Từ ly bia tới deepfake — hai AI lừa nhau thay đổi mọi thứ

Cái ảnh "đẹp tự nhiên" trên điện thoại bạn — không tự nhiên chút nào

Sáng nay bạn mở camera chụp tấm selfie. Hơi ngược sáng, hơi nhiễu hạt. Nhưng điện thoại xử lý xong — da mịn, ánh sáng đều, nét như chụp bằng máy chuyên nghiệp. Bạn nghĩ đó là "thuật toán camera xịn." Đúng, nhưng cái thuật toán đó nợ một ý tưởng nảy ra trong quán bar ở Montreal mười hai năm trước.

Hay cái filter biến mặt bạn thành ông già trên TikTok. Hay khuôn mặt người mẫu trên quảng cáo mà bạn tìm hoài không thấy tên — vì cô ấy không tồn tại. Tất cả đều bắt đầu từ đêm đó.

Quán bar, một anh nghiên cứu sinh, và ý tưởng điên rồ nhất thập kỷ

Năm 2014, Ian Goodfellow đang là nghiên cứu sinh tiến sĩ dưới trướng Yoshua Bengio tại Đại học Montréal, Canada. Một tối, cả nhóm kéo nhau ra quán bar ăn mừng bạn đồng nghiệp vừa bảo vệ xong luận án. Giữa những ly bia, câu chuyện xoay sang bài toán đang bế tắc cả giới AI: làm sao để máy tính TẠO RA được hình ảnh trông thật.

Lúc đó mọi người đang loay hoay với đủ kiểu mô hình phức tạp. Goodfellow bỗng nảy ra một ý: thay vì ép một mạng thần kinh tự học cách vẽ cho giống thật, sao không cho HAI mạng đánh nhau?

Một mạng — gọi là Generator (Kẻ Giả Mạo) — chuyên vẽ ảnh giả. Mạng kia — Discriminator (Thanh Tra) — chuyên soi xem ảnh nào thật, ảnh nào giả. Hai đứa thi đấu liên tục: Kẻ Giả Mạo cố vẽ cho giỏi đến mức lừa được Thanh Tra. Thanh Tra thì cố soi cho tinh hơn. Càng đánh nhau, cả hai càng giỏi. Đến lúc nào đó, Kẻ Giả Mạo tạo ra ảnh mà không ai — kể cả Thanh Tra lẫn con người — phân biệt nổi thật giả.

Hình dung thế này cho dễ: một tay làm tiền giả và một viên cảnh sát chống tiền giả bị nhốt chung phòng, bắt thi đấu hàng triệu vòng. Tay làm tiền giả ban đầu in tờ 500 nghìn bằng giấy vở học sinh — cảnh sát bắt ngay. Vòng sau hắn dùng giấy tốt hơn, in tinh hơn. Cảnh sát phải soi kỹ hơn. Cứ thế, sau vài triệu vòng, tờ tiền giả tinh vi đến mức chính cảnh sát cũng phải đoán mò.

Goodfellow về nhà đêm đó, ngồi code tới sáng. Và nó chạy được. Ngay. Lần. Đầu. Bài báo "Generative Adversarial Nets" ra đời, trình bày tại hội nghị NeurIPS 2014, đồng tác giả cùng Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville và thầy hướng dẫn Yoshua Bengio.

Yann LeCun — một trong ba "cha đỡ đầu" của deep learning, đoạt giải Turing — sau đó gọi GAN là "ý tưởng thú vị nhất trong mười năm gần đây của machine learning."

Trước GAN, AI như đứa trẻ chỉ biết đọc mà không biết viết

Để hiểu vì sao GAN gây chấn động, bạn cần biết thế giới AI trước 2014 trông thế nào.

AI lúc đó đã rất giỏi phân loại: đưa ảnh mèo, nó nói "mèo"; đưa ảnh chó, nó nói "chó." Nhưng bảo nó VẼ một con mèo mới? Tệ lắm. Hình ra mờ nhòe, méo mó, trông như tranh vẽ trong giấc mơ sốt. Các mô hình sinh (generative model) tồn tại nhưng hoặc quá chậm, hoặc cho ra kết quả xấu, hoặc cần giả định toán học cứng nhắc khiến chúng không mở rộng được.

GAN phá vỡ thế bế tắc bằng một nguyên lý đơn giản đến bất ngờ: cạnh tranh sinh ra tiến bộ. Không cần định nghĩa chính xác "ảnh thật trông như thế nào" bằng công thức toán — cứ để Thanh Tra tự học cách phân biệt, và Kẻ Giả Mạo sẽ tự tìm ra cách vẽ cho giống. Hai bên đẩy nhau lên, y hệt tiến hóa tự nhiên giữa kẻ săn và con mồi.

Từ bài báo gốc đó, cả một nhánh nghiên cứu bùng nổ. NVIDIA ra StyleGAN (Karras, Laine, Aila — CVPR 2019), tạo được khuôn mặt người cực thực — trang thispersondoesnotexist.com từng gây sốt vì mỗi lần tải lại là một khuôn mặt mới, không thuộc về ai trên đời. CycleGAN (Zhu et al. — ICCV 2017) biến ảnh ngựa thành ngựa vằn, biến phong cảnh mùa hè thành mùa đông mà không cần cặp ảnh huấn luyện. Pix2Pix (Isola et al. — CVPR 2017) biến bản phác thảo nguệch ngoạc thành ảnh hoàn chỉnh. Cả một thế hệ AI tạo sinh — từ deepfake đến thiết kế thời trang — đều mang ADN của đêm quán bar năm ấy.

Bạn đang chạm GAN mỗi ngày mà không hay

Nghe có vẻ hàn lâm, nhưng GAN đã len vào đời sống sâu hơn bạn nghĩ.

Ảnh điện thoại đẹp hơn thực tế. Khi bạn chụp ảnh thiếu sáng, nhiều smartphone dùng kỹ thuật super-resolution có gốc từ nghiên cứu GAN để nội suy chi tiết, giảm nhiễu, tăng nét. Samsung, Google, Xiaomi — các hãng này đều có nghiên cứu công bố về ứng dụng GAN trong xử lý ảnh camera. Tấm ảnh trông "xịn" bạn gửi qua Zalo có bàn tay AI ở phía sau.

Filter và avatar AI. Snapchat, TikTok, Instagram — các filter biến đổi khuôn mặt, hoán đổi giới tính, già hóa, trẻ hóa, phần nhiều dựa trên kiến trúc GAN hoặc biến thể của nó. Ở Việt Nam, các app chỉnh ảnh triệu lượt tải cũng xài công nghệ tương tự.

Y tế và chẩn đoán hình ảnh. Các nhóm nghiên cứu dùng GAN tạo ảnh y khoa tổng hợp (synthetic medical images) để huấn luyện AI chẩn đoán khi dữ liệu thật khan hiếm. Tạo thêm ảnh X-quang phổi để AI học nhận diện bệnh lao — đặc biệt hữu ích ở các nước đang phát triển như Việt Nam, nơi dữ liệu y tế số hóa còn mỏng.

Thời trang và thiết kế. Các hãng thời trang dùng GAN tạo mẫu thiết kế, thử nghiệm màu sắc và chất liệu trên mô hình ảo trước khi cắt vải thật. Một startup thời trang Việt hoàn toàn có thể dùng công cụ GAN mã nguồn mở để tạo lookbook mà không cần thuê studio.

Game và giải trí. Texture trong game, cảnh nền, nhân vật phụ — GAN giúp tạo nội dung đa dạng với chi phí thấp hơn nhiều lần so với họa sĩ vẽ tay toàn bộ.

Tiền ở đâu trong chuyện hai AI đánh nhau?

Câu hỏi thực tế nhất đây: biết GAN rồi thì kiếm ở đâu?

Thị trường AI tạo sinh đang tăng trưởng dữ dội. Bloomberg Intelligence (2023) ước tính thị trường này có thể đạt khoảng 1.3 nghìn tỷ USD vào năm 2032. GAN không còn là kiến trúc duy nhất — diffusion model đang chiếm ưu thế cho ảnh tĩnh — nhưng nguyên lý đối kháng của GAN vẫn được dùng rộng rãi trong huấn luyện và tinh chỉnh mô hình, và hiểu GAN là nền tảng bắt buộc để làm việc với bất kỳ mô hình sinh nào.

Kỹ năng cốt lõi đáng đầu tư ngay: Python, PyTorch hoặc TensorFlow, kiến trúc GAN và diffusion model, xử lý ảnh cơ bản. Ở Việt Nam, nhu cầu tuyển dụng kỹ sư ML có kinh nghiệm generative AI đang tăng rõ rệt — cả vị trí remote cho công ty quốc tế lẫn các startup nội địa đang xây sản phẩm AI.

Kẻ Giả Mạo không phân biệt thiện ác

GAN đẩy nhân loại lên một nấc mới: lần đầu tiên, máy tính có khả năng sáng tạo — không chỉ nhận diện con mèo mà còn vẽ ra con mèo chưa từng tồn tại. Đó là bước nhảy từ "AI biết đọc" sang "AI biết viết," và mọi thứ sau đó — từ ChatGPT tạo văn bản đến Midjourney tạo tranh — đều đi trên con đường mà GAN đã mở.

Trong y tế, GAN đang giúp tạo dữ liệu huấn luyện cho mô hình chẩn đoán ở những nơi thiếu dữ liệu nhất — nghĩa là cộng đồng nghèo nhất có thể được hưởng lợi sớm nhất. Trong khoa học dược phẩm, GAN tạo ra cấu trúc phân tử mới để sàng lọc thuốc, đang được thử nghiệm nhằm rút ngắn hàng năm trong phòng thí nghiệm. Trong giáo dục, GAN tạo nội dung minh họa phong phú mà không cần ngân sách khổng lồ.

Nhưng — và đây là chỗ tôi phải dừng lại, nhìn thẳng vào mắt bạn — GAN cũng là cha đẻ của deepfake. Những video giả mạo chính trị gia. Clip ghép mặt người nổi tiếng vào nội dung khiêu dâm. Giọng nói giả để lừa đảo chuyển tiền. Tất cả dùng biến thể của nguyên lý đối kháng này. Ở Việt Nam, các vụ lừa đảo bằng deepfake video call đã được Bộ Công an cảnh báo nhiều lần trong những năm gần đây.

Công nghệ không có đạo đức. Người dùng nó mới có. Và cuộc chạy đua giữa "tạo giả" và "phát hiện giả" bản chất chính là trò đối kháng của GAN — chỉ là lần này, hai phe đối kháng là con người với nhau.

Chúng ta cần luật pháp rõ ràng hơn về deepfake, cần công cụ xác minh nguồn gốc nội dung (content provenance), và cần dạy con em mình kỹ năng phân biệt thật — giả trong thời đại AI. Đây không phải viễn cảnh tương lai. Đây là bây giờ.

Bảng đánh giá công trình

NGUỒN THAM KHẢO

1. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., Bengio, Y. — Generative Adversarial Nets — NeurIPS, 2014.

2. Karras, T., Laine, S., Aila, T. — A Style-Based Generator Architecture for Generative Adversarial Networks (StyleGAN) — CVPR, 2019.

3. Zhu, J.-Y., Park, T., Isola, P., Efros, A.A. — Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks (CycleGAN) — ICCV, 2017.

4. Isola, P., Zhu, J.-Y., Zhou, T., Efros, A.A. — Image-to-Image Translation with Conditional Adversarial Networks (Pix2Pix) — CVPR, 2017.

5. Bloomberg Intelligence — Generative AI to Become a $1.3 Trillion Market by 2032 — Báo cáo thị trường, 2023.