Ứng dụng AI mới của Microsoft có thể thay đổi môi trường internet mà chúng ta đang biết

Từng gọi deepfake là mối lo lớn nhất về AI, Microsoft vừa công bố một hồ sơ sáng chế có thể khiến người xem livestream nghe những lời diễn giả chưa từng nói. Ranh giới giữa điều được nói và điều ta nghe thấy đang mỏng dần.

Đầu năm 2024, một nhân viên tài chính tại văn phòng Hồng Kông của tập đoàn kỹ thuật Arup tham gia một cuộc gọi video với giám đốc tài chính và vài đồng nghiệp. Một gương mặt thân quen với giọng nói quen thuộc yêu cầu chuyển tiền, không ai mảy may nghi ngờ sự việc đang diễn ra. Sau tổng cộng 15 lần chuyển khoản, 200 triệu HKD (khoảng 25,6 triệu USD, tương đương 650 tỷ VND) đã rời tài khoản công ty. Sau quá trình điều tra, cảnh sát xác định những người còn lại trong cuộc gọi đều là sản phẩm của công nghệ deepfake.

Hơn hai năm sau, một hồ sơ đăng ký sáng chế của Microsoft được công bố hôm 29/10 lại mô tả một hệ thống có thể sửa lời nói của người xuất hiện trong video trực tiếp, rồi vẽ lại khẩu hình cho khớp với lời mới. Chúng ta ngay lập tức nhận thấy ứng dụng và tác hại của một thứ công nghệ đang ngày một hoàn thiện.

Theo hồ sơ mang số US 2026/0341309 A1, nộp từ tháng 4/2025, hệ thống sẽ quét hình ảnh và âm thanh của buổi phát trực tiếp. Sau đó, một tác tử AI chọn ra những từ cần thay dựa trên hồ sơ của từng người xem, gồm độ tuổi, nơi sống và ngôn ngữ họ sử dụng. Một mô hình AI tạo sinh tiếp tục thay các từ ấy, làm mượt giọng nói và tạo khung hình mới để đôi môi người nói khớp với lời mới. Theo trang Patentlyze, toàn bộ quá trình chỉ chậm vài giây so với thực tế.

Các ứng dụng được nêu nghe khá vô hại: cắt từ đệm như “ừm”, thay lời tục tĩu, sửa tiếng lóng hay từ phát âm sai, dịch lời người nói sang ngôn ngữ của người xem, thậm chí lấy từ thay thế từ kết quả tìm kiếm trên Internet. Đáng chú ý hơn cả là kết quả của việc cá nhân hóa: hai người xem cùng một buổi phát sóng có thể nghe hai phiên bản khác nhau về điều đã được nói. Xét về khía cạnh giải trí và độ lan tỏa của một nội dung trên mạng, đây dường như là một phương án tuyệt vời để một nhà sáng tạo nội dung vượt qua rào cản ngôn ngữ.

Với giới nghiên cứu deepfake, viễn cảnh này chạm đúng nỗi lo lớn nhất của họ. Hany Farid, giáo sư Đại học California, Berkeley, người nhiều năm phát triển công cụ phát hiện deepfake, đã thừa nhận một điều trên chương trình Here & Now của đài WBUR hồi tháng 7. Theo ông, deepfake đã tinh vi đến mức qua mặt cả những công cụ do chính ông tạo ra, nên ông không còn tin vào mắt mình khi kiểm chứng ảnh và video. Nghiên cứu của ông cho thấy khả năng con người nhận ra nội dung do AI tạo ra không cũng tiệm cận việc … đoán mò.

Khi một chuyên gia hàng đầu còn bối rối trước video dựng sẵn, khán giả bình thường khó lòng phát hiện một câu nói bị thay giữa buổi phát trực tiếp, nơi họ vốn tin rằng mình đang chứng kiến sự thật chưa qua chỉnh sửa.

Điều trớ trêu là chính Microsoft từng lên tiếng cảnh báo về mối nguy này. Tháng 5/2023, Chủ tịch Microsoft Brad Smith nói với Reuters rằng deepfake là mối lo lớn nhất của ông về AI, đồng thời nhấn mạnh: “Chúng ta cần hành động để bảo vệ nội dung chính thống khỏi bị chỉnh sửa nhằm lừa dối hoặc lừa đảo con người thông qua AI”. Đến tháng 7/2024, Microsoft kêu gọi bắt buộc gắn nhãn nội dung do AI tạo ra, coi đó là điều “thiết yếu để xây dựng niềm tin trong hệ sinh thái thông tin”.

Thế nhưng theo Cybernews, hồ sơ sáng chế mới chưa nêu liệu hệ thống có báo cho người xem biết nội dung đã bị AI chỉnh sửa hay không, cũng như báo bằng cách nào. Hồ sơ có đề cập việc lưu lại bản ghi gốc làm “dữ liệu đối chứng” để xem lại khi xảy ra tranh chấp. Tuy nhiên, bản gốc nằm trong kho lưu trữ, còn người xem thì chỉ nghe phiên bản đã được sửa.

Cũng cần nói rõ, đây mới là hồ sơ đăng ký, chưa được cấp bằng, và Microsoft chưa xác nhận kế hoạch đưa công nghệ vào sản phẩm. Dù vậy, việc một tập đoàn công nghệ lớn mô tả chi tiết cách sửa lời nói của người thật ngay trong lúc họ đang nói đã đủ đặt ra câu hỏi về giới hạn của AI.

Deepfake vốn đã là con hổ dữ. Một công cụ sửa lời nói và khẩu hình trong thời gian thực, nếu ra đời mà thiếu cơ chế minh bạch rõ ràng, có thể trở thành đôi cánh chắp thêm cho con hổ deepfake.