AI Fairness

Định nghĩa

AI Fairness — hay còn gọi là công bằng trong trí tuệ nhân tạo — là một lĩnh vực liên ngành nằm ở giao điểm giữa khoa học máy tính, khoa học dữ liệu, đạo đức học, luật học và khoa học xã hội, nhằm xác định, đo lường, giảm thiểu và ngăn chặn các dạng thiên lệch (bias) có hệ thống trong thiết kế, huấn luyện, triển khai và giám sát các hệ thống trí tuệ nhân tạo. Thuật ngữ này không chỉ đề cập đến việc tránh phân biệt đối xử một cách chủ quan hay cố ý, mà còn bao hàm cả những biểu hiện vô hình của bất công sinh ra từ cấu trúc dữ liệu, lựa chọn đặc trưng, kiến trúc mô hình, quy trình đánh giá hoặc ngữ cảnh ứng dụng. Về mặt kỹ thuật, AI Fairness không phải là một thuộc tính tuyệt đối của mô hình, mà là một trạng thái tương đối được xác định thông qua các tiêu chí công bằng cụ thể, phù hợp với bối cảnh pháp lý, văn hóa và đạo đức của từng cộng đồng.

Từ nguyên của thuật ngữ bắt nguồn từ tiếng Anh: AI là viết tắt của Artificial Intelligence, còn Fairness — trong tiếng Việt thường được dịch là công bằng, nhưng mang sắc thái rộng hơn so với nghĩa thông thường; nó bao hàm sự trung thực, khách quan, cân bằng, minh bạch và tôn trọng sự đa dạng. Trong bối cảnh công nghệ, Fairness không đồng nghĩa với đối xử giống nhau (equality), mà thường hướng tới đối xử phù hợp (equity) — tức là thừa nhận sự khác biệt về điều kiện đầu vào và điều chỉnh đầu ra sao cho kết quả cuối cùng phản ánh sự công lý phân phối và cơ hội bình đẳng. Đây là điểm then chốt phân biệt AI Fairness với các khái niệm kỹ thuật thuần túy như độ chính xác (accuracy) hay độ tin cậy (reliability).

Một cách tiếp cận toàn diện hơn cho thấy AI Fairness không chỉ là vấn đề kỹ thuật mà còn là một quá trình xã-kỹ-thuật (socio-technical process), đòi hỏi sự tham gia của nhiều bên liên quan: nhà phát triển, chuyên gia đạo đức, nhà lập pháp, đại diện cộng đồng bị ảnh hưởng và người dùng cuối. Nó gắn liền với các nguyên tắc nền tảng của đạo đức AI như minh bạch, trách nhiệm giải trình, tôn trọng quyền con người và khả năng kiểm soát của con người (human oversight). Do đó, định nghĩa của AI Fairness luôn mang tính ngữ cảnh — một mô hình được coi là công bằng trong bối cảnh tuyển dụng tại Hà Lan có thể bị đánh giá là thiên lệch khi áp dụng cho hệ thống xét duyệt tín dụng ở vùng Tây Nguyên Việt Nam, do sự khác biệt trong cấu trúc dân số, lịch sử phân biệt và khuôn khổ pháp lý bảo vệ nhóm dễ bị tổn thương.

Lịch sử và nguồn gốc

Nguồn gốc sâu xa của AI Fairness có thể truy ngược đến các cuộc tranh luận triết học về công lý và bình đẳng từ thời cổ đại, nhưng dưới dạng một lĩnh vực nghiên cứu có tính hệ thống, nó mới thực sự hình thành từ đầu những năm 2010, khi các hệ thống học máy bắt đầu được triển khai rộng rãi trong các lĩnh vực có tác động xã hội cao như tư pháp, tài chính, y tế và tuyển dụng. Một trong những mốc khởi đầu quan trọng là nghiên cứu năm 2016 của ProPublica về phần mềm COMPAS — hệ thống đánh giá nguy cơ tái phạm trong hệ thống tư pháp Hoa Kỳ — cho thấy mô hình này có tỷ lệ sai lệch (false positive rate) cao gấp đôi đối với người da đen so với người da trắng, dù mức độ nguy cơ thực tế tương đương. Phát hiện này đã gây chấn động dư luận và thúc đẩy hàng loạt nghiên cứu học thuật về thiên lệch thuật toán.

Các nhà khoa học như Solon Barocas, Moritz Hardt, Cynthia Dwork, Jon Kleinberg và Rich Caruana sớm nhận ra rằng các tiêu chuẩn thống kê truyền thống như độ chính xác tổng thể (overall accuracy) hoàn toàn không đủ để đảm bảo công bằng. Năm 2012, Dwork và cộng sự đề xuất khái niệm fairness through awareness, nhấn mạnh rằng công bằng chỉ có thể đạt được nếu mô hình được thiết kế để nhận thức rõ ràng về các đặc điểm nhạy cảm (sensitive attributes) và mối quan hệ giữa chúng với biến mục tiêu. Đến năm 2016–2017, các khung lý thuyết về công bằng thuật toán bắt đầu được hệ thống hóa: Hardt và cộng sự đưa ra tiêu chí equalized odds và equal opportunity; Kleinberg và cộng sự chứng minh sự không tương thích nội tại giữa một số tiêu chí công bằng nhất định (ví dụ: không thể đồng thời tối ưu hóa cả predictive parity và error rate balance trong mọi trường hợp). Những công trình này đã đặt nền móng toán học vững chắc cho AI Fairness như một ngành khoa học có thể định lượng và kiểm chứng.

Giai đoạn 2018–2022 chứng kiến sự chuyển mình từ lý thuyết sang thực tiễn: các tổ chức như IBM (với bộ công cụ AI Fairness 360), Google (What-If Tool, Model Cards), Microsoft (Fairlearn) và Hugging Face (Evaluate library) lần lượt công bố các thư viện mã nguồn mở hỗ trợ phát hiện và giảm thiên lệch. Đồng thời, các cơ quan quản lý bắt đầu hành động: Ủy ban Châu Âu công bố Đề xuất Quy định về Trí tuệ Nhân tạo (AI Act) năm 2021, trong đó xếp các hệ thống AI có rủi ro cao vào danh mục yêu cầu đánh giá công bằng bắt buộc; tại Việt Nam, Bộ Thông tin và Truyền thông ban hành Kế hoạch phát triển Trí tuệ nhân tạo quốc gia đến năm 2030 (Quyết định số 451/QĐ-BTTTT ngày 12/4/2023), trong đó nêu rõ yêu cầu về tính minh bạch, công bằng và trách nhiệm giải trình của các hệ thống AI. Như vậy, AI Fairness không còn là chủ đề phụ trong phòng thí nghiệm, mà đã trở thành một yêu cầu pháp lý, đạo đức và kỹ thuật không thể thiếu trong vòng đời phát triển sản phẩm công nghệ.

Đặc điểm và tính chất

AI Fairness sở hữu một tập hợp đặc điểm kỹ thuật, xã hội và triết lý đặc thù, khiến nó khác biệt rõ rệt so với các thuộc tính kỹ thuật truyền thống như độ chính xác hay tốc độ xử lý. Trước hết, đây là một thuộc tính đa chiều: không thể đo đếm bằng một con số duy nhất, mà cần kết hợp nhiều chỉ số bổ sung lẫn nhau — chẳng hạn như tỷ lệ chấp thuận đúng (true positive rate), tỷ lệ bác bỏ sai (false negative rate), độ lệch phân phối xác suất đầu ra (distributional shift), hoặc mức độ đồng nhất của độ nhạy mô hình giữa các nhóm. Thứ hai, AI Fairness mang tính ngữ cảnh phụ thuộc: một tiêu chí công bằng phù hợp trong lĩnh vực chăm sóc sức khỏe (ví dụ: đảm bảo tất cả bệnh nhân đều có cơ hội được chẩn đoán sớm như nhau) lại có thể không áp dụng được trong tuyển dụng (nơi cần cân nhắc cả yếu tố năng lực chuyên môn và khả năng hòa nhập văn hóa tổ chức).

Thứ ba, AI Fairness là một thuộc tính động, chứ không tĩnh: nó không chỉ tồn tại ở thời điểm triển khai mô hình, mà còn thay đổi theo thời gian do sự biến động của dữ liệu đầu vào (data drift), sự thay đổi trong cấu trúc xã hội hoặc sự xuất hiện của các nhóm người mới chưa từng có trong tập huấn luyện. Vì vậy, việc đảm bảo AI Fairness đòi hỏi một chu kỳ giám sát liên tục (continuous monitoring), chứ không phải chỉ là một bước kiểm tra một lần. Ngoài ra, tính chất đa cấp cũng rất nổi bật: công bằng có thể được đánh giá ở nhiều cấp độ khác nhau — từ dữ liệu đầu vào (data fairness), qua quá trình huấn luyện (algorithmic fairness), đến đầu ra của mô hình (outcome fairness), và thậm chí ở cấp độ hệ sinh thái (systemic fairness), nơi xem xét tác động tích lũy của nhiều hệ thống AI tương tác với nhau.

• Tính đo lường được: Các chỉ số như Statistical Parity Difference, Equal Opportunity Difference, Average Odds Difference và Disparate Impact cho phép định lượng mức độ thiên lệch theo các tiêu chí toán học rõ ràng.
• Tính có thể can thiệp: Có thể áp dụng nhiều kỹ thuật khác nhau để cải thiện công bằng, bao gồm tiền xử lý (pre-processing), trong xử lý (in-processing) và hậu xử lý (post-processing), mỗi loại tác động lên một giai đoạn khác nhau trong vòng đời mô hình.
• Tính liên ngành: Yêu cầu sự kết hợp giữa kiến thức về thống kê, học máy, khoa học hành vi, luật học, khoa học chính trị và nhân học để xây dựng các khung đánh giá phù hợp với thực tiễn xã hội.

Phân loại

Công bằng dựa trên dữ liệu (Data-level Fairness)

Loại này tập trung vào việc đảm bảo rằng tập dữ liệu huấn luyện phản ánh một cách công bằng cấu trúc dân số và không chứa các mẫu thiên lệch hệ thống từ nguồn gốc. Ví dụ điển hình là việc tái cân bằng phân phối nhãn (label balancing) hoặc sử dụng kỹ thuật tăng cường dữ liệu (data augmentation) để bổ sung mẫu cho các nhóm thiểu số. Một phương pháp tiên tiến hơn là counterfactual fairness, trong đó dữ liệu được bổ sung bằng các bản sao giả định (counterfactual instances) để kiểm tra xem đầu ra của mô hình có thay đổi khi chỉ thay đổi một đặc điểm nhạy cảm (ví dụ: giới tính), trong khi giữ nguyên các yếu tố khác.

Công bằng dựa trên thuật toán (Algorithm-level Fairness)

Đây là lớp phân loại tập trung vào kiến trúc và quá trình huấn luyện mô hình. Các phương pháp bao gồm việc tích hợp các ràng buộc công bằng trực tiếp vào hàm mất mát (loss function), sử dụng các mạng đối kháng (adversarial debiasing) để làm suy yếu tín hiệu nhạy cảm, hoặc thiết kế các mô hình có khả năng tự giải thích (explainable AI) để phát hiện và điều chỉnh các đặc trưng gây thiên lệch. Một ví dụ điển hình là thuật toán reweighting, trong đó trọng số của từng mẫu huấn luyện được điều chỉnh sao cho các nhóm bị thiệt thòi nhận được sự chú ý cao hơn trong quá trình tối ưu hóa.

Công bằng dựa trên đầu ra (Outcome-level Fairness)

Loại này kiểm tra tính công bằng của kết quả cuối cùng mà mô hình đưa ra, bất kể cách thức nó đạt được kết quả đó. Các tiêu chí phổ biến bao gồm demographic parity (tỷ lệ quyết định tích cực giống nhau giữa các nhóm), equalized odds (tỷ lệ phát hiện đúng và tỷ lệ bỏ sót bằng nhau giữa các nhóm), và predictive equality (tỷ lệ sai dương bằng nhau). Việc đạt được các tiêu chí này thường đòi hỏi các kỹ thuật hậu xử lý như điều chỉnh ngưỡng phân lớp (threshold adjustment) hoặc tái cân bằng đầu ra (output calibration).

Cơ chế hoạt động

Cơ chế hoạt động của AI Fairness không phải là một quy trình đơn tuyến, mà là một chuỗi các bước tương tác và lặp lại nhằm phát hiện, đo lường, phân tích nguyên nhân và can thiệp vào các nguồn gốc của thiên lệch. Đầu tiên là giai đoạn phát hiện thiên lệch, trong đó các chỉ số công bằng được tính toán trên tập kiểm thử được phân nhóm theo các đặc điểm nhạy cảm. Tiếp theo là phân tích nguyên nhân gốc: xác định xem thiên lệch bắt nguồn từ dữ liệu (ví dụ: thiếu mẫu từ nhóm dân tộc thiểu số), từ đặc trưng (ví dụ: mã bưu chính gián tiếp phản ánh chủng tộc), từ kiến trúc mô hình (ví dụ: mạng nơ-ron sâu học được các biểu diễn phân biệt), hay từ ngữ cảnh triển khai (ví dụ: giao diện người dùng gây hiểu lầm cho người lớn tuổi). Sau đó là can thiệp có chủ đích, được lựa chọn dựa trên vị trí xuất hiện của thiên lệch — nếu ở dữ liệu thì dùng kỹ thuật tiền xử lý; nếu ở mô hình thì dùng in-processing; nếu ở đầu ra thì dùng hậu xử lý. Cuối cùng là đánh giá lại và giám sát liên tục, vì bất kỳ can thiệp nào cũng có thể ảnh hưởng đến các chỉ số hiệu suất khác (như độ chính xác tổng thể), nên cần cân bằng giữa công bằng và hiệu quả thông qua các ma trận đánh giá đa mục tiêu.

Ứng dụng thực tế

AI Fairness đã được triển khai trong nhiều lĩnh vực then chốt tại Việt Nam và quốc tế. Trong y tế, Bệnh viện Chợ Rẫy và Viện Công nghệ Thông tin (Viện Hàn lâm Khoa học Xã hội Việt Nam) đã hợp tác xây dựng mô hình chẩn đoán tiểu đường dựa trên dữ liệu lâm sàng của người Việt, trong đó áp dụng kỹ thuật tái cân bằng mẫu để đảm bảo mô hình hoạt động tốt cho cả nam và nữ, người trẻ và người cao tuổi. Trong tài chính, Ngân hàng TMCP Ngoại Thương Việt Nam (Vietcombank) đã tích hợp kiểm tra công bằng vào quy trình phê duyệt khoản vay tự động, đảm bảo tỷ lệ từ chối không chênh lệch quá 5% giữa các nhóm thu nhập và khu vực địa lý. Trong giáo dục, nền tảng học tập trực tuyến Hocmai.vn sử dụng phân tích công bằng để kiểm tra xem các đề thi AI-generated có tạo ra lợi thế không công bằng cho học sinh ở thành thị so với nông thôn — dựa trên dữ liệu về thiết bị, tốc độ mạng và thời gian làm bài.

Một ví dụ quốc tế nổi bật là hệ thống tuyển dụng của Unilever, vốn từng bị chỉ trích vì ưu tiên ứng viên nam trong các vị trí kỹ thuật. Sau khi áp dụng framework AI Fairness của IBM, công ty đã loại bỏ các đặc trưng gián tiếp phản ánh giới tính (như tên trường đại học, câu lạc bộ tham gia) và sử dụng kỹ thuật hậu xử lý để điều chỉnh điểm số đầu ra, giúp tỷ lệ ứng viên nữ được mời phỏng vấn tăng từ 32% lên 49% trong vòng hai năm. Tại Việt Nam, Tổng cục Thống kê đang xây dựng bộ chỉ số công bằng thuật toán cho các mô hình dự báo dân số, đảm bảo các kịch bản tăng trưởng không thiên lệch về giới hoặc vùng miền.

Ưu điểm và hạn chế

Ưu điểm nổi bật nhất của AI Fairness là khả năng chuyển đổi các nguyên tắc đạo đức trừu tượng thành các chỉ số đo lường được và các hành động can thiệp cụ thể, từ đó nâng cao độ tin cậy và tính bền vững của các hệ thống AI trong xã hội. Nó giúp tổ chức giảm thiểu rủi ro pháp lý (ví dụ: vi phạm Luật Bình đẳng Giới hoặc Điều 33 Bộ luật Lao động), đồng thời cải thiện uy tín thương hiệu và sự gắn kết của người dùng. Về mặt kỹ thuật, các phương pháp công bằng thường đi kèm với việc tăng cường khả năng giải thích (interpretability) và độ ổn định của mô hình, do buộc nhà phát triển phải kiểm tra sâu hơn cấu trúc dữ liệu và logic ra quyết định.

Tuy nhiên, AI Fairness cũng tồn tại nhiều hạn chế nghiêm trọng. Thứ nhất là mâu thuẫn nội tại giữa các tiêu chí công bằng: như đã chứng minh bởi Kleinberg, không thể đồng thời thỏa mãn statistical parity, equal opportunity và predictive parity trong mọi bài toán thực tế — do đó việc lựa chọn tiêu chí nào là một quyết định mang tính đạo đức và chính sách, chứ không thuần túy kỹ thuật. Thứ hai là rủi ro làm giảm hiệu suất tổng thể: các can thiệp công bằng thường dẫn đến suy giảm độ chính xác hoặc độ tin cậy trên tập dữ liệu tổng thể, đặc biệt khi dữ liệu bị thiên lệch nặng. Thứ ba là vấn đề định nghĩa đặc điểm nhạy cảm: tại Việt Nam, việc xác định nhóm nào là “nhóm dễ bị tổn thương” vẫn chưa có khung pháp lý thống nhất — ví dụ, người dân tộc thiểu số ở Tây Bắc có thể được bảo vệ theo Luật Bảo vệ và Phát triển Dân tộc Thiểu số, nhưng người lao động phi chính thức ở đô thị thì chưa có cơ chế tương tự.

Lưu ý quan trọng

Khi triển khai AI Fairness, điều quan trọng nhất là tránh tư duy “một lần làm là xong”. Công bằng không phải là một thuộc tính được “cài đặt” vào mô hình như một plugin, mà là một cam kết liên tục đòi hỏi tài nguyên, chuyên gia đa ngành và cơ chế giám sát vận hành. Cần đặc biệt lưu ý rằng việc che giấu hoặc loại bỏ đặc điểm nhạy cảm (fairness through unawareness) không giải quyết được vấn đề, vì mô hình vẫn có thể học được tín hiệu gián tiếp từ các đặc trưng khác — hiện tượng được gọi là proxy discrimination. Ngoài ra, không nên áp dụng các bộ công cụ công bằng một cách máy móc mà không hiểu ngữ cảnh: ví dụ, việc sử dụng chỉ số disparate impact (tỷ lệ ảnh hưởng khác biệt) với ngưỡng 80% — phổ biến tại Hoa Kỳ — có thể không phù hợp với bối cảnh Việt Nam, nơi sự chênh lệch về điều kiện tiếp cận công nghệ giữa các vùng miền là khách quan và cần được điều chỉnh theo cơ chế công bằng phân phối (equity), chứ không phải công bằng hình thức (equality). Cuối cùng, cần thiết lập cơ chế phản hồi từ người dùng và cộng đồng bị ảnh hưởng, vì chỉ họ mới có thể phát hiện những dạng thiên lệch vô hình mà các chỉ số kỹ thuật không thể đo lường — như sự thiếu đại diện trong dữ liệu hình ảnh, sự thiếu nhạy cảm văn hóa trong giao diện giọng nói, hay sự bóp méo nhận thức trong nội dung được sinh tự động.