AI suy luận thế nào? Từ dữ kiện đến lời giải

Bạn nhờ AI xếp lịch cho ba việc trong một buổi sáng. Từng việc đều đơn giản, nhưng có việc phải làm trước, có người chỉ rảnh trong một khoảng giờ, và tất cả phải xong đúng hạn. AI đưa ra một lịch nghe rất hợp lý. Khi kiểm tra, bạn phát hiện một bước được xếp vào lúc người cần gặp chưa có mặt.

Vấn đề nằm ở cách nối các điều kiện để tìm lời giải. Đây là nơi suy luận, thường gọi là reasoning, trở nên quan trọng. Với mô hình ngôn ngữ lớn, hay LLM, năng lực này có thể được hỗ trợ bằng cách chia bài toán, tạo các bước trung gian, thử hướng khác và kiểm tra kết quả. Bài viết tập trung vào những hệ thống ấy; AI dựa trên luật có thể suy luận theo cơ chế khác.

1. Suy luận là đi từ dữ kiện và điều kiện đến kết luận

Suy luận là dùng thông tin, quy tắc và các mối quan hệ để rút ra kết luận hoặc tìm cách giải quyết vấn đề. Khi xếp lịch, hệ thống phải kết nối thời lượng công việc, thứ tự bắt buộc và khoảng giờ có thể thực hiện. Nêu đúng từng điều kiện riêng lẻ chưa đủ; lịch cuối cùng phải thỏa các điều kiện cùng lúc.

Trong một lời giải, dữ kiện là thông tin đã được cung cấp; ràng buộc là điều kiện phương án phải tuân theo; giả định là điều được tạm coi là đúng để tiếp tục giải. Phân biệt ba loại này giúp tránh việc AI tự thêm một khả năng tiện lợi, chẳng hạn cho rằng hai việc có thể làm song song dù đề bài không cho phép.

Suy luận không chỉ xuất hiện trong toán học. Nó còn cần khi so sánh phương án theo nhiều tiêu chí, tìm nguyên nhân có thể xảy ra hoặc kiểm tra xem một kết luận có thực sự đi theo các điều kiện đã nêu hay không. Tuy nhiên, một kết luận hợp logic với giả định vẫn có thể không đúng trong thực tế nếu giả định ấy sai.

Có một thuật ngữ dễ gây nhầm: inference. Trong vận hành mô hình, inference là quá trình chạy mô hình đã huấn luyện để tạo đầu ra từ đầu vào. Nó thường cũng được dịch là “suy luận”, nhưng phạm vi rộng hơn reasoning. Một lượt phân loại văn bản hoặc tạo lời chào vẫn là inference, dù nhiệm vụ không đòi hỏi giải bài toán nhiều bước.

Một LLM không được giới thiệu chuyên về reasoning vẫn có thể giải các bài toán cần lập luận. Nhãn mô hình suy luận thường nhấn mạnh việc mô hình được rèn luyện hoặc hệ thống được thiết kế để xử lý tốt hơn những nhiệm vụ như vậy. Tên gọi không tự xác nhận chất lượng của mọi lời giải.

2. Chia bài toán, thử phương án rồi kiểm tra điều kiện

Ví dụ giả định: Một người bắt đầu lúc 9:00, cần hoàn thành ba việc chậm nhất lúc 9:45. Người này chỉ làm một việc tại một thời điểm, mỗi việc phải được làm liên tục. Bỏ qua thời gian di chuyển và không có điều kiện nào khác ngoài bảng sau.

Nếu làm theo thứ tự in → xin chữ ký → chuẩn bị phòng, việc in kết thúc lúc 9:20. Người này phải chờ đến 9:30 mới xin chữ ký, hoàn thành lúc 9:40 rồi chuẩn bị phòng đến 9:55. Thứ tự có vẻ tự nhiên nhưng không đáp ứng hạn 9:45.

Một phương án hợp lệ là:

• 9:00–9:20: In tài liệu.
• 9:20–9:35: Chuẩn bị phòng.
• 9:35–9:45: Xin chữ ký.

Phương án này tận dụng khoảng trước giờ xin chữ ký để làm việc còn lại. Kiểm tra lại cho thấy: việc in đã xong trước khi ký; mười phút xin chữ ký nằm trọn trong khoảng cho phép; các việc không chồng nhau; tất cả hoàn thành đúng hạn.

Ở đây, các bước trung gian giúp giữ lại kết quả từng phần: giờ kết thúc việc in, khoảng có thể xin chữ ký và thời gian còn thiếu. Hệ thống có thể dùng chúng làm thông tin cho bước tiếp theo, thay vì đưa ra ngay một lịch hoàn chỉnh. Nếu phát hiện vi phạm, nó có thể sửa thứ tự hoặc thử phương án khác.

Nhưng mỗi phần đúng chưa bảo đảm toàn bộ lời giải đúng. Một lịch có thời lượng từng việc chính xác vẫn có thể sai vì chồng giờ hoặc vi phạm thứ tự. Phần kiểm tra cuối phải đối chiếu phương án với tất cả ràng buộc ban đầu.

Lịch trên cũng không phải phương án hợp lệ duy nhất: chuẩn bị phòng từ 9:00–9:15, in từ 9:15–9:35 rồi xin chữ ký từ 9:35–9:45 vẫn đáp ứng đề bài. Tìm được một phương án hợp lệ khác với chứng minh chỉ có một phương án. Muốn nói phương án nào “tốt nhất”, còn phải xác định tiêu chí so sánh.

Nếu đổi hạn hoàn thành thành 9:40 mà giữ nguyên các điều kiện khác, không lịch nào đáp ứng được: tổng thời lượng là 45 phút, nhưng từ 9:00 đến 9:40 chỉ có 40 phút và các việc không được chồng nhau. Kết quả hợp lý lúc này là chỉ ra điều kiện không thể đáp ứng, thay vì cố đưa ra một lịch.

3. Rèn luyện khả năng suy luận khác với xử lý thêm lúc trả lời

Khả năng suy luận của LLM phụ thuộc cả năng lực đã học và cách hệ thống dùng năng lực ấy cho từng bài toán. Hai phần này liên quan nhưng không đồng nhất.

Trong huấn luyện, mô hình có thể học từ lời giải mẫu và từ học tăng cường, tức điều chỉnh hành vi theo tín hiệu thưởng. Với nhiệm vụ có đáp án kiểm tra được, tín hiệu có thể dựa vào kết quả đúng. Qua quá trình học, những cách xử lý hữu ích như chia nhỏ, xem lại hoặc thử hướng khác có thể được củng cố. Cách rèn luyện cụ thể khác nhau giữa các mô hình.

Thưởng cho kết quả đúng không đồng nghĩa mọi bước giải thích đều được kiểm tra hoặc đều đúng. Điều này phụ thuộc vào mục tiêu học và cách chấm. Một lời giải đạt điểm có thể vẫn chứa bước diễn giải chưa chính xác.

Khi trả lời, hệ thống có thể dành thêm ngân sách tính toán, tức lượng tài nguyên dùng để xử lý bài toán. Trong lượt vận hành thông thường, làm thêm bước không tự cập nhật tham số. Nếu mô hình sửa được lịch sau khi kiểm tra lại, điều đó cho thấy thông tin và phương án trong lượt xử lý đã thay đổi; chưa cho thấy nó vừa được huấn luyện lại.

Có thể hình dung huấn luyện là rèn cách giải, còn tính toán lúc trả lời là dành công sức để vận dụng cách giải ấy. Đây chỉ là phép ví von về hai vai trò, không có nghĩa mô hình học hoặc trải nghiệm giống một người.

4. Thêm tính toán giúp được gì, và vì sao vẫn có thể sai?

Tăng xử lý có thể diễn ra theo nhiều cách:

• Đi sâu theo một hướng: Tạo thêm bước trung gian để phân tích điều kiện và hoàn thiện phương án.
• Thử nhiều hướng: Sinh nhiều lời giải ứng viên rồi chọn hoặc tổng hợp kết quả.
• Sửa theo phản hồi: Kiểm tra một phương án, dùng lỗi phát hiện được để điều chỉnh phương án tiếp theo.

Một chuỗi lập luận, thường gọi là chain of thought, là chuỗi bước trung gian được biểu đạt, thường bằng văn bản, phục vụ việc giải bài toán. Phần này có thể được dùng trong xử lý mà không xuất hiện đầy đủ ở câu trả lời cuối. Vì vậy, câu trả lời ngắn vẫn có thể là kết quả của nhiều bước; câu trả lời dài chưa chắc chứa nhiều kiểm tra hữu ích.

Kiểm tra cũng cần một tiêu chí. Với lịch ở ví dụ, tiêu chí là thời lượng, thứ tự, khoảng giờ ký và hạn kết thúc. Hệ thống có thể đối chiếu các điều kiện bằng lập luận, dùng một bộ phận chấm phương án hoặc nhờ công cụ như máy tính và chương trình kiểm tra. Việc tự viết “đã kiểm tra” không cho biết phép kiểm tra nào thực sự được thực hiện.

Công cụ giúp giảm một số loại lỗi nhưng có phạm vi. Máy tính có thể cộng chính xác 20 + 15 + 10. Nó không tự biết điều kiện “chỉ làm một việc tại một thời điểm” đã bị bỏ qua, nếu phép kiểm tra không nhận điều kiện ấy. Một phép tính đúng với dữ liệu nhập sai vẫn dẫn đến kết luận không phù hợp.

Thử nhiều lời giải cũng cần cách chọn. Chọn theo đồng thuận là ưu tiên đáp án xuất hiện nhiều trong các lần sinh. Chọn theo kiểm tra là đánh giá ứng viên bằng tiêu chí, chẳng hạn xem lịch có vi phạm điều kiện không. Đồng thuận đếm sự lặp lại; kiểm tra đối chiếu tính hợp lệ. Nhiều lần sinh vẫn có thể lặp cùng một lỗi.

Một kết quả được công bố tháng 9/2024 minh họa tác động của việc thử và chọn: trên các đề toán AIME 2024, mô hình o1 đạt trung bình 74% với một lần sinh cho mỗi bài, và 83% khi chọn theo đồng thuận từ 64 lần sinh. Đây là công bố của nhà phát triển trên toán thi, không phải đánh giá độc lập hay mức chính xác chung. Kết quả nhiều lần sinh không phải xác suất trả lời đúng ngay lần đầu.

Dành thêm tính toán có ích khi mô hình có khả năng tạo ra phương án tốt và hệ thống có cách nhận ra phương án ấy. Nếu mọi ứng viên bỏ sót cùng một điều kiện, hoặc bộ phận kiểm tra cũng bỏ sót điều kiện đó, thêm lần thử có thể chỉ tạo thêm kết quả sai tương tự.

Tính toán cũng không thay thế thông tin chưa có. Khi một yêu cầu thiếu thời lượng công việc, hệ thống cần làm rõ dữ kiện hoặc nêu giả định; xử lý lâu hơn không khiến thời lượng thực tế tự xuất hiện. Tương tự, khi điều kiện mâu thuẫn, phương án đúng có thể là xác nhận không có lời giải trong phạm vi đã cho.

Mức xử lý là một đánh đổi: thêm bước thường tốn thêm tài nguyên, nhưng nhiệm vụ đơn giản có thể nhận ít lợi ích. Thời gian trên giao diện còn gồm chờ hệ thống hoặc công cụ, nên cần đánh giá chất lượng bằng kết quả và điều kiện được kiểm tra.

5. Lời giải thích cho thấy đến đâu quá trình bên trong?

Khi AI trình bày “đầu tiên tôi xem điều kiện, sau đó tôi thử phương án”, người đọc dễ xem đoạn ấy là bản ghi toàn bộ hoạt động bên trong. Cần phân biệt lời giải có thể đọc và kiểm tra với mô tả đầy đủ nguyên nhân khiến mô hình đưa ra đáp án.

Một lời giải rõ ràng giúp người đọc kiểm tra dữ kiện và quan hệ giữa các bước. Nhưng hoạt động bên trong mô hình còn là các phép tính trên biểu diễn số. Chuỗi chữ được tạo ra không mặc nhiên ghi lại đầy đủ những hoạt động đó. Ứng dụng cũng có thể hiển thị bản tóm tắt của các bước xử lý, thay vì toàn bộ phần trung gian.

Trong thử nghiệm năm 2025 với Claude 3.7 Sonnet và DeepSeek R1, cùng một câu hỏi trắc nghiệm được đưa ra khi có và không có gợi ý đáp án. Ở những trường hợp đáp án đổi theo gợi ý, lời giải thường không nêu việc dựa vào gợi ý ấy. Thử nghiệm tập trung vào các gợi ý dễ sử dụng; kết quả không đại diện cho mọi cách suy luận. Nó cho thấy lời giải có thể bỏ sót yếu tố đã ảnh hưởng đến đáp án.

Điều này không làm mọi lời giải thích trở nên vô ích. Với lịch ở ví dụ, người đọc vẫn có thể kiểm chứng từng mốc giờ và từng điều kiện. Lời giải có thể hợp lệ về mặt logic dù chưa cho biết đầy đủ quá trình tạo ra nó. Ngược lại, đáp án đúng không chứng minh rằng mọi bước được kể lại đều chính xác hoặc đầy đủ.

Khi đọc một lời giải của AI, những câu hỏi hữu ích là: dữ kiện nào đã được dùng, có giả định nào được thêm, kết luận có đi theo các bước, và phương án cuối có thỏa toàn bộ điều kiện không? Kiểm tra những điểm ấy có giá trị hơn việc đếm số bước hoặc dựa vào giọng văn tự tin.

Khả năng suy luận được đánh giá qua nhiệm vụ và hành vi sửa phương án. Những câu như “tôi nhận ra sai lầm” diễn đạt quá trình bằng ngôn ngữ; chúng chưa phải bằng chứng về ý thức hoặc trải nghiệm chủ quan.