ChuyenSau.comChuyên Sâu
Trí tuệ nhân tạo và xã hội số

Thuật toán đề xuất định hình những gì ta xem: cơ chế và hiệu ứng buồng vang

Thuật toán đề xuất chọn video và bài đăng theo dự đoán bạn sẽ xem lâu. Phân tích cơ chế, giả thuyết buồng vang và các thí nghiệm lớn cho kết quả khác với nỗi lo phổ biến.

A young woman scrolls a phone on a crowded city bus at dusk, phone screen blurred and blank, warm street lights through the window, shot over her shoulder

Thuật toán đề xuất là phần mềm chọn ra, trong hàng triệu nội dung, những gì xuất hiện trên bảng tin hay danh sách video của bạn, dựa trên dự đoán bạn sẽ bấm, xem lâu, thích hay chia sẻ. Hiệu ứng buồng vang là giả thuyết cho rằng cơ chế này dần nhốt người dùng trong nội dung hợp ý mình, khiến họ ít gặp quan điểm khác và cực đoan hơn. Bằng chứng khoa học đến nay cho thấy thuật toán rõ ràng định hình thứ ta xem, nhưng tác động lên quan điểm chính trị và mức độ phân cực thì nhỏ và phức tạp hơn nhiều so với nỗi lo phổ biến.

Bài này giải thích thuật toán đề xuất hoạt động thế nào ở mức nguyên lý, tách bạch các khái niệm hay bị dùng lẫn, phân tích những thí nghiệm lớn nhất đã được công bố, và chỉ ra vì sao cả hai phía trong tranh luận đều có phần đúng.

Thuật toán đề xuất chọn nội dung như thế nào

Một nền tảng video hay mạng xã hội lớn có quá nhiều nội dung mới mỗi phút, không ai xem hết được. Thuật toán đề xuất giải bài toán này qua vài tầng. Tầng đầu chọn nhanh vài trăm hay vài nghìn ứng viên từ kho khổng lồ, dựa trên những gì bạn và người giống bạn từng tương tác. Tầng sau chấm điểm từng ứng viên bằng mô hình học máy, dự đoán xác suất bạn xem hết, thích, bình luận, chia sẻ hay lướt qua. Cuối cùng một tầng điều chỉnh trộn thêm sự đa dạng, loại nội dung vi phạm, rồi xếp thứ tự hiển thị.

Điểm quan trọng nằm ở mục tiêu mà mô hình được huấn luyện để tối đa hoá. Nếu mục tiêu là thời gian xem, thuật toán sẽ học rằng nội dung gây tò mò, kích thích cảm xúc mạnh hay khiến người ta xem đến cuối được ưu tiên. Các nền tảng cho biết họ đã thêm nhiều tín hiệu khác như khảo sát mức hài lòng, chất lượng nội dung, nhưng trọng số cụ thể là bí mật kinh doanh và thay đổi thường xuyên.

Với video ngắn, vòng phản hồi diễn ra cực nhanh: mỗi video vài chục giây, mỗi lần lướt qua hay xem lại đều là một tín hiệu. Sau một buổi tối, hệ thống đã có hàng trăm tín hiệu về sở thích của bạn, nhiều hơn những gì bạn tự khai báo. Đó là lý do người dùng thường có cảm giác ứng dụng "hiểu mình" rất nhanh.

Phân biệt các khái niệm hay bị dùng lẫn

Bong bóng lọc. Ý tưởng được phổ biến từ đầu thập niên 2010: thuật toán cá nhân hoá lọc bớt thông tin trái chiều mà người dùng không hề biết. Nhấn vào vai trò của máy.

Buồng vang. Môi trường mà người ta chủ yếu nghe lại ý kiến giống mình, được lặp đi lặp lại và khuếch đại. Buồng vang có thể hình thành do chính người dùng chọn theo dõi ai, vào nhóm nào, không nhất thiết do thuật toán.

Phân cực. Khoảng cách quan điểm hoặc cảm xúc thù địch giữa các nhóm tăng lên. Đây là hệ quả mà người ta lo ngại, và có nhiều nguyên nhân ngoài mạng xã hội như truyền hình, kinh tế, đô thị hoá.

Đường trượt nội dung. Giả thuyết cho rằng thuật toán dẫn người dùng từ nội dung bình thường tới nội dung ngày càng cực đoan qua từng gợi ý. Đây là giả thuyết được kiểm chứng nhiều nhất và cho kết quả không đồng nhất.

Các thí nghiệm lớn nói gì

Năm 2023, một nhóm nhà khoa học độc lập phối hợp với Meta công bố một loạt nghiên cứu trên các tạp chí Science và Nature về bảng tin Facebook và Instagram trong mùa bầu cử Mỹ năm 2020. Trong một thí nghiệm, một nhóm người dùng được chuyển bảng tin sang dạng xếp theo thời gian thay vì do thuật toán chọn. Kết quả: họ dùng nền tảng ít đi và thấy nhiều nội dung chính trị hơn từ nguồn đa dạng hơn, nhưng sau ba tháng, mức độ phân cực và quan điểm chính trị của họ không thay đổi đáng kể so với nhóm đối chứng.

Một thí nghiệm khác trong cùng loạt giảm lượng nội dung từ nguồn cùng quan điểm. Người dùng gặp ít nội dung hợp ý hơn, nhưng thái độ của họ cũng không đổi rõ rệt. Các tác giả lưu ý giới hạn: thời gian thí nghiệm ngắn, diễn ra ở một nước trong một giai đoạn đặc biệt, và không loại trừ được tác động tích luỹ qua nhiều năm.

Các nghiên cứu kiểm tra giả thuyết đường trượt trên nền tảng video cho kết quả lẫn lộn. Một số nghiên cứu mô phỏng tài khoản giả tìm thấy xu hướng gợi ý nội dung ngày càng mạnh, trong khi nghiên cứu dựa trên lịch sử xem của người thật cho thấy người tìm đến nội dung cực đoan phần lớn đã có sẵn khuynh hướng và chủ động tìm kiếm, theo dõi kênh, đến từ liên kết bên ngoài. Nói cách khác, cầu từ phía người dùng có vai trò lớn không kém cung từ thuật toán.

Vì sao nỗi lo vẫn có cơ sở

Kết quả "tác động nhỏ" không có nghĩa thuật toán vô hại. Thứ nhất, thuật toán định hình rất mạnh cái gì được nhìn thấy: nội dung nào lan nhanh, người sáng tạo nào có thu nhập, chủ đề nào trở thành chuyện cả xã hội bàn tán. Các nhà sáng tạo nội dung điều chỉnh cách làm để chiều thuật toán, và điều đó thay đổi cả hệ sinh thái thông tin, không chỉ bảng tin của một người.

Thứ hai, một tác động nhỏ trên trung bình có thể là tác động lớn với một nhóm nhỏ. Người đang cô đơn, đang trong khủng hoảng, hay vốn có khuynh hướng cực đoan có thể bị kéo sâu hơn trong khi đa số người dùng không bị ảnh hưởng. Các nghiên cứu đo trung bình dễ bỏ sót những trường hợp này.

Thứ ba, phần lớn nghiên cứu nghiêm túc cần dữ liệu từ chính nền tảng, và nền tảng kiểm soát việc ai được tiếp cận, tiếp cận phần nào. Điều này đặt ra câu hỏi về tính độc lập, dù các nhà nghiên cứu trong loạt công bố năm 2023 đã có cơ chế để giữ quyền quyết định về phân tích. Đó là lý do Đạo luật Dịch vụ kỹ thuật số của châu Âu yêu cầu các nền tảng rất lớn mở dữ liệu cho nhà nghiên cứu được thẩm định và đánh giá rủi ro hệ thống định kỳ.

Thuật toán đề xuất trong đời sống thông tin ở Việt Nam

Người dùng Việt Nam tiếp cận thông tin qua mạng xã hội và nền tảng video với tỷ lệ cao, và phần lớn nghiên cứu nói trên lại được làm ở Mỹ và châu Âu. Bối cảnh khác ở vài điểm. Video ngắn và phát trực tiếp bán hàng chiếm thời lượng lớn, nên thuật toán không chỉ định hình quan điểm mà còn định hình thói quen mua sắm: sản phẩm nào được thấy, người bán nào có đơn. Nội dung giật gân về đời tư người nổi tiếng, chuyện lùm xùm gia đình hay mẹo sức khoẻ thiếu kiểm chứng thường có tỷ lệ xem hết cao, nên dễ được đẩy đi xa.

Một đặc điểm nữa là tin nhắn nhóm và hội nhóm đông thành viên. Ở đó nội dung lan theo mạng quan hệ quen biết, ít chịu tác động của thuật toán xếp hạng nhưng lại dễ hình thành buồng vang do chính người dùng tạo ra: cùng một nhóm phụ huynh, cùng một nhóm đồng hương, cùng một hội mua bán. Tin đồn đi qua những kênh này khó kiểm chứng hơn vì không có nút báo cáo công khai hay nhãn cảnh báo.

Vì vậy, khi bàn về tác động của thuật toán ở Việt Nam, cần tách hai luồng: luồng do máy chọn trên bảng tin và luồng do người chuyển tiếp trong nhóm kín. Các giải pháp như minh bạch thuật toán chỉ chạm tới luồng thứ nhất; luồng thứ hai phụ thuộc nhiều hơn vào thói quen kiểm chứng của từng người và vai trò của báo chí chính thống.

Người dùng có thể làm gì với bảng tin của mình

Không cần bỏ mạng xã hội để lấy lại quyền chọn. Một vài thói quen nhỏ thay đổi đáng kể những gì thuật toán đưa tới:

  • Dùng chức năng "không quan tâm" hoặc ẩn nội dung thay vì chỉ lướt qua; lướt qua chậm cũng là một tín hiệu mà thuật toán ghi nhận.
  • Chuyển sang chế độ xem theo thời gian hoặc chỉ xem trang đang theo dõi, nếu ứng dụng có tuỳ chọn này.
  • Chủ động theo dõi một vài nguồn có quan điểm khác, ưu tiên nguồn nghiêm túc thay vì nguồn gây tranh cãi để câu tương tác.
  • Xoá hoặc tạm dừng lịch sử xem, lịch sử tìm kiếm khi thấy bảng tin lệch hẳn về một chủ đề.
  • Đặt giới hạn thời gian, tắt tự động phát video kế tiếp, vì tự phát là cơ chế giữ chân mạnh nhất.
  • Tìm tin quan trọng trực tiếp tại trang của cơ quan báo chí, cơ quan nhà nước thay vì chờ nó xuất hiện trên bảng tin.

Những thói quen này không biến bảng tin thành trung lập, nhưng trả lại cho người dùng một phần quyền quyết định thứ mình xem, thay vì để mô hình dự đoán thời gian xem quyết định thay hoàn toàn.

Nguồn để đọc thêm

Các nguồn ghi bằng tên tạp chí, tổ chức và chủ đề; bạn đọc tìm theo từ khoá để có bản đầy đủ.

  • Loạt nghiên cứu về mạng xã hội và bầu cử Mỹ năm 2020, đăng trên các tạp chí Science và Nature năm 2023, có phần thảo luận giới hạn rất kỹ.
  • Các bài tổng quan về bong bóng lọc và buồng vang của Viện Nghiên cứu Báo chí Reuters thuộc Đại học Oxford, kèm báo cáo tin tức số thường niên.
  • Liên minh châu Âu, Đạo luật Dịch vụ kỹ thuật số, phần nghĩa vụ đánh giá rủi ro hệ thống và minh bạch hệ thống đề xuất của nền tảng rất lớn.
  • Trang giải thích cách hoạt động hệ thống đề xuất do chính các nền tảng công bố, nên đọc như nguồn một phía.
  • Các nghiên cứu kiểm toán thuật toán bằng tài khoản mô phỏng của nhóm nghiên cứu đại học, đọc kèm phần phương pháp để biết giới hạn.

Khi đọc một tuyên bố mạnh như "thuật toán gây phân cực" hay "thuật toán vô hại", hãy hỏi nghiên cứu đo trong bao lâu, ở nước nào, trên nền tảng nào và đo cái gì.

Câu hỏi thường gặp

Thuật toán đề xuất dựa vào đâu để chọn nội dung cho mình?

Thuật toán dựa vào lịch sử tương tác của bạn như xem bao lâu, bấm thích, bình luận, chia sẻ, lướt qua, cộng với hành vi của người dùng có sở thích tương tự. Một mô hình học máy dự đoán khả năng bạn sẽ tương tác với từng nội dung rồi xếp thứ tự. Trọng số cụ thể là bí mật kinh doanh của từng nền tảng.

Buồng vang và bong bóng lọc khác nhau thế nào?

Bong bóng lọc nhấn vào vai trò của thuật toán lọc bớt thông tin trái chiều mà người dùng không biết. Buồng vang là môi trường chỉ nghe lại ý kiến giống mình, có thể do chính người dùng chọn theo dõi ai và vào nhóm nào. Hai khái niệm liên quan nhưng nguyên nhân khác nhau.

Thuật toán có làm người dùng cực đoan hơn không?

Các thí nghiệm lớn năm 2023 trên Facebook và Instagram cho thấy thay đổi thuật toán trong ba tháng không làm thay đổi đáng kể mức phân cực. Nghiên cứu trên nền tảng video cho kết quả lẫn lộn. Tác động trung bình nhỏ, nhưng có thể lớn với một số nhóm dễ tổn thương.

Chuyển bảng tin sang xếp theo thời gian có tốt hơn không?

Thí nghiệm cho thấy bảng tin theo thời gian khiến người dùng dùng nền tảng ít hơn và thấy nguồn đa dạng hơn, nhưng cũng thấy nhiều nội dung kém tin cậy hơn ở một số nhóm. Đây là lựa chọn có được có mất, không phải giải pháp hoàn hảo. Người dùng nên thử và tự cảm nhận.

Vì sao ứng dụng video ngắn hiểu sở thích nhanh như vậy?

Mỗi video chỉ dài vài chục giây nên trong một buổi tối người dùng tạo ra hàng trăm tín hiệu: xem hết, xem lại, lướt nhanh, dừng lại. Thuật toán học từ các tín hiệu đó nhanh hơn nhiều so với nền tảng có nội dung dài. Đây là lý do cảm giác bị cuốn vào cũng mạnh hơn.

Có luật nào buộc nền tảng minh bạch thuật toán không?

Đạo luật Dịch vụ kỹ thuật số của Liên minh châu Âu buộc các nền tảng rất lớn giải thích tiêu chí chính của hệ thống đề xuất, cung cấp lựa chọn không dựa trên hồ sơ cá nhân, đánh giá rủi ro hệ thống và mở dữ liệu cho nhà nghiên cứu được thẩm định. Nhiều nước khác đang thảo luận quy định tương tự.

Cần tư vấn cụ thể cho trường hợp của bạn?

Chúng tôi sẽ liên hệ trong vòng 24 giờ.

Đăng ký tư vấn ngay

Bài viết liên quan

Bạn cần hỗ trợ thêm?

Để lại thông tin, chúng tôi sẽ liên hệ trong 24 giờ.

hoặc
Gọi ngay 0926 138 138