AI Slop

AI slop, thường gọi ngắn gọn là slop, là nội dung số chất lượng thấp được sản xuất hàng loạt bằng AI tạo sinh với rất ít sự chăm chút của con người: bài viết lấp chỗ trống, hình ảnh kỳ quái, video có lời thuyết minh trên cảnh quay có sẵn và bài hát do máy tạo, được đăng để thu hút lưu lượng tìm kiếm, tương tác hoặc doanh thu quảng cáo. Merriam-Webster chọn slop là Từ của năm 2025, định nghĩa từ này là “nội dung số chất lượng thấp, thường được sản xuất với số lượng lớn bằng trí tuệ nhân tạo”; Macquarie Dictionary cũng chọn “AI slop” trong cùng năm. Điều khiến nội dung trở thành slop là cách thức và mục đích sản xuất — với chi phí gần bằng không và số lượng lớn — chứ không phải một lỗi cụ thể nào trong nội dung.

Nguồn gốc của thuật ngữ#

Ban đầu, slop có nghĩa là bùn mềm, sau đó là thức ăn thừa cho lợn. Tháng 5 năm 2024, lập trình viên Simon Willison lập luận rằng slop nên trở thành tên gọi cho nội dung AI không mong muốn, giống như spam trở thành tên gọi cho email không mong muốn; ông ghi nhận cây bút trực tuyến deepfates là người nhận ra từ này đang trở thành thuật ngữ chuyên môn. Cũng trong năm đó, các bảng tin Facebook tràn ngập hình ảnh chuyển văn bản thành hình ảnh siêu thực như “Shrimp Jesus” — hình ảnh Chúa Jesus kết hợp với tôm — được các trang đăng tải nhằm tăng tương tác; đến năm 2025, từ này cũng được dùng cho video, âm nhạc, sách và bài viết học thuật do AI tạo.

Vì sao AI slop lan rộng#

Slop là một sản phẩm kinh tế. Một mô hình ngôn ngữ lớn (LLM) hoặc trình tạo ảnh dựa trên model khuếch tán có thể tạo ra hàng nghìn bài đăng với chi phí chỉ bằng một nội dung do con người tạo; trong khi đó, các bảng tin được xếp hạng bởi hệ thống đề xuất và mạng quảng cáo trả tiền cho sự chú ý, bất kể nội dung được tạo bởi ai hay bởi thứ gì. Nhà sản xuất chỉ cần một phần nhỏ bài đăng được đón nhận:

Mô hình này hiện xuất hiện trên khắp web:

• Trang trại nội dung và spam tìm kiếm: Các trang web sản xuất hàng loạt trang do LLM viết để xếp hạng theo truy vấn. Chính sách chống spam của Google định nghĩa lạm dụng nội dung quy mô lớn là tạo ra nhiều trang mang lại ít giá trị cho người dùng “bất kể được tạo ra bằng cách nào”; định nghĩa này nhắm đến số lượng và mục đích của slop thay vì công cụ được sử dụng.
• Nền tảng phát trực tuyến: Spotify cho biết vào tháng 9 năm 2025 rằng họ đã gỡ bỏ hơn 75 triệu bản nhạc rác trong 12 tháng trước đó, còn YouTube đổi tên quy định kiếm tiền từ nội dung "lặp lại" thành "nội dung không xác thực" vào tháng 7 năm 2025 để áp dụng cho video được sản xuất hàng loạt.
• Xuất bản khoa học: Một phân tích gần 951.000 bài báo cho thấy tới 17,5% tóm tắt trong lĩnh vực khoa học máy tính có dấu hiệu bị LLM chỉnh sửa tính đến tháng 2 năm 2024. Các bài nộp chất lượng thấp với tài liệu tham khảo bịa đặt gây thêm áp lực cho quy trình bình duyệt.

AI Slop và các thuật ngữ liên quan#

• Ảo giác: Một phát biểu sai hoặc không có căn cứ trong đầu ra của model. Slop mô tả cách nội dung được tạo ra và sử dụng, vì vậy một bài viết chính xác nhưng vô ích vẫn là slop, còn một bài viết được rà soát kỹ vẫn có thể chứa ảo giác.
• Deepfake: Phương tiện tổng hợp được tạo ra để khiến một người thật có vẻ như đang nói hoặc làm điều gì đó. Slop thường nhằm thu hút sự chú ý thay vì đánh lừa người xem về một cá nhân hay sự kiện cụ thể.
• Sụp đổ model: Sự suy giảm chất lượng của các model được huấn luyện lặp đi lặp lại trên nội dung do máy tạo. Slop được thu thập từ web rồi đưa vào dữ liệu huấn luyện là một trong những cách khởi đầu vòng lặp đó; vì vậy, các pipeline làm sạch dữ liệu cho bộ dữ liệu quy mô web loại bỏ mẫu gần giống hệt nhau và lọc các mẫu chất lượng thấp.
• Dữ liệu tổng hợp: Dữ liệu được tạo có chủ đích, lọc và xác thực để huấn luyện model; đây là đối trọng được kiểm soát của slop.

Phát hiện và lọc AI Slop#

Các tín hiệu về nguồn gốc là bằng chứng đáng tin cậy nhất khi có sẵn. Đóng dấu chìm AI nhúng một tín hiệu có thể phát hiện ngay lúc tạo nội dung, còn Content Credentials (C2PA) đính kèm siêu dữ liệu có chữ ký, ghi lại công cụ nào đã tạo hoặc chỉnh sửa tệp, nhờ đó nền tảng có thể gắn nhãn nội dung khi công cụ tạo ra nội dung đó hỗ trợ tính năng này. Cả hai đều không hữu ích với đầu ra từ công cụ không thêm dấu nhận diện, và siêu dữ liệu sẽ mất khi tệp được mã hóa lại hoặc chụp ảnh màn hình.

Các bộ phân loại đánh giá nội dung sau khi được tạo sẽ lấp khoảng trống này nhưng cho kết quả không đồng nhất. Các công cụ phát hiện văn bản do AI viết có thành tích kém: OpenAI đã rút bộ phân loại văn bản của mình vào tháng 7 năm 2023 sau khi công cụ này chỉ gắn cờ chính xác 26% văn bản do AI viết. Hình ảnh dễ phát hiện hơn vì các model tạo ảnh để lại dấu vết thống kê; một số dấu vết con người có thể nhận ra, chẳng hạn chữ bị méo hoặc bàn tay dị dạng, giúp người đọc xác định hình ảnh có phải do AI tạo hay không, còn các model phát hiện những dấu vết tinh vi hơn. Một model phân loại Ultralytics YOLO26 được huấn luyện trên hình ảnh thật và hình ảnh do máy tạo đã gắn nhãn có thể đánh dấu những hình ảnh có khả năng do AI tạo để con người rà soát. Các công cụ phát hiện này phải theo kịp những bộ tạo mới: một bộ phân loại được huấn luyện trên hình ảnh từ một GAN đã khái quát hóa sang các bộ tạo khác dựa trên CNN khi được huấn luyện với phép làm mờ và tăng cường dữ liệu JPEG, nhưng các công cụ phát hiện được huấn luyện bằng GAN lại thất bại với hình ảnh từ model khuếch tán tiềm ẩn; trong khi đó, xây dựng công cụ phát hiện dựa trên đặc trưng CLIP đã tăng độ chính xác khoảng 26 điểm phần trăm trên các bộ tạo khuếch tán và tự hồi quy chưa gặp.