Câu trộn Anh–Việt như “Deadline gấp lắm, em check mail rồi confirm lại giùm anh” là hiện tượng ngôn ngữ học gọi là chuyển mã (code-switching), rất phổ biến ở công sở, ngành công nghệ, thương mại điện tử và giới trẻ đô thị. Với người nghe, câu này rõ ràng. Với máy, nó đặt ra nhiều câu hỏi cùng lúc: câu này thuộc ngôn ngữ nào, “check” là động từ tiếng Anh hay đã thành từ tiếng Việt, khi dịch sang tiếng Anh thì giữ nguyên, khi đọc thành giọng nói thì đọc theo giọng Anh hay giọng Việt.
Các mô hình ngôn ngữ lớn đa ngôn ngữ xử lý câu trộn khá tốt ở phần hiểu nghĩa, vì dữ liệu mạng chứa rất nhiều câu như vậy. Khó khăn còn lại nằm ở các hệ thống chuyên biệt: nhận dạng giọng nói, tổng hợp giọng nói, tách từ, nhận dạng ngôn ngữ, và ở chuyện chọn giữ hay dịch thuật ngữ khi máy viết ra văn bản. Bài này đi qua từng chỗ, kèm cách lập quy ước để hệ thống xử lý nhất quán.
Câu trộn Anh–Việt có những dạng nào
Không phải mọi câu có chữ tiếng Anh đều giống nhau. Phân biệt các dạng giúp hiểu vì sao máy xử lý dạng này tốt, dạng kia kém.
- Chêm từ đơn lẻ. Một danh từ hay động từ tiếng Anh đặt vào khung câu tiếng Việt: “gửi file”, “họp online”, “chốt sale”, “check lại”. Đây là dạng phổ biến nhất. Từ tiếng Anh thường mất biến đổi hình thái: không có “checked”, “files”; thì và số được tiếng Việt lo bằng “đã”, “các”.
- Chêm cụm hoặc mệnh đề. “Cái này là best practice rồi”, “làm theo kiểu agile”, đôi khi cả nửa câu tiếng Anh nối với nửa câu tiếng Việt. Dạng này gặp nhiều trong ngành công nghệ, tài chính, quảng cáo.
- Từ mượn đã Việt hoá. Những từ đã vào tiếng Việt từ lâu và có cách viết riêng: “ô tô”, “cà phê”, “ra-đi-ô”, “in-tơ-nét”, “ô kê”. Một số có cả dạng gốc lẫn dạng phiên âm cùng tồn tại, ví dụ “internet” và “in-tơ-nét”.
- Viết theo cách đọc Việt. Trên mạng xã hội, người dùng đôi khi viết từ tiếng Anh theo cách phát âm Việt, ví dụ “sốp” cho “shop”, “phây” cho Facebook. Dạng này vui, nhưng là ác mộng cho bảng tra.
- Viết tắt tiếng Anh trong câu Việt. “KPI”, “HR”, “CV”, “ASAP”, “FYI”. Có cái đọc theo chữ cái tiếng Anh, có cái người Việt đọc theo kiểu Việt.
Trong một văn bản thật, các dạng này trộn với nhau. Một tin nhắn công việc có thể có chữ chêm, chữ viết tắt và một từ phiên âm trong cùng hai dòng. Bất kỳ hệ thống nào xử lý loại văn bản này cũng phải chịu được sự pha trộn đó.
Câu trộn làm khó từng loại hệ thống thế nào
Mức độ khó phụ thuộc hệ thống đang làm việc gì với câu. Bảng dưới tóm tắt các vấn đề chính.
| Hệ thống | Vấn đề với câu trộn | Ví dụ giả định |
|---|---|---|
| Tách từ, phân tích cú pháp | Công cụ học trên văn bản thuần Việt không biết xếp “check” vào loại từ nào | “check lại” bị tách sai hoặc gán nhãn danh từ |
| Nhận dạng ngôn ngữ | Bộ phân loại câu theo ngôn ngữ dao động giữa tiếng Việt và tiếng Anh | Câu nhiều chữ tiếng Anh bị chuyển nhầm sang luồng xử lý tiếng Anh |
| Nhận dạng giọng nói | Từ tiếng Anh được phát âm theo kiểu Việt, máy không biết viết ra dạng nào | “đét lai” hay “deadline” trong biên bản họp |
| Tổng hợp giọng nói | Đọc từ tiếng Anh theo giọng Anh hay giọng Việt; viết tắt đọc thế nào | “KPI” đọc từng chữ cái theo kiểu Anh hay kiểu Việt |
| Dịch máy sang tiếng Anh | Phải nhận ra phần nào đã là tiếng Anh để giữ nguyên, phần nào cần dịch | “chốt sale” bị dịch thành câu khó hiểu |
| Chatbot viết văn bản | Không biết nên giữ thuật ngữ tiếng Anh hay dịch, dẫn đến lẫn lộn | Cùng một bài dùng cả “phản hồi” lẫn “feedback” |
Điểm đáng chú ý: mô hình ngôn ngữ lớn hiểu câu trộn tốt không có nghĩa cả chuỗi hệ thống hiểu tốt. Một trợ lý giọng nói có thể dùng mô hình lớn ở giữa, nhưng nếu bước nhận dạng giọng nói ở đầu đã viết sai chữ tiếng Anh, mô hình lớn nhận vào một câu đã hỏng.
Vì sao mô hình lớn hiểu câu trộn khá tốt
Văn bản tiếng Việt trên mạng, đặc biệt là diễn đàn công nghệ, nhóm mạng xã hội, bình luận thương mại điện tử, chứa rất nhiều câu trộn. Mô hình đa ngôn ngữ học cả tiếng Anh lẫn tiếng Việt trong cùng một không gian biểu diễn, nên “check” trong câu tiếng Việt vẫn gắn được với nghĩa “kiểm tra” mà nó đã học từ tiếng Anh. Với người dùng hỏi chatbot bằng câu trộn, kết quả hiểu nghĩa thường ổn.
Bộ tách token của các mô hình này được xây trên dữ liệu đa ngôn ngữ nên từ tiếng Anh thông dụng thường là một token gọn, đôi khi còn gọn hơn chữ tiếng Việt tương đương. Đây là lý do một số người dùng nhận thấy chatbot “thích” trả lời có chêm tiếng Anh: về mặt thống kê, những từ ấy rất quen thuộc với mô hình.
Tuy vậy, hiểu tốt ở mức nghĩa không bảo đảm hiểu đúng sắc thái. “Chốt” trong “chốt đơn”, “chốt sale” là tiếng lóng thương mại; “sale” trong tiếng Việt công sở thường chỉ nhân viên bán hàng hoặc việc bán, không phải “giảm giá” như trong tiếng Anh thường ngày. Mô hình đôi khi hiểu theo nghĩa tiếng Anh gốc, dẫn đến diễn giải lệch. Với những từ mượn đã đổi nghĩa khi vào tiếng Việt, cần kiểm kỹ.
Một điểm nữa: các mô hình chuyên tiếng Việt nhỏ hơn, huấn luyện chủ yếu trên văn bản báo chí, sách, thường xử lý câu trộn kém hơn mô hình đa ngôn ngữ lớn, vì dữ liệu của chúng ít câu như vậy. Khi chọn mô hình cho một sản phẩm phục vụ dân văn phòng hay giới trẻ, đây là một tiêu chí cần thử.
Giọng nói: chỗ khó nhất của câu trộn
Khi người Việt nói câu trộn, từ tiếng Anh hiếm khi được phát âm như người bản ngữ Anh. “Deadline” có thể thành “đét-lai”, “file” thành “phai”, “meeting” thành “mít-tinh” (trùng với từ “mít tinh” đã có trong tiếng Việt với nghĩa cuộc tập hợp đông người). Hệ thống nhận dạng giọng nói phải nhận ra đó là từ tiếng Anh nói kiểu Việt, rồi quyết định viết ra “deadline” hay “đét lai”.
Hệ thống huấn luyện chủ yếu trên giọng đọc tiếng Việt chuẩn sẽ viết ra chuỗi âm Việt vô nghĩa. Hệ thống đa ngôn ngữ có thể nhận ra từ tiếng Anh nhưng lại hay nhầm với từ tiếng Việt đồng âm. Với biên bản họp, phụ đề video công nghệ, tổng đài chăm sóc khách hàng, đây là nguồn lỗi lớn. Danh mục nhận dạng giọng nói tiếng Việt trên trang có bài riêng về cách đo lỗi này.
Chiều ngược lại, máy đọc văn bản trộn cũng phải chọn: đọc “email” theo kiểu Anh hay kiểu Việt quen tai, đọc “KPI” là “ca-pi-ai” hay “cây-pi-ai”. Không có lựa chọn đúng tuyệt đối; nó phụ thuộc người nghe. Một sản phẩm đọc tin tức cho người lớn tuổi có thể cần cách đọc khác với ứng dụng cho dân văn phòng trẻ.
Thực tế, nhiều hệ thống cho phép khai báo từ điển phát âm riêng: danh sách từ tiếng Anh hay gặp kèm cách đọc mong muốn. Với một doanh nghiệp có thuật ngữ nội bộ riêng, bổ sung từ điển này thường cải thiện rõ rệt chất lượng cả nhận dạng lẫn đọc.
Lập quy ước cho hệ thống làm việc với câu trộn
Với một doanh nghiệp hay một sản phẩm phải xử lý nhiều văn bản trộn, có thể làm theo các bước sau để máy và người cùng nhất quán.
- Gom danh sách thuật ngữ tiếng Anh xuất hiện nhiều trong văn bản nội bộ, tin nhắn khách hàng, biên bản họp (ví dụ giả định: 100–200 từ cho một doanh nghiệp vừa).
- Với mỗi từ, quyết định: giữ nguyên tiếng Anh, dùng từ tiếng Việt tương đương, hay dùng cả hai (tiếng Việt kèm tiếng Anh trong ngoặc ở lần đầu). Ghi lý do ngắn.
- Bổ sung các dạng biến thể hay gặp: viết phiên âm, viết sai chính tả phổ biến, viết tắt, để hệ thống tìm kiếm và phân tích gộp về một mục.
- Đưa bảng thuật ngữ vào câu lệnh cho chatbot khi viết văn bản, ví dụ: “Dùng thuật ngữ theo bảng dưới đây. Với từ ghi giữ nguyên tiếng Anh thì không dịch. Với từ có bản tiếng Việt thì dùng bản tiếng Việt và không chêm tiếng Anh. Không thêm thuật ngữ tiếng Anh ngoài bảng.”
- Với hệ thống giọng nói, khai báo từ điển phát âm cho các từ trong bảng nếu công cụ cho phép.
- Kiểm định kỳ: lấy mẫu văn bản máy viết và biên bản máy ghi, đếm số lần dùng sai quy ước, bổ sung từ mới vào bảng.
Quy ước này cũng giúp người đọc. Văn bản gửi khách hàng hay người lớn tuổi nên hạn chế chêm tiếng Anh; văn bản nội bộ cho đội kỹ thuật có thể giữ nhiều thuật ngữ gốc hơn. Quyết định thuộc về con người, không nên để máy tự quyết theo thống kê của nó.
Tìm kiếm và phân tích văn bản có câu trộn
Một hệ quả ít được để ý của câu trộn nằm ở tìm kiếm và thống kê. Trong kho tin nhắn chăm sóc khách hàng, cùng một ý có thể viết là “phản hồi”, “feedback”, “fb”, “phít bách”. Nếu hệ thống tìm kiếm chỉ khớp chữ, người tìm “phản hồi” sẽ bỏ sót phần lớn tin nhắn viết bằng từ tiếng Anh. Báo cáo đếm chủ đề khách phàn nàn cũng lệch theo: một vấn đề bị chia ra ba bốn cột nhỏ, trông như không đáng kể.
Tìm kiếm theo nghĩa bằng vectơ nhúng đa ngôn ngữ giảm bớt vấn đề, vì “feedback” và “phản hồi” thường nằm gần nhau trong không gian biểu diễn. Nhưng các dạng viết theo cách đọc Việt và viết tắt riêng của từng nhóm người dùng thì mô hình chưa chắc đã gặp. Cách chắc hơn là kết hợp: bảng đồng nghĩa do người lập cho các thuật ngữ quan trọng, cộng với tìm theo nghĩa cho phần còn lại.
Với phân tích cảm xúc hay phân loại ý định, câu trộn còn mang thêm tín hiệu. “Ship chậm quá” và “giao hàng chậm quá” cùng ý nhưng có thể đến từ hai nhóm khách khác nhau. Khi gán nhãn dữ liệu huấn luyện cho các bài toán này, nên để nguyên câu trộn như khách viết, không “sửa” sang tiếng Việt thuần, nếu không mô hình học trên văn bản sạch rồi gặp văn bản thật thì vấp. Ví dụ trong bộ dữ liệu cũng cần che tên, số điện thoại, mã đơn của khách trước khi đưa cho người gán nhãn hay công cụ AI.
Câu hỏi thường gặp
Trộn tiếng Anh vào câu tiếng Việt có phải là nói sai không?
Ngôn ngữ học coi chuyển mã là hiện tượng tự nhiên ở người dùng nhiều ngôn ngữ, không phải lỗi. Tuy nhiên mức độ phù hợp phụ thuộc hoàn cảnh: trong văn bản hành chính, tài liệu cho khách hàng hay người lớn tuổi, nên hạn chế; trong trao đổi nội bộ giữa người cùng nghề, câu trộn thường giúp nói nhanh và chính xác hơn.
Vì sao chatbot hay chêm tiếng Anh khi trả lời tiếng Việt?
Vì dữ liệu huấn luyện chứa nhiều văn bản tiếng Việt có chêm thuật ngữ tiếng Anh, nhất là các chủ đề công nghệ, kinh doanh, và vì mô hình học tiếng Anh nhiều hơn tiếng Việt. Có thể dặn rõ trong câu lệnh: dùng thuật ngữ tiếng Việt, chỉ giữ tiếng Anh trong ngoặc ở lần nhắc đầu.
Nhận dạng giọng nói có viết đúng các từ tiếng Anh trong câu tiếng Việt không?
Tuỳ hệ thống. Hệ thống đa ngôn ngữ thường nhận được từ tiếng Anh thông dụng, nhưng hay nhầm khi từ đó được phát âm theo kiểu Việt hoặc trùng âm với từ tiếng Việt. Thêm từ điển thuật ngữ riêng, nếu công cụ hỗ trợ, là cách cải thiện hiệu quả nhất cho môi trường công sở.
Khi dịch câu trộn sang tiếng Anh, máy có giữ đúng các chữ tiếng Anh sẵn có không?
Phần lớn hệ thống dịch hiện nay giữ được, nhưng vẫn có lúc dịch lại một từ đã là tiếng Anh, hoặc hiểu sai từ mượn đã đổi nghĩa trong tiếng Việt như “sale”. Nên đọc lại các chỗ có tiếng lóng thương mại, công sở trong bản dịch trước khi gửi.
Có nên Việt hoá mọi thuật ngữ tiếng Anh trong tài liệu?
Không nhất thiết. Một số thuật ngữ chưa có từ tiếng Việt thông dụng, dịch ra lại khó hiểu hơn. Cách cân bằng là dùng từ tiếng Việt khi đã có từ quen thuộc, giữ tiếng Anh khi chưa có, và ghi kèm tiếng Anh trong ngoặc ở lần đầu nhắc để người đọc tra cứu được.