AI tạo ảnh và những nghịch lý đang tồn tại

Những ngày đầu của công nghệ tạo ảnh bằng AI, sản phẩm thường “lộ” ngay từ cái nhìn đầu tiên, bàn tay thừa ngón, gương mặt méo, ánh sáng vô lý, chi tiết chắp vá. Khi ấy, người dùng phổ thông vẫn dễ nhận ra đâu là ảnh thật, đâu là ảnh do máy tạo ra. Theo đà phát triển, các mô hình tạo ảnh tập trung vào tăng độ phân giải, sửa lỗi hình học, cải thiện khả năng bám sát mô tả. Tuy nhiên, một vấn đề lại xuất hiện, ảnh AI quá bóng bẩy, quá sạch, quá “đúng sách giáo khoa” khiến người xem cảm thấy như tranh minh hoạ, thiếu hơi thở đời sống.

Vì vậy, nhiều nhà phát triển chuyển hướng theo đuổi “chủ nghĩa hiện thực” theo cách rất đặc biệt đó là bắt chước cách con người ghi hình trong điều kiện phổ thông. Google gần đây giới thiệu Gemini 2.5 Flash Image (tên gọi quen thuộc “nano-banana”) và tiếp đó là Nano Banana Pro (Gemini 3 Pro Image) với trọng tâm tạo - sửa ảnh chân thực, bám sát ngữ cảnh và tri thức đời thực tốt hơn, đồng thời cải thiện hiển thị chữ trong ảnh.

Điểm đáng chú ý là “chất ảnh” mà các mô hình hướng tới ngày càng giống ảnh smartphone với độ tương phản vừa phải, vùng tối được nâng nhẹ, chi tiết được tăng cường theo kiểu xử lý đa khung hình; góc nhìn, phối cảnh, độ nét cũng mang “hơi hướng” thiết bị cầm tay. Nói cách khác, AI không chỉ học “thực tại”, mà học luôn cách thực tại được ghi lại.

Xu hướng này lan sang cả video. Các mô hình tạo video hiện đại như Sora 2 của OpenAI nhấn mạnh khả năng điều khiển tốt hơn và tính chân thực cao hơn; còn Veo của Google DeepMind hướng tới độ trung thực về chuyển động, vật lý và cả âm thanh gốc (native audio).

Trong thực tế sử dụng, không ít nội dung AI lại được cố ý “làm xấu”, thêm nhiễu, giả lập camera giám sát, rung nhẹ, nén hình… bởi đôi khi “chất lượng thấp đúng kiểu” lại khiến người xem dễ tin hơn.

Ở góc độ tâm lý thị giác, đây là cách tránh trạng thái “gần giống thật nhưng vẫn gây bất an” - khi hình ảnh quá sát thực mà vẫn còn một vài chi tiết sai, tạo cảm giác lạ lẫm. Khi mô hình biết tái hiện những giới hạn quen thuộc của máy ảnh phổ thông, cảm giác “giả tạo” giảm đi đáng kể.

Ảnh AI càng giống ảnh chụp thường ngày, ranh giới giữa “chỉnh sửa” và “tạo mới hoàn toàn” càng mờ. Điều đó đặt ra yêu cầu cấp thiết về minh bạch nguồn gốc nội dung số, nhất là trong bối cảnh tin giả, mạo danh, thao túng thông tin có thể lan truyền nhanh.

Một trong những hướng đi quan trọng là chuẩn Content Credentials của liên minh C2PA đó là gắn siêu dữ liệu có ký số (cryptographic metadata) để thể hiện xuất xứ và lịch sử chỉnh sửa của nội dung. Khi các nền tảng, phần mềm và thiết bị cùng tham gia, người dùng có thêm công cụ kiểm chứng, nội dung do ai tạo, chỉnh sửa khi nào, bằng công cụ gì.

Tuy nhiên, trong giai đoạn chuyển tiếp, khi việc gắn xác thực chưa đồng bộ, mỗi người dùng vẫn cần “tự trang bị miễn dịch số”, cần thận trọng trước hình ảnh quá kích thích cảm xúc; ưu tiên nguồn chính thống; kiểm tra ngữ cảnh, dấu hiệu bất thường; và cân nhắc hệ quả trước khi chia sẻ. Công nghệ càng tinh vi, yêu cầu về trách nhiệm xã hội trong sử dụng và lan truyền thông tin càng phải được đặt lên hàng đầu./.