Khi AI gặp một trang văn bản Hán–Nôm

Dòng Chảy AI · Hành Trình AI · 3–9/8/2024

Hãy hình dung một người nghiên cứu đứng trước bức ảnh chụp một trang văn bản cũ. Trước khi đọc nội dung, họ cần nhận ra các ký tự; sau đó còn phải tìm cách chuyển tự hoặc hiểu nghĩa. Một chiếc máy có thể hỗ trợ đến đâu — và con người vẫn cần kiểm tra những gì?

Ngày 8/8/2024, câu hỏi xử lý tự động văn bản Hán–Nôm xuất hiện trong phiên toàn thể của hội nghị FAIR’2024 tại Hà Nội. Theo đơn vị đồng tổ chức, PGS.TS Đinh Điền trình bày báo cáo về chủ đề này; một báo cáo khác đề cập nhận dạng hoạt động của con người. Hội nghị về nghiên cứu cơ bản và ứng dụng công nghệ thông tin diễn ra trong hai ngày 8–9/8, với chủ đề “Trí tuệ nhân tạo trong chuyển đổi số”. 1 2

Đây là thông tin về một hội nghị và các chủ đề được đưa ra thảo luận. Các nguồn trên không đủ để kết luận rằng một hệ thống mới đã được ra mắt hay đã đạt một mức chính xác cụ thể trong tuần ấy.

Đọc được chữ chưa đồng nghĩa với hiểu được nghĩa

Một bài nghiên cứu của Thái Hoàng Lâm và Đinh Điền tại FAIR 2023 — bối cảnh có trước hội nghị 2024 — phân biệt một số việc liên quan đến văn bản cổ: nhận dạng ký tự từ hình ảnh, chuyển tự và dịch nghĩa. Nhận dạng ký tự quang học thường được gọi là OCR: phần mềm tìm cách chuyển hình chữ trong ảnh thành văn bản mà máy có thể xử lý. Chuyển tự và dịch nghĩa là những bài toán khác. 3

Sự phân biệt này có ý nghĩa thực tế. Một chữ được nhận sai từ ảnh có thể làm lệch bước xử lý phía sau; ngay cả khi nhận đúng mặt chữ, cách hiểu nội dung vẫn cần ngữ cảnh và chuyên môn. Công cụ máy tính có thể trở thành điểm khởi đầu để tìm kiếm hoặc đối chiếu, nhưng một kết quả được tạo tự động không tự xác lập bản dịch cuối cùng. Đây là cách nhìn biên tập về quy trình, không phải phép đo hiệu năng của một sản phẩm cụ thể.

Một hội nghị, nhiều hướng nghiên cứu

Chương trình FAIR’2024 liệt kê các phiên về AI và ứng dụng, y tế, khoa học dữ liệu, xử lý ảnh, xử lý ngôn ngữ tự nhiên và an toàn thông tin. Chương trình cũng ghi một báo cáo về tăng cường nhận dạng quang học văn bản Hán–Nôm. Sự hiện diện trong chương trình cho thấy hướng nghiên cứu được đề xuất thảo luận; chỉ từ tiêu đề không thể suy ra chất lượng, kết quả thực nghiệm hay khả năng ứng dụng của báo cáo. 4

Học viện Công nghệ Bưu chính Viễn thông, đơn vị đồng tổ chức, cho biết khoảng 90 trong khoảng 200 bài được chọn sau phản biện để tham gia hội nghị. Đây là số liệu do đơn vị tổ chức công bố, không phải bằng chứng rằng tất cả kết quả đã được kiểm chứng độc lập trong thực tế. Bài báo của An toàn thông tin cùng ngày cũng tường thuật hội nghị và mối quan tâm tới cả lợi ích lẫn rủi ro AI. 1 5

Với người muốn tìm hiểu di sản, câu chuyện này mở ra một khả năng đáng chú ý: công nghệ có thể giúp con người làm việc với tư liệu theo những cách mới. Nhưng để biết một công cụ thực sự hữu ích đến đâu, cần xem dữ liệu thử nghiệm, các trường hợp đọc sai, cách chuyên gia đối chiếu và điều kiện sử dụng. Một hội nghị đặt những câu hỏi ấy lên bàn; nó chưa tự trả lời tất cả.

Tài liệu tham khảo

1. Học viện Công nghệ Bưu chính Viễn thông — Khai mạc FAIR’2024, 8/8/2024, tường thuật của đơn vị đồng tổ chức.
2. FAIR’2024 — Trang hội nghị, thông tin chính thức về chủ đề, địa điểm và ngày.
3. Thái Hoàng Lâm và Đinh Điền — Bài nghiên cứu FAIR 2023 về dịch nghĩa văn bản Hán, tài liệu nghiên cứu trước kỳ nhìn lại.
4. FAIR’2024 — Chương trình hội nghị, danh sách báo cáo theo chương trình.
5. An toàn thông tin — Trí tuệ nhân tạo ngày càng được quan tâm trong cộng đồng các nhà nghiên cứu khoa học, 8/8/2024.