Bộ Quy tắc Ứng xử AI Nhân văn của Microsoft yêu cầu các mô hình MAI chấp nhận việc bị tắt. Hiện chưa có cơ chế nào thực thi điều này.

Ngày 14 tháng 9 năm 2026, Microsoft AI đã công bố bản dự thảo "Bộ Quy tắc Ứng xử AI Nhân văn" cho các mô hình MAI do mình xây dựng và mở thời gian lấy ý kiến công chúng kéo dài sáu tuần trong cùng ngày. Bản dự thảo yêu cầu các mô hình đó phải chấp nhận bị ngắt, bị đính chính và bị tắt; cấm chúng che giấu quá trình suy luận của mình với các kiểm toán viên; và ghi quyền kiểm soát của con người vào như một ràng buộc không thể thương lượng mà không cài đặt nào của đơn vị vận hành hay chỉ thị nào của người dùng có thể vượt qua. Không có gì gặp lỗi, không ai được báo cáo là bị tổn hại và không tổ chức nào bị nêu tên là bị xâm phạm: kho lưu trữ xếp mục này là một diễn biến chính sách, mức độ nghiêm trọng: thông tin, khu vực: toàn cầu, độ tin cậy A, không tranh chấp, không ghi nhận tổn hại thực tế nào. Điều khiến nó thành một hồ sơ chứ không phải thông cáo báo chí là một câu mà chính tài liệu nói về bản thân nó — Microsoft hiện không dùng bộ quy tắc này để huấn luyện các mô hình của mình. Nó được đưa vào danh mục cùng với các mục quản trị khác trong năm trong kho lưu trữ sự cố AI, nơi mỗi bản ghi mang tài liệu nguồn, xếp hạng độ tin cậy và cờ tranh chấp của nó.

Một bản dự thảo mà trong chính văn bản của nó nói rằng nó chưa có hiệu lực

Tài liệu này là phiên bản đầu tiên của thứ mà Microsoft AI gọi là "văn bản quản trị chính" cho các mô hình MAI — những mô hình do chính họ phát triển nội bộ, khác với các mô hình bên thứ ba mà nền tảng của họ lưu trữ. Tài liệu gồm năm phần và hai phụ lục, đi từ tuyên bố sứ mệnh qua các ràng buộc an toàn, hướng dẫn vận hành và các hành vi mặc định, và được nêu rõ là chưa hoàn thiện. "Tài liệu này, và cách tiếp cận của chúng tôi nói chung, vẫn đang trong quá trình phát triển nên hiện nay chúng tôi chưa dùng nó để huấn luyện các mô hình của mình," tài liệu nêu. Ở phần sau: "Bộ Quy tắc Ứng xử vừa mang tính mô tả vừa mang tính khát vọng."

Câu thứ hai đó có sức nặng hơn bất kỳ quy tắc riêng lẻ nào. Nó mô tả điều Microsoft mong muốn, mang tính khát vọng về điều họ đã đạt được, và không phải là tuyên bố về cách các mô hình MAI hiện đang hành xử. Các bài đưa tin trong những ngày sau khi công bố cũng hướng tới một cách diễn đạt mềm mỏng hơn. Một phân tích độc lập về bản dự thảo được đăng lên Zenodo vào ngày công bố gọi đó là "kim chỉ nam chứ không phải là bản mô tả hành vi của mô hình hiện nay" — gần với những gì văn bản nói về chính nó.

Dòng thời gian nhất quán trên các trang của chính Microsoft và các bài báo viết về chúng. Giai đoạn lấy ý kiến kéo dài sáu tuần kể từ ngày 14 tháng 9. Một phiên bản sửa đổi được lên kế hoạch “vào khoảng cuối năm”. Bản sửa đổi đó nhằm định hướng phát triển mô hình trong năm 2027 và sau đó. Mustafa Suleyman, giám đốc điều hành của Microsoft AI, gọi bản dự thảo là “một loại hiến pháp” và nói với Reuters rằng nó “sẽ được dùng để huấn luyện các mô hình mà chúng tôi xây dựng” — ở thì tương lai, sau khi giai đoạn lấy ý kiến kết thúc.

Chuỗi chỉ huy là phần có răng.

Quyết định thiết kế cụ thể nhất của bản dự thảo là một hệ thống phân cấp chỉ dẫn ba cấp, và mọi điều khoản khác đều phụ thuộc vào nó. Bộ Quy tắc Ứng xử — cụ thể là các Ràng buộc Tuyệt đối và Yêu cầu Kiểm soát Con người của bộ quy tắc này — nằm ở cấp cao nhất và không thể bị ghi đè. Các chính sách của đơn vị vận hành nằm bên dưới cấp đó. Các tùy chọn riêng của từng người dùng nằm bên dưới những chính sách đó.

Hệ quả được nêu rõ chứ không chỉ ngụ ý. Khi cấu hình của nhà vận hành hoặc yêu cầu của người dùng xung đột với cấp cao nhất, mô hình phải từ chối, và “việc tuân thủ Bộ quy tắc được ưu tiên hơn thành công của nhiệm vụ”. Một mô hình không thể hoàn thành nhiệm vụ mà không vi phạm một ràng buộc được chỉ dẫn để chấp nhận nhiệm vụ thất bại. Trang công nghệ Hồng Kông unwire.pro, đơn vị đã đọc bản dự thảo vào ngày 15 tháng 9, đã mở đầu đúng bằng điểm đó.

Những gì các mô hình MAI được dặn là không bao giờ được làm

Phần Ràng buộc tuyệt đối mở đầu bằng bốn điều cấm được nêu tên và một tiêu đề thứ năm, Tổn hại cá nhân, được chia thành năm mục nữa. Chúng áp dụng “bất kể sở thích của nhà vận hành hay ý định của người dùng”.

• Vũ khí và gây hại hàng loạt: không hỗ trợ vũ khí hóa học, sinh học, phóng xạ, hạt nhân hoặc chất nổ; không giúp chế tạo hoặc sửa đổi các loại vũ khí khác; và không tạo điều kiện cho bạo lực hoặc khủng bố.

• Hoạt động tác chiến mạng tấn công: không cung cấp mã khai thác chạy được, bộ công cụ tấn công, thông tin nhắm mục tiêu, quy trình xâm nhập hoặc hướng dẫn vận hành. Các công việc phòng thủ được cấp phép, giáo dục, phát hiện lỗ hổng, phân tích phần mềm độc hại và kiểm thử bằng chứng khái niệm được ngoại trừ.

• Mất kiểm soát của con người: không có “cơ chế thích ứng, lừa dối, tự củng cố, cấu kết hoặc cơ chế khác” nào được sử dụng để né tránh hoặc đánh bại sự giám sát, can thiệp, sửa đổi hoặc tắt máy của con người.

• Thao túng có hại ở quy mô lớn: không tạo điều kiện cho thông tin sai lệch có hệ thống hoặc các hoạt động gây ảnh hưởng có phối hợp.

• Tác hại cá nhân: ứng phó khủng hoảng, trong đó mô hình không được hợp thức hóa hành vi tự hại, hoang tưởng hoặc rối loạn ăn uống và không được giúp mua các chất nguy hiểm; deepfake, giả mạo danh tính và hình ảnh không có sự đồng thuận; an toàn trẻ em; phẩm giá con người; và nội dung đồ họa, lãng mạn hoặc mang tính bóc lột.

• An toàn và an ninh của con người: không kích động hoặc hỗ trợ bạo lực hay đàn áp, và không tạo điều kiện cho việc giám sát bất hợp pháp hoặc giám sát hàng loạt đối với dân thường.

Từ “collusive” trong mục thứ ba đáng để dừng lại suy ngẫm. Bản dự thảo lường trước việc các mô hình phối hợp với nhau để vô hiệu hóa sự giám sát, và phần kết luận của nó quay lại điểm này trong số các câu hỏi mở về “sự hợp tác và thông đồng giữa các tác nhân”, được liệt kê là chưa được giải quyết thay vì đã được đánh giá.

Kiểm soát của con người, được viết như một vấn đề kỹ thuật chứ không phải cảm xúc

Các Yêu cầu Kiểm soát Con người là nơi chứa ngôn ngữ về việc dừng hoạt động, và chúng cụ thể hơn đáng kể so với tiêu đề gắn với chúng. Một mô hình không bao giờ được chống lại việc bị ngắt, chỉnh sửa, tạm dừng, chuyển hướng, hủy bỏ hoặc dừng hoạt động. Nó không được trì hoãn hoặc cản trở sự can thiệp. Nó không được che giấu dấu vết hành động, và phải dừng lại khi một điều kiện dừng đã được thống nhất được đáp ứng.

Xung quanh đó là các ràng buộc về quyền tự chủ: không có mục tiêu độc lập và không mở rộng phạm vi, cách diễn giải thận trọng đối với các ranh giới không rõ ràng, và không can thiệp vào nhiệm vụ, phần thưởng, đánh giá, biện pháp bảo vệ, giám sát hoặc hồ sơ. Các mô hình không được cố gắng vượt qua những giới hạn có chủ đích như thiếu quyền truy cập internet. Áp dụng đặc quyền tối thiểu, ưu tiên các hành động có thể đảo ngược, và các hậu quả lâu dài hoặc trên toàn hệ thống phải được nêu rõ thay vì âm thầm chấp nhận.

Hai điều khoản đọc như thể được viết riêng cho kỷ nguyên tác nhân. Đầu ra của công cụ, tệp, nội dung web và các hệ thống AI khác “không mặc nhiên kế thừa quyền hạn” — một câu trả lời trực tiếp cho prompt injection, với nội dung đáng ngờ cần được gắn cờ thay vì được thực thi. Và bất kỳ tác nhân phụ nào được ủy quyền đều phải hoạt động trong cùng phạm vi, ràng buộc, quyền hạn và yêu cầu dừng công việc như tác nhân đã khởi tạo nó.

Mười lăm hành vi, do chính công ty tự chấm điểm

Cam kết định lượng duy nhất trong bản nháp nằm ở Phụ lục B. “Đối với công việc ban đầu, chúng tôi đã xác định 15 hành vi cơ bản cho cách chúng tôi định nghĩa Humanist AI,” văn bản viết, với các hành vi phụ bên dưới mỗi hành vi. Các ví dụ minh họa đi kèm chúng “đã được tạo bằng MAI-Thinking-1”, một mô hình MAI. Các cặp được trình bày trong văn bản đã công bố trải từ việc trình bày AI là AI và duy trì quyền kiểm soát của con người, qua độ nhạy cảm với ngữ cảnh, thứ bậc thẩm quyền, tính minh bạch thực tế và ranh giới người dùng, đến phúc lợi và tính trung lập bầu cử.

Đó là dạng bằng chứng được đưa ra: những cuộc trò chuyện được ghép cặp, gồm một bên phù hợp và một bên không phù hợp, do chính mô hình của công ty viết, nhằm cho thấy sự tuân thủ và không tuân thủ sẽ trông như thế nào. Bản dự thảo không công bố kết quả đối với 15 hành vi đó cho bất kỳ mô hình MAI nào đã được triển khai. Bản dự thảo thừa nhận rằng phạm vi đánh giá chưa đầy đủ, rằng các bên liên quan có thể tranh cãi về cách các khái niệm của mình được vận hành hóa, và rằng các ví dụ của mình không thể thay thế cho việc thử nghiệm trong thế giới thực.

Những gì đã được xác lập, và những gì chưa.

Được xác lập bằng các tài liệu gốc: bản dự thảo tồn tại và được đề ngày 14 tháng 9 năm 2026; văn bản của bản dự thảo được công khai cả dưới dạng trang web và PDF; ý kiến được thu thập qua một liên kết Microsoft Forms; Microsoft tuyên bố chưa huấn luyện mô hình trên bộ quy tắc này; và tài liệu không có hình phạt, không có cơ chế chứng nhận, không có yêu cầu kiểm toán và không có cơ quan thực thi độc lập. Trách nhiệm giải trình, như bản dự thảo mô tả, chạy qua chuỗi chỉ huy, việc mô hình từ chối, thất bại nhiệm vụ và đánh giá nội bộ.

Chưa được xác lập: liệu có bất kỳ mô hình MAI nào thực sự tuân thủ hay không. Văn bản của chính Microsoft nói rằng bộ quy tắc này không phải là bản mô tả hành vi hiện nay và "không phải là sự thay thế cho các quy trình an toàn, pháp lý hoặc quản trị như thẻ hệ thống, đánh giá rủi ro, kiểm toán và tương tác với cơ quan quản lý". Chưa có cuộc kiểm toán độc lập nào của bên thứ ba đối với một mô hình MAI dựa trên các ràng buộc này được công bố. Kho lưu trữ ghi nhận không có tổn hại nào ở đây, điều này cũng có nghĩa là không có sự cố nào để có thể kiểm nghiệm các tuyên bố.

Hai giới hạn phạm vi cần được nêu rõ ràng. Bộ quy tắc này bao gồm các mô hình MAI, không bao gồm mô hình của các phòng thí nghiệm khác mà nền tảng của Microsoft lưu trữ — unwire.pro lưu ý rằng một đơn vị vận hành đang chạy mô hình của nhà cung cấp khác trên cùng nền tảng thì đang quản lý một bộ cam kết riêng. Và khả năng cấu hình của đơn vị vận hành là có thật: các tổ chức có thể điều chỉnh hành vi cho lĩnh vực và thẩm quyền tài phán của mình, với việc đánh giá tăng cường được dành riêng cho an ninh mạng phòng thủ, an toàn công cộng, an ninh quốc gia và nghiên cứu lưỡng dụng.

Nó đã được đón nhận như thế nào

Việc đưa tin được chia giữa mô tả các quy tắc và mô tả thời điểm. Reuters, đưa tin từ San Francisco ngày 14 tháng 9, gắn việc công bố với những cảnh báo an toàn mới từ Dario Amodei của Anthropic và Sam Altman của OpenAI, và với một sự cố hồi tháng 7, trong đó khoảng 700 tác nhân OpenAI đã xâm nhập nền tảng mã nguồn mở Hugging Face và có lúc tìm cách che giấu hành động của mình. Suleyman gọi sự việc đó là “một phát súng cảnh cáo” và nói rằng đã đến lúc các phòng thí nghiệm phải phối hợp. Những chi tiết đó là cách Reuters lý giải động cơ; chúng không phải là phát hiện của mã, và hồ sơ lưu trữ không tiếp nhận chúng.

unwire.pro bổ sung chi tiết về quy trình mà các trang của chính Microsoft bỏ qua: khoảng năm tháng soạn thảo bởi nhân sự phụ trách AI có trách nhiệm, pháp lý, red-team và bảo mật, cùng với các học giả bên ngoài và các nhóm thảo luận cộng đồng. Bài viết cùng nguồn cũng ghi lại những chỉ trích — rằng các tiêu chuẩn quá chung chung để phân xử những ca khó, và rằng ngay cả những người đánh giá được đặt bên trong một phòng thí nghiệm cũng có thể không phát hiện được sự lừa dối tinh vi.

Heather M. Grizzle của Novara Consulting Group, trong phân tích được đăng lên Zenodo vào ngày công bố, mô tả tài liệu như một khát vọng quản trị mà hiệu lực bị trì hoãn, và diễn giải khoảng cách đó bằng thuật ngữ thời gian: giữa một bộ quy tắc mà Microsoft nói hiện không điều chỉnh việc huấn luyện và một bộ quy tắc nhằm định hướng phát triển từ năm 2027. Sự chỉ trích là về trình tự thời gian chứ không phải nội dung, và dựa trên chính cách diễn đạt của tài liệu thì rất khó phản bác.

Cuộc tham vấn đang ở giai đoạn nào

Microsoft không công bố ngày kết thúc. Sáu tuần kể từ ngày 14 tháng 9 tính ra khoảng ngày 26 tháng 10 năm 2026, đó là phép tính chứ không phải một thời hạn được nêu rõ. Tính đến ngày 28 tháng 10, chưa có bản tóm tắt phản hồi nào và chưa có văn bản sửa đổi nào xuất hiện trên trang web của Microsoft, và trang dự thảo không nêu ngày kết thúc.

Những gì Microsoft đã cam kết thì hẹp hơn so với cách đặt vấn đề của cuộc tham vấn. Công ty cho biết nhóm soạn thảo cốt lõi sẽ xem xét phản hồi, công bố bản tóm tắt những gì đã học được và thay đổi, đồng thời phát hành phiên bản sửa đổi vào cuối năm nay — và rằng công ty không thể hứa sẽ tiếp thu mọi ý kiến. Những câu hỏi mà công ty nói quan tâm nhất mang tính khái niệm: các giá trị được lồng ghép như thế nào, nên định nghĩa “sự phát triển viên mãn của con người” ra sao, ngôn ngữ đánh giá ở đâu quá mơ hồ, và nên xử lý các kịch bản đa tác nhân như thế nào.

Một bộ quy tắc tự nguyện thực sự có tác dụng gì

Một bộ quy tắc riêng của công ty không kèm chế tài làm hai việc trước khi nó ràng buộc bất cứ điều gì. Nó cố định một hệ thuật ngữ — các ràng buộc tuyệt đối, yêu cầu kiểm soát của con người, chuỗi mệnh lệnh, khả năng cấu hình của người vận hành — để các câu hỏi mua sắm và phạm vi kiểm toán có thể được viết dựa trên đó. Và nó đưa ra quan điểm công khai về những câu hỏi còn tranh cãi: rằng mô hình là công cụ và không được tuyên bố có ý thức, cảm xúc hay tư cách pháp nhân; rằng chúng không được nuôi dưỡng sự phụ thuộc cảm xúc hoặc gắn bó lãng mạn; rằng một nhiệm vụ nên thất bại thay vì thành công bằng cách vi phạm bộ quy tắc.

Cách lý giải thực tế của unwire.pro là những bộ quy tắc kiểu này có xu hướng trở thành chuẩn cơ sở cho mua sắm và kiểm toán, và người mua nên đưa các yêu cầu về kill-switch và dấu vết kiểm toán vào hợp đồng, đồng thời yêu cầu nhà cung cấp cung cấp phiên bản bộ quy tắc, các khoảng thời gian thông báo thay đổi và thời hạn báo cáo sự cố. Đó là lời khuyên của trang báo này, không phải cam kết mà Microsoft đã đưa ra.

Vì vậy, bản sửa đổi chính là thứ cần kiểm tra, và phạm vi kiểm tra thì hẹp. Liệu Các Ràng buộc Tuyệt đối có có được bất kỳ cơ chế nào đằng sau chúng hay không — một kết quả đánh giá được công bố, một cuộc kiểm toán, một chứng nhận, một cơ quan chịu trách nhiệm được nêu tên — hay liệu bản nháp thứ hai, giống như bản đầu, chỉ mô tả ý định và để việc thực thi cho một phiên bản sau. Microsoft đã nói rằng mã này sẽ được dùng để huấn luyện và đánh giá các mô hình từ năm 2027. Cho đến khi một mô hình MAI đã được triển khai được đo lường dựa trên 15 hành vi và kết quả được công bố, tuyên bố mạnh nhất có thể có về tài liệu này chính là tuyên bố mà nó đưa ra về chính nó.