Công nghiệp hoá Nhân hoá

Các tin tuyển dụng ngắn hạn và dịch vụ tại các nền tảng làm việc tự do như Upwork và Fiverr hiện nay thường xuyên xuất hiện từ ‘humanize’, với nhiều công việc và nhà cung cấp đề xuất các mức độ che giấu khác nhau về việc một bài viết được viết, hoặc được viết một phần, hoặc được đồng viết bằng AI.

Xu hướng ‘Humanize’ trên các bài đăng thực tế tại Upwork.

Nhu cầu về các dịch vụ con người và tự động có thể viết lại đầu ra bị ‘ô nhiễm’ AI sao cho trông như một con người đã ngồi xuống và lao động trong vài giờ, cho thấy một sự đồng thuận chung đã được đạt được rằng ‘cảm giác con người’ là cần thiết cho kết nối và tiếp cận – và khối lượng nội dung khổng lồ trong thời đại AI sẽ làm cho kết nối đó trở nên thiết yếu một lần nữa.

Tôi cá nhân muốn tin như vậy, nhưng thực tế không nhất thiết như vậy – không ít vì các hướng dẫn của Google về vấn đề này đối xử với chất lượng của văn bản, thay vì cách thức nó được tạo ra.

Sự thật là, hiện tại chúng ta chưa biết chính xác bao nhiêu và loại nào AI mà chúng ta sẵn sàng chấp nhận, hoặc mức độ mà chúng ta có thể biện minh cho những lợi ích mà hàng tỷ người trong chúng ta nhận được từ AI mỗi ngày so với cảm giác ‘đồng lõi’ và sự quyến rũ đạo đức liên quan đến những tác động rộng hơn của công nghệ.

Các danh sách công việc đã đề cập ở trên cũng phản ánh điều này; ở đó, các nhà sáng tạo và công ty đang khao khát tự động hoá, có lẽ vì họ muốn xuất bản quy mô lớn, điều này chính là thực tiễn mà Google hứa sẽ trừng phạt một cách cụ thể trong thuật toán xếp hạng của mình. Đồng thời, họ đang tìm kiếm cả các phương pháp tự động và dựa trên con người để ‘công nghiệp hoá’ sự nhân bản hoá.

Nó gợi nhớ cho tôi phần nào đến một trong những trò đùa hay nhất trong các tiết mục hài kịch neurodivergent của Steven Wright vào những năm 1980:

‘Trong nhà tôi, tôi có một lò sưởi vi sóng. Tôi có thể nằm trước ngọn lửa vào buổi tối chỉ trong 8 phút.’

Hình dạng của Sự Vô Dụng Sắp Tới

Như thường lệ, những suy nghĩ này được truyền cảm hứng từ việc tôi lướt qua Arxiv hàng ngày, hôm nay tôi đặc biệt chú ý tới một bài báo của Jochen Madler tại công ty tự động hoá tiếp thị Sitefire, có tiêu đề SlopShape: Identifying AI-Generated Commercial Web Content.

Tôi thường không quan tâm tới các bài báo có tác giả duy nhất, theo nguyên tắc ‘Victor Frankenstein’, nhưng giả thuyết của bài này rất đơn giản, và phương pháp kiểm tra chắc chắn.

Nghiên cứu về cơ bản nói rằng khi một bài viết do AI tạo ra được viết lại hoàn toàn, ngay cả bởi con người, nó vẫn giữ lại một dấu hiệu kiến trúc đặc trưng nằm ở mức cao hơn mức từ ngữ, bao gồm một ‘hình dạng’ đặc trưng không thể bị xóa bỏ bằng bất kỳ mức độ diễn đạt lại hay chỉnh sửa bề mặt nào của văn bản:

So sánh các mẫu cấu trúc trong bài đăng do con người và AI viết. Bài viết của con người thường sử dụng các kết hợp cấu trúc hiếm hơn, trong khi năm mô hình AI đều ưa chuộng các kết hợp truyền thống hơn. Nguồn

Rõ ràng, người ta có thể khắc phục vấn đề này (nếu coi nó là vấn đề) bằng cách tự lên kế hoạch cho quá trình viết, và hoặc không dùng AI chút nào, hoặc chỉ dùng nó cho các thành phần riêng biệt mà bạn tự lên kế hoạch.

Tuy nhiên, như các quảng cáo cuồng nhiệt trên Upwork chứng minh, đây không phải là điều mong muốn; người ta có thể suy ra từ tông giọng của những tin đăng như vậy rằng nội dung bài viết không chỉ nên được cấu trúc bởi AI, mà còn được lên ý tưởng bởi AI – tức là, một mô hình ngôn ngữ lớn sẽ đề xuất các chủ đề phù hợp với mục tiêu tổng thể của công ty hoặc thực thể.

Sau đó, hoàn toàn có thể dự đoán rằng AI sẽ tạo ra các bản nháp tiến triển của nội dung, với thành phần phần cứng gây phiền toái chỉ xuất hiện ở phần kết và một chút màu nhuộm nhân tính (mặc dù lý tưởng thì quá trình này sẽ dần phát triển thành một quy trình Python).

Đặc điểm Nổi bật

Tác giả của bài báo mới này đã thu thập những hiểu biết này bằng cách thu thập một vài nghìn bài đăng blog công ty ngay trước khi ChatGPT ra mắt và lan tỏa (2020-2022) và suy ra các lời nhắc từ chúng.

Nói cách khác, ông đã sử dụng Gemini 3 Flash để đọc các bài báo thực tế do con người viết và thiết kế lại một lời nhắc nhằm tạo ra tác phẩm tương tự trên một số mô hình ngôn ngữ lớn hàng đầu, cụ thể là GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6, và Gemini 3.

Các lời nhắc này sau đó được dùng để tạo ra năm phiên bản AI cho mỗi bài đăng thực của con người, từ đó đặc điểm được trích xuất, cuối cùng sẽ mô tả “hình dạng” nội dung đặc thù cho từng mô hình LLM; và Madler ghi chú rằng “các bài đăng AI có một hình dạng gọn gàng, tự công bố”.

Toàn bộ nghiên cứu là một lần chạy lại của Dự án StoryScope từ COLM 2026 vào tháng Tám này, một sự hợp tác giữa Đại học Maryland và Google DeepMind, đã áp dụng về cơ bản cùng một phương pháp vào tiểu thuyết, phát hiện rằng các câu chuyện do AI tạo ra hội tụ vào một phạm vi hẹp hơn và dự đoán được hơn của các cấu trúc kể chuyện so với văn bản của con người:

Trong nghiên cứu StoryScope, một biểu đồ phân tán so sánh các mẫu câu chuyện trong tiểu thuyết do con người và AI tạo ra. Các câu chuyện do con người viết chiếm một vùng riêng biệt, trong khi các câu chuyện từ năm mô hình AI hàng đầu tụ lại gần nhau hơn, cho thấy sự tương đồng lớn hơn trong các lựa chọn câu chuyện nền tảng. Nguồn

Madler quyết định chạy lại StoryScope trên các blog công ty vì có động lực tài chính mạnh mẽ để tự động hoá chúng, so với lĩnh vực viết tiểu thuyết kỳ quặc hơn, và mức độ đã được tự động hoá đáng kể (50% nội dung trực tuyến được tự động hoá vào tháng Năm năm 2026, theo một nghiên cứu Graphite được trích dẫn trong công trình của Madler).

Có lẽ phân tích thú vị nhất là việc tách ra các đặc trưng được trích xuất từ tài liệu do AI tạo ra dựa trên các bài viết do con người viết trước năm 2022:

‘Các giá trị thường xuyên được các mô hình AI tạo ra tập hợp thành cái mà chúng tôi gọi là bài blog gọn gàng, tự công bố: nó hứa hẹn kết quả ngay trong tiêu đề, nêu luận điểm và công bố cấu trúc trước phần đầu tiên, nói bằng giọng điệu biên tập‑giải thích, và kết thúc bằng một giai đoạn tóm tắt hoặc nhắc lại luận điểm.

‘Trong một bài viết AI điển hình, kết quả được hứa hẹn trong tiêu đề: “Cách giảm một nửa thời gian onboarding”. Luận điểm được nêu và luồng bài được công bố trước phần đầu tiên: “Trong bài này, chúng tôi sẽ đề cập tại sao việc onboarding bị trì trệ, ba giải pháp hiệu quả, và cách đo lường sự khác biệt.”

‘Và phần kết lại nhắc lại luận điểm: “Tóm lại, onboarding có cấu trúc tiết kiệm thời gian.” Các giá trị thiên về con người mô tả các bài viết không có những chỉ dẫn này: không có luồng phần được công bố, không có sự gia tăng mức độ quan trọng, và không có phần kết nhắc lại luận điểm.’

Một Tiền Đề Sai Lầm

Thực tế, hầu hết các khuôn mẫu và thành ngữ xuất hiện trong các mẫu đã mô tả được suy ra từ các quy tắc ám ảnh SEO của cảnh marketing trước thời kỳ LLM. Chúng ta nghĩ AI đã học những thói quen này ở đâu?

Bản sao marketing theo mẫu luôn bị ghét, từ lâu trước AI, và luôn được sản xuất quy mô lớn, từ lâu trước khi máy móc có thể làm tốt; và vì yêu cầu tuân thủ các thực hành SEO, một số quy ước khủng khiếp đã được thiết lập, chẳng hạn như đặt từ khóa, và thiết kế liên kết tinh vi.

Trong trường hợp sau, AI có thể vì vậy đã học sai bài học, vì các tập dữ liệu chỉ có văn bản mà nó được huấn luyện đã loại bỏ rất nhiều chiến thuật hướng tới SEO vốn có trong tài liệu nguồn, như sơ đồ chiến lược, hình ảnh giải thích; và đặc biệt là các siêu liên kết.

Toàn bộ các phần của một bài viết có thể đã được tạo ra để bao quanh một siêu liên kết hoặc một video YouTube mà khách hàng muốn quảng bá; nhưng đến khi dữ liệu được huấn luyện vào một LLM, phần nhúng hoặc liên kết đã bị loại bỏ, và đoạn văn bản được thiết kế để nhấn mạnh nó đã mất ngữ cảnh gốc.

Do đó, có thể nói, sai lầm lớn trong việc thiết kế các phương pháp đào tạo quanh tài liệu như vậy là xem nội dung web như thể nó là văn học thế kỷ 19 (hoàn toàn tự lực) thay vì đa phương tiện (bị ảnh hưởng đáng kể bởi các yếu tố phi văn bản như video, siêu liên kết và minh họa).

Sai lầm lớn khác là đào tạo trên tài liệu mà mọi người đã ghét, và đã bị ép vào hình dạng không được ưa chuộng bởi các quy tắc mà có lẽ không còn hợp lệ nữa.

Chú Ý, Con Người

Tuy nhiên, nếu bạn tin vào các xu hướng của Upwork, có một nhu cầu đáng kể về việc sản xuất thêm những nội dung tương tự, được tạo ra quy mô lớn bởi các LLM, và được ‘nhân hoá’ qua quy trình ít cá tính nhất hiện có, với tốc độ cao nhất và chi phí thấp nhất có thể.

Tất cả những điều này nhằm tạo ra hiệu ứng chú ý: ý tưởng rằng một người như bạn (tức là, ít nhất có một hệ thống nội tiết) ngồi xuống trong vài giờ và suy nghĩ về những gì họ muốn nói với bạn.

Nhận thức về việc nhận được sự chú ý của con người có ý nghĩa đối với chúng ta ngay cả khi nó không hữu ích; do đó chắc chắn đáng để công nghiệp hoá.

Tôi không thể không cảm thấy rằng bài báo của Madler theo cách nào đó có khả năng làm tình hình tồi tệ hơn, vì nó xác định các đặc điểm đa chiều đặc trưng mà hiện nay, có lẽ, có thể được giải quyết bằng nhiều AI hơn, để các chữ ký mặc định sẽ mang hình dạng nhân bản hơn khi các mô hình tiến hóa.

Được xuất bản lần đầu vào thứ Năm, ngày 17 tháng 9 năm 2026