Cách Vòng Quay May Mắn Chọn Người Thắng Không Thiên Vị

Mỗi ngày, các thầy cô giáo trong lớp học, các streamer trên YouTube và Twitch, các trưởng nhóm trong cuộc họp công ty và những người tổ chức bốc thăm trúng thưởng đều mời người tham gia đặt niềm tin vào một vòng tròn quay tròn. Vòng quay rực rỡ xoay tít trên màn hình, lướt qua các chốt kim gõ tạch tạch rồi từ từ giảm tốc cho đến khi mũi tên dừng lại ở một cái tên duy nhất.

Thế nhưng, mỗi khi có phần thưởng, điểm số hay sự công nhận được trao, một câu hỏi nghi ngại luôn xuất hiện: liệu vòng quay may mắn này có bị cài cắm không?

Sự hoài nghi là hoàn toàn dễ hiểu. Khi không thể xem mã nguồn vận hành một lượt quay, vòng quay kỹ thuật số trông chẳng khác nào một chiếc hộp đen. Người tham gia khi thấy tên mình trượt liên tiếp 5 vòng có thể nghi ngờ rằng người tạo đã đặt trọng số ngầm, máy chủ gian lận hoặc tốc độ rê chuột đã can thiệp vào kết quả.

Trong bài phân tích chuyên sâu này, chúng ta sẽ lần lượt khám phá khoa học máy tính và lý thuyết xác suất đằng sau một công cụ chọn ngẫu nhiên thực sự công bằng. Chúng ta sẽ làm rõ vì sao các giải pháp lập trình phổ thông như Math.random() lại chứa khiếm khuyết tiềm ẩn, cách các bộ tạo số ngẫu nhiên an toàn bằng mật mã (CSPRNG) giải quyết vấn đề, cách lấy mẫu loại trừ loại bỏ sai lệch modulo và cách bạn có thể tự kiểm định bằng bài toán thống kê Chi-Square.

Vì sao số giả ngẫu nhiên không đủ tin cậy cho các lượt quay quan trọng

Máy tính là thiết bị vận hành theo cơ chế tiền định. Khi nhận cùng dữ liệu đầu vào và cùng tập lệnh, bộ vi xử lý máy tính sẽ luôn tạo ra kết quả y hệt nhau. Để tạo ra thứ trông có vẻ “ngẫu nhiên”, hầu hết các ngôn ngữ lập trình và trình duyệt dựa vào các thuật toán gọi là Bộ Tạo Số Giả Ngẫu Nhiên (PRNG).

Trong lập trình web cơ bản, JavaScript cung cấp hàm Math.random(). Ở tầng hệ thống, các trình duyệt hiện đại triển khai Math.random() thông qua thuật toán có tên xorshift128+. Đối với các hiệu ứng hình ảnh trang trí, như bông tuyết rơi trên website hay màu nền đổi sắc nhẹ nhàng, xorshift128+ chạy rất nhanh, nhẹ bộ nhớ và hoàn toàn thích hợp.

Tuy nhiên, đối với các lượt quay đòi hỏi sự công bằng nghiêm ngặt, Math.random() mắc phải hai nhược điểm chết người:

1. Trạng thái thuật toán có thể đoán trước: Vì xorshift128+ thuần túy là công thức toán học, việc quan sát một chuỗi ngắn các kết quả quay liên tiếp cho phép người am hiểu giải mã được trạng thái 128-bit bên trong. Khi trạng thái này bị lộ, mọi số “ngẫu nhiên” tiếp theo đều có thể được tính trước với độ chính xác 100%.
2. Không có nguồn hỗn loạn từ phần cứng: Các thuật toán PRNG thông thường không thu thập dao động từ môi trường vật lý (như nhiệt độ chip hay thời gian bấm phím). Chúng chỉ lặp đi lặp lại một công thức đệ quy từ hạt giống ban đầu (seed).

Khi bạn tổ chức quay thưởng cho công ty, trao học bổng hay chia nhóm học sinh bằng trình chia nhóm ngẫu nhiên, việc dựa vào thuật toán có thể đoán trước sẽ tạo ra lỗ hổng. Nếu ai đó đoán được hạt giống, tính minh bạch của cuộc bốc thăm sẽ hoàn toàn sụp đổ.

Chuẩn mực mật mã: CSPRNG hoạt động như thế nào?

Để mang lại tính công bằng tuyệt đối không thể tranh cãi, một vòng quay may mắn hiện đại phải vận hành bằng Bộ Tạo Số Giả Ngẫu Nhiên An Toàn Bằng Mật Mã (CSPRNG). Trên các trình duyệt hiện đại, khả năng này được tích hợp sẵn thông qua phương thức window.crypto.getRandomValues().

Thay vì lặp công thức toán học tính từ lúc tải trang, CSPRNG kết nối trực tiếp vào bể chứa hỗn loạn (entropy pool) của hệ điều hành:

• Trên Linux, Android và macOS, trình duyệt giao tiếp với các cơ chế nhân như /dev/urandom và thuật toán CPRNG nền tảng ChaCha20.
• Trên Windows, trình duyệt yêu cầu byte ngẫu nhiên trực tiếp từ Windows Cryptography API: Next Generation (CNG) thông qua ProcessPrng và các bộ thu thập entropy hệ thống.

Bể chứa entropy này thu thập các dao động vật lý hoàn toàn không thể đoán trước: biến thiên nhiệt độ vi mô của CPU, chênh lệch mili-giây xử lý của ổ cứng, dao động gói tin qua card mạng và khoảng cách thời gian giữa các lần gõ phím. Hệ điều hành băm các dữ liệu này thành luồng byte an toàn mà không một thuật toán nào có thể đoán ngược được.

Khi bạn bấm quay vòng quay trên Spin Names Now, hệ thống của chúng tôi chạy:

const buffer = new Uint32Array(1);
window.crypto.getRandomValues(buffer);
const rawRandomValue = buffer[0];

Lệnh gọi duy nhất này tạo ra một số nguyên không dấu 32-bit (u32) phân phối đồng đều trong khoảng 2³² = 4.294.967.296 giá trị khả dĩ (từ 0 đến 4.294.967.295). Từng số nguyên trong khoảng hơn 4,29 tỷ số đó đều có xác suất được chọn chuẩn xác như nhau:

P(X = k) = 1 / 4,294,967,296 ≈ 2.3283 × 10⁻¹⁰

Bẫy ngầm khó thấy: Sai lệch modulo là gì và làm lệch tỷ lệ ra sao?

Tạo ra một số ngẫu nhiên 32-bit chuẩn xác mới chỉ là một nửa chặng đường. Một vòng quay hiếm khi có 4,29 tỷ ô; thông thường vòng quay chỉ chứa 7 cái tên, 15 học sinh hay 40 người tham dự.

Làm thế nào để máy tính chuyển đổi con số 32-bit khổng lồ đó thành một danh sách nhỏ có độ dài $N$?

Hầu hết các bài hướng dẫn lập trình căn bản đều khuyên sử dụng toán tử chia lấy dư (%):

// WARNING: Naive implementation that suffers from modulo bias!
const winnerIndex = rawRandomValue % numberOfNames;

Chính dòng mã ngắn ngủi này là nơi vô số trang quay thưởng trực tuyến vô tình tạo ra sự thiên vị ngầm. Sai sót toán học này được gọi là Sai Lệch Modulo (Modulo Bias).

Ví dụ trực quan và đơn giản về sai lệch modulo

Để hiểu bản chất của sai lệch modulo mà không bị rối bởi hàng tỷ con số, hãy hình dung một ví dụ thu nhỏ:

• Giả sử bộ sinh ngẫu nhiên tạo ra các số từ 0 đến 9 với xác suất bằng nhau (có 10 kết quả khả thi).
• Bạn có 3 cái tên trên vòng quay: An (vị trí 0), Bình (vị trí 1) và Cường (vị trí 2).
• Bạn chuyển đổi số 0–9 sang 3 cái tên bằng công thức giá_trị % 3:

Bạn có thấy điều bất thường không?

• An thắng nếu số quay được là 0, 3, 6 hoặc 9 (4 trên 10 trường hợp = 40,0% cơ hội).
• Bình thắng với số 1, 4 hoặc 7 (3 trên 10 trường hợp = 30,0% cơ hội).
• Cường thắng với số 2, 5 hoặc 8 (3 trên 10 trường hợp = 30,0% cơ hội).

Do 10 không chia hết cho 3, phần dư thừa đã quay vòng lại và ưu tiên cho các mục ở đầu danh sách. An có cơ hội thắng cao hơn 33% so với Bình hay Cường, chỉ vì cách các con số được chia!

Dù độ chênh lệch có nhỏ hơn khi lấy 2³² (4.294.967.296) chia cho danh sách, trong phân tích toán học và bốc thăm giải thưởng công bằng, bất kỳ sai lệch nào cũng phá vỡ tính bình đẳng.

Lấy mẫu loại trừ xóa bỏ sai lệch modulo như thế nào?

Các chuyên gia mật mã và hệ thống bốc thăm uy tín giải quyết sai lệch modulo ra sao? Giải pháp nằm ở kỹ thuật toán học mẫu mực có tên Lấy Mẫu Loại Trừ Đồng Đều (Uniform Rejection Sampling).

Thay vì chấp nhận toàn bộ dải số, thuật toán xác định bội số nguyên lớn nhất của kích thước danh sách $N$ nằm vừa vặn bên trong giới hạn 32-bit. Nếu số ngẫu nhiên bốc phải rơi vào phần đuôi thừa vượt quá mốc đó, số đó sẽ bị loại bỏ ngay lập tức và hệ thống tự động bốc một số mới.

Dưới đây là mã nguồn chính xác trong hệ thống của chúng tôi (src/lib/random.ts):

const MAX_U32 = 0x100000000; // 2^32 = 4,294,967,296

export function secureRandomInt(maxExclusive: number): number {
  if (maxExclusive <= 1) return 0;

  const cryptoObj = window.crypto;
  const max = Math.floor(maxExclusive);

  // Calculate the largest multiple of `max` that fits inside 2^32
  const limit = MAX_U32 - (MAX_U32 % max);
  const buf = new Uint32Array(1);
  let val: number;

  // Discard any number in the uneven trailing tail
  do {
    cryptoObj.getRandomValues(buf);
    val = buf[0];
  } while (val >= limit);

  return val % max;
}

Nhờ quy trình này:

1. Mọi giá trị hợp lệ chắc chắn nằm trong khoảng chia hết cho số lượng mục max.
2. Do dải số bị loại bỏ cực kỳ nhỏ (tối đa chỉ max - 1 số trên tổng hơn 4,29 tỷ số), xác suất bị từ chối là dưới $0,00001%$, diễn ra chỉ trong vài micro-giây.
3. Từng ô tên trên vòng quay đều đạt đúng xác suất chiến thắng như nhau tới con số thập phân cuối cùng.

Tốc độ hay thời lượng quay có làm thay đổi người thắng không?

Một thắc mắc rất phổ biến của người xem là mối liên hệ giữa hoạt ảnh xoay tròn trên màn hình và thuật toán. Mọi người thường hỏi:

• «Bấm chuột mạnh hơn có làm vòng quay đi xa hơn không?»
• «Nếu tôi dùng ngón tay kéo xoay trên điện thoại, tôi có chỉnh được chỗ dừng không?»
• «Máy tính cấu hình mạnh hơn có làm thay đổi vị trí mũi tên không?»

Câu trả lời dứt khoát là không bao giờ.

Trên một vòng quay may mắn công bằng thực sự, người thắng đã được hàm secureRandomInt() quyết định ngay tại mili-giây đầu tiên khi bạn bấm nút. Chỉ số người thắng được chốt chặt vào bộ nhớ trước cả khi vòng quay kịp nhích đi một phần mười độ.

Hoạt ảnh quay sau đó hoàn toàn tuân theo các phương trình vật lý giảm tốc (như đường cong Bézier bậc ba). Hệ thống tính toán sẵn góc dừng tuyệt đối cần thiết:

Total Rotation Angle = (360° × N_spins) + Winner_Slice_Offset

Vòng quay sau đó xoay nhanh rồi hãm tốc mượt mà trong vài giây để tạo cảm giác hồi hộp cho người theo dõi, với cam kết chắc chắn rằng mũi tên sẽ dừng đúng chính giữa ô tên đã được chọn từ trước.

Do kết quả được tính bằng mật mã chứ không phải ma sát cơ học, vòng quay không có “điểm chết”, không bị hao mòn và không phụ thuộc vào tần số quét màn hình hay tốc độ CPU.

Cách kiểm định sự công bằng bằng phép thử Chi-Square

Trong khoa học, sự công bằng không thể chỉ nói bằng lời: nó phải được chứng minh thực nghiệm bằng thống kê toán học.

Bài kiểm tra chuẩn mực được công nhận rộng rãi để đánh giá các phân phối ngẫu nhiên đồng đều rời rạc là Kiểm Định Độ Phù Hợp Chi-Square của Pearson (χ²).

1. Đặt giả thuyết thống kê

Khi kiểm định một vòng quay có k ô bằng nhau:

• Giả thuyết không (H₀): Vòng quay hoàn toàn công bằng. Mỗi ô đều có xác suất được chọn như nhau P_i = 1 / k.
• Giả thuyết đối (H₁): Vòng quay bị lệch. Ít nhất một ô có xác suất khác với 1 / k.

2. Công thức tính Chi-Square

Nếu quay N lần, số lần thắng kỳ vọng theo lý thuyết cho mỗi ô i là:

Expected Wins (E_i) = Total Spins (N) / Slices (k)

Giá trị kiểm định Chi-Square đo lường độ lệch tích lũy giữa số lần thắng thực tế (O_i) và kỳ vọng (E_i):

χ² = Σ [ (Observed_i - Expected_i)² / Expected_i ]

3. Bậc tự do và giá trị p (p-value)

Bậc tự do của phép thử được tính bằng:

Degrees of Freedom (df) = k - 1

Dựa vào hàm phân phối tích lũy của phân phối Chi-Square, chúng ta tính ra giá trị p (p-value):

• Giá trị p thể hiện xác suất xuất hiện độ lệch lớn như vậy nếu vòng quay thực sự công bằng.
• Theo quy chuẩn thống kê, nếu giá trị p lớn hơn 0,05 ($p > 0,05$), chúng ta không bác bỏ giả thuyết không. Kết quả hoàn toàn phù hợp với dao động ngẫu nhiên bình thường.
• Nếu vòng quay bị cài cắm (chẳng hạn ô số 1 có xác suất cao gấp đôi), chạy 1.000 lượt quay sẽ lập tức cho ra giá trị $\chi^2$ cực lớn với giá trị p dưới $0,0001$, chứng minh gian lận về mặt toán học.

Tại Phòng Thí Nghiệm Công Bằng của chúng tôi, bạn có thể tự chọn số lượng mục, kích hoạt chạy tự động đến 500.000 lượt quay ngầm (Web Worker) và theo dõi biểu đồ cột, độ lệch chuẩn cùng giá trị p được phân tích trực tiếp theo thời gian thực.

Các bước tổ chức bốc thăm minh bạch cho mọi sự kiện

Dù bạn tổ chức bốc thăm trúng thưởng, đố vui trong lớp học hay trao quà cộng đồng, công nghệ chỉ là một phần của sự tin tưởng. Sự minh bạch trong cách vận hành sẽ giúp mọi người an tâm tuyệt đối.

Lời kết: Sự minh bạch thay cho những chiếc hộp đen

Trong thời đại của các thuật toán kín kẽ, người dùng xứng đáng được hiểu rõ cách thức vận hành của những công cụ số mình sử dụng. Một vòng quay may mắn không nên là một điều bí ẩn. Với nền tảng Web Crypto API có sẵn trên trình duyệt, kỹ thuật lấy mẫu loại trừ chống sai lệch modulo và khả năng kiểm định thống kê công khai, vòng quay số quay trở về đúng giá trị cốt lõi: một trọng tài may rủi vui vẻ, công bằng và hoàn toàn vô tư.

Dù bạn chọn người phát biểu đầu tiên trong buổi họp, tri ân khán giả xem livestream hay chia lớp thành các nhóm học tập bằng trình tạo nhóm ngẫu nhiên, bạn luôn có thể tự tin quay bánh xe với sự an tâm rằng mọi cái tên đều có cơ hội toán học bình đẳng như nhau.