Cùng một câu hỏi mà chatbot trả lời mỗi lần một khác là bình thường, không phải lỗi: khi tạo câu trả lời, mô hình có yếu tố ngẫu nhiên để câu chữ tự nhiên và đa dạng, và kết quả còn bị ảnh hưởng bởi lịch sử trò chuyện, cài đặt cá nhân, kết quả tìm kiếm cũng như việc hãng cập nhật mô hình. Khác về câu chữ thì không sao; khác về sự thật, như con số, kết luận, tên người, thì đó là dấu hiệu chatbot không chắc và bạn phải tự kiểm.
Nhiều người mới dùng thấy khó chịu vì máy tính “lẽ ra phải cho cùng một kết quả”. Bài này giải thích vì sao chatbot không như vậy, biến điểm này thành công cụ kiểm tra hữu ích, và hướng dẫn cách có câu trả lời ổn định hơn khi bạn cần.
Vì sao chatbot không trả lời giống hệt nhau
Khi viết câu trả lời, mô hình chọn từng chữ một. Ở mỗi bước, có nhiều chữ hợp lý để chọn, mỗi chữ có một khả năng nhất định. Thay vì luôn chọn chữ có khả năng cao nhất, mô hình được cài để thỉnh thoảng chọn chữ khác trong nhóm hợp lý. Một lựa chọn nhỏ ở đầu câu kéo theo cả câu sau đi một hướng khác, nên hai lần trả lời có thể khác nhau khá nhiều dù cùng ý.
Các hãng làm vậy có chủ ý: nếu lúc nào cũng chọn chữ khả năng cao nhất, câu trả lời dễ bị khô cứng, lặp lại, và những việc sáng tạo như đặt tên, viết thơ, gợi ý ý tưởng sẽ kém hẳn. Yếu tố ngẫu nhiên giúp bạn có nhiều phương án khi bấm tạo lại.
Ngoài yếu tố ngẫu nhiên, còn những lý do khác khiến câu trả lời thay đổi: bạn hỏi trong một cuộc trò chuyện đã có nhiều lượt trước, chatbot có ghi nhớ khác về bạn, chế độ tìm kiếm trả về các trang khác nhau tuỳ thời điểm, hay hãng vừa cập nhật mô hình mà bạn không để ý. Chỉ cần đổi một chữ trong câu hỏi, câu trả lời cũng có thể khác.
Khác kiểu nào thì bình thường, khác kiểu nào phải lo
Mức độ khác nhau giữa các lần trả lời cho bạn biết nhiều điều. Bảng dưới giúp bạn đọc tín hiệu, các ví dụ đều là giả định.
| Kiểu khác biệt | Ví dụ giả định | Ý nghĩa |
|---|---|---|
| Khác câu chữ, cùng ý | Hai lần giải thích cách tiết kiệm điện, diễn đạt khác nhau nhưng cùng các mẹo | Bình thường, dùng bản nào cũng được |
| Khác thứ tự, khác ví dụ | Danh sách mười gợi ý quà tặng, lần này có vài món khác lần trước | Bình thường, thậm chí có lợi khi cần nhiều ý |
| Khác độ dài, độ chi tiết | Một lần ba dòng, một lần nửa trang | Chưa dặn rõ độ dài; thêm yêu cầu |
| Khác con số, tên, ngày | Lần đầu nói một năm, lần sau nói năm khác cho cùng một sự kiện | Dấu hiệu không chắc; phải kiểm nguồn |
| Khác kết luận | Một lần khuyên nên làm, một lần khuyên không nên | Câu hỏi phụ thuộc điều kiện chưa nêu, hoặc chatbot không chắc |
Hai dòng cuối là quan trọng nhất. Khi một sự thật thay đổi giữa các lần hỏi, ít nhất một trong các câu trả lời sai, và có thể tất cả đều sai. Đừng chọn câu trả lời mình thích nghe hơn.
Biến sự khác biệt thành phép kiểm tra
Hỏi hai ba lần với câu hỏi quan trọng. Với một thông tin bạn định dùng thật, tạo lại câu trả lời hai ba lần hoặc hỏi ở các cuộc trò chuyện mới. Nếu chi tiết quan trọng giữ nguyên, khả năng đúng cao hơn, dù vẫn chưa chắc chắn. Nếu chi tiết thay đổi, bạn biết ngay chỗ cần kiểm.
Hỏi theo cách diễn đạt khác. Đặt câu hỏi theo hướng ngược lại hoặc từ góc khác. Câu trả lời vững thường nhất quán dù bạn hỏi kiểu gì; câu trả lời yếu hay lung lay theo cách hỏi.
Yêu cầu chatbot so sánh chính nó. Dán hai câu trả lời khác nhau vào và hỏi: “Hai câu trả lời này khác nhau ở điểm nào, điểm nào đúng, căn cứ là gì?” Chatbot thường chỉ ra được những chỗ cần làm rõ, nhưng phần kết luận vẫn cần bạn kiểm.
Tận dụng khi cần ý tưởng. Với việc sáng tạo, bấm tạo lại vài lần rồi gom những ý hay nhất từ các bản là cách nhanh để có danh sách phong phú. Ở đây, sự khác biệt là điểm mạnh.
Ghi lại điểm chung giữa các lần. Khi đã hỏi nhiều lần, liệt kê những điểm mà mọi câu trả lời đều nhắc tới và những điểm chỉ xuất hiện một lần. Phần chung là khung tham khảo tốt để bắt đầu; phần chỉ xuất hiện một lần cần được tra kỹ trước khi dùng.
Cách có câu trả lời ổn định hơn
Có những việc bạn cần chatbot trả lời nhất quán, như phân loại phản hồi của khách theo cùng tiêu chí, hay soạn thông báo theo cùng một khung mỗi tuần. Các bước sau giúp giảm khác biệt:
- Viết yêu cầu đầy đủ, cụ thể: mục đích, đối tượng đọc, độ dài, hình thức trình bày, những gì phải có và không được có.
- Đưa tiêu chí rõ ràng khi cần đánh giá hay phân loại, ví dụ “xếp vào một trong ba nhóm: khen, phàn nàn về giao hàng, phàn nàn về sản phẩm; nếu không thuộc nhóm nào ghi là khác”.
- Kèm một ví dụ mẫu về kết quả mong muốn để chatbot bám theo.
- Cung cấp dữ liệu đầu vào thay vì để chatbot tự nhớ hay tự tìm.
- Lưu câu lệnh đã chạy tốt thành mẫu, dùng lại nguyên văn mỗi lần, mở cuộc trò chuyện mới để lịch sử cũ không ảnh hưởng.
- Nếu nhiều người trong nhóm cùng làm một việc, dùng chung một mẫu câu lệnh để kết quả đồng đều.
Làm vậy không xoá hết sự khác biệt về câu chữ, nhưng giảm nhiều khác biệt về nội dung và hình thức. Với những việc cần kết quả giống hệt nhau tuyệt đối, như tính toán hay đối chiếu dữ liệu, dùng bảng tính hoặc phần mềm chuyên dụng thay vì chatbot.
Ví dụ giả định: hai câu trả lời về lịch tiêm cho con
Chị Mai ở Bình Dương cũ, nay thuộc Thành phố Hồ Chí Minh, ví dụ giả định, hỏi chatbot về các mũi tiêm chủng thường gặp cho trẻ dưới một tuổi. Lần đầu chatbot liệt kê một danh sách theo tháng tuổi. Chị bấm tạo lại để xem có gì thêm, và thấy danh sách thứ hai ghi một mũi ở tháng tuổi khác với lần đầu.
Đây đúng là kiểu khác biệt cần lo: không phải khác câu chữ mà khác thông tin cụ thể, lại ở chủ đề sức khoẻ trẻ em. Chị không chọn bản nào cả. Chị dùng hai danh sách làm bản nháp để biết cần hỏi những gì, rồi đối chiếu với sổ tiêm chủng của con và hỏi cán bộ y tế tại trạm y tế phường.
Cách dùng này đúng vai của chatbot: giúp người hỏi chuẩn bị, nắm được khái niệm, biết đặt câu hỏi, còn lịch tiêm cụ thể cho từng trẻ do cơ sở y tế quyết định theo tình trạng của trẻ và hướng dẫn hiện hành. Sự khác biệt giữa hai câu trả lời, trong trường hợp này, đã giúp chị tránh tin nhầm một con số.
Khi hãng cập nhật mô hình: câu lệnh cũ cho kết quả khác
Một nguyên nhân ít người để ý là hãng thay đổi mô hình phía sau. Bạn có một câu lệnh mẫu dùng mấy tháng nay cho kết quả rất ưng, bỗng một ngày kết quả khác hẳn: dài hơn, giọng khác, định dạng khác. Có thể không phải bạn làm gì sai, mà công cụ đã chuyển sang phiên bản mới hoặc thay đổi mô hình mặc định.
Khi gặp tình huống này, đừng vội viết lại toàn bộ. Trước hết xem giao diện có cho chọn mô hình không và mô hình đang dùng là gì. Sau đó thử điều chỉnh câu lệnh từng chút: thêm yêu cầu về độ dài, định dạng, giọng văn mà trước đây không cần ghi vì mô hình cũ tự làm đúng.
Với công việc lặp lại quan trọng, nên giữ vài ví dụ kết quả tốt từ trước để làm chuẩn so sánh. Khi mô hình đổi, bạn chạy lại câu lệnh với cùng dữ liệu, so với kết quả chuẩn, và biết ngay cần chỉnh chỗ nào. Thói quen này đặc biệt có ích với nhóm làm việc chung một mẫu, tránh mỗi người tự sửa một kiểu.
Khi nào cần kiểm lại: quy tắc gọn cho người bận
Nếu bạn không có thời gian hỏi đi hỏi lại, hãy nhớ quy tắc đơn giản: chỉ cần kiểm khi câu trả lời có thông tin cụ thể và bạn sẽ dùng nó cho việc có hậu quả. Một câu gợi ý cách trang trí bàn tiệc không cần kiểm; một con số về liều dùng, một thời hạn nộp hồ sơ, một điều khoản trong hợp đồng thì phải kiểm, kể cả khi chatbot trả lời nhất quán.
Nhất quán không có nghĩa là đúng. Một mô hình có thể sai một cách ổn định, lần nào cũng đưa cùng một thông tin cũ hoặc cùng một chi tiết bịa, vì nó đã học sai từ dữ liệu. Hỏi nhiều lần giúp phát hiện chỗ không chắc, nhưng không thay được việc đối chiếu với nguồn chính thức.
Cuối cùng, khi bạn chia sẻ câu trả lời của chatbot cho người khác và họ tự hỏi lại thấy khác, đừng tranh cãi bản nào đúng dựa trên câu trả lời của chatbot. Cùng mở nguồn gốc ra xem, hoặc hỏi người có chuyên môn. Đó là cách nhanh nhất để chốt một thông tin.
Với người dùng trong công việc, một thói quen đáng tập là ghi lại câu lệnh và ngày hỏi bên cạnh kết quả quan trọng. Khi cần giải thích vì sao có con số hay nhận định đó, bạn có đủ dấu vết để hỏi lại, đối chiếu, hoặc cho người khác kiểm tra cùng một cách. Đây cũng là cách để nhận ra khi nào sự thay đổi đến từ mô hình chứ không phải từ dữ liệu của bạn.
Câu hỏi thường gặp
Có cách nào bắt chatbot luôn trả lời giống hệt nhau không?
Với ứng dụng chatbot thông thường, người dùng không chỉnh được mức ngẫu nhiên. Bạn chỉ giảm được khác biệt bằng cách viết yêu cầu cụ thể, đưa tiêu chí, ví dụ mẫu và dữ liệu đầu vào. Một số công cụ dành cho lập trình viên cho chỉnh mức ngẫu nhiên, nhưng vẫn không đảm bảo giống hệt tuyệt đối.
Câu trả lời nào đúng hơn, lần đầu hay lần sau?
Không có quy luật nào cho thấy lần đầu hay lần sau đúng hơn. Nếu hai lần khác nhau về thông tin cụ thể, coi cả hai là chưa được kiểm và đối chiếu với nguồn chính thức. Chọn bản mình thích nghe hơn là cách dễ sai nhất.
Hai người hỏi cùng một câu có nhận cùng câu trả lời không?
Thường là không giống hệt. Ngoài yếu tố ngẫu nhiên, mỗi người có cài đặt cá nhân, ghi nhớ, lịch sử trò chuyện và có thể dùng phiên bản mô hình khác nhau. Vì vậy, chụp màn hình câu trả lời của chatbot không phải là bằng chứng cho một sự thật.
Bấm tạo lại nhiều lần có tốn lượt dùng không?
Ở nhiều dịch vụ, mỗi lần tạo lại được tính như một lượt trả lời mới, nên tốn vào giới hạn sử dụng, nhất là ở bản miễn phí. Bạn dùng tạo lại có mục đích, như kiểm một thông tin quan trọng hay lấy thêm ý tưởng, thay vì bấm liên tục.
Vì sao hỏi trong cuộc trò chuyện cũ và cuộc trò chuyện mới cho kết quả khác?
Trong cuộc trò chuyện cũ, chatbot đọc cả những lượt trước, nên câu trả lời bị ảnh hưởng bởi bối cảnh đó. Cuộc trò chuyện mới bắt đầu trống, chỉ có cài đặt cá nhân và ghi nhớ nếu có. Muốn so sánh công bằng, hỏi ở các cuộc trò chuyện mới.
Dùng chatbot chấm điểm hay phân loại có công bằng không khi câu trả lời thay đổi?
Có rủi ro thiếu nhất quán, nhất là khi tiêu chí mơ hồ. Nếu dùng, cần tiêu chí rõ, ví dụ mẫu và người kiểm lại kết quả. Với việc liên quan đến trẻ em, không dùng chatbot chấm điểm hay xếp hạng các em; chỉ dùng để gợi ý nhận xét mang tính khích lệ cho giáo viên, phụ huynh tham khảo.