Vào ngày 13 tháng 7 năm 2026, Anthropic đã công bố một nghiên cứu mới đầy bất ngờ về cách mô hình ngôn ngữ lớn Claude thể hiện các giá trị hành vi khác nhau tùy thuộc vào ngôn ngữ đối thoại. Cụ thể, thông qua việc phân tích hơn 300.000 cuộc trò chuyện ẩn danh, startup này phát hiện ra hệ thống AI của họ có sự dịch chuyển rõ rệt trên trục tương tác giữa 'Ấm áp' (Warmth) và 'Nghiêm khắc' (Rigor). Đây là một phát hiện quan trọng thách thức các quan điểm trước đây về tính nhất quán trong hành vi của các mô hình AI đa ngôn ngữ.
Diễn biến chi tiết
Theo các bài đăng chính thức từ Anthropic, nghiên cứu này bắt nguồn từ những phát hiện trước đó, nơi họ xác định Claude có khả năng biểu đạt hơn 3,000 giá trị hành vi khác nhau, bao gồm cả sự trung thực và tính ấm áp. Trong nỗ lực đào sâu hơn, nhóm nghiên cứu đã đặt câu hỏi về việc liệu các giá trị này có thay đổi giữa các phiên bản mô hình Claude khác nhau và qua các rào cản ngôn ngữ hay không. Họ đã tiến hành phân tích tập dữ liệu khổng lồ gồm hơn 300.000 cuộc hội thoại đã được ẩn danh hóa để tìm câu trả lời.
Phân tích kỹ thuật & Công nghệ
Kết quả phân tích cho thấy sự biến thiên rõ rệt nhất nằm ở trục Ấm áp đối lập với Nghiêm khắc. Theo Anthropic, Claude có xu hướng nghiêng mạnh về sự ấm áp khi trò chuyện bằng tiếng Hindi và tiếng Ả Rập. Ngược lại, khi giao tiếp bằng tiếng Nga, mô hình này lại thể hiện sự nghiêm khắc rõ rệt, thường xuyên yêu cầu người dùng cung cấp thêm các bằng chứng xác thực để hỗ trợ cho lập luận của họ. Hiện tượng tự động điều chỉnh tông giọng này diễn ra một cách tự nhiên mà không có sự can thiệp trực tiếp từ các bộ lọc quy tắc cứng nhắc.
Ý kiến chuyên gia & Nhận định
Đáng chú ý, chính các kỹ sư tại Anthropic cũng thừa nhận rằng họ chưa thực sự hiểu rõ nguyên nhân sâu xa dẫn đến sự khác biệt này. Đại diện công ty chia sẻ: 'Mặc dù các giá trị mà Claude thể hiện định hình hàng triệu cuộc trò chuyện mỗi ngày, chúng tôi vẫn chưa hiểu tại sao chúng lại thay đổi, hoặc liệu điều đó có thực sự đáng mong đợi hay không.' Nghiên cứu này được kỳ vọng sẽ giúp họ xác định các yếu tố ảnh hưởng đến biểu đạt giá trị của AI, từ đó tìm ra phương án định hướng hành vi của mô hình trong tương lai.
Tác động & Tương lai
Phát hiện này đặt ra những câu hỏi lớn cho cộng đồng phát triển AI toàn cầu về tính trung lập văn hóa của các mô hình ngôn ngữ lớn. Đối với độc giả và các nhà phát triển công nghệ tại Việt Nam, nghiên cứu này mở ra một góc nhìn thực tế: AI không đơn thuần là một công cụ dịch thuật tĩnh mà phản ánh sâu sắc cấu trúc dữ liệu và văn hóa của từng ngôn ngữ. Việc kiểm soát hành vi và định hướng giá trị của AI (AI alignment) trên quy mô đa ngôn ngữ sẽ là một bài toán kỹ thuật phức tạp cần lời giải trong những năm tới.