các đánh giá – một yếu tố then chốt trong việc xử lý các thông tin chưa rõ ràng, nhạy cảm hoặc đang diễn biến.

Nền tảng dữ liệu huấn luyện mạnh mẽ

Để huấn luyện mô hình, nhóm nghiên cứu đã sử dụng nguồn dữ liệu khổng lồ đến từ các mạng xã hội lớn như X và Weibo, nơi tin giả và tin thật cùng tồn tại đan xen. Dữ liệu này đã được gán nhãn (labelled) để chỉ rõ mức độ xác thực, cho phép mô hình học hỏi cách phân biệt giữa các đặc điểm của nội dung đáng tin cậy và không đáng tin cậy.

Phân tích thông minh: Từ ngữ nghĩa đến bối cảnh hình ảnh

Positional Encoding – “đọc hiểu” văn bản sâu sắc hơn

Trong xử lý văn bản, SmoothDetector sử dụng kỹ thuật positional encoding – một thành phần quan trọng trong các mô hình ngôn ngữ hiện đại như Transformer. Kỹ thuật này cho phép mô hình hiểu được vị trí và ngữ cảnh của từng từ trong một câu hoặc đoạn văn, từ đó nắm bắt tốt hơn sắc thái và hàm ý của ngôn ngữ tự nhiên.

Điều này đặc biệt hữu ích trong việc phân tích các bài đăng có yếu tố mỉa mai, châm biếm, hoặc sử dụng ẩn dụ – những dạng ngôn ngữ thường xuyên xuất hiện trong tin giả nhằm đánh lạc hướng người đọc.

Giải mã ý nghĩa trong hình ảnh

Không chỉ dừng lại ở văn bản, SmoothDetector còn có khả năng phân tích hình ảnh nhờ vào kỹ thuật tương tự với positional encoding, nhưng được áp dụng cho không gian hai chiều. Mô hình có thể hiểu được mối quan hệ tương đối giữa các đối tượng trong ảnh – ví dụ, một biểu ngữ có thể đang được thêm vào hình ảnh gốc để tạo ra thông điệp sai lệch.

Điều này cho phép phát hiện các hình ảnh đã bị chỉnh sửa, cắt ghép hoặc "deepfake", những kỹ thuật đang được sử dụng ngày càng phổ biến để phục vụ việc tạo tin giả bằng hình ảnh.

Mức độ tin cậy chứ không phải kết luận “trắng – đen”

Định lượng xác suất tin cậy

Một trong những điểm đổi mới của SmoothDetector chính là cách mà nó đưa ra kết quả. Thay vì kết luận đơn giản “bài đăng này là tin giả” hoặc “tin thật”, mô hình tính toán và đưa ra xác suất tin cậy – ví dụ, một bài viết có độ tin cậy 72%, hình ảnh có nguy cơ bị chỉnh sửa 65%, v.v.

Điều này không chỉ giúp người dùng có cái nhìn thận trọng hơn mà còn hỗ trợ các nền tảng mạng xã hội trong việc xếp hạng độ tin cậy của nội dung, từ đó điều chỉnh thuật toán phân phối, cảnh báo người dùng hoặc hạn chế lan truyền nếu cần thiết.

Hỗ trợ các chuyên gia kiểm chứng thông tin

Với khả năng cung cấp phân tích xác suất chi tiết, SmoothDetector được kỳ vọng sẽ là công cụ hỗ trợ đắc lực cho các nhà báo, chuyên gia truyền thông, nhà nghiên cứu và tổ chức kiểm chứng thông tin (fact-checker). Thay vì phải kiểm tra thủ công từng nguồn dữ liệu, họ có thể sử dụng kết quả từ mô hình làm cơ sở ban đầu để khoanh vùng, điều tra sâu và đưa ra kết luận chính xác hơn.

Mở rộng tiềm năng: Đa nền tảng – Đa ngôn ngữ – Đa văn hóa

Hướng tới phân tích video và âm thanh

Mặc dù hiện tại SmoothDetector tập trung vào xử lý văn bản và hình ảnh, nhóm nghiên cứu đang mở rộng khả năng của mô hình để xử lý thêm video và âm thanh – những loại dữ liệu có vai trò ngày càng lớn trong tin giả, đặc biệt trên các nền tảng như YouTube, TikTok, Instagram hoặc podcast.

Việc tích hợp thêm các loại dữ liệu này sẽ đưa SmoothDetector trở thành một hệ thống phát hiện tin giả đa phương tiện toàn diện, có thể đánh giá đồng thời nội dung bài đăng, giọng nói, biểu cảm khuôn mặt, nhạc nền, phụ đề và nhiều yếu tố khác.

Thích nghi với nhiều nền tảng và ngôn ngữ

Không dừng lại ở X và Weibo, SmoothDetector được thiết kế với cấu trúc linh hoạt, có thể điều chỉnh để tương thích với các nền tảng mạng xã hội khác, từ Facebook, Instagram đến Reddit, Telegram...

Ngoài ra, mô hình có thể được huấn luyện thêm để hiểu và phân tích nhiều ngôn ngữ khác nhau, kể cả ngôn ngữ địa phương, tiếng lóng, biểu tượng cảm xúc, và các cách thể hiện văn hóa đặc thù – những yếu tố có ảnh hưởng lớn đến nội dung tin giả ở từng khu vực.

Một bước tiến trong cuộc chiến chống tin giả

Công nghệ vì một không gian mạng lành mạnh

Trong bối cảnh trí tuệ nhân tạo đang trở thành con dao hai lưỡi – vừa mang lại lợi ích, vừa tiềm ẩn nhiều rủi ro – sự ra đời của SmoothDetector là minh chứng cho cách mà AI có thể được sử dụng một cách có trách nhiệm và khoa học để giải quyết những thách thức xã hội phức tạp như tin giả.

Không đơn thuần là một mô hình kỹ thuật, SmoothDetector đại diện cho một triết lý tiếp cận mới: thay vì chống lại AI bằng luật lệ và ngăn cấm, hãy dùng AI để đối trọng với chính AI, dùng những công cụ thông minh để xây dựng một hệ sinh thái thông tin đáng tin cậy hơn.

Kỳ vọng tương lai

SmoothDetector mở ra nhiều tiềm năng ứng dụng trong tương lai: từ việc tích hợp vào nền tảng mạng xã hội để tự động gắn nhãn nội dung, triển khai vào hệ thống báo chí, giáo dục, đến việc trở thành công cụ học tập cho các hệ thống AI mới học cách phân biệt đúng – sai trong dữ liệu.

Nhóm nghiên cứu tại Đại học Concordia cũng đang tiếp tục hợp tác với các tổ chức quốc tế, nhằm thử nghiệm và hoàn thiện mô hình trong các môi trường thực tế khác nhau, đồng thời đảm bảo tính minh bạch và đạo đức trong sử dụng công nghệ.

Nguồn: CESTI