AI trong truyền thông khoa học: hỗ trợ hay rủi ro?

AI tạo sinh (generative AI) có thể giúp người làm truyền thông khoa họcTruyền thông khoa học (Science communication)Truyền thông khoa học là việc dùng kỹ năng, phương tiện, hoạt động và đối thoại phù hợp để tạo ra ở người nghe một hoặc nhiều phản hồi với khoa học: nhận biết, thích thú, quan tâm, hình thành quan điểm và hiểu biết.Xem giải thích đầy đủ → dịch, tóm tắt và soạn nháp nhanh hơn, nên nó là một công cụ hỗ trợ thật sự. Nhưng các nghiên cứu từ năm 2023 đến 2025 cho thấy những rủi ro cụ thể: trích dẫn bịa, tóm tắt nói quá kết quả nghiên cứu, thiên lệch và thiếu minh bạch. Câu trả lời ngắn gọn: AI là trợ lý hữu ích nếu con người vẫn kiểm chứng, chịu trách nhiệm và minh bạch về cách dùng.

Tóm tắt nhanh:

• Ở bảy quốc gia được khảo sát, tỷ lệ người dùng ChatGPT để tìm thông tin khoa học tăng từ 9% (2023) lên 19% (2024).
• Một nghiên cứu năm 2023 thấy 55% trích dẫn do GPT-3.5 tạo ra và 18% do GPT-4 tạo ra là trích dẫn bịa.
• Khi tóm tắt, phần lớn mô hình ngôn ngữ lớn được thử nghiệm khái quát kết quả rộng hơn bài gốc, kể cả khi được yêu cầu chính xác.
• Công cụ AI không thể đứng tên tác giả; người dùng phải công khai cách dùng và chịu trách nhiệm toàn bộ nội dung.

AI đang được dùng thế nào trong truyền thông khoa học?

Chủ yếu để dịch, tóm tắt và tạo nội dung. Trong một tiểu luận trên tạp chí JCOM, Schäfer (2023) liệt kê các khả năng của AI tạo sinh: dịch nội dung khoa học, tóm tắt tài liệu, viết bài báo, bài đăng mạng xã hội, khẩu hiệu. Ông cho rằng AI tạo sinh có thể mang lại truyền thông khoa học mang tính đối thoại ở quy mô lớn, vì mỗi người có thể hỏi đi hỏi lại theo nhu cầu riêng.

Thực tế sử dụng tăng nhanh. Khảo sát của Henke (2025) với các phòng truyền thông đại học ở Đức (82 đơn vị trả lời trên 318 đơn vị được mời, năm 2024) cho thấy tỷ lệ dùng AI thường xuyên để dịch và sửa ngôn ngữ là 80% (năm 2023 là 73%), để tạo văn bản không kèm tìm kiếm web là 59% (năm 2023 là 22%), và để tạo hình ảnh là 27% (năm 2023 là 3%). Về phía công chúng, khảo sát trực tuyến ở Úc, Đan Mạch, Đức, Israel, Hàn Quốc, Đài Loan và Hoa Kỳ ghi nhận nhóm dùng ChatGPT để tìm thông tin khoa học chiếm 19% tổng mẫu năm 2024 (848 người), tăng từ 9% năm 2023 (Greussing và cộng sự, 2025).

AI vì thế có mặt ở cả người làm truyền thông lẫn công chúng, và những kỹ năng cốt lõi của truyền thông khoa học càng cần thiết.

Rủi ro lớn nhất khi để AI viết hoặc tóm tắt khoa học là gì?

Rủi ro lớn nhất là sai sự thật được trình bày với giọng rất chắc chắn. Schäfer (2023) cảnh báo nội dung AI sản xuất hàng loạt có thể nhấn chìm thông tin đáng tin giữa một biển thông tin gần đúng, tầm thường.

AI có bịa ra nguồn trích dẫn không?

Có, và tỷ lệ không nhỏ. Walters và Wilder (2023) cho ChatGPT-3.5 và ChatGPT-4 viết các bài tổng quan ngắn về 42 chủ đề, thu được 636 trích dẫn trong 84 bài. Kết quả: 55% trích dẫn của GPT-3.5 và 18% trích dẫn của GPT-4 là bịa, tức không tương ứng với công trình khoa học nào có thật. Ngay cả với các trích dẫn có thật, 43% (GPT-3.5) và 24% (GPT-4) vẫn chứa lỗi đáng kể. Nhóm tác giả ghi nhận GPT-4 tiến bộ rõ nhưng vấn đề vẫn còn, và khuyên người dùng kiểm tra các trích dẫn mà công cụ tạo ra. Hiện tượng AI đưa ra câu trả lời sai sự thật này thường được gọi là “ảo giác” (hallucination).

Bản tóm tắt của AI có trung thành với nghiên cứu gốc không?

Thường là chưa. Trong một bản thảo trước in (preprint) được ghi là sắp đăng trên Royal Society Open Science, Peters và Chin-Yee (2025) so sánh 4.900 bản tóm tắt do 10 mô hình ngôn ngữ lớn (large language model, LLM) tạo ra với văn bản khoa học gốc. Các mô hình có thể bỏ những chi tiết giới hạn phạm vi kết luận, khiến kết quả bị khái quát rộng hơn mức nghiên cứu cho phép. Ngay cả khi được yêu cầu rõ phải chính xác, phần lớn mô hình vẫn khái quát quá mức; ba mô hình DeepSeek, ChatGPT-4o và LLaMA 3.3 70B làm vậy trong 26% đến 73% trường hợp.

Hai phát hiện khác: so với bản tóm tắt do con người viết cho cùng bài báo, bản tóm tắt của LLM có khả năng chứa khái quát rộng cao gần gấp năm lần (OR = 4,85); và lời nhắc đòi “chính xác” lại làm khả năng khái quát hóa tăng khoảng gấp đôi so với lời nhắc đơn giản (Peters & Chin-Yee, 2025). Nhóm tác giả cũng thấy các mô hình mới hơn thường kém hơn các mô hình cũ ở tiêu chí này. Với người làm truyền thông, loại lỗi này có thể khó nhận ra, vì câu văn vẫn trôi chảy và nghe hợp lý.

Vì sao nói AI có thể mang thiên lệch?

Vì đầu ra phản ánh dữ liệu huấn luyện, vốn có thể chứa thiên lệch. Schäfer (2023) chỉ ra thêm hai vấn đề: khoảng cách số về quyền tiếp cận và kỹ năng dùng AI, và tình trạng “hộp đen” khi dữ liệu huấn luyện cùng thuật toán thuộc sở hữu độc quyền, khiến giới nghiên cứu khó đánh giá công cụ. Bài xã luận số chuyên đề về AI của JCOM cũng nêu lo ngại về minh bạch, thiên lệch và thông tin sai (Kessler và cộng sự, 2025).

Công chúng có tin nội dung khoa học do AI viết không?

Khá nhiều người tin, nhưng niềm tin không đồng nghĩa với độ chính xác. Trong khảo sát bảy quốc gia năm 2024, điểm tin tưởng trung bình vào AI tạo sinh (thang 1 đến 5) dao động từ 3,2 ở Đan Mạch đến 4,0 ở Đài Loan; người dùng AI để tìm thông tin khoa học tin tưởng AI hơn người không dùng (Greussing và cộng sự, 2025). Nhóm này cũng hiểu rõ hơn cách AI vận hành.

Việc ghi rõ nguồn gốc nội dung cũng ảnh hưởng đến cách người đọc đánh giá. Tóm lược nghiên cứu của Beckmann và cộng sự trong bài xã luận của Kessler và cộng sự (2025) cho biết: khi người Đức được thông báo lập luận ủng hộ tiêm vắc-xin cúm là do người hay do AI viết, họ chấm lập luận của con người cao hơn. Điều này gợi ý minh bạch có thể làm giảm điểm đánh giá nội dung AI, nhưng đó không phải lý do để che giấu, như phần tiếp theo phân tích.

Dùng AI có trách nhiệm trong truyền thông khoa học cần nguyên tắc nào?

Nguyên tắc cốt lõi: con người chịu trách nhiệm và công khai cách dùng. Ủy ban Đạo đức Xuất bản (Committee on Publication Ethics [COPE], 2023) nêu rõ công cụ AI không thể đứng tên tác giả vì không thể chịu trách nhiệm về công trình; người dùng AI phải công khai công cụ và cách dùng, và chịu trách nhiệm toàn bộ nội dung, kể cả phần do AI tạo ra. Lập trường này viết cho bài báo khoa học, nhưng tinh thần của nó phù hợp với đạo đức trong truyền thông khoa học.

Một số việc nên làm, rút ra từ các nghiên cứu trên:

• Kiểm tra từng trích dẫn trên nguồn gốc trước khi dùng (Walters & Wilder, 2023).
• Đối chiếu bản tóm tắt với bài gốc, nhất là đối tượng, bối cảnh và mức độ chắc chắn của kết luận; nếu công cụ cho phép, dùng nhiệt độ (temperature) thấp khi tóm tắt nội dung quan trọng (Peters & Chin-Yee, 2025).
• Không đưa dữ liệu nhạy cảm vào công cụ AI khi chưa rõ chính sách bảo mật; năm 2024, 68% phòng truyền thông đại học ở Đức được khảo sát xem bảo vệ dữ liệu là vấn đề đáng lưu tâm (Henke, 2025).
• Xây dựng hướng dẫn nội bộ: cũng theo Henke (2025), chỉ 14% đơn vị được khảo sát có hướng dẫn hoặc chatbot AI chính thức.

Kỹ năng thẩm định nguồn trong bài thông tin khoa học trên mạng có đáng tin không áp dụng được trực tiếp cho văn bản do AI tạo ra.

Câu hỏi thường gặp

AI có thay thế được người làm truyền thông khoa học không?

Chưa có bằng chứng đủ mạnh để khẳng định. Phỏng vấn 30 nhà báo khoa học Đức cho thấy họ chia rẽ: một số thấy lợi ích, số khác hoài nghi và lo mất việc (Kessler và cộng sự, 2025). Điều chắc chắn hơn là trách nhiệm về nội dung vẫn thuộc về con người (COPE, 2023).

Có nên ghi rõ bài viết có dùng AI không?

Nên. COPE (2023) yêu cầu tác giả bài báo khoa học công khai công cụ AI và cách dùng. Dù công khai có thể khiến người đọc chấm nội dung thấp hơn (Kessler và cộng sự, 2025), minh bạch giúp người đọc biết cần thận trọng ở đâu.

Phiên bản AI mới hơn có chính xác hơn không?

Không nên mặc định như vậy. GPT-4 bịa trích dẫn ít hơn GPT-3.5 nhưng vẫn còn lỗi (Walters & Wilder, 2023), trong khi ở tiêu chí khái quát hóa, các mô hình mới hơn thường kém hơn mô hình cũ (Peters & Chin-Yee, 2025).

Điều gì nên nhớ?

AI giúp làm nhanh hơn nhưng không làm thay việc kiểm chứng. Hãy xem mọi trích dẫn, con số và kết luận do AI đưa ra là bản nháp cần đối chiếu với nguồn gốc, giữ đúng phạm vi kết luận của nghiên cứu và nói rõ bạn đã dùng AI ở khâu nào. Các bài nền tảng khác về nghề có trong chuyên đề Truyền thông khoa học: bắt đầu từ đâu?.

Đôi lời giới thiệu

Bài viết này được tổng hợp bởi Nguyễn Hoàng Anh Khoa (Dy Khoa), giảng viên Khoa Quan hệ công chúng và Truyền thông, Trường Đại học Văn Lang, và là người tốt nghiệp Thạc sĩ Truyền thông Khoa học và Thu hút Công chúngThu hút công chúng (Public engagement)Thu hút công chúng là những cách thức để hoạt động và lợi ích của giáo dục đại học, nghiên cứu được chia sẻ với công chúng; theo NCCPE, đây là quá trình hai chiều, có tương tác và lắng nghe, nhằm tạo lợi ích cho cả hai bên.Xem giải thích đầy đủ → (Science Communication and Public Engagement) tại Universiti Malaya (UM), Malaysia. Đây là lĩnh vực chuyên môn cốt lõi mà anh được đào tạo bài bản và tiếp tục theo đuổi trong nghiên cứu, giảng dạy và thực hành nghề nghiệp.

Nếu bạn thấy bài viết có sai sót hoặc muốn góp ý, vui lòng gửi email về [email protected].