Bắt đầu với loại tuyên bố đang được đưa ra
“AI có thể làm điều này,” “AGI sẽ sớm xuất hiện,” và “hệ thống này có thể gây ra thảm họa” không phải là cùng một tuyên bố. Chúng cần bằng chứng khác nhau. Một minh chứng được đánh bóng có thể thiết lập rằng một mô hình đã thành công một lần dưới các điều kiện thuận lợi. Nó không thiết lập được độ tin cậy, giá trị kinh tế, hay vận hành tự chủ an toàn. Một dự báo thể hiện một phán đoán về tương lai. Đó không phải là một phép đo về một năng lực hiện tại.
Điều này quan trọng vì AGI không có bài kiểm tra nào được chấp nhận phổ quát. Các định nghĩa nhấn mạnh các tổ hợp khác nhau về bề rộng, hiệu suất, tính tự chủ, học hỏi, năng lực vật lý, và tác động kinh tế. Thay vì hỏi liệu một tiêu đề có chứng minh được AGI hay không, độc giả nên hỏi điều gì đã được đo lường, dưới điều kiện nào, và kết luận đi xa đến đâu ngoài bằng chứng.
Thang bậc dưới đây không phải là một hệ thống xếp hạng cứng nhắc trong đó mọi mục ở một cấp độ đánh bại mọi thứ ở cấp độ dưới nó. Một đánh giá phòng thí nghiệm có thể tái lập được có thể là bằng chứng mạnh hơn cho một cơ chế hẹp so với dữ liệu triển khai nhiễu. Mục đích của nó là bộc lộ các bước suy luận mà các tuyên bố quảng bá và báo động thường che giấu.
Cấp một: giai thoại và minh chứng được tuyển chọn
Các giai thoại tiết lộ những khả năng và các chế độ thất bại. Một bản ghi màn hình về một tác nhân xây dựng một ứng dụng cho thấy rằng ít nhất một lần chạy đã tạo ra kết quả được hiển thị, giả định minh chứng đó là thật. Một ảo giác đáng ngạc nhiên cho thấy một thất bại có thể xảy ra. Không cái nào cho chúng ta biết hành vi đó xuất hiện thường xuyên đến mức nào.
Hãy hỏi liệu người trình bày có chọn lần chạy tốt nhất, chỉnh sửa các khoảng dừng hay thất bại, sử dụng sự hỗ trợ ẩn giấu của con người, hay chọn một nhiệm vụ quen thuộc hay không. Tìm kiếm lệnh nhắc đầy đủ, các công cụ, phiên bản mô hình, cài đặt lấy mẫu, số lần thử, và các trường hợp thất bại. Nếu không có chúng, hãy coi kết quả là một manh mối đáng để điều tra—chứ không phải một tỷ lệ.
Các minh chứng vẫn hữu ích. Các khả năng mới thường xuất hiện dưới dạng lộn xộn trước khi có sự đo lường chính thức. Sai lầm là biến “có thể xảy ra” thành “thường xảy ra,” rồi thành “sẽ biến đổi nền kinh tế.”
Cấp hai: bài đánh giá chuẩn hoặc đánh giá có kiểm soát
Một đánh giá xác định các nhiệm vụ, điều kiện, và quy tắc chấm điểm. Nó có thể so sánh các hệ thống một cách có hệ thống hơn một giai thoại. Các đánh giá mạnh sử dụng các nhiệm vụ giữ lại, ngăn ngừa nhiễm bẩn, báo cáo sự không chắc chắn, ghi lại giàn giáo và sự hỗ trợ của con người, và kiểm tra các chế độ thất bại liên quan. Sự tái lập độc lập làm tăng độ tin cậy.
Điểm số bài đánh giá chuẩn vẫn có thể gây hiểu lầm. Dữ liệu huấn luyện có thể chứa các câu hỏi tương tự. Các đội có thể tối ưu hóa cho một bài kiểm tra công khai. Kiến thức trắc nghiệm không thiết lập được kỹ năng trong một môi trường làm việc chưa quen thuộc. Các mức trung bình che giấu những thất bại đuôi thảm khốc. Một hệ thống thành công 90% thời gian có thể không sử dụng được trong một quy trình 30 bước vì các lỗi tích lũy.
Báo cáo An toàn AI Quốc tế 2026 sử dụng thuật ngữ “khoảng cách đánh giá” cho vấn đề rằng kết quả từ các bài kiểm tra tiền triển khai có kiểm soát không dự đoán được một cách đáng tin cậy hiệu suất trong thế giới thực. Báo cáo cũng mô tả các hồ sơ năng lực hiện tại là “lởm chởm”: hiệu suất thay đổi đáng kể trên các nhiệm vụ và bối cảnh, và các hệ thống có thể thất bại ở công việc có vẻ đơn giản mặc dù thành công ở các đánh giá khó. Đây là những phát hiện về giới hạn của đo lường, không phải bằng chứng rằng mọi bài đánh giá chuẩn đều vô dụng. Một bài viết đáng tin cậy nên báo cáo cả điểm số lẫn những gì bài kiểm tra bỏ sót.
Cấp ba: nghiên cứu đối kháng, nhân quả, và tăng cường
Các tuyên bố rủi ro cần nhiều hơn một bài đánh giá chuẩn tiêu chuẩn. Các đội đỏ tìm kiếm những cách để gợi ra hành vi bị cấm hoặc nguy hiểm. Các thí nghiệm nhân quả thay đổi một đặc điểm và kiểm tra liệu kết quả có thay đổi hay không. Các nghiên cứu tăng cường so sánh những gì con người có thể đạt được với AI so với một đường cơ sở có ý nghĩa, chẳng hạn như chỉ internet.
Những nghiên cứu này trả lời những câu hỏi khác nhau. Một phát hiện của đội đỏ cho thấy khả năng tiếp cận dưới cuộc tấn công đã thử nghiệm, không phải tỷ lệ mắc phải trên toàn dân số. Một đánh giá năng lực có thể cho thấy một mô hình có thể tạo ra một kế hoạch gây hại mà không cho thấy một tác nhân thực sự có thể thực thi nó. Một nghiên cứu tăng cường có thể liên quan hơn đến lạm dụng, nhưng những người tham gia, giới hạn thời gian, đường cơ sở, thước đo kết quả, và các biện pháp bảo vệ của nó quyết định ý nghĩa của nó.
Các mẫu nhỏ tạo ra sự không chắc chắn rộng. Những người tham gia là chuyên gia có thể đánh giá thấp mức tăng cường của người mới bắt đầu nhưng đại diện tốt hơn cho những kẻ tấn công tinh vi. Các nhiệm vụ đại diện tránh tạo ra tổn hại thực sự nhưng có thể bỏ sót các nút thắt cổ chai trong thế giới thực. Kết quả nhanh chóng lỗi thời khi các mô hình và biện pháp kiểm soát thay đổi. Báo cáo tốt nêu tên những giới hạn đó thay vì nén chúng thành “AI cho phép” hay “AI không làm tăng” rủi ro.
Cấp bốn: bằng chứng thực địa và triển khai
Dữ liệu thực tế có thể tiết lộ sự chấp nhận, năng suất, sự cố, lạm dụng, và sự thích ứng của tổ chức. Các thí nghiệm thực địa ngẫu nhiên và các bán-thí nghiệm được thiết kế cẩn thận có thể ước tính các hiệu ứng nhân quả. Cơ sở dữ liệu sự cố và dữ liệu khiếu nại có thể cho thấy tổn hại lặp lại. Kiểm toán có thể phát hiện những chênh lệch mà phòng thí nghiệm của một nhà phát triển không thử nghiệm.
Bằng chứng triển khai cũng có những điểm mù. Các công ty quan sát nhiều hơn những gì họ tiết lộ. Người dùng chọn liệu và cách áp dụng một công cụ, khiến những so sánh đơn giản bị thiên lệch. Các sự cố được báo cáo không giống với mọi sự cố. Một lợi ích năng suất trong hỗ trợ khách hàng không tự động khái quát hóa sang nghiên cứu, quản lý, y tế, hay robot học.
Độc giả nên tìm kiếm dân số, bối cảnh, nhóm so sánh, khoảng thời gian, kết quả, và xung đột lợi ích. “Người lao động hoàn thành nhiều nhiệm vụ hơn” khác với “doanh nghiệp tạo ra nhiều giá trị hơn,” và cả hai đều khác với “việc làm giảm.” Bằng chứng lao động hiện tại về AI tạo sinh không nên bị dán nhãn lại thành bằng chứng về AGI giả định.
Cấp năm: ngoại suy xu hướng và dự báo
Các dự báo kết hợp phép đo với các giả định. Xu hướng năng lực tính toán, tiến bộ thuật toán, đầu tư, hiệu suất bài đánh giá chuẩn, và độ tin cậy của tác nhân có thể cung cấp thông tin cho một dự báo, nhưng không cái nào một mình xác định được một ngày AGI. Các giới hạn có thể nới lỏng, ràng buộc, hoặc dịch chuyển. Các định nghĩa có thể thay đổi.
Nghiên cứu chân trời thời gian của METR ước tính thời gian hoàn thành của chuyên gia con người cho các nhiệm vụ mà tại đó một tác nhân được thử nghiệm được dự đoán sẽ thành công với một độ tin cậy đã nêu, thường là 50 hoặc 80%. Bộ hiện tại của nó chủ yếu bao gồm các nhiệm vụ kỹ thuật phần mềm, học máy, và an ninh mạng tự chứa, được xác định rõ ràng với các quy tắc chấm điểm rõ ràng. Thước đo này là bằng chứng hữu ích về một cấu hình tác nhân đã xác định và phân phối nhiệm vụ. Đó không phải là thời gian AI vận hành tự chủ, một thước đo cho mọi công việc có giá trị kinh tế, hay một đồng hồ đếm ngược đến AGI. METR cũng cảnh báo rằng các phép đo trên 16 giờ là không đáng tin cậy với bộ nhiệm vụ hiện tại của nó.
Đánh giá một dự báo bằng định nghĩa vận hành, ngày tháng, xác suất, mô hình, tỷ lệ cơ sở, và thành tích của nó. Một dự báo được hiệu chuẩn nói, trên thực tế, “các kết quả được gán 30% nên xảy ra khoảng 30% thời gian.” Một ngày tháng tự tin không có tiêu chí giải quyết thì không thể được chấm điểm. Các khảo sát chuyên gia nắm bắt niềm tin có thông tin nhưng không chuyển đổi sự bất đồng thành bằng chứng thực nghiệm.
Các kịch bản phục vụ một mục đích khác. Chúng khám phá các con đường có điều kiện: nếu năng lực, quyền truy cập, tính tự chủ, và phản ứng thể chế nhận các giá trị cụ thể, điều gì sẽ theo sau? Một kịch bản có thể phơi bày các điểm dễ tổn thương mà không cần là tương lai có khả năng xảy ra nhất. Hãy gắn nhãn nó tương ứng.
Cấp sáu: cơ chế và lập luận lý thuyết
Một số rủi ro AGI nghiêm trọng không thể được chứng minh trực tiếp mà không có các hệ thống liên quan—và không nên được tạo ra chỉ để có bằng chứng. Thay vào đó, các nhà nghiên cứu đề xuất các cơ chế như đánh lừa phần thưởng, tìm kiếm tài nguyên công cụ, các cuộc chạy đua cạnh tranh, hoặc sự ủy quyền dần dần. Các mô hình chính thức có thể làm rõ liệu một kết luận có theo sau từ các giả định hay không.
Câu hỏi trung tâm không phải là liệu lập luận có nghe có vẻ sống động hay không. Đó là những tiền đề nào có sự ủng hộ thực nghiệm. Hệ thống có một mục tiêu bền vững hay không? Nó có thể lập kế hoạch qua chân trời được yêu cầu hay không? Nó có quyền truy cập vào công cụ, tiền bạc, hạ tầng, hoặc các bản sao của chính nó hay không? Việc giám sát có thất bại không? Các thể chế có thể phản ứng không? Mỗi liên kết có thể thay đổi xác suất của toàn bộ chuỗi.
Sự vắng mặt của dữ liệu thảm họa trực tiếp không phải là bằng chứng cho rủi ro bằng không. Một con đường khả thi về mặt logic cũng không thiết lập được một xác suất lớn. Các quyết định dưới sự không chắc chắn nên xem xét hậu quả, khả năng đảo ngược, thời gian cảnh báo, và chi phí cùng hiệu quả của các biện pháp bảo vệ. Đó là một phán đoán quản lý rủi ro, không phải một khám phá rằng lý thuyết đã trở thành quan sát.
Sử dụng một thẻ bằng chứng cho các tuyên bố có hậu quả
Đối với bất kỳ tuyên bố lớn nào, hãy ghi lại sáu trường:
- Tuyên bố: mệnh đề hẹp thực sự được khẳng định.
- Trạng thái: kết quả đã quan sát, suy luận, dự báo, kịch bản, hay khuyến nghị.
- Nguồn: nghiên cứu sơ cấp, dữ liệu chính thức, tổng hợp, báo cáo công ty, truyền thông, hay ý kiến.
- Phạm vi: mô hình, phiên bản, nhiệm vụ, dân số, khu vực pháp lý, và ngày tháng.
- Sự không chắc chắn: kích thước mẫu, khoảng tin cậy, sự tái lập, dữ liệu thiếu, và các giải thích thay thế hợp lý.
- Tác nhân kích hoạt cập nhật: bằng chứng nào sẽ củng cố, làm yếu, hoặc rút lại tuyên bố.
Hồ sơ AI Tạo sinh tự nguyện của NIST là một tài liệu đồng hành liên ngành với Khung Quản lý Rủi ro AI, không phải một bài kiểm tra hay chứng nhận AGI. Nó tổ chức các hành động được đề xuất theo các chức năng Quản trị, Lập bản đồ, Đo lường, và Quản lý của khung, và coi quản lý rủi ro là một hoạt động vòng đời. Hướng dẫn đo lường NIST AI RMF rộng hơn kêu gọi thử nghiệm được ghi lại, các thước đo về sự không chắc chắn, đo lường liên quan đến triển khai, giám sát, và rà soát độc lập ở nơi nó có thể giảm thiên lệch nội bộ. Khuôn mẫu chính xác ít quan trọng hơn việc làm cho chuỗi bằng chứng có thể kiểm toán được.
Khớp độ tin cậy với bằng chứng
Việc đưa tin đáng tin cậy về AGI không đòi hỏi sự trung lập giả tạo. Một số sự thật đã được thiết lập vững chắc: các mô hình đang cải thiện trên nhiều đánh giá, các tổn hại thực sự đã xảy ra, năng lực vẫn không đồng đều, và các thể chế có tầm nhìn không đầy đủ. Các mệnh đề khác—ngày tháng AGI, cất cánh gián đoạn, ý thức kỹ thuật số, căn chỉnh ổn định, xác suất tuyệt chủng—vẫn còn gây tranh cãi sâu sắc.
Phản ứng có kỷ luật là sự chính xác. Nói “nghiên cứu phát hiện” khi mô tả kết quả của nó, “các tác giả suy luận” khi vượt ra ngoài nó, “các nhà dự báo gán” khi báo cáo niềm tin, và “kịch bản này giả định” khi khám phá một con đường. Sau đó liên kết nguồn gần với tuyên bố.
Ngôn ngữ đó có thể cảm thấy kém kịch tính hơn một cuộc đếm ngược hay một tuyên bố. Nó hữu ích hơn. Nhân loại sẽ đưa ra những quyết định tốt hơn về AI tiên tiến bằng cách biết bằng chứng ủng hộ điều gì, nó dừng lại ở đâu, và điều gì sẽ thay đổi đánh giá.