Bên cạnh những cơ hội lớn, AI cũng đặt ra câu hỏi về chất lượng dữ liệu, tính trung thực của nghiên cứu và nguy cơ xuất hiện những công trình khoa học thiếu độ tin cậy.
Trả lời khảo sát có thể không phải là con người
Năm 2025, khi nhà tâm lý học Raluca Rilla, nghiên cứu sinh tiến sĩ tại Viện Max Planck (Đức) về Phát triển Con người, tiến hành một khảo sát với các tình nguyện viên, bà nhận được một câu trả lời bất thường: “Tôi không trải nghiệm sự bối rối theo cách mà con người trải nghiệm”.
Với bà Rilla, đây có thể chỉ là dấu hiệu ban đầu của một vấn đề lớn hơn. Bà cùng các đồng nghiệp ước tính khoảng 45% câu trả lời trong các khảo sát hiện nay có thể được sao chép từ đầu ra của các mô hình ngôn ngữ lớn (LLM).
Ở một số trường hợp, người tham gia chỉ sử dụng AI để chỉnh sửa cách diễn đạt. Nhưng trong những trường hợp khác, toàn bộ quá trình từ đăng ký khảo sát, đọc câu hỏi đến gửi câu trả lời có thể do máy móc thực hiện. Khi đó, dữ liệu thu thập được khó phản ánh chính xác suy nghĩ, cảm xúc và hành vi của con người.
Không chỉ tâm lý học thực nghiệm chịu tác động. Từ khoa học chính trị, kinh tế học đến các nghiên cứu dư luận xã hội, nhiều nhà khoa học đang cảnh báo về sự xuất hiện ngày càng rõ của dấu vết AI trong dữ liệu nghiên cứu.
Ông David Lazer, nhà khoa học chính trị và khoa học máy tính tại Đại học Northeastern (Mỹ), cho rằng ngay cả khi có thể kiểm soát việc AI tham gia vào các cuộc khảo sát, giới nghiên cứu vẫn phải đối mặt với thách thức lớn ở khâu phân tích dữ liệu.
Theo ông, các công cụ AI có thể giúp rút ngắn đáng kể thời gian nghiên cứu, nhưng cũng tiềm ẩn nguy cơ khiến các tạp chí khoa học tràn ngập những công trình thiếu độ tin cậy khi việc tạo lập và xử lý nghiên cứu trở nên quá dễ dàng. Một số tạp chí khoa học cũng đã ghi nhận sự gia tăng đáng kể số lượng bản thảo được chuẩn bị hoàn toàn hoặc phần lớn bằng các công cụ AI.
Năng suất tăng mạnh, chất lượng bị đặt dấu hỏi
Theo ông Joshua Tucker, nhà khoa học chính trị tại Đại học New York (Mỹ), khoa học xã hội là một trong những lĩnh vực chịu tác động mạnh nhất từ AI, bởi hoạt động nghiên cứu phụ thuộc nhiều vào khảo sát và phân tích dữ liệu.
Trong nhiều trường hợp, khi không trực tiếp thu thập dữ liệu, các nhà nghiên cứu phải dựa vào những bộ dữ liệu quy mô lớn như điều tra dân số hoặc các cuộc khảo sát được thực hiện cho những mục đích khác. Điều này làm gia tăng nguy cơ những tín hiệu tưởng như có ý nghĩa trong dữ liệu bị nhầm lẫn với các nhiễu thống kê, đặc biệt khi dữ liệu đã bị tác động bởi các công cụ AI.
Nhà tâm lý học Björn Hommel, Đại học Leipzig, cảnh báo: “Tôi nghĩ chúng ta đang tiến gần tới thời điểm niềm tin vào khoa học hành vi và khoa học xã hội sẽ bị xói mòn bởi mối đe dọa thường trực từ sự ô nhiễm do các mô hình ngôn ngữ lớn gây ra. Và hiện tại chúng ta chưa có cách nào để giải quyết vấn đề đó”.
Tuy nhiên, bên cạnh những lo ngại, nhiều nhà nghiên cứu cho rằng AI cũng có thể trở thành công cụ hỗ trợ quan trọng, giúp nâng cao chất lượng khoa học xã hội. Các hệ thống AI có khả năng xử lý nhanh khối lượng dữ liệu phức tạp, kiểm tra độ ổn định của kết quả nghiên cứu thông qua nhiều phương pháp thống kê khác nhau, từ đó mở rộng khả năng khám phá những vấn đề mới.
“Chúng ta không nên bỏ qua những lợi ích mà AI mang lại. Công nghệ này đang mở ra khả năng thực hiện rất nhiều nghiên cứu thú vị”, ông Tucker nhận định.
Thực tế cho thấy, sự xuất hiện của AI tạo sinh đã tác động rõ rệt đến hoạt động xuất bản khoa học. Tháng 4 vừa qua, tạp chí Organization Science cho biết số lượng bản thảo gửi đến tăng 42% kể từ tháng 11/2022, thời điểm ChatGPT được phát hành công khai. Phân tích của tạp chí cho thấy phần lớn mức tăng này có liên quan đến việc sử dụng AI trong quá trình chuẩn bị bài viết.
Đến tháng 2 năm nay, gần 1/3 số bản thảo gửi tới tạp chí có phần tóm tắt được tạo chủ yếu hoặc hoàn toàn bằng AI, trong khi khoảng 40% bài viết khác có nội dung được AI hỗ trợ ở một mức độ nhất định.
Ông Kevin Munger, nhà khoa học chính trị và biên tập viên tạp chí tại Viện Đại học châu Âu, dự đoán số lượng bài gửi đến các tạp chí khoa học chính trị hàng đầu có thể tiếp tục tăng khoảng 50% trong năm nay. Trong khi đó, PsyArXiv đã phải bổ sung các bước kiểm tra thủ công sớm hơn trong quy trình sàng lọc do lượng bản thảo gửi đến tăng đột biến.
Những diễn biến này cho thấy AI đang tạo ra một bước ngoặt lớn đối với khoa học xã hội: vừa mở rộng năng lực nghiên cứu, vừa đặt ra yêu cầu cấp thiết về chuẩn mực học thuật, tính minh bạch và trách nhiệm của người làm khoa học.
Tạo một nghiên cứu trong thời gian ngắn
Ông David Lazer cho rằng khoa học xã hội là một trong những lĩnh vực dễ chịu tác động nhất từ nguy cơ “sản xuất hàng loạt” nghiên cứu bằng AI.
Trong cuộc phỏng vấn với tạp chí Nature, nhà khoa học này đã minh họa khả năng của các mô hình LLM trong việc tạo ra một bài nghiên cứu gần như hoàn chỉnh từ một bộ dữ liệu có sẵn. Ông sử dụng dữ liệu của Chương trình khảo sát 50 bang thuộc Dự án Sức khỏe Công dân và Thể chế (CHIP50) - một chương trình từng thu thập thông tin từ khoảng 1 triệu người trong vòng 6 năm.
Trong nghiên cứu này, nhóm của ông từng khảo sát việc sử dụng các thuốc đồng vận thụ thể GLP-1 - nhóm thuốc điều trị đái tháo đường được biết đến rộng rãi nhờ khả năng hỗ trợ giảm cân. Kết quả ban đầu cho thấy nhóm sử dụng thuốc nhiều nhất không nhất thiết là những người mắc bệnh đái tháo đường hoặc béo phì.
Ông Lazer cho biết, chỉ trong khoảng một giờ, LLM có thể chuyển một phát hiện ban đầu thành một bản thảo nghiên cứu dài 28 trang, bao gồm tổng quan tài liệu, bảng số liệu, biểu đồ và hình minh họa.
Tuy nhiên, điều khiến ông lo ngại không nằm ở việc kết quả nghiên cứu đúng hay sai, mà ở nguy cơ con người dần phụ thuộc quá mức vào AI trong quá trình tư duy khoa học. “Tôi đang làm gì vậy? Liệu tôi có đang giao phó một phần bộ não, một phần năng lực sáng tạo cốt lõi của mình cho AI hay không? Câu trả lời là có phần như vậy, và thành thật mà nói điều đó khiến tôi cảm thấy bất an”, ông chia sẻ.
Dù cho thấy tiềm năng lớn của AI trong nghiên cứu, ông Lazer khẳng định chưa từng gửi những bản thảo được tạo ra theo cách này tới các tạp chí khoa học.
Cuộc đua giữa nhà nghiên cứu và AI
Đối với bà Raluca Rilla, nguy cơ dữ liệu khảo sát bị “ô nhiễm” bởi các mô hình LLM là vấn đề nghiêm trọng. Khi nhiều khảo sát được thực hiện trên các nền tảng trả phí như Amazon Mechanical Turk hay Prolific, việc người tham gia sử dụng AI để tạo câu trả lời là nguy cơ khó tránh.
Để phát hiện dấu hiệu này, bà Rilla sử dụng các cơ chế kiểm tra “honeypot” - những tín hiệu ẩn giúp nhận diện sự can thiệp của AI. Tuy nhiên, theo bà, đây là một “cuộc chạy đua vũ trang”, khi LLM ngày càng tinh vi và các nhà nghiên cứu phải liên tục tìm phương pháp phát hiện mới.
Một hướng tiếp cận khác là sử dụng “mẫu silicon” - các nhóm đối tượng ảo do AI tạo ra. Về lý thuyết, phương pháp này có thể giúp mô phỏng những nhóm dân cư khó tiếp cận với chi phí thấp hơn. Tuy nhiên, nhiều nhà khoa học lo ngại việc sử dụng rộng rãi dữ liệu tổng hợp có thể ảnh hưởng đến độ tin cậy của nghiên cứu xã hội.
Ông Jamie Cummins, nhà nghiên cứu khoa học siêu nghiên cứu tại Đại học Bern (Thụy Sĩ), cho biết chỉ cần điều chỉnh các tham số của AI như “temperature”, người dùng có thể tạo ra những kết quả khác nhau theo mong muốn. Nhà tâm lý học Malte Elson cảnh báo, việc yêu cầu AI tạo ra kết quả ủng hộ hoặc bác bỏ một giả thuyết nghiên cứu hiện gần như rất khó phân biệt với hành vi gian lận khoa học.
Mối đe dọa hay cơ hội?
Ông Lazer cũng cảnh báo nguy cơ các nhà nghiên cứu lạm dụng AI để tìm kiếm những kết quả phù hợp với mong muốn. Khi một bộ dữ liệu được phân tích theo quá nhiều cách, những kết quả có vẻ có ý nghĩa thống kê đôi khi chỉ xuất hiện do ngẫu nhiên. AI có thể nhanh chóng thử nghiệm nhiều phương án, sau đó xây dựng giả thuyết dựa trên kết quả thu được.
Tuy nhiên, nhà thống kê học Nic Fishman, Đại học Harvard (Mỹ), cho rằng AI cũng có thể trở thành công cụ giúp hạn chế hiện tượng “P-hacking” - thử nhiều cách phân tích cho đến khi tìm được kết quả mong muốn. Theo ông, AI giúp các nhà nghiên cứu dễ dàng kiểm tra nhiều phương pháp, đánh giá độ ổn định của kết quả và tăng tính minh bạch trong nghiên cứu.
Theo các chuyên gia, tương lai của khoa học xã hội phụ thuộc vào cách giới học thuật thích ứng với AI. Công nghệ có thể hỗ trợ xử lý dữ liệu, nhưng không thể thay thế tư duy phản biện và khả năng phán đoán của con người. Bà Jessica Hullman, Đại học Northwestern (Mỹ), nhấn mạnh: “Bạn không thể thay thế tư duy khoa học cẩn trọng bằng một loạt phép kiểm tra”.
Ông Fishman dự báo các nhà khoa học xã hội sẽ phải minh bạch hơn trong việc lựa chọn phương pháp nghiên cứu, thay vì chỉ sử dụng những kỹ thuật quen thuộc rồi giải thích cho kết quả thu được. “Chúng ta đang bước vào một chế độ mới của khoa học xã hội”, ông nhận định.
