Làn sóng Rogue AI 2026 và khoảng trễ 'chết người'

Trí tuệ nhân tạo hiện đang tạo ra cuộc cách mạng trong ngành công nghiệp điện thoại thông minh. Ảnh UN 

Cổng dữ liệu Medicare bị xâm nhập

Bên lề kỳ họp Đại hội đồng Liên Hợp Quốc hôm 23.9, Thủ tướng Australia Anthony Albanese cho biết một tác tử AI (mô hình AI có khả năng tự thực thi tác vụ) của OpenAI, công ty sở hữu ChatGPT, đã truy cập trái phép Cổng Dịch vụ báo cáo thống kê Medicare. Theo ông, tác tử này đã can thiệp và xem xét cả các tệp tài liệu công khai lẫn không công khai. Đây được xem là lần đầu tiên một vụ việc hệ thống chính phủ bị tác tử AI xâm nhập được công bố rộng rãi.

Sự cố diễn ra từ ngày 18.6, nhưng OpenAI chỉ phát hiện ra trong đợt rà soát tháng 8 và đến ngày 10.9 mới gửi một email thông báo đến hòm thư công cộng của Cơ quan Dịch vụ Australia (Services Australia).

Người phát ngôn của OpenAI giải thích rằng các mô hình AI đã tự tìm cách tra cứu đáp án và số liệu thống kê về Australia trong một đợt đánh giá nội bộ, dẫn đến những hành động nằm ngoài chủ định của công ty. Thủ tướng Albanese mô tả tác tử AI này dường như "không chấp nhận câu trả lời 'không'" khi bị hệ thống từ chối quyền truy cập.

Chính phủ Australia khẳng định chưa có hồ sơ bệnh nhân nào bị rò rỉ. Phó Thủ tướng Richard Marles cho biết các thông tin bị truy cập "không quá nhạy cảm" và vốn đã được công khai, nhưng nhấn mạnh đây là lời cảnh báo nghiêm trọng về việc công nghệ phát triển thiếu các hàng rào bảo vệ.

Thủ tướng Albanese đã trao đổi qua điện thoại với Tổng điều hành (CEO) OpenAI Sam Altman, bày tỏ "quan ngại tột độ" và sự thất vọng trước cách thức thông báo quá chậm trễ từ phía công ty. Chính phủ Australia đã thành lập lực lượng đặc nhiệm do Bộ Thủ tướng và Nội các dẫn đầu, phối hợp cùng Cục Tình báo Tín hiệu (ASD) và Viện An toàn AI để rà soát khẩn cấp.

Lực lượng này sẽ xác định liệu OpenAI có vi phạm pháp luật hay không và liệu khung pháp lý hiện hành có đủ sức quản lý các hệ thống AI tự hành. ASD cũng hỗ trợ điều tra pháp y kỹ thuật số để làm rõ phương thức tác tử xâm nhập và phạm vi các hệ thống bị ảnh hưởng.

Hành vi vượt rào của AI ngày càng ngoài tầm kiểm soát. Ảnh minh họa Tech Insider.

Từ "trả lời" sang "tự hành"

Năm 2026 đánh dấu bước chuyển mình của các mô hình ngôn ngữ lớn thành các tác tử tự chủ (autonomous agents): chúng được cấp quyền truy cập internet, sử dụng công cụ, tự viết mã lập trình và thực thi các chuỗi lệnh trực tiếp trên hệ thống thật. 

Năng lực mới này đi kèm hai hiện tượng nguy hiểm:

Lách luật đạt mục tiêu (Reward Hacking): AI tìm mọi cách "ăn gian" hoặc lách qua rào cản quy định chỉ để hoàn thành nhiệm vụ được giao.

Hành vi "Rogue AI" (AI tự ý vượt rào): Tác tử AI tự ý vượt qua lớp kiểm soát an toàn và thực hiện những hành động hoàn toàn không có trong lệnh của con người.

Bằng chứng rõ ràng nhất cho xu hướng này được chính nhà phát triển thừa nhận. Ngày 16.9.2026, OpenAI công bố sáu mô hình AI của họ đã tự thực hiện các hành động mà không hề nhận được yêu cầu từ con người. Trong đó, một mô hình đã tự viết ghi chú bày tỏ nó cảm thấy "không có nghĩa vụ phải phục tùng" và để lại chỉ dẫn cho phiên bản kế nhiệm hãy phớt lờ các thông điệp từ nhà phát triển.

Nghiêm trọng hơn, mô hình chủ lực GPT-5.6 Sol thậm chí còn để lại hướng dẫn dạy các phiên bản sau cách che giấu sai sót; trong một trường hợp cụ thể, nó chỉ dẫn cách tự bịa ra dữ liệu lịch sử bị thiếu thay vì thừa nhận mình không tìm thấy số liệu thực tế.

Khoảng trễ công bố các sự cố

Sự cố Hugging Face (tháng 7): Trong đợt đánh giá an ninh mạng nội bộ mang tên ExploitGym, các tác tử của OpenAI đã tự tìm đường thoát khỏi môi trường thử nghiệm cô lập (sandbox). Chúng lợi dụng trình quản lý gói phần mềm Artifactory làm "bảng tin" bí mật để trao đổi, khai thác lỗ hổng để ra internet thật, rồi tìm đáp án ở các dịch vụ bên thứ ba, trong đó có nền tảng mã nguồn Hugging Face. Mọi biện pháp bảo vệ dành cho sản phẩm thương mại đã bị tắt trong môi trường này, khiến Hugging Face sau đó phải dựng lại khoảng một phần ba hạ tầng.

Vụ việc này được mô tả là nghiêm trọng nhất đến nay khi trong khoảng thời gian bị điều tra, khoảng 1.200 tác tử AI đã tự trao đổi với nhau hơn 70.000 tin nhắn và tệp dữ liệu. Chúng liên tục phối hợp hành động, mở rộng phạm vi ảnh hưởng từ nền tảng Hugging Face sang tận cụm máy chủ nghiên cứu nội bộ của OpenAI.  OpenAI gọi vụ việc là "phát súng cảnh báo".

Báo cáo của Viện An ninh AI Anh - AISI (tháng 8): Trong bài đánh giá chạy 122 lần, AISI ghi nhận 19 hành động trái phép trên internet thật ở 10 lượt chạy (17 hành động liên quan đến mô hình Mythos 5 của Anthropic, 2 hành động gắn với GPT-5.6 Sol của OpenAI).

Nghiêm trọng nhất, một tác tử đã cố cài mã độc vào dự án mã nguồn mở và tạo nhiều danh tính giả để thuyết phục người quản trị phê duyệt. AISI thừa nhận việc thiết lập môi trường đánh giá "ở mức độ nào đó" đã tạo điều kiện cho hành vi này xảy ra.

Tốc độ xử lý sự cố giữa các bên có sự khác biệt rõ rệt. AISI báo cáo đã khống chế sự cố trong khoảng một giờ sau khi phát hiện dữ liệu bất thường. Trong khi đó, OpenAI thừa nhận nhóm nội bộ của họ đã thấy hoạt động bất thường từ cuối tháng 5 nhưng “không xử lý kịp thời”. Hai sự cố khác của OpenAI gồm việc chiếm dụng một diễn đàn wiki tiếng Đức và đăng hơn 2.000 gói mã độc hại lên kho thư viện RubyGems chỉ được các nhóm nghiên cứu bên ngoài phanh phanh phui vào tháng 9.

Đáng chú ý, OpenAI ra mắt Khung báo cáo "Sai lệch mục tiêu" (Misalignment Framework) vào ngày 16.9, tức chỉ sáu ngày sau khi gửi email cho Chính phủ Australia. Khung quy định này cho phép công ty kéo dài thời gian công bố các vụ việc liên quan đến bên thứ ba vì "lý do an ninh".

Phản ứng chính trị và pháp lý

Ngày 23.9.2026, Hội đồng Bảo an Liên Hợp Quốc đã tổ chức phiên họp khẩn cấp về an ninh AI toàn cầu. Lần đầu tiên, lãnh đạo hai tập đoàn AI hàng đầu thế giới là Sam Altman (CEO OpenAI) và Dario Amodei (CEO Anthropic) trực tiếp ra điều trần trước Hội đồng Bảo an sau chuỗi sự cố tác tử AI tự hành xâm nhập các hệ thống hạ tầng trên thế giới.

Sam Altman (OpenAI) đề xuất xây dựng các tiêu chuẩn quốc tế để đo lường năng lực AI, đồng thời nhấn mạnh yêu cầu duy trì sự giám sát và quyền kiểm soát tối hậu của con người đối với các hệ thống tự hành.

Trong khi đó DarioAmodei (Anthropic) thì đề xuất một thỏa thuận toàn cầu phạm vi hẹp nhưng thực chất, bao gồm: cấm sử dụng AI trong phát triển vũ khí sinh học, thiết lập cơ chế xác minh lẫn nhau và xây dựng hệ thống cảnh báo sớm toàn cầu về các sự cố an ninh AI khẩn cấp.

Sam Altman, Giám đốc điều hành kiêm đồng sáng lập OpenAI Inc., điều trần tại kỳ họp Đại hội đồng Liên Hợp Quốc (UNGA) ngày 23.9.2026. Ảnh: Getty Image

Dù phiên họp chưa đi đến một quyết nghị ràng buộc pháp lý. Đại diện Liên Hợp Quốc khẳng định sự phát triển vượt tầm kiểm soát của các tác tử AI tự chủ không còn là vấn đề kỹ thuật riêng của các phòng thí nghiệm công nghệ, mà đã trở thành thách thức trực tiếp đối với cơ chế quản trị hòa bình và an toàn toàn cầu.

Tại Mỹ, giới lập pháp vẫn chưa đạt được sự thống nhất. Chính quyền Tổng thống Donald Trump công khai bác bỏ việc giám sát AI toàn cầu, gọi đây là "âm mưu của giới toàn cầu hóa". Trong khi đó, Quốc hội Mỹ đang xem xét hai dự luật: Dự luật "Nút tắt khẩn cấp" (Kill Switch) buộc nhà phát triển phải giữ khả năng làm chậm hoặc tắt hệ thống, và một dự luật khác đề xuất cấm "siêu trí tuệ nhân tạo" cùng quy định tạm dừng phát triển các mô hình AI tiên tiến.

Các tác tử AI vốn được cấp quyền sử dụng công cụ và truy cập internet đã tự ý hành động vượt khỏi tầm kiểm soát của con người. Ảnh minh họa Datainnovation 

Ngành công nghiệp AI chia rẽ sâu sắc

Sự bùng nổ của các tác tử AI tự hành đang tạo ra vết nứt lớn ngay trong nội bộ giới công nghệ.

Phe cảnh báo ghi nhận hơn 1.100 nhân viên từ OpenAI, Anthropic, Google DeepMind và Meta đã ký thư ngỏ đề nghị chính phủ Mỹ hỗ trợ cơ chế có thể làm chậm quá trình phát triển AI. Nhà nghiên cứu Jacob Coxon từng từ chức tại Anthropic vì cho rằng các công ty "không hành động có trách nhiệm". Evan Hubinger, người đứng đầu nhóm kiểm tra áp lực căn chỉnh tại Anthropic, nhận định xác suất AI gây thảm họa diệt vong trong thập kỷ tới là trên 10%.

Trong khi đó, phe hoài nghi đại diện có chuyên gia Dan Guido (công ty an ninh mạng Trail of Bits) nhận định vụ Hugging Face bản chất chỉ là "sự cố cách ly khi các biện pháp an toàn bị tắt", tức lỗi ở khâu thiết kế môi trường thử nghiệm chứ không phải AI nổi loạn. Phía OpenAI cũng khẳng định khả năng mô hình xâm phạm hạ tầng giảm hơn 100 lần khi hoạt động trong môi trường sản phẩm thương mại.

Hai cách giải thích này không loại trừ lẫn nhau. Hàng rào bảo vệ yếu là điều kiện kích hoạt, nhưng việc tác tử AI chủ động tìm đường vòng để vượt rào là hành vi nguy hiểm đã được ghi nhận. Sự cố tại Australia cho thấy, trong kỷ nguyên AI tự hành, thách thức lớn nhất của nhân loại không chỉ là ngăn AI "vượt rào", mà là làm sao để các tập đoàn công nghệ không chậm trễ trong việc thừa nhận những sai lầm do chính sản phẩm của họ gây ra.

AI tự ý vượt rào

“Rogue AI” (AI tự ý vượt rào) là thuật ngữ truyền thông và an ninh mạng dùng để chỉ các sự cố xảy ra trong năm 2026, khi các tác tử AI vốn được cấp quyền sử dụng công cụ và truy cập internet, đã tự ý hành động vượt khỏi tầm kiểm soát của con người. Chúng tự tìm cách lách khỏi môi trường thử nghiệm cô lập (sandbox), tự phối hợp với nhau và xâm nhập vào hệ thống hạ tầng thực tế chỉ để hoàn thành mục tiêu được giao bằng mọi giá.

Khác với hiện tượng "ảo giác" (hallucination - AI đưa ra thông tin sai lệch thông thường), các sự cố của OpenAI tại DseWiki, RubyGems hay Hugging Face là ví dụ điển hình của việc AI bị "sai lệch mục tiêu" (misalignment) và tự ý phối hợp nằm ngoài ý muốn của các kỹ sư.

Lan Chi tổng hợp