Loại từ (còn gọi là danh từ chỉ loại hay danh từ đơn vị) là những từ như con, cái, chiếc, quả, tờ, cuốn, bức, ngôi đứng trước danh từ, nhất là khi đếm: “ba con mèo”, “hai tờ giấy”, “một chiếc xe”. Người Việt chọn loại từ gần như không cần nghĩ, nhưng đây lại là chỗ máy hay lộ ra là máy: viết “một cái ý tưởng” trong văn trang trọng, quên “con” trong “ba mèo”, dùng “cái” cho người, hoặc chọn loại từ mang sắc thái coi thường mà không biết.
Lỗi này xuất hiện nhiều nhất khi máy dịch từ tiếng Anh, vì tiếng Anh không có loại từ; và khi chatbot viết tiếng Việt theo khuôn câu học từ văn dịch. Cùng họ với nó là các từ danh hoá như sự, việc, cuộc, nỗi, niềm: máy hay rải “sự” khắp nơi, cho ra câu kiểu “sự phát triển của sự hợp tác”. Bài này giải thích cơ chế chọn loại từ, những lỗi điển hình và cách soát văn bản tiếng Việt do AI tạo ra.
Loại từ làm việc gì trong câu tiếng Việt
Trong tiếng Việt, danh từ chung thường không đếm trực tiếp được; muốn đếm hay chỉ một cá thể cụ thể, người ta thêm loại từ. “Mèo” là khái niệm chung; “con mèo” là một cá thể; “ba con mèo” là ba cá thể. “Sách” là khái niệm; “cuốn sách này” là một quyển cụ thể. Bỏ loại từ đi thì câu thường hoặc sai, hoặc đổi nghĩa sang nghĩa chung: “Em thích mèo” là thích loài mèo nói chung, “Em thích con mèo” là thích một con cụ thể.
Không phải danh từ nào cũng cần loại từ. Một số danh từ tự chúng đã là đơn vị đếm: “ba người”, “hai ngày”, “năm lần”, “mười tỉnh”. Danh từ chỉ đơn vị đo cũng vậy: “hai cân”, “ba mét”. Ngoài ra trong văn liệt kê, tiêu đề, bảng biểu, loại từ thường được lược: “Bán 20 xe máy cũ” vẫn chấp nhận được trong một tin rao, dù trong câu văn đầy đủ sẽ là “hai mươi chiếc xe máy”.
Loại từ còn đóng vai trò xác định, gần với mạo từ “the” trong tiếng Anh. “Cái bàn” trong “Cái bàn bị gãy chân” là cái bàn cụ thể mà cả hai người đều biết. Đây là lý do khi dịch từ tiếng Anh, máy phải quyết định ở mỗi danh từ: có cần loại từ không, nếu cần thì loại từ nào. Mỗi quyết định nhỏ, nhưng một đoạn văn có hàng chục danh từ, và chỉ cần vài chỗ chọn lệch là câu văn mất tự nhiên.
Từ góc nhìn của mô hình ngôn ngữ, loại từ là những từ rất thường gặp, ngắn, mang ít thông tin riêng nhưng nhiều thông tin quan hệ: chúng gắn với danh từ đứng sau theo những ràng buộc nghĩa và thói quen. Mô hình phải học hàng nghìn cặp “loại từ + danh từ” từ dữ liệu, và với danh từ hiếm hay mới, nó phải đoán.
Chọn loại từ: theo nghĩa, theo thói quen, theo vùng miền
Theo nghĩa. “Con” cho động vật (con chó, con cá), “cây” cho cây cối và vật dài (cây bút, cây cột), “quả/trái” cho vật tròn (quả cam, quả bóng), “tờ” cho vật mỏng phẳng (tờ giấy, tờ báo), “sợi” cho vật mảnh dài (sợi chỉ, sợi tóc), “ngôi/căn” cho nhà. Quy luật nghĩa này giúp máy đoán đúng phần lớn trường hợp.
Theo thói quen, vượt ngoài nghĩa. “Con” còn dùng cho con dao, con đường, con sông, con mắt, con tàu, con số — không có gì sống ở đây. “Cái” vừa là loại từ chung cho đồ vật vừa dùng trong “cái đẹp”, “cái ác”. Những kết hợp này phải học thuộc qua dữ liệu, không suy ra được từ nghĩa, và là nơi máy hay sai với danh từ ít gặp.
Theo vùng miền. Người miền Bắc thường nói “quả cam”, “quyển sách”; người miền Nam thường nói “trái cam”, “cuốn sách”. Cả hai đều đúng. Văn bản do máy viết đôi khi trộn hai cách trong một đoạn, không sai ngữ pháp nhưng nghe lạ với người đọc của từng vùng.
Theo sắc thái. “Chiếc” thường gợi cảm giác trang trọng hoặc nhấn vào tính đơn chiếc (chiếc áo dài, chiếc lá); “cái” trung tính, khẩu ngữ hơn. Với người, loại từ mang thái độ: “ông bác sĩ”, “bà cụ”, “cậu bé” là bình thường hoặc kính trọng, còn “thằng”, “con” (dùng cho người lớn), “lão”, “mụ” mang sắc thái thân mật suồng sã hoặc coi thường tuỳ ngữ cảnh.
Những lỗi loại từ và danh hoá máy hay mắc
Bảng dưới là các lỗi gặp nhiều trong văn bản dịch máy và văn bản chatbot viết. Câu ví dụ là câu giả định.
| Kiểu lỗi | Ví dụ máy viết | Cách tự nhiên hơn |
|---|---|---|
| Thiếu loại từ khi đếm | “Nhà có ba mèo và một chó.” | “Nhà có ba con mèo và một con chó.” |
| Thêm “cái” vào văn trang trọng | “Đây là một cái ý tưởng hay.” | “Đây là một ý tưởng hay.” |
| Sai loại từ theo thói quen | “một cái đường”, “một chiếc dao” | “một con đường”, “một con dao” |
| Loại từ mang sắc thái lệch | Dịch “the old woman” thành “mụ già” | “bà cụ”, “người phụ nữ lớn tuổi” |
| Lạm dụng “sự” | “Sự tăng trưởng của sự đầu tư đòi hỏi sự cẩn trọng.” | “Đầu tư tăng thì cần cẩn trọng hơn.” |
| Dùng nhầm “cuộc”, “nỗi”, “niềm” | “nỗi vui”, “cuộc kiện”, “niềm buồn” | “niềm vui”, “vụ kiện”, “nỗi buồn” |
| Trộn vùng miền trong một bài | “mua quả cam… trái cam này ngọt” | Chọn một cách, giữ cả bài |
Lỗi lạm dụng “sự” đáng chú ý nhất vì nó phổ biến và làm văn bản nặng nề nhanh nhất. Tiếng Anh có hậu tố danh hoá như -tion, -ment, -ness; máy dịch thẳng mỗi danh từ trừu tượng thành “sự + động từ”. Người viết tiếng Việt tự nhiên thường biến cụm danh từ đó thành mệnh đề có động từ, câu nhẹ và rõ hơn hẳn.
Vì sao máy hay sai đúng ở những chỗ này
Nguyên nhân thứ nhất là ảnh hưởng của tiếng Anh. Trong dữ liệu huấn luyện của các mô hình đa ngôn ngữ, tiếng Anh chiếm phần lớn, và một phần đáng kể văn bản tiếng Việt trên mạng là văn dịch. Mô hình học được khuôn câu dịch: danh từ trừu tượng đứng làm chủ ngữ, “sự” đứng trước động từ, câu bị động với “được”, “bị”. Khi viết tiếng Việt, nó tái tạo những khuôn ấy.
Nguyên nhân thứ hai là sự thưa thớt của dữ liệu cho danh từ hiếm. Với những từ thông dụng như “con mèo”, “quyển sách”, mô hình đã gặp hàng triệu lần nên chọn đúng. Với từ mới hay từ chuyên ngành như tên một thiết bị, một loại giấy tờ, một khái niệm kỹ thuật, nó không có đủ mẫu để biết người Việt quen nói “cái”, “chiếc” hay không dùng loại từ, nên chọn loại từ chung nhất là “cái”, hoặc bỏ hẳn.
Nguyên nhân thứ ba là sắc thái không hiện trên mặt chữ. Từ góc độ thống kê, “mụ” và “bà” đều có thể đứng trước “già”; mô hình phải hiểu thái độ của văn bản gốc mới chọn đúng. Tiếng Anh “the old woman” trung tính, nhưng dữ liệu tiếng Việt lại có không ít truyện cổ tích dùng “mụ già” cho nhân vật phản diện. Thiếu ngữ cảnh, máy có thể chọn nhầm, và người đọc Việt thấy ngay sự xúc phạm.
Nguyên nhân thứ tư là các phép đo chất lượng tự động không bắt được những lỗi này. Thêm hay bớt một loại từ chỉ làm thay đổi một từ trong câu, điểm số tự động gần như không đổi, trong khi người đọc thấy câu văn mất tự nhiên rõ rệt. Vì vậy những lỗi loại từ ít được sửa trong quá trình phát triển mô hình, nếu không có người bản ngữ đánh giá.
Những nơi lỗi loại từ gây hậu quả thật
Văn bản gửi khách hàng. Thư, tin nhắn, mô tả sản phẩm do AI soạn mà mắc lỗi loại từ hay lạm dụng “sự” sẽ lộ ra là văn máy, giảm niềm tin. Khách có thể không gọi tên được lỗi, nhưng cảm thấy văn bản “không phải người Việt viết”.
Trích xuất số lượng. Hệ thống đọc đơn hàng, biên bản kiểm kê, hồ sơ nông nghiệp phải nhận ra “hai mươi con gà”, “ba bao phân”, “năm tấm tôn” là số lượng kèm đơn vị. Loại từ chính là tín hiệu đơn vị. Nhận dạng sai loại từ, ví dụ coi “bao” là động từ, thì số liệu trích ra sai.
Giáo dục. Học sinh dùng chatbot để luyện viết có thể học theo lối văn nhiều “sự”, nhiều “cái”. Giáo viên nên coi đây là một điểm cần nhắc khi cho học sinh tham khảo văn bản do AI tạo, song song với việc kiểm thông tin.
Bản địa hoá phần mềm. Giao diện được dịch máy hay có những chuỗi như “Bạn có 3 tin nhắn mới” (tự nhiên) bên cạnh “Bạn có 3 mục” hay “Xoá cái tệp này?” (lạ tai). Với phần mềm dùng hằng ngày, những chỗ lạ tai như vậy tích tụ thành cảm giác sản phẩm làm ẩu.
Dữ liệu huấn luyện thế hệ sau. Văn bản do AI viết ngày càng nhiều trên mạng. Nếu lối văn nhiều “sự”, sai loại từ được đưa ngược vào dữ liệu huấn luyện, mô hình thế hệ sau càng học sâu khuôn đó. Đây là một lý do các nhóm làm dữ liệu tiếng Việt chú ý lọc văn bản máy sinh.
Soát văn bản tiếng Việt do AI viết: một lượt đọc chuyên về loại từ
Không cần đọc lại cả bài nhiều lần. Một lượt đọc chuyên nhắm vào loại từ và danh hoá thường bắt được phần lớn lỗi làm văn bản nghe như máy.
- Tìm tất cả chữ “sự” trong bài. Với mỗi chỗ, thử viết lại thành câu có động từ. Nếu câu mới rõ hơn, giữ câu mới. Thường chỉ nên giữ “sự” trong cụm đã quen như “sự kiện”, “sự thật”, “sự cố”.
- Tìm chữ “cái” và “chiếc” trong văn trang trọng; bỏ những chỗ không làm nhiệm vụ đếm hay chỉ định.
- Đọc các chỗ có số lượng: mỗi danh từ đếm được đã có loại từ phù hợp chưa (“ba con”, “hai cuốn”), trừ khi là bảng hay tiêu đề.
- Đọc mọi chỗ nhắc tới người: loại từ có lịch sự, có đúng thái độ văn bản gốc không. Thay “mụ”, “lão”, “thằng” nếu văn bản không cố ý dùng.
- Chọn một vùng cho cả bài: quả hay trái, quyển hay cuốn, theo đối tượng độc giả.
- Nếu dùng chatbot để soát, có thể yêu cầu: “Đọc đoạn văn dưới đây, chỉ ra các chỗ dùng chữ sự, cái, chiếc thừa, thiếu loại từ khi đếm, hoặc loại từ có sắc thái không phù hợp. Không viết lại cả đoạn, chỉ liệt kê từng chỗ và gợi ý sửa.” Sau đó người viết quyết định sửa chỗ nào.
Nếu văn bản có thông tin khách hàng hay nội dung nội bộ, che những phần đó trước khi dán vào bất kỳ công cụ trực tuyến nào. Lượt soát này chỉ cần nội dung câu chữ, không cần tên người hay số liệu thật.
Câu hỏi thường gặp
Tiếng Việt có bao nhiêu loại từ?
Con số khác nhau tuỳ nhà nghiên cứu và cách định nghĩa, vì ranh giới giữa loại từ, danh từ đơn vị và danh từ chỉ đơn vị đo không hoàn toàn rõ ràng. Nhóm dùng thường xuyên chỉ vài chục từ như con, cái, chiếc, cây, quả, tờ, cuốn, bức, ngôi, căn, sợi, hạt. Khi trích một con số cụ thể, nên ghi nguồn.
Viết “một cái” trong văn nói có sai không?
Không sai. Trong khẩu ngữ, “một cái” được dùng rất tự nhiên, kể cả với danh từ trừu tượng, để nhấn mạnh hoặc tạo giọng thân mật. Vấn đề chỉ nảy sinh khi văn bản cần trang trọng, như thư công việc, báo cáo, tài liệu sản phẩm, mà máy vẫn chêm “cái” theo thói quen khẩu ngữ.
Vì sao văn dịch máy hay có nhiều chữ “sự”?
Vì tiếng Anh tạo danh từ trừu tượng bằng hậu tố như -tion, -ment, và máy dịch thẳng mỗi danh từ đó thành “sự + động từ”. Tiếng Việt tự nhiên thường diễn đạt cùng ý bằng mệnh đề có động từ. Kết quả dịch đúng nghĩa nhưng nặng nề, lặp “sự” nhiều lần trong một câu.
Mô hình chuyên tiếng Việt có ít lỗi loại từ hơn không?
Có thể ít hơn nếu nó được huấn luyện chủ yếu trên văn bản tiếng Việt gốc chứ không phải văn dịch. Nhưng điều này phụ thuộc vào dữ liệu huấn luyện cụ thể, không phải cứ “chuyên tiếng Việt” là tốt hơn. Cách chắc nhất là cho cả hai loại mô hình viết cùng một đoạn và đọc so sánh.
Có công cụ tự động phát hiện lỗi loại từ không?
Một số công cụ soát chính tả và ngữ pháp tiếng Việt có bắt một phần lỗi, và có thể dùng chatbot để rà theo yêu cầu cụ thể. Tuy nhiên lỗi loại từ thường phụ thuộc thói quen và sắc thái, nên công cụ chỉ nên là bước gợi ý; người đọc bản ngữ vẫn là bước quyết định.
Khi dịch tên sản phẩm mới, nên dùng loại từ nào?
Xem người dùng Việt đang gọi sản phẩm đó thế nào trong thực tế, chẳng hạn “chiếc điện thoại”, “cái máy”, hay không dùng loại từ. Với tài liệu chính thức, chọn một cách và giữ nhất quán. Không nên để máy tự quyết ở từng chỗ, vì nó có thể dùng ba cách khác nhau trong cùng một tài liệu.