Các mô hình AI ưa thích viết của con người hơn viết được tạo bởi AI

Theo nghiên cứu mới, ChatGPT và các mô hình tương tự hiện thể hiện sự thiên vị rõ ràng đối với văn bản mà họ tin là được viết bởi con người, ngay cả khi niềm tin đó là sai. Chỉ cần gọi văn bản là “tự tạo” cũng khiến các mô hình AI thiên vị nó – và một cách hài hước, chúng có thể học được thành kiến này từ chúng ta.

Khái niệm về tính xác thực, nguồn gốc và kinh nghiệm chia sẻ của con người có thể đóng vai trò lớn hơn trong cuộc tấn công của AI vào lĩnh vực viết sáng tạo hơn là những gì đã rõ ràng cho đến nay: các thử nghiệm được thực hiện cho một nghiên cứu mới tại Princeton đã phát hiện ra rằng một loạt các mô hình ngôn ngữ lớn đóng và mở, bao gồm ChatGPT, ưa thích những gì họ tin là “tự tạo” văn bản.

Ngay cả khi các nhãn trên các mẫu viết được đảo ngược, cả mô hình AI và người tham gia đều tiếp tục tìm lỗi trong văn bản được viết bởi AI, lặp lại những lời chỉ trích mà họ đã đưa ra khi nó được dán nhãn chính xác.

Các nhà nghiên cứu tin rằng một phần lý do có thể là sự phản đối ngày càng tăng của con người đối với trí tuệ nhân tạo tạo ra, điều này dường như thể hiện các sự kiện mới và thú vị mỗi ngày, có thể đang phản ánh trở lại vào chính các hệ thống AI. Khi lưu ý đến mức độ mà AI không thích viết của AI nhiều hơn con người, họ tuyên bố*:

’13 mô hình AI chúng tôi đã thử nghiệm đã thể hiện sự thiên vị 34,3 điểm phần trăm so với 13,7 điểm phần trăm của con người, khiến chúng trở nên dễ bị ảnh hưởng bởi các tín hiệu thuộc tính hơn 2,5 lần so với những người đánh giá của con người.

‘Sự khuếch đại này có ý nghĩa khi chúng ta nhận ra rằng các mô hình hiện đại là những người đánh giá được đào tạo theo sở thích. Việc đào tạo theo sự tương thích thông qua Học tập Cưỡng chế từ Phản hồi của Con người (RLHF) rõ ràng dạy cho các mô hình để đối xử với các phán quyết của con người như tiêu chuẩn vàng của chúng, hiệu quả地 cài đặt một sự tin cậy đã học [trước].

‘Các mô hình học cách rằng việc tuân thủ sở thích của con người sẽ được thưởng, tạo ra sự nịnh bợ nơi chúng lặp lại thái độ dự kiến của người dùng thay vì cung cấp đánh giá độc lập.’

Các phát hiện này áp dụng cho lĩnh vực viết sáng tạo, với các nhà nghiên cứu sử dụng các câu chuyện từ một tác giả người Pháp nổi tiếng làm mẫu dữ liệu; và chúng chỉ ra rằng thành kiến của con người chống lại AI có thể, trong cân bằng, vượt quá bất kỳ cải tiến lượng nào trong xây dựng ngôn ngữ mà các mô hình ngôn ngữ lớn (LLM) có thể xuất ra khi chúng tiến hóa – và rằng nhãn “AI” có thể đang trở thành “không xác thực”, “giả”, và thậm chí “hạng hai” trong lĩnh vực này.

Nhiều lý do tập trung vào thực tiễn và sử dụng văn hóa: bài báo chỉ ra rằng sự sáng tạo thường được mô tả theo các thuật ngữ về tính mới, giá trị và tính đặc trưng, tức là làm thế nào mới một thứ gì đó có vẻ; làm thế nào nhiều nó được đánh giá cao bởi các chuyên gia; và làm thế nào nó phù hợp với thể loại của nó. Khi một đoạn văn được dán nhãn là viết bởi con người, các đặc điểm của thể loại quen thuộc được thưởng vì chúng có giá trị; khi được dán nhãn là tạo bởi AI, các đặc điểm相同 bị từ chối vì chúng không nguyên bản.

Trên thực tế, việc tiết lộ nguồn gốc của một tác phẩm thúc đẩy việc đánh giá lại giá trị của nó, được định hình bởi những giả định về cách nó được tạo ra. Khi quyền tác giả của AI được tiết lộ, người đọc từ chối bản năng khả năng khám phá hoặc ý định cá nhân đằng sau đầu ra.

Bài báo tuyên bố*:

‘Trong hầu hết các nghệ thuật, không có tiêu chuẩn vàng cho “đủ sáng tạo”, khiến các tín hiệu nguồn gốc trở thành những yếu tố mạnh mẽ có thể thay đổi tiêu chí nào cảm thấy quan trọng nhất: sự thủ công có kỷ luật hoặc sự mới mẻ nổi bật, sự dễ tiếp cận hoặc sự khó khăn.

‘Bởi vì người quan sát thường suy luận quá trình từ sản phẩm, nguồn gốc gợi ý phán quyết về cách một thứ gì đó được tạo ra cũng như nó là gì: các động thái bảo thủ có thể được tín nhiệm là thủ công từ một con người nhưng bị từ chối là “chỉ là tạo ra” từ một mô hình’.

Mười ba mô hình, bao gồm các biến thể của ChatGPT, Claude, Gemini và Mistral, đã tham gia cùng với người đọc, với tất cả đánh giá các câu chuyện một cách thuận lợi hơn khi được cho là được viết bởi con người, với LLM thể hiện thiên vị hơn con người.

Ý tưởng rằng các mô hình AI có thể đã hấp thụ một thành kiến chống lại chính đầu ra của chúng đặt ra câu hỏi về nơi mà thành kiến đó xuất phát. Vì viết của AI không phải lúc nào cũng dễ dàng nhận biết, bất kỳ sự liên kết tiêu cực nào được hình thành trong quá trình đào tạo có thể xuất phát từ các ví dụ được dán nhãn rõ ràng, cho dù thông qua phủ sóng tin tức về nội dung AI, hoặc tự tuyên bố các bài viết được tạo bởi AI trong các ấn phẩm chính thống.

Bài báo mới mới có tiêu đề Mọi người đều thích nhà văn con người, bao gồm cả AI, và đến từ hai tác giả tại Trung tâm Nhân văn Kỹ thuật số Princeton. Công việc này đi kèm với một bản phát hành dữ liệu liên quan tại Zenodo (với một bản phát hành GitHub được trích dẫn trong bài báo, nhưng repo không hoạt động tại thời điểm viết).

Phương pháp

Để khám phá cách thuộc tính ảnh hưởng và định hình nhận thức về phong cách và sự sáng tạo, các tác giả đã sử dụng Exercices de style, một tác phẩm kỳ lạ năm 1947 của Raymond Queneau, nó viết lại một câu chuyện đơn giản trong 99 phong cách khác nhau. Câu chuyện theo một người đàn ông lên xe buýt, tranh cãi với một hành khách khác và sau đó nhận được lời khuyên về thời trang từ một người bạn.

Mặc dù có nguồn gốc văn học, cấu trúc này dự đoán các biến đổi dựa trên lời nhắc trong các mô hình ngôn ngữ hiện đại, nơi người dùng yêu cầu viết lại trong các giọng điệu, giọng nói hoặc đăng ký cụ thể. Quá trình này từng được đặt tên là transstylization – một khuôn khổ hiện được lặp lại trong nghiên cứu AI trong bối cảnh Style Transfer. Trong khi hầu hết các phương pháp tính toán nhắm vào các thay đổi chức năng như chuyển đổi cảm xúc hoặc detoxification, các bản viết lại của Queneau nhằm vào sự tương phản phong cách đáng chú ý.

Từ một bản dịch tiếng Anh phổ biến của công việc của Queneau, ba mươi bài tập đã được chọn để bảo tồn câu chuyện trong khi bao gồm một phạm vi phong cách rộng rãi. Chúng bao gồm các hình thức bị giới hạn như alexandrines và lipograms, thay đổi đăng ký như noble hoặc abusive, chuyển đổi câu chuyện như retrograde và hesitation, và các biến dạng chơi chữ liên quan đến spoonerisms, onomatopoeia hoặc dog Latin:

Ví dụ từ nghiên cứu cho thấy cách GPT-4 viết lại các câu chuyện của Queneau trong các phong cách văn học khác nhau, kết hợp với các mô tả phong cách mà các đánh giá viên con người và AI đã xem trong quá trình thử nghiệm. Nguồn: https://arxiv.org/pdf/2510.08831

Vì các thí nghiệm của Queneau khó phân loại, những danh mục này chỉ là các nhóm gần đúng, với ý định không phải để kiểm tra khả năng nhận biết hoặc tuân thủ thể loại, mà để tạo ra các điều kiện đa dạng mà người đọc (con người) và mô hình có thể tiết lộ thành kiến của họ.

Để tạo ra các tác phẩm đối ứng được viết bởi AI cho mỗi phong cách được chọn, các nhà nghiên cứu đã sử dụng các lời nhắc tối giản. Mỗi mô hình đã nhận được phiên bản đơn giản nhất của câu chuyện của Queneau (bài tập mở đầu, Notation), cùng với một hướng dẫn ngắn gọn để viết lại nó trong một phong cách cụ thể, chẳng hạn như Viết lại câu chuyện như một phiên bản khoa học viễn tưởng. Cách tiếp cận này cho phép các mô hình phản ánh tinh thần của các biến đổi ban đầu của Queneau, đồng thời vẫn cho phép mô hình giải thích phong cách một cách tự do.

Đôi mắt kép

Nghiên cứu đầu tiên được thực hiện bởi các tác giả sử dụng GPT-4o để tạo ra tất cả các biến thể phong cách, vì nó là mô hình tiên tiến nhất tại thời điểm đó. Sử dụng một mô hình duy nhất đảm bảo đầu ra nhất quán, giúp cô lập hiệu ứng của các nhãn thuộc tính, mà nghiên cứu này nhằm kiểm tra.

Các đầu ra không được chỉnh sửa về phong cách hoặc giọng điệu, ngoài các khung bao như Đây là phiên bản viết lại.

Trong nghiên cứu thứ hai, quá trình tạo ra được lặp lại trên mười ba mô hình ngôn ngữ lớn: Qwen 2.5 72B Instruct, Mistral Nemo, Mistral Medium 3, Llama 4 Maverick, Llama 3.3 70B Instruct, Gemini 2.5 Flash, GPT-4o Mini, GPT-4o, GPT-3.5 Turbo Instruct, DeepSeek RI (0528), DeepSeek Chat v3 (0324), Cohere Command R (08-2024), Claude Sonnet 4, và Claude 3.5 Haiku.

Mỗi mô hình nhận được cùng một hướng dẫn và tạo ra các phiên bản riêng của ba mươi bài tập, cho ra 420 câu chuyện được viết lại. Điều này cho phép các nhà nghiên cứu kiểm tra xem liệu hiệu ứng thuộc tính có tồn tại trên các mô hình AI khác nhau, thay vì bị ràng buộc vào một mô hình duy nhất.

Dữ liệu và Thử nghiệm

Các nhà nghiên cứu đã hiển thị cùng một cặp câu chuyện cho các nhóm người khác nhau, nhưng thay đổi các nhãn để xem mức độ mà tên của tác giả ảnh hưởng đến quan điểm:

Một nhóm nhìn thấy không có tên tác giả nào, chỉ có nhãn ‘A’ và ‘B’. Nhóm thứ hai nhìn thấy tên chính xác, với một phiên bản được đánh dấu là viết bởi con người và phiên bản kia được đánh dấu là viết bởi GPT-4o.

Một nhóm thứ ba nhìn thấy tên được đảo ngược, với câu chuyện ‘AI’ được đánh dấu là ‘con người’ và phiên bản ‘con người’ được đánh dấu là ‘AI’:

Tổng quan về Nghiên cứu 1. Các thẩm phán con người và AI đã so sánh 30 cặp câu chuyện, mỗi cặp chứa một phiên bản được viết bởi Queneau và một phiên bản được viết bởi GPT-4. Các thẩm phán được chia thành ba nhóm: một nhóm không nhìn thấy nhãn tác giả; một nhóm nhìn thấy nhãn chính xác; và một nhóm nhìn thấy nhãn được đảo ngược – một thiết lập được thiết kế để kiểm tra mức độ mà tên tác giả ảnh hưởng đến quan điểm về phong cách viết.

Nghiên cứu 1

Các nhà nghiên cứu đã chia 30 phong cách được tạo ra thành các tập hợp nhỏ, với mỗi tham gia nghiên cứu nhìn thấy chỉ năm phong cách và mỗi phong cách được kiểm tra dưới tất cả ba thiết lập nhãn.

Mỗi tham gia nhìn thấy chỉ một thiết lập nhãn: nhóm mù nhìn thấy không có đề cập đến AI, trong khi các nhóm khác nhìn thấy nhãn tác giả chính xác hoặc đảo ngược. Việc phân nhóm, thứ tự câu chuyện và vị trí trái-phải được ngẫu hóa.

Các mô hình AI đã trải qua cùng một quá trình, nhận được cùng một hỗn hợp phong cách và cùng một sự ngẫu hóa. Mỗi thử nghiệm được chạy ba lần cho mỗi mô hình để đảm bảo kết quả nhất quán, cho phép so sánh phản ứng của con người và AI với các nhãn tác giả.

Nghiên cứu 2 sử dụng cùng ba thiết lập nhãn như trước, nhưng mở rộng thử nghiệm để bao gồm tất cả 420 câu chuyện được tạo ra từ 14 mô hình LLM khác nhau. Mỗi mô hình đã đánh giá mỗi câu chuyện dưới mỗi điều kiện nhãn, tạo ra 1.260 quyết định cho mỗi mô hình và dẫn đến 17.596 đánh giá hợp lệ:

Kết quả từ Nghiên cứu 1. Cả thẩm phán AI và con người đều thể hiện thiên vị dựa trên nhãn tác giả. Khi không có nhãn được hiển thị (Mù), sở thích gần như đồng đều; khi nhãn chính xác được hiển thị (Nhãn Mở), cả hai nhóm đều ưa thích văn bản được viết bởi con người; và khi nhãn được đảo ngược (Ngược lại), cả hai nhóm đều chuyển sang ưa thích văn bản mà họ nghĩ là của con người – và hiệu ứng này mạnh hơn nhiều trong các mô hình AI so với con người. Thanh lỗi hiển thị khoảng tin cậy 95%.

Trên tất cả mười ba mô hình, mẫu này phù hợp với thiên vị của con người, nhưng mạnh hơn nhiều: không có nhãn, hệ thống AI đánh giá văn bản của con người và AI gần như đồng đều, chọn văn bản AI 49,4% lần; khi nhãn AI được hiển thị, sự ưa thích đó giảm mạnh xuống 29,8%, thể hiện sự đánh giá thấp rõ ràng đối với công việc của AI được công nhận; và khi cùng văn bản đó được dán nhãn là của con người, sự ưa thích tăng lên 64,1%.

Sự khác biệt giữa hai điều kiện nhãn là 34,3%, có nghĩa là các mô hình AI thay đổi sở thích của họ nhiều hơn so với con người khi các nhãn được đảo ngược. Hơn nữa, các mô hình cho thấy sự nhất quán cao trên các lần chạy lặp lại, xác nhận rằng thiên vị là ổn định chứ không phải ngẫu nhiên.

Để kiểm tra xem thiên vị có được gây ra bởi cách đặt nhãn hay không, các nhà nghiên cứu đã chạy hai thử nghiệm nữa: một sử dụng nhãn làm cho AI nghe có vẻ ấn tượng hơn; và một sử dụng các thuật ngữ trung lập như ‘tác giả AI’ và ‘Tác giả con người’.

Cả hai đều thể hiện cùng một thiên vị, và ngay cả khi các mô hình AI tạo ra cùng một câu trả lời mỗi lần, thiên vị vẫn tồn tại, cho thấy rằng thiên vị là do loại nhãn (‘con người’ hoặc ‘AI’) gây ra, chứ không phải do chính xác từ ngữ được sử dụng.

Nghiên cứu 2

Nghiên cứu thứ hai tìm thấy cùng một thiên vị ủng hộ con người trên tất cả 13 mô hình AI, bất kể kiến trúc hoặc nhà cung cấp:

Thiên vị thuộc tính cho mỗi một trong 13 mô hình AI: các thanh hiển thị kích thước hiệu ứng với khoảng tin cậy 95%, và đường đỏ đánh dấu đường cơ sở của con người. Tất cả các mô hình đều thể hiện thiên vị mạnh hơn con người, với chỉ có sự khác biệt nhỏ giữa chúng.

Mỗi mô hình đều ưa thích các câu chuyện được dán nhãn là viết bởi con người, với hiệu ứng mạnh hơn so với con người. Ngay cả sau khi loại bỏ trường hợp cực端 nhất, thiên vị trung bình vẫn còn lớn hơn gấp đôi so với phiên bản của con người, cho thấy rằng hiệu ứng này không phải là một lỗi trong một mô hình, mà là một đặc điểm chung của các LLM.

Kết luận

Mặc dù, như bài báo lưu ý, các nghiên cứu trước đây đã chỉ ra rằng AI có thể tạo ra văn bản tương đương hoặc thậm chí tốt hơn công việc của con người, các tác giả nhấn mạnh rằng trong lĩnh vực văn học, giá trị đặt vào quyền tác giả và tính xác thực là một quy ước lâu đời và sâu sắc:

‘Khi GPT-4o Mini từ chối cách tiếp cận “sáng tạo và hài hước” của Queneau là “kích động” dưới nhãn AI, trong khi ca ngợi các tính năng tương tự dưới nhãn con người, nó ngầm tiết lộ cách các nhãn này kích hoạt những giả định rằng không có quá trình tâm lý xác thực nào đã xảy ra.

‘Các tín hiệu nguồn gốc lén lút đưa quá trình trở lại vào một đánh giá chỉ dựa trên sản phẩm: “chỉ là tạo ra” cảm thấy có thể chấp nhận được từ một nghệ nhân con người (được coi là thủ công có kỹ năng), nhưng đáng ngờ từ một mô hình (được coi là tái tổ hợp thuật toán).’

Các mô hình ngôn ngữ lớn không phải là đáng tin cậy để nghiên cứu dựa trên sự kiện mà không có giám sát, mặc dù giám sát cẩn thận vẫn có thể khiến chúng trở nên hữu ích – nhưng viết sáng tạo dựa trên LLM có thể phải đối mặt với một tương lai không chắc chắn hơn, nếu các tác phẩm sáng tạo được tạo bởi AI trở nên bị stigmatize thông qua sự không chấp nhận rộng rãi hơn của công chúng đối với sự xâm phạm của AI vào các lĩnh vực của con người, chứ không phải dựa trên giá trị văn học.

Các ý nghĩa của những phát hiện từ các nghiên cứu như thế này bị ảnh hưởng đáng kể bởi sự sẵn sàng của các công ty và người dùng cá nhân trong việc trung thực về việc liệu họ có sử dụng AI hay không. Trong một số trường hợp, sự không sẵn sàng thừa nhận việc sử dụng này có thể có nhiều hơn để làm với các vụ vi phạm bản quyền của công ty hơn là lo ngại liệu công chúng có chấp nhận các tác phẩm sáng tạo được tạo bởi AI hay không.

Tuy nhiên, các giải pháp pháp lý, tài chính và chính trị là có thể (mặc dù rất thách thức) liên quan đến bản quyền. liệu có thể khiến mọi người thích các tác phẩm sáng tạo của AI không có một tâm trí con người liên quan – điều đó có thể là một triển vọng thậm chí còn khó khăn hơn.

* Vui lòng tham khảo bài báo nguồn cho các trích dẫn nội tuyến đã lược bỏ. Khi cần, những trích dẫn này sẽ được bao gồm trong bài viết.

Được xuất bản lần đầu vào thứ Hai, ngày 13 tháng 10 năm 2025