AI sinh ra đã nâng cao tốc độ sản xuất thông tin, nhưng cũng gây ra một mối lo ngại bị bỏ qua "Khoảng cách xác thực (Verification Gap)". Từ cựu CTO của Coinbase Balaji đến đồng sáng lập OpenAI Karpathy, cho đến các ông lớn đầu tư mạo hiểm a16z, tất cả đều cảnh báo: "Chi phí xác thực do AI sản xuất đang trở thành nút thắt và rủi ro lớn nhất của kỷ nguyên mới."
Balaji: "Chi phí xác minh" của người sử dụng AI trở thành điểm nghẽn thực sự.
Cựu Giám đốc Công nghệ của Coinbase, Balaji, đã viết một bài cách đây một tháng chỉ ra rằng quy trình sử dụng AI có thể được chia thành hai giai đoạn: "nhập từ gợi ý (prompting)" và "xác minh đầu ra (verifying)".
Người trước ai cũng có thể làm, chỉ cần gõ vài dòng chữ là được; nhưng người sau thì khó hơn, cần kiến thức chuyên môn, kiên nhẫn và tư duy logic để xác định AI có tạo ra lỗi hay "ảo giác (hallucination)".
AI ĐỀ XUẤT → AI XÁC MINH
AI prompting scales, vì prompting chỉ là gõ chữ.
Nhưng việc xác minh AI không thể mở rộng, bởi vì việc xác minh đầu ra của AI liên quan đến nhiều thứ hơn chỉ là gõ chữ.
Đôi khi bạn có thể xác minh bằng mắt, đó là lý do tại sao AI tuyệt vời cho frontend, hình ảnh và video. Nhưng…
— Balaji (@balajis) Ngày 4 tháng 6 năm 2025
Ông cho biết, sự chênh lệch này dễ dàng được xử lý trên hình ảnh hoặc video, vì mắt người tự nhiên có khả năng đánh giá nội dung thị giác. Nhưng một khi phải đối mặt với mã, bài viết kỹ thuật hoặc suy luận logic, công việc xác minh trở nên khá khó khăn:
Câu hỏi quan trọng nhất khi sử dụng AI là, tôi phải làm thế nào để xác minh rằng đầu ra của mô hình AI này là chính xác với chi phí thấp? Chúng tôi cần các công cụ hoặc sản phẩm khác để xác minh nội dung ở các lĩnh vực phi thị giác khác.
Ông bổ sung: "Đối với người dùng, xác minh AI và từ gợi ý AI đều quan trọng như nhau."
Karpathy: AI đã tăng tốc quá trình sáng tạo, nhưng không làm giảm quy trình xác thực.
Người đồng sáng lập OpenAI và người được mệnh danh là cha đẻ của công nghệ lái xe tự động Tesla, Andrej Karpathy, đã mở rộng quan điểm của Balaji, chỉ ra rằng bản chất của sáng tạo là một quá trình bao gồm hai giai đoạn diễn ra lặp đi lặp lại: "tạo ra (generation)" và "đánh giá (discrimination)": "Bạn đã vẽ một nét (tạo ra), bạn cũng cần phải bước lùi và suy nghĩ xem nét đó có thực sự cải thiện tác phẩm hay không (đánh giá)."
Ông ấy cho rằng các mô hình ngôn ngữ lớn (LLM) đã giảm thiểu đáng kể chi phí thời gian cho "sinh" sản phẩm, cho phép người dùng có được sản lượng lớn ngay lập tức, nhưng hoàn toàn không giúp giảm chi phí và khối lượng công việc cho "phán đoán". Đặc biệt nghiêm trọng đối với mã nguồn:
LLM rất dễ dàng tạo ra hàng chục hoặc thậm chí hàng trăm dòng mã, nhưng kỹ sư vẫn cần đọc, hiểu và kiểm tra từng dòng một tất cả các logic và lỗi tiềm ẩn.
Karpathy cho biết, đây thực sự cũng là điều mà hầu hết các kỹ sư dành nhiều thời gian nhất, đó được gọi là "Khoảng cách xác minh (Verification Gap)", AI đã tăng tốc quá trình sáng tạo, nhưng chi phí thời gian này được chuyển thẳng vào việc xác minh.
(Từ chuyên gia tài chính đến thư ký, thách thức lòng tin của AI đại diện: Chúng ta có thể tin tưởng vào quyết định tự chủ của trí tuệ nhân tạo không?)
a16z: Cuộc khủng hoảng niềm tin của thời đại sinh ra, cần dựa vào công nghệ mã hóa để lấp đầy khoảng trống.
Quỹ đầu tư nổi tiếng a16z đã tiếp cận từ góc độ hệ thống và ngành công nghiệp, họ cho rằng công nghệ AI sẽ tăng tốc độ tràn lan của "thông tin giả", vì rào cản tạo ra thấp và khó xác minh, internet sẽ bị tràn ngập bởi một lượng lớn nội dung giả mạo. a16z cho rằng sự tin cậy nên được kỹ thuật hóa, cách giải quyết là đưa vào công nghệ mã hóa, như là:
Tiến hành xử lý mật mã cho dữ liệu được sản xuất theo giai đoạn của AI (bài viết đã băm)
Sử dụng danh tính được xác thực bằng blockchain để sáng tạo (crypto IDs)
Thông qua tính công khai và khả năng truy xuất của dữ liệu trên chuỗi, xây dựng chuỗi nội dung có nguồn gốc đáng tin cậy.
Những phương pháp này không chỉ giúp thông tin không thể bị thay đổi mà còn có thể xác minh, mà còn xây dựng một hàng rào cho độ tin cậy của nội dung trong thời đại AI, hứa hẹn sẽ trở thành giao điểm quan trọng giữa công nghệ mã hóa và lĩnh vực AI.
(Phân tích chuyên sâu của Messari: Giao thức Mira làm thế nào để thông qua cơ chế đồng thuận phi tập trung, làm cho AI trung thực hơn?)
Từ từ khóa đến khả năng xác minh, các năng lực và nhu cầu mới trong thời đại AI đã hình thành.
Hiện tại, AI sinh sinh đã mang lại sự tăng trưởng theo cấp số nhân trong năng lực thông tin, nhưng nếu không có khả năng xác minh hiệu quả tương ứng để phối hợp, người dùng sẽ rơi vào tình trạng khó khăn do thao tác tốn thời gian và ô nhiễm thông tin giả.
Do đó, kỹ năng cốt lõi trong thời đại AI hiện nay không chỉ là khả năng viết ra những prompt chính xác, mà còn là khả năng xác thực đầu ra của AI một cách hiệu quả và chi phí thấp. Dù là thông qua việc kiểm tra lẫn nhau giữa các mô hình AI hay các công cụ xác thực chuyên nghiệp, điều này đều trở nên đặc biệt quan trọng.
Bài viết này AI có làm cho cuộc sống trở nên tiện lợi hơn không? Balaji và a16z thảo luận về cách rút ngắn thời gian chi phí xác thực nội dung AI? Xuất hiện lần đầu trên tin tức chuỗi ABMedia.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
AI có làm cho cuộc sống tiện lợi hơn không? Balaji và A16z thảo luận về cách rút ngắn chi phí thời gian xác minh nội dung AI?
AI sinh ra đã nâng cao tốc độ sản xuất thông tin, nhưng cũng gây ra một mối lo ngại bị bỏ qua "Khoảng cách xác thực (Verification Gap)". Từ cựu CTO của Coinbase Balaji đến đồng sáng lập OpenAI Karpathy, cho đến các ông lớn đầu tư mạo hiểm a16z, tất cả đều cảnh báo: "Chi phí xác thực do AI sản xuất đang trở thành nút thắt và rủi ro lớn nhất của kỷ nguyên mới."
Balaji: "Chi phí xác minh" của người sử dụng AI trở thành điểm nghẽn thực sự.
Cựu Giám đốc Công nghệ của Coinbase, Balaji, đã viết một bài cách đây một tháng chỉ ra rằng quy trình sử dụng AI có thể được chia thành hai giai đoạn: "nhập từ gợi ý (prompting)" và "xác minh đầu ra (verifying)".
Người trước ai cũng có thể làm, chỉ cần gõ vài dòng chữ là được; nhưng người sau thì khó hơn, cần kiến thức chuyên môn, kiên nhẫn và tư duy logic để xác định AI có tạo ra lỗi hay "ảo giác (hallucination)".
AI ĐỀ XUẤT → AI XÁC MINH
AI prompting scales, vì prompting chỉ là gõ chữ.
Nhưng việc xác minh AI không thể mở rộng, bởi vì việc xác minh đầu ra của AI liên quan đến nhiều thứ hơn chỉ là gõ chữ.
Đôi khi bạn có thể xác minh bằng mắt, đó là lý do tại sao AI tuyệt vời cho frontend, hình ảnh và video. Nhưng…
— Balaji (@balajis) Ngày 4 tháng 6 năm 2025
Ông cho biết, sự chênh lệch này dễ dàng được xử lý trên hình ảnh hoặc video, vì mắt người tự nhiên có khả năng đánh giá nội dung thị giác. Nhưng một khi phải đối mặt với mã, bài viết kỹ thuật hoặc suy luận logic, công việc xác minh trở nên khá khó khăn:
Câu hỏi quan trọng nhất khi sử dụng AI là, tôi phải làm thế nào để xác minh rằng đầu ra của mô hình AI này là chính xác với chi phí thấp? Chúng tôi cần các công cụ hoặc sản phẩm khác để xác minh nội dung ở các lĩnh vực phi thị giác khác.
Ông bổ sung: "Đối với người dùng, xác minh AI và từ gợi ý AI đều quan trọng như nhau."
Karpathy: AI đã tăng tốc quá trình sáng tạo, nhưng không làm giảm quy trình xác thực.
Người đồng sáng lập OpenAI và người được mệnh danh là cha đẻ của công nghệ lái xe tự động Tesla, Andrej Karpathy, đã mở rộng quan điểm của Balaji, chỉ ra rằng bản chất của sáng tạo là một quá trình bao gồm hai giai đoạn diễn ra lặp đi lặp lại: "tạo ra (generation)" và "đánh giá (discrimination)": "Bạn đã vẽ một nét (tạo ra), bạn cũng cần phải bước lùi và suy nghĩ xem nét đó có thực sự cải thiện tác phẩm hay không (đánh giá)."
Ông ấy cho rằng các mô hình ngôn ngữ lớn (LLM) đã giảm thiểu đáng kể chi phí thời gian cho "sinh" sản phẩm, cho phép người dùng có được sản lượng lớn ngay lập tức, nhưng hoàn toàn không giúp giảm chi phí và khối lượng công việc cho "phán đoán". Đặc biệt nghiêm trọng đối với mã nguồn:
LLM rất dễ dàng tạo ra hàng chục hoặc thậm chí hàng trăm dòng mã, nhưng kỹ sư vẫn cần đọc, hiểu và kiểm tra từng dòng một tất cả các logic và lỗi tiềm ẩn.
Karpathy cho biết, đây thực sự cũng là điều mà hầu hết các kỹ sư dành nhiều thời gian nhất, đó được gọi là "Khoảng cách xác minh (Verification Gap)", AI đã tăng tốc quá trình sáng tạo, nhưng chi phí thời gian này được chuyển thẳng vào việc xác minh.
(Từ chuyên gia tài chính đến thư ký, thách thức lòng tin của AI đại diện: Chúng ta có thể tin tưởng vào quyết định tự chủ của trí tuệ nhân tạo không?)
a16z: Cuộc khủng hoảng niềm tin của thời đại sinh ra, cần dựa vào công nghệ mã hóa để lấp đầy khoảng trống.
Quỹ đầu tư nổi tiếng a16z đã tiếp cận từ góc độ hệ thống và ngành công nghiệp, họ cho rằng công nghệ AI sẽ tăng tốc độ tràn lan của "thông tin giả", vì rào cản tạo ra thấp và khó xác minh, internet sẽ bị tràn ngập bởi một lượng lớn nội dung giả mạo. a16z cho rằng sự tin cậy nên được kỹ thuật hóa, cách giải quyết là đưa vào công nghệ mã hóa, như là:
Tiến hành xử lý mật mã cho dữ liệu được sản xuất theo giai đoạn của AI (bài viết đã băm)
Sử dụng danh tính được xác thực bằng blockchain để sáng tạo (crypto IDs)
Thông qua tính công khai và khả năng truy xuất của dữ liệu trên chuỗi, xây dựng chuỗi nội dung có nguồn gốc đáng tin cậy.
Những phương pháp này không chỉ giúp thông tin không thể bị thay đổi mà còn có thể xác minh, mà còn xây dựng một hàng rào cho độ tin cậy của nội dung trong thời đại AI, hứa hẹn sẽ trở thành giao điểm quan trọng giữa công nghệ mã hóa và lĩnh vực AI.
(Phân tích chuyên sâu của Messari: Giao thức Mira làm thế nào để thông qua cơ chế đồng thuận phi tập trung, làm cho AI trung thực hơn?)
Từ từ khóa đến khả năng xác minh, các năng lực và nhu cầu mới trong thời đại AI đã hình thành.
Hiện tại, AI sinh sinh đã mang lại sự tăng trưởng theo cấp số nhân trong năng lực thông tin, nhưng nếu không có khả năng xác minh hiệu quả tương ứng để phối hợp, người dùng sẽ rơi vào tình trạng khó khăn do thao tác tốn thời gian và ô nhiễm thông tin giả.
Do đó, kỹ năng cốt lõi trong thời đại AI hiện nay không chỉ là khả năng viết ra những prompt chính xác, mà còn là khả năng xác thực đầu ra của AI một cách hiệu quả và chi phí thấp. Dù là thông qua việc kiểm tra lẫn nhau giữa các mô hình AI hay các công cụ xác thực chuyên nghiệp, điều này đều trở nên đặc biệt quan trọng.
Bài viết này AI có làm cho cuộc sống trở nên tiện lợi hơn không? Balaji và a16z thảo luận về cách rút ngắn thời gian chi phí xác thực nội dung AI? Xuất hiện lần đầu trên tin tức chuỗi ABMedia.