AI và rủi ro cho cộng đồng LGBTQ+CEFR A2
18 thg 11, 2025
Phỏng theo Aaron Spitler, Global Voices • CC BY 3.0
Ảnh: Igor Omilaev, Unsplash
AI đang xuất hiện nhiều hơn trong đời sống. Một khảo sát toàn cầu của Ipsos cho thấy 55 phần trăm người được hỏi thấy các giải pháp AI mang lại nhiều lợi ích hơn nhược điểm. Đầu tư tư nhân vào AI cũng tăng mạnh trong thập kỷ qua, và nhiều công ty quảng bá các công cụ vì hiệu quả và dễ sử dụng.
Tuy nhiên có nhiều lo ngại, nhất là với cộng đồng LGBTQ+. Một số công cụ tạo ảnh, như Midjourney, đã tạo ra hình ảnh quy giản và có hại khi miêu tả người LGBTQ+. UNESCO phát hiện các mô hình phổ biến như Llama 2 và GPT-2 tạo nội dung tiêu cực về người đồng tính hơn một nửa số lần. Forbidden Colours chỉ ra hệ thống nhận diện giới tính tự động là hiểu sai và có thể nguy hiểm. Politico Europe đưa tin Viktor OrbE1n đã phê chuẩn giám sát sinh trắc học tại các sự kiện Pride; các cơ quan EU đang xem xét. Những người ủng hộ kêu gọi hợp tác với tổ chức LGBTQ+ và tăng biện pháp bảo vệ.
Từ khó
- cộng đồng — Nhóm người có chung đặc điểm.cộng đồng LGBTQ+
- AI — Máy tính có khả năng suy nghĩ như con người.
- gây hại — Gây ra điều xấu hoặc tổn thương.
- giám sát — Theo dõi hành động hoặc hoạt động của ai đó.
- chính phủ — Cơ quan quản lý một đất nước.
- sự kiện — Sự việc quan trọng xảy ra.
- bảo vệ — Giữ gìn an toàn cho ai đó.
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Bạn nghĩ thế nào về tác động của AI đến cộng đồng?
- Có cách nào để giảm thiểu tác hại của công cụ AI không?
- Tại sao chính phủ sử dụng AI để theo dõi cộng đồng?
Bài viết liên quan
Luyện đi với chân giả rô-bốt thay đổi cảm nhận về bước đi
Nghiên cứu cho thấy khi người khỏe mạnh học đi với chân giả rô-bốt, hiệu suất đi cải thiện nhưng nhận thức về bước đi thay đổi — người tham gia trở nên tự tin hơn nhưng đánh giá không chính xác. Nghiên cứu đề xuất thêm phản hồi hình ảnh để đào tạo.
Tại sao mô hình ngôn ngữ lớn khó nhân số bốn chữ số
Một nghiên cứu do University of Chicago dẫn đầu giải thích vì sao nhiều mô hình ngôn ngữ lớn không nhân đúng hai số có bốn chữ số. Nghiên cứu so sánh huấn luyện tinh chỉnh tiêu chuẩn và phương pháp Chuỗi suy luận ẩn (ICoT) và thấy ICoT giúp mô hình lưu và dùng kết quả trung gian.