Chỉ hai ngày sau khi công bố GPT-4.1, OpenAI tiếp tục tung ra hai mô hình mới là o3 và o4-mini. Cả hai được đánh giá có khả năng suy luận vượt trội, cùng nhiều cải tiến đáng kể trong xử lý ngôn ngữ và giải quyết bài toán phức tạp.

Tuy nhiên, theo TechCrunch, các mô hình này vẫn chưa khắc phục được điểm yếu cố hữu của AI – đó là “ảo giác”, thậm chí còn có xu hướng nghiêm trọng hơn. Đây là hiện tượng khi mô hình tạo ra thông tin không có thật, không chính xác hoặc hoàn toàn tưởng tượng dựa trên những dữ liệu không tồn tại.

IBM định nghĩa hiện tượng này là khi một mô hình ngôn ngữ lớn (LLM), như chatbot hoặc công cụ thị giác máy tính, tiếp nhận thông tin không rõ ràng hoặc không xác định được, từ đó sinh ra kết quả vô nghĩa hoặc lệch lạc.

Trong thực tế, người dùng kỳ vọng AI phản hồi dựa trên dữ liệu thực tế và chính xác. Tuy nhiên, trong một số trường hợp, mô hình vẫn đưa ra các câu trả lời mang tính suy đoán sai lệch, không dựa trên dữ liệu thực có – đây chính là phản hồi “ảo giác”.

Theo báo cáo nội bộ của OpenAI, mô hình o3 đã gặp hiện tượng “ảo giác” trong 33% câu hỏi thuộc bài kiểm tra PersonQA – tiêu chuẩn đánh giá mức độ hiểu biết của AI về thông tin liên quan đến con người. Tỷ lệ này cao gấp đôi so với các phiên bản trước như o1 (16%) và o3-mini (14,8%). Thậm chí, o4-mini còn thể hiện tệ hơn khi “ảo giác” tới 48% trong cùng bài kiểm tra.

Điều đáng lo ngại là chính OpenAI cũng chưa xác định được nguyên nhân dẫn đến tình trạng này. Trong báo cáo kỹ thuật, hãng cho biết: “Cần có thêm nghiên cứu để lý giải vì sao mức độ ‘ảo giác’ lại gia tăng khi mở rộng quy mô các mô hình lập luận.”

Dù vậy, o3 và o4-mini vẫn cho thấy hiệu suất vượt trội ở nhiều lĩnh vực như lập trình và toán học. Nhưng theo đánh giá từ chính OpenAI, vì hai mô hình này có xu hướng đưa ra nhiều tuyên bố cụ thể thay vì trả lời chung chung, nên chúng tạo ra cả nhiều thông tin đúng hơn lẫn sai lệch hơn – tức là độ chính xác tăng, nhưng độ sai cũng theo đó mà tăng.