Dịch máy (machine translation) là việc dùng phần mềm tự động chuyển một văn bản hay lời nói từ ngôn ngữ này sang ngôn ngữ khác mà không có người dịch trực tiếp viết câu. Trong hơn bảy mươi năm, máy dịch đi qua ba cách làm chính: dựa trên luật ngữ pháp do người viết, dựa trên thống kê học từ kho văn bản song ngữ, và dựa trên mạng nơ-ron; gần đây có thêm các mô hình ngôn ngữ lớn vốn không được làm riêng để dịch nhưng dịch được.
Điểm cần nắm nhất: máy dịch hiện nay không hiểu nội dung theo nghĩa con người hiểu. Nó dự đoán chuỗi chữ có xác suất cao nhất ở ngôn ngữ đích, dựa trên những gì đã thấy khi huấn luyện. Vì vậy bản dịch máy thường đọc rất trôi, và chính sự trôi chảy đó làm lỗi nghĩa khó phát hiện hơn thời máy dịch còn vụng về.
Bài này đi qua từng thế hệ, cơ chế bên trong ở mức đủ để bạn ra quyết định, và rút ra điều nó có nghĩa với nội dung sáng tạo, video, website — mảng Dịch Hay làm hằng ngày.
Dòng thời gian: những mốc chính của dịch máy
Lịch sử dịch máy ngắn hơn lịch sử máy tính không bao nhiêu. Các mốc dưới đây là những mốc được giới nghiên cứu ghi nhận rộng rãi:
- 1949 — bản ghi nhớ của Warren Weaver. Nhà toán học người Mỹ gợi ý coi việc dịch như bài toán giải mã, mở đường cho các dự án nghiên cứu đầu tiên.
- 1954 — thí nghiệm Georgetown–IBM. Một hệ thống với vốn từ vài trăm từ và một nhóm nhỏ quy tắc dịch khoảng sáu mươi câu tiếng Nga sang tiếng Anh. Các câu được chọn sẵn, nhưng buổi trình diễn tạo kỳ vọng rằng dịch máy sẽ giải quyết xong trong vài năm.
- 1966 — báo cáo ALPAC. Một uỷ ban tư vấn ở Mỹ kết luận dịch máy chậm, đắt và kém hơn người dịch; tài trợ nghiên cứu ở Mỹ giảm mạnh trong nhiều năm sau đó.
- Thập niên 1970 — hệ thống dựa trên luật đi vào sử dụng thật. Ví dụ hay được nhắc là hệ thống dịch bản tin thời tiết Anh–Pháp ở Canada và việc các cơ quan châu Âu dùng hệ thống dịch thương mại cho tài liệu nội bộ. Điểm chung: phạm vi hẹp, từ vựng có kiểm soát.
- Cuối thập niên 1980 – đầu 1990 — dịch máy thống kê. Nhóm nghiên cứu của IBM công bố cách học xác suất dịch từ kho văn bản song ngữ lớn, thay vì viết luật bằng tay. Đầu những năm 2000, phương pháp dựa trên cụm từ trở thành chuẩn, và nhiều dịch vụ dịch trực tuyến phổ biến ra đời trên nền tảng này.
- 2014–2016 — dịch máy nơ-ron. Các công trình về mô hình chuỗi sang chuỗi và cơ chế chú ý (attention) năm 2014 cho thấy mạng nơ-ron dịch tốt hơn hẳn; khoảng năm 2016 các dịch vụ lớn bắt đầu chuyển sang.
- 2017 — kiến trúc Transformer. Bài báo “Attention Is All You Need” của Vaswani và cộng sự đưa ra kiến trúc vẫn là nền của gần như mọi hệ thống dịch và mô hình ngôn ngữ hiện nay.
- Từ đầu thập niên 2020 — mô hình ngôn ngữ lớn. Các mô hình huấn luyện trên lượng văn bản rất lớn, nhiều ngôn ngữ, dịch được theo chỉ dẫn bằng lời và giữ được ngữ cảnh dài hơn.
Bài học của dòng thời gian này ít liên quan đến công nghệ hơn là đến kỳ vọng: gần như mỗi thế hệ đều được giới thiệu là “sắp thay người dịch”, và mỗi lần thực tế đều cho thấy máy mạnh lên ở phần dễ, còn phần khó — ngữ cảnh, ý định, văn hoá — vẫn cần người.
Thế hệ thứ nhất: dịch dựa trên luật
Máy dịch dựa trên luật (rule-based) gồm ba phần: từ điển song ngữ, bộ luật phân tích câu nguồn và bộ luật dựng câu đích. Máy tách câu tiếng Anh thành chủ ngữ, động từ, tân ngữ, tra từng từ, rồi sắp lại theo trật tự tiếng Việt, thêm “đã” khi động từ ở thì quá khứ, chuyển tính từ ra sau danh từ. Một số hệ thống đi xa hơn, cố đưa câu về một dạng biểu diễn trung gian độc lập ngôn ngữ rồi mới sinh câu đích.
Ưu điểm của cách làm này là đoán trước được: cùng một câu luôn ra cùng một bản dịch, lỗi nào cũng truy được về một luật hay một mục từ điển, và sửa xong thì hết. Đó là lý do nó sống lâu trong các lĩnh vực hẹp, câu chữ lặp lại như bản tin thời tiết hay tài liệu kỹ thuật viết theo mẫu.
Nhược điểm cũng rõ: ngôn ngữ tự nhiên có quá nhiều ngoại lệ. Muốn dịch tốt thêm một kiểu câu phải viết thêm luật, và luật mới hay đá luật cũ. Thành ngữ, cách nói ẩn chủ ngữ của tiếng Việt, từ đa nghĩa phụ thuộc ngữ cảnh đều là ác mộng. Bản dịch theo luật thường đúng từng chữ mà cứng như văn bản dò từ điển — thứ mà nhiều người lớn tuổi còn nhớ từ các phần mềm dịch đầu những năm 2000.
Thế hệ thứ hai: dịch máy thống kê học từ văn bản song ngữ
Ý tưởng của dịch máy thống kê là bỏ việc dạy máy ngữ pháp, thay bằng cho máy xem hàng triệu cặp câu đã được người dịch sẵn — văn kiện song ngữ của các tổ chức quốc tế, hướng dẫn sử dụng, phụ đề — rồi để máy tự học xác suất: cụm “take care of” thường tương ứng với “chăm sóc”, ít khi là “lấy quan tâm của”. Khi dịch câu mới, máy ghép các cụm có xác suất cao và dùng một mô hình ngôn ngữ đích để chọn tổ hợp nghe tự nhiên nhất.
Cách làm này mở rộng được cho rất nhiều cặp ngôn ngữ mà không cần chuyên gia ngôn ngữ viết luật, miễn là có đủ dữ liệu song ngữ. Nhưng nó dịch theo từng cụm ngắn, nên câu dài thường lủng củng: đầu câu và cuối câu không ăn khớp, đại từ trỏ sai người, trật tự từ đảo lộn khi hai ngôn ngữ khác cấu trúc nhiều như Anh–Nhật hay Việt–Đức.
Với tiếng Việt, dịch máy thống kê chịu thêm thiệt thòi vì kho song ngữ chất lượng cao ít hơn tiếng Pháp hay tiếng Tây Ban Nha. Đây là một quy luật vẫn còn đúng đến nay: chất lượng dịch máy phụ thuộc lượng và chất của dữ liệu cặp ngôn ngữ đó. Dịch Anh–Việt thường khá hơn Việt–Khmer hay Việt–Lào, dù cùng một công cụ.
Thế hệ thứ ba: dịch máy nơ-ron và vì sao nó “trôi mà sai”
Dịch máy nơ-ron đọc cả câu (hoặc cả đoạn) nguồn, chuyển thành một chuỗi biểu diễn số, rồi sinh câu đích từng mảnh một: ở mỗi bước, mô hình tính xác suất cho mọi mảnh từ có thể đứng tiếp theo và chọn mảnh hợp nhất. Cơ chế chú ý cho phép khi sinh mỗi mảnh, mô hình “nhìn” lại những vị trí liên quan trong câu nguồn — nhờ vậy câu dài vẫn liền mạch, đại từ khớp hơn, trật tự từ tự nhiên hơn hẳn thế hệ thống kê.
Cái giá là mô hình được tối ưu để sinh ra câu nghe giống câu người viết, chứ không có cơ chế riêng nào bảo đảm nghĩa giữ nguyên. Khi gặp từ hiếm, tên riêng lạ, câu nguồn mơ hồ hay lỗi chính tả, mô hình không dừng lại báo “không chắc” mà vẫn sinh ra một câu mượt. Kết quả là những lỗi kiểu: bỏ mất chữ “không” làm nghĩa đảo ngược, dịch tên người thành danh từ chung, đổi “tháng 3” thành “tháng 5” vì một mẫu hay gặp trong dữ liệu.
Với người dùng, hệ quả thực tế là cách đọc soát phải đổi. Thời dịch theo luật, câu sai thường lộ ra vì nó vụng. Thời nơ-ron, câu sai đọc vẫn trơn tru; muốn bắt lỗi phải đối chiếu với bản nguồn, không thể chỉ đọc bản dịch rồi thấy “ổn”.
Mô hình ngôn ngữ lớn dịch khác gì máy dịch chuyên dụng
Mô hình ngôn ngữ lớn được huấn luyện để đoán chữ tiếp theo trên một lượng văn bản khổng lồ, nhiều ngôn ngữ, rồi được tinh chỉnh để làm theo chỉ dẫn. Nó không được thiết kế riêng cho dịch, nhưng vì đã thấy rất nhiều văn bản song song và đa ngôn ngữ, nó dịch được, và dịch theo yêu cầu: “dịch cho khách hàng trẻ”, “giữ nguyên tên sản phẩm”, “xưng hô thân mật”.
Hai điểm khác đáng kể. Thứ nhất, nó dùng được ngữ cảnh rộng: cả bài, cả kịch bản, kèm bảng thuật ngữ và mô tả người đọc, nên xưng hô và thuật ngữ thường nhất quán hơn khi dịch từng câu rời. Thứ hai, nó kém ổn định hơn: cùng một đoạn, chạy hai lần có thể ra hai bản khác nhau; đôi khi nó “sửa hộ” nội dung, thêm một câu giải thích, bỏ một ý nó cho là thừa, hoặc làm hỏng thẻ định dạng trong tệp.
Những khác biệt này quan trọng khi bạn chọn công cụ cho từng việc; bài so sánh riêng giữa chatbot AI và công cụ dịch chuyên dụng trên trang đi sâu hơn. Ở đây chỉ cần nhớ: cả hai đều là máy dự đoán xác suất, đều trôi chảy, và đều có thể sai mà không báo.
Điều này có nghĩa gì với nội dung của bạn
Hiểu cơ chế giúp bạn đoán trước loại nội dung nào máy làm tốt, loại nào máy làm hỏng. Bảng dưới gom lại theo góc người đặt dịch nội dung sáng tạo và đa phương tiện:
| Đặc điểm nội dung | Máy dịch xử lý thế nào | Hệ quả cho bạn |
|---|---|---|
| Câu ngắn, rõ, thuật ngữ phổ biến | Tốt — gần với dữ liệu huấn luyện | Dùng máy, hiệu đính nhẹ là đủ cho nhiều mục đích |
| Tên riêng, tên sản phẩm tự đặt | Hay dịch nghĩa hoặc phiên âm tuỳ hứng | Phải có danh sách “không dịch” và kiểm từng chỗ |
| Chơi chữ, thành ngữ, vần điệu | Dịch theo chữ, mất hiệu ứng | Cần người viết lại (transcreation), không phải hiệu đính |
| Xưng hô, giọng thương hiệu | Chọn theo mẫu phổ biến, không theo thương hiệu | Cần hướng dẫn giọng và người hiệu đính đọc toàn bài |
| Lời nói trong video | Lỗi nhận dạng giọng nói cộng dồn với lỗi dịch | Sửa bản chép nguồn trước khi dịch |
| Cặp ngôn ngữ ít dữ liệu | Chất lượng giảm rõ | Ưu tiên người dịch, dùng máy chỉ để tham khảo |
Cách đọc bảng: máy không “giỏi” hay “dở” chung chung, mà giỏi ở chỗ dữ liệu dày và dở ở chỗ cần hiểu ý định. Nội dung sáng tạo thường nằm ở vế sau nhiều hơn tài liệu kỹ thuật, nên phần việc của người trong một dự án sáng tạo luôn lớn hơn trong một dự án hướng dẫn sử dụng.
Nếu bạn đang cân nhắc dùng máy cho một dự án cụ thể, có thể gửi yêu cầu kèm một đoạn mẫu trong mẫu đăng ký; Dịch Hay sẽ chạy thử và chỉ ra chỗ máy làm được, chỗ cần người.
Những hiểu lầm phổ biến về dịch máy
“Máy dịch hiểu nghĩa câu.” Không theo nghĩa con người hiểu. Mô hình học được rất nhiều quan hệ giữa các từ và câu, đủ để dịch đúng phần lớn trường hợp thông thường, nhưng không có kiến thức về thương hiệu, khán giả hay mục đích của bạn trừ khi bạn đưa vào.
“Câu đọc trôi là câu đúng.” Như đã nói, đây là hiểu lầm nguy hiểm nhất từ khi có dịch máy nơ-ron. Độ trôi chảy và độ đúng nghĩa là hai thứ khác nhau; máy được tối ưu mạnh cho cái thứ nhất.
“Máy mới hơn thì dịch mọi thứ tốt hơn.” Thường đúng ở mức trung bình, nhưng không đều: một phiên bản mới có thể tốt hơn với văn bản báo chí mà lại đổi cách dịch một thuật ngữ bạn đã quen. Dự án dài nên ghi lại công cụ và phiên bản đã dùng.
“Có máy rồi thì người dịch chỉ cần sửa chính tả.” Người hiệu đính phải đối chiếu nghĩa, xưng hô, thuật ngữ, giọng văn, độ dài, văn hoá. Với nội dung sáng tạo, nhiều câu phải viết lại hoàn toàn — đó là lý do hiệu đính bản dịch máy là một kỹ năng riêng, không phải việc phụ.
Câu hỏi thường gặp
Dịch máy và dịch có hỗ trợ của máy tính (CAT) khác nhau thế nào?
Dịch máy là máy tự sinh ra bản dịch. Dịch có hỗ trợ của máy tính là người dịch tự dịch, phần mềm chỉ hỗ trợ: nhớ các câu đã dịch, gợi ý thuật ngữ, kiểm lỗi định dạng. Trong thực tế hai thứ hay đi chung: công cụ hỗ trợ cho phép chèn gợi ý dịch máy để người dịch sửa.
Vì sao cùng một câu, dịch máy hôm nay khác hôm qua?
Nhà cung cấp cập nhật mô hình định kỳ, và với mô hình ngôn ngữ lớn còn có yếu tố ngẫu nhiên khi sinh chữ. Nếu dự án cần nhất quán, nên dịch cả lô trong một đợt, lưu lại bản đã duyệt và dùng bảng thuật ngữ thay vì tin máy nhớ cách dịch cũ.
Dịch máy có học từ những gì người dùng nhập vào không?
Tuỳ dịch vụ và gói sử dụng. Một số bản miễn phí ghi trong điều khoản rằng dữ liệu có thể được dùng để cải tiến dịch vụ; các gói doanh nghiệp thường cam kết khác. Cách chắc chắn duy nhất là đọc điều khoản và chính sách dữ liệu của đúng gói bạn dùng.
Có thước đo nào cho biết bản dịch máy tốt hay không?
Giới nghiên cứu dùng các chỉ số tự động so bản dịch máy với bản dịch tham chiếu của người, nhưng các chỉ số này chỉ hợp để so hệ thống với nhau trên tập dữ liệu lớn. Với một bài quảng cáo hay một video cụ thể, thước đo có ý nghĩa vẫn là người đọc bản xứ và người song ngữ đối chiếu.
Tiếng Việt có phải ngôn ngữ khó với dịch máy không?
Tiếng Việt có những điểm làm máy dễ sai: chủ ngữ hay bị lược, hệ xưng hô phụ thuộc quan hệ giữa người nói và người nghe, không chia thì, nhiều từ Hán Việt đa nghĩa. Cặp Anh–Việt có nhiều dữ liệu nên chất lượng khá, còn tiếng Việt với các ngôn ngữ ít phổ biến thì yếu hơn rõ.
Dịch máy có thay được phiên dịch viên trong cuộc họp không?
Với cuộc trò chuyện thông thường, ứng dụng dịch giọng nói giúp hai bên hiểu ý chính. Với đàm phán, hội thảo có thuật ngữ, có cảm xúc và tình huống nhạy cảm, máy chưa xử lý được ngữ điệu, ý ngầm và trách nhiệm giữ bí mật như một phiên dịch viên chuyên nghiệp.