AI bịa điều luật và án lệ vì nó không tra cứu mà sinh chữ: mô hình đoán chuỗi ký tự có khả năng xuất hiện tiếp theo, và một số hiệu văn bản "đúng khuôn" như số, năm, loại văn bản, cơ quan ban hành rất dễ được đoán ra dù văn bản đó không tồn tại. Giọng văn chắc chắn không phản ánh mức độ đúng; mô hình không có cảm giác "mình không biết" trừ khi được thiết kế và nhắc để nói ra.
Với người làm luật, đây là rủi ro nặng nhất khi dùng AI, vì một trích dẫn sai trong văn bản nộp cơ quan nhà nước hay gửi khách hàng ảnh hưởng thẳng tới uy tín nghề nghiệp. Bài này giải thích cơ chế ở mức đủ dùng, chỉ ra vì sao pháp luật Việt Nam là mảnh đất đặc biệt dễ bị bịa, năm kiểu bịa hay gặp và cách chặn nó trong quy trình làm việc.
Mô hình ngôn ngữ đoán chữ, không mở sổ tra
Một mô hình ngôn ngữ lớn được huấn luyện trên lượng văn bản khổng lồ để học xem sau một đoạn chữ thì đoạn nào thường đi tiếp theo. Khi bạn hỏi "điều nào quy định về thời hiệu khởi kiện hợp đồng", mô hình không mở một kho văn bản rồi tìm. Nó sinh ra câu trả lời từng mẩu một, mẩu sau dựa trên các mẩu trước, theo xác suất học được. Nếu trong dữ liệu huấn luyện có nhiều đoạn văn nhắc đúng điều đó, câu trả lời thường đúng. Nếu ít, mô hình vẫn sinh ra thứ gì đó có hình dạng của một câu trả lời đúng.
Chỗ nguy hiểm là hình dạng. Câu trả lời pháp lý có khuôn rất rõ: tên văn bản, năm, số điều, khoản, rồi nội dung trích. Mô hình đã thấy hàng nghìn câu như vậy nên rất giỏi tạo ra khuôn. Nó có thể ghép tên một bộ luật có thật với một số điều nghe hợp lý và một nội dung tóm lược nghe giống luật, mà không phần nào bị kiểm với văn bản gốc.
Các công cụ mới hơn có thêm bước tìm kiếm tài liệu rồi mới trả lời, gọi chung là truy xuất tăng cường. Cách này giảm bịa đáng kể khi nguồn tìm được là văn bản chính thức, nhưng không xoá được rủi ro: công cụ có thể tìm ra trang thứ cấp đã cũ, đọc sai đoạn, hoặc vẫn tự thêm chi tiết không có trong nguồn. Vì vậy mục kiểm chứng ở cuối bài áp dụng cho mọi loại công cụ.
Vì sao pháp luật Việt Nam đặc biệt dễ bị bịa
Có một số đặc điểm của hệ thống văn bản Việt Nam khiến AI dễ sai hơn so với khi trả lời câu hỏi chung chung:
- Số hiệu theo khuôn cố định. Nghị định, thông tư có số hiệu dạng số thứ tự, năm, loại văn bản và cơ quan ban hành. Khuôn càng đều, mô hình càng dễ tạo ra một số hiệu nghe thật mà không có thật.
- Sửa đổi, thay thế dày. Một lĩnh vực có thể có luật gốc, luật sửa đổi, nghị định hướng dẫn được thay thế vài lần. Dữ liệu huấn luyện chứa cả bản cũ lẫn bản mới, và mô hình không biết bản nào đang có hiệu lực vào ngày bạn hỏi.
- Đánh số điều thay đổi giữa các phiên bản. Cùng một nội dung có thể nằm ở điều khác nhau trong luật cũ và luật mới, nên số điều AI đưa ra có khi đúng với văn bản đã hết hiệu lực.
- Dữ liệu tiếng Việt chất lượng cao ít hơn. Phần lớn văn bản pháp lý trên mạng là bài phân tích, trang hỏi đáp, diễn đàn — nhiều nguồn tóm lược lại có sai sót, và mô hình học cả sai sót đó.
- Án lệ là nguồn mới và số lượng hạn chế. Án lệ do Hội đồng Thẩm phán Toà án nhân dân tối cao lựa chọn và Chánh án công bố; vì số lượng không nhiều, mô hình dễ gán nội dung sai cho một số án lệ hoặc tạo ra án lệ không có.
- Văn bản mới sau mốc dữ liệu. Một luật vừa thông qua hoặc vừa có hiệu lực có thể hoàn toàn nằm ngoài những gì mô hình đã học. Khi được hỏi, nó vẫn có thể trả lời dựa trên quy định trước đó.
Những đặc điểm này cũng giải thích vì sao một câu trả lời AI đúng cho câu hỏi về pháp luật nước ngoài phổ biến không nói lên gì về độ tin cậy khi hỏi pháp luật Việt Nam.
Năm kiểu bịa hay gặp trong câu trả lời pháp lý
Số hiệu đúng khuôn mà không tồn tại. Một nghị định với số, năm và cơ quan ban hành nghe hợp lý, nhưng tìm trong cơ sở dữ liệu chính thức không có. Kiểu này dễ bắt nhất nếu chịu tra, và nguy hiểm nhất nếu không tra.
Văn bản có thật, điều khoản sai. Tên luật đúng, năm đúng, nhưng số điều trỏ sang một nội dung khác, hoặc nội dung trích là diễn giải của AI chứ không phải câu chữ của luật. Kiểu này khó bắt hơn vì phần đầu trích dẫn khớp.
Quy định đã hết hiệu lực. Nội dung từng đúng, trích từ văn bản cũ đã bị thay thế hoặc sửa đổi. AI không ghi chú tình trạng hiệu lực trừ khi được yêu cầu, và kể cả khi được yêu cầu thì câu trả lời về hiệu lực cũng phải kiểm.
Án lệ bịa hoặc gán sai nội dung. Một án lệ với số hiệu và tóm tắt tình huống nghe như thật, hoặc một án lệ có thật bị gán vấn đề pháp lý khác. Với bản án công khai cũng vậy: AI có thể "nhớ" một bản án không tồn tại.
Trộn pháp luật nước khác. Khái niệm, thời hạn hay chế định của pháp luật nước ngoài, nhất là hệ thống thông luật, được trình bày như quy định của Việt Nam. Dấu hiệu thường là thuật ngữ nghe như dịch từ tiếng Anh và không xuất hiện trong văn bản tiếng Việt nào.
Dấu hiệu nghi ngờ và cách kiểm nhanh
Bảng dưới gom những dấu hiệu mà người làm luật nên dừng lại ngay khi đọc câu trả lời của AI, kèm cách kiểm không tốn nhiều thời gian.
| Dấu hiệu | Vì sao đáng ngờ | Kiểm thế nào |
|---|---|---|
| Số hiệu văn bản cụ thể mà bạn chưa từng gặp | Kiểu bịa phổ biến nhất | Tìm số hiệu trong cơ sở dữ liệu văn bản chính thức; không thấy thì coi như không có |
| Trích nguyên văn một điều luật | AI thường diễn giải rồi trình bày như nguyên văn | Mở văn bản gốc, so từng chữ ở phần quyết định nghĩa vụ |
| Câu trả lời không nêu năm hoặc tình trạng hiệu lực | Dễ là quy định cũ | Kiểm văn bản đã được sửa đổi, thay thế chưa; ưu tiên văn bản hợp nhất |
| Án lệ kèm tóm tắt rất khớp với tình huống bạn hỏi | Khớp quá mức thường là dấu hiệu được "may đo" | Tra danh mục án lệ đã công bố, đọc toàn văn |
| Thuật ngữ lạ, nghe như dịch | Có thể là chế định nước ngoài | Tìm thuật ngữ đó trong văn bản tiếng Việt; không có thì xem lại |
| AI xin lỗi rồi đưa trích dẫn "đúng" mới khi bị hỏi lại | Bản mới cũng là sinh chữ, không phải tra cứu | Kiểm bản mới như kiểm bản đầu, không tin vì AI đã "sửa" |
Dòng cuối cùng đáng nhớ nhất. Khi bạn hỏi "điều đó có thật không", mô hình có xu hướng đồng ý với bạn hoặc tự tin khẳng định lại. Câu xác nhận của chính AI không phải là kiểm chứng.
Những lúc AI dễ bịa nhất
Mức độ bịa không đều; nó tăng mạnh trong một số tình huống mà người làm luật gặp hằng ngày:
- Câu hỏi hẹp, ngách, ít người bàn trên mạng, ví dụ một thủ tục chuyên ngành ở một lĩnh vực ít phổ biến.
- Câu lệnh ép phải có số điều cụ thể, kiểu "trả lời kèm số điều, khoản, điểm". Mô hình sẽ cố đáp ứng hình thức dù không có dữ liệu.
- Câu hỏi dẫn dắt có sẵn tiền đề sai, như "theo Điều X của luật Y thì...". Mô hình thường đi theo tiền đề thay vì sửa nó.
- Câu hỏi về văn bản vừa ban hành hoặc vừa có hiệu lực, nằm gần hoặc sau mốc dữ liệu của mô hình.
- Hội thoại rất dài, khi phần đầu cuộc trò chuyện đã đẩy ra khỏi phạm vi mô hình còn "nhìn thấy", và nó bắt đầu tự lấp chỗ trống.
- Yêu cầu liệt kê nhiều căn cứ một lúc, như "nêu mười văn bản liên quan". Danh sách càng dài, phần cuối càng dễ là bịa.
Nhận ra tình huống rủi ro cao giúp bạn chỉnh mức kiểm: câu trả lời trong các tình huống trên cần kiểm từng dòng, không phải kiểm xác suất.
Chặn trích dẫn bịa trước khi nó lọt vào hồ sơ
Phần nghiên cứu pháp lý có kiểm chứng có danh mục riêng trên trang; dưới đây là quy trình tối thiểu áp cho mọi văn bản có dùng AI:
- Viết câu lệnh cho phép AI nói không biết, ví dụ: "Nếu không chắc chắn về số hiệu hay số điều, hãy ghi rõ là không chắc và chỉ nêu hướng tìm. Không tự tạo số hiệu văn bản."
- Tách vai: dùng AI để gợi ý vấn đề và hướng tra cứu, còn việc tìm văn bản và lấy trích dẫn do người làm.
- Với mỗi văn bản được nhắc tới, mở bản gốc từ nguồn chính thức như Công báo hoặc cơ sở dữ liệu quốc gia về văn bản pháp luật, kiểm số hiệu, ngày ban hành, tình trạng hiệu lực.
- So câu chữ của điều khoản trong văn bản gốc với điều AI tóm tắt, đặc biệt các điều kiện, ngoại lệ và thời hạn.
- Ghi nguồn đã kiểm ngay cạnh trích dẫn trong bản nháp, để người kiểm lần hai biết dòng nào đã được đối chiếu.
- Trước khi ký, rà toàn văn một lượt chỉ để tìm những trích dẫn chưa có ghi chú nguồn.
Quy trình này chậm hơn việc tin AI vài phút cho mỗi trích dẫn, nhưng nhanh hơn nhiều so với việc giải thích với toà hay với khách vì sao văn bản của bạn dẫn một điều luật không tồn tại.
Câu hỏi thường gặp
Công cụ AI có gắn tìm kiếm trên mạng có còn bịa điều luật không?
Ít hơn nhưng vẫn có. Công cụ có thể tìm ra trang tóm lược đã cũ thay vì văn bản gốc, đọc sai đoạn hoặc thêm chi tiết không có trong nguồn. Đường dẫn nguồn đi kèm giúp kiểm nhanh hơn, nhưng bạn vẫn phải mở nguồn và đọc đoạn liên quan.
Có câu lệnh nào khiến AI không bao giờ bịa trích dẫn không?
Không có. Câu lệnh cho phép AI nói không biết và yêu cầu ghi mức chắc chắn giúp giảm số lần bịa, nhưng không loại bỏ được, vì bản chất mô hình là sinh chữ theo xác suất. Kiểm chứng bằng nguồn chính thức là bước không thể bỏ.
Vì sao AI đưa ra số điều đúng với luật cũ mà không nói là luật cũ?
Vì dữ liệu huấn luyện chứa cả văn bản cũ lẫn mới, và mô hình không có khái niệm ngày hiệu lực trừ khi thông tin đó xuất hiện rõ trong dữ liệu. Nội dung từng xuất hiện nhiều lần trên mạng thường được ưu tiên, dù đã bị thay thế.
Có nên dùng AI để kiểm tra trích dẫn do chính AI đưa ra không?
Không nên coi đó là kiểm chứng. Hỏi lại cùng một mô hình thường nhận được lời khẳng định hoặc một trích dẫn khác cũng chưa kiểm. Một công cụ khác có tra nguồn có thể giúp tìm văn bản nhanh hơn, nhưng bước so với văn bản gốc vẫn do người làm.
AI bịa án lệ nước ngoài có ảnh hưởng gì tới người làm luật Việt Nam?
Có, khi bạn làm hồ sơ có yếu tố nước ngoài, viết bài nghiên cứu so sánh hoặc trích án lệ nước ngoài để lập luận. Một án lệ nước ngoài bịa được đưa vào ý kiến tư vấn hay bài viết chuyên môn gây hại uy tín không kém trích dẫn luật trong nước sai.
Làm sao biết một văn bản đã hết hiệu lực khi AI không nói?
Kiểm trực tiếp trên cơ sở dữ liệu văn bản chính thức, nơi thường ghi tình trạng hiệu lực và các văn bản sửa đổi, thay thế. Với lĩnh vực có nhiều lần sửa đổi, ưu tiên đọc văn bản hợp nhất, rồi kiểm xem có văn bản mới ban hành sau thời điểm hợp nhất hay không.