Dịch máy Anh–Việt khó chủ yếu vì hai ngôn ngữ bắt buộc ghi những loại thông tin khác nhau: tiếng Anh buộc mỗi câu phải chọn thì, số ít hay số nhiều, mạo từ "a" hay "the", đại từ "he" hay "she"; tiếng Việt buộc chọn cách xưng hô theo quan hệ, chọn loại từ "con", "cái", "chiếc", và thường bỏ trống chủ ngữ. Khi dịch, máy phải điền những thông tin ngôn ngữ đích bắt buộc mà ngôn ngữ nguồn không cho, nên buộc phải đoán. Phần lớn lỗi Anh–Việt và Việt–Anh nằm đúng ở các chỗ đoán này.
Nhà ngôn ngữ học Roman Jakobson từng diễn đạt ý này: các ngôn ngữ khác nhau chủ yếu ở điều chúng buộc phải nói, chứ không ở điều chúng được phép nói. Bài này đi qua từng cặp "bắt buộc ở bên này, tuỳ ý ở bên kia" giữa tiếng Anh và tiếng Việt, kèm ví dụ giả định, cách các hệ thống xử lý, và cách bạn cung cấp ngữ cảnh để máy đoán đúng hơn. Đặc điểm xưng hô và loại từ ở góc ngôn ngữ học có bài riêng trong chuyên mục Tiếng Việt khó với máy; ở đây tập trung vào hệ quả khi dịch.
Xưng hô: tiếng Anh có "you", tiếng Việt có hàng chục lựa chọn
Câu "Can you send me the file?" chỉ có một cách viết trong tiếng Anh. Sang tiếng Việt, máy phải chọn giữa "Anh gửi giúp em tệp được không?", "Ông gửi cho con tệp nhé?", "Bạn gửi mình tệp với", "Cháu gửi bác tệp được không?" và nhiều phương án khác, tuỳ tuổi, giới, quan hệ, vùng miền, mức trang trọng. Thông tin để chọn hầu như không có trong câu nguồn. Hệ dịch từng câu thường lùi về "bạn" và "tôi", trung tính nhưng lạnh, và nghe lạ trong hội thoại gia đình.
Chiều ngược lại cũng mất mát. "Con chào bố, con đi học đây" sang tiếng Anh thành "Bye Dad, I'm going to school", phần quan hệ cha con nằm trong "con" và "bố" được giữ một nửa nhờ "Dad", nhưng sắc thái lễ phép trong chữ "con" tự xưng thì mất. Với văn học, phụ đề phim, hội thoại chăm sóc khách hàng, đây là phần quyết định bản dịch có tự nhiên hay không.
Khó hơn nữa là xưng hô thay đổi trong cùng một cuộc trò chuyện. Hai người mới gặp xưng "anh–tôi", thân dần thì "anh–em", giận nhau có thể đổi sang "ông–tôi". Một hệ dịch từng câu không thể biết điều đó. Mô hình ngôn ngữ lớn đọc cả đoạn đoán tốt hơn, nhưng cách chắc nhất vẫn là bạn nói rõ trong chỉ dẫn: ai nói với ai, tuổi tác, quan hệ, xưng hô mong muốn.
Thì và thể: tiếng Việt không bắt ghi thời gian vào động từ
Tiếng Anh buộc động từ mang thì: "I eat", "I ate", "I have eaten", "I will eat". Tiếng Việt có "đã", "đang", "sẽ", "rồi", "vừa", nhưng không bắt buộc. "Mẹ ăn cơm" có thể là thói quen, là việc vừa xong, hay việc sắp làm, tuỳ ngữ cảnh. Chiều Anh–Việt, máy hay mắc lỗi "dịch thừa": nhét "đã" vào mọi câu quá khứ, "sẽ" vào mọi câu tương lai, làm văn tiếng Việt nặng nề và lộ dấu vết văn dịch. Câu tự nhiên như "Hôm qua em gặp anh ấy" không cần "đã" vì "hôm qua" đủ chỉ thời gian.
Chiều Việt–Anh khó hơn vì máy phải đoán. Ví dụ giả định: một tin nhắn "Em gửi báo cáo cho sếp" có thể là "I sent", "I've sent", "I'll send" hay "I'm sending". Nếu câu trước là "Sáng nay họp xong", có lẽ là quá khứ; nếu là "Chiều nay", có lẽ là tương lai. Hệ dịch chỉ nhìn một câu sẽ chọn theo thói quen thống kê, thường là quá khứ đơn hoặc hiện tại đơn, và có thể sai hẳn ý người viết.
Thể hoàn thành ("have done") còn gây khó riêng. "Rồi" trong tiếng Việt gần với hoàn thành nhưng không trùng: "Ăn chưa?" "Ăn rồi" là "Have you eaten?" "Yes, I have", nhưng "Thôi rồi!" chẳng liên quan gì đến thì. Máy học được phần lớn trường hợp phổ biến, phần đuôi hiếm vẫn là chỗ hay sai.
Bảng các cặp "bắt buộc bên này, tuỳ ý bên kia"
Bảng tổng hợp những loại thông tin hay gây lỗi nhất, theo chiều nào máy phải đoán.
| Loại thông tin | Tiếng Anh | Tiếng Việt | Chiều máy phải đoán | Ví dụ giả định |
|---|---|---|---|---|
| Thì của động từ | bắt buộc | tuỳ ý (đã, đang, sẽ) | Việt → Anh | "Em gửi rồi" thành sent hay have sent |
| Số ít, số nhiều | bắt buộc (book, books) | tuỳ ý (các, những, mấy) | Việt → Anh | "Mua sách" thành a book hay books |
| Mạo từ | bắt buộc (a, the) | không có tương đương trực tiếp | Việt → Anh | "Khách hàng gọi lại" thành the customer hay a customer |
| Giới của đại từ ngôi ba | bắt buộc (he, she) | tuỳ (anh ấy, chị ấy, bạn ấy, người đó) | Việt → Anh | "Bác sĩ nói bạn ấy cần nghỉ" thành he hay she |
| Xưng hô theo quan hệ | không có (I, you) | bắt buộc chọn | Anh → Việt | "Thank you" thành cảm ơn anh, chị, bác, bạn |
| Loại từ | không có | thường bắt buộc khi đếm | Anh → Việt | "three cats" thành ba con mèo, không phải ba mèo |
| Chủ ngữ | gần như bắt buộc | thường bỏ trống | Việt → Anh | "Đi chưa?" thành Are you leaving hay Has he left |
Nhìn cột "chiều máy phải đoán" sẽ thấy dịch Việt–Anh thường khó hơn ở mặt ngữ pháp, còn dịch Anh–Việt khó ở mặt giao tiếp và tự nhiên. Một bản dịch Việt–Anh sai thì có thể sai sự kiện, ví dụ đã làm thành sẽ làm; một bản Anh–Việt sai thì thường đúng ý mà nghe cứng hoặc lạc vai.
Giới và định kiến: khi máy đoán theo số đông
Khi phải chọn "he" hay "she" cho "bác sĩ", "y tá", "kỹ sư", "giáo viên mầm non" trong câu tiếng Việt không nói rõ giới, máy dịch thường chọn theo tần suất trong dữ liệu huấn luyện: bác sĩ, kỹ sư thành "he", y tá, giáo viên mầm non thành "she". Hiện tượng này được nghiên cứu khá kỹ với nhiều cặp ngôn ngữ; một công trình hay được dẫn là bộ đánh giá WinoMT của Stanovsky và cộng sự năm 2019, cho thấy nhiều hệ thống dịch thương mại có xu hướng gán giới theo khuôn mẫu nghề nghiệp.
Năm 2018, Google công bố cho một số cặp ngôn ngữ hiển thị cả hai phương án giống đực và giống cái khi câu nguồn không rõ giới. Việc áp dụng thế nào với tiếng Việt ở thời điểm bạn đọc bài này thì cần tự kiểm trên công cụ, vì tính năng thay đổi theo phiên bản. Với người dùng, cách phòng đơn giản là khi câu tiếng Việt có "bạn ấy", "người đó", "em ấy" mà bạn biết giới, hãy viết rõ hơn, hoặc kiểm lại đại từ trong bản tiếng Anh.
Chiều Anh–Việt, định kiến thể hiện qua xưng hô: máy có thể mặc định "anh" cho người quản lý, "em" cho thư ký, hoặc chọn "cô" cho giáo viên trong khi văn bản không nói giới. Với tài liệu tuyển dụng, chính sách nhân sự, tài liệu giáo dục, nên soát riêng phần này.
Thành ngữ, từ Hán Việt và những chỗ sát chữ là sai
Thành ngữ dịch theo nghĩa đen. Hệ thống hiện đại đã học được phần lớn thành ngữ phổ biến như "break the ice" thành "phá vỡ sự ngượng ngùng" thay vì "phá băng". Nhưng thành ngữ hiếm, chơi chữ, tiếng lóng mới vẫn hay bị dịch sát chữ. Chiều Việt–Anh, "nước đổ lá khoai", "ếch ngồi đáy giếng" có khi được dịch đúng nghĩa bóng, có khi ra hình ảnh ngô nghê.
Từ Hán Việt và từ thuần Việt khác sắc thái. "Phụ nữ" và "đàn bà", "từ trần" và "chết", "phu nhân" và "vợ" cùng nghĩa cơ bản nhưng khác mức trang trọng. Máy chọn sai tầng từ là văn bản hành chính nghe suồng sã hoặc tin nhắn bạn bè nghe như công văn.
Từ đồng âm và đa nghĩa. "Bank" là ngân hàng hay bờ sông, "đường" là con đường hay đường ăn: máy dựa vào ngữ cảnh, câu ngắn thiếu ngữ cảnh dễ sai. Tên sản phẩm, tên riêng trùng với từ thường cũng là nguồn lỗi quen thuộc.
Câu bị động và danh từ hoá. Tiếng Anh dùng bị động và danh từ hoá nhiều; dịch sát sang tiếng Việt cho ra câu "được", "bị", "việc", "sự" chồng chất. Đây là dấu hiệu văn dịch dễ nhận nhất, và mô hình học từ dữ liệu dịch máy cũ càng làm nó lan rộng.
Cho máy đủ ngữ cảnh để đoán đúng
Phần lớn các chỗ đoán ở trên có thể giảm nếu bạn cung cấp thông tin. Với công cụ cho phép chỉ dẫn, như chatbot dùng mô hình ngôn ngữ lớn, các bước sau thường giúp nhiều.
- Nói rõ ai nói với ai: "Đây là tin nhắn của nhân viên trẻ gửi trưởng phòng nữ khoảng bốn mươi tuổi, xưng em, gọi chị."
- Nói rõ thời gian khi dịch chiều Việt–Anh: "Các việc trong đoạn này đã xảy ra tuần trước" hoặc "đây là kế hoạch tháng sau".
- Nói rõ giới và số khi cần: "Bác sĩ trong đoạn là nữ", "khách hàng ở đây là nhiều người".
- Đưa cả đoạn hoặc cả văn bản thay vì từng câu, để máy thấy mạch.
- Đưa bảng thuật ngữ và tên riêng giữ nguyên, kèm văn phong mong muốn: thân mật, trang trọng, hành chính.
- Che thông tin cá nhân thật trước khi dán: thay tên bằng "Người A", số giấy tờ bằng ký hiệu.
- Đọc lại bản dịch, đối chiếu riêng các điểm vừa dặn: xưng hô, thì, giới, số lượng.
Với công cụ dịch không có ô chỉ dẫn, bạn vẫn có thể thêm ngữ cảnh vào chính văn bản nguồn: viết rõ chủ ngữ, thêm "đã", "sẽ" khi cần, dùng "các" cho số nhiều. Văn bản nguồn rõ ràng là cách rẻ nhất để có bản dịch tốt, và AI Dịch Thuật có bài riêng về soạn văn bản nguồn cho người làm nghề dịch.
Chủ ngữ bỏ trống và tham chiếu xa
Tiếng Việt nói chuyện hằng ngày bỏ chủ ngữ rất thường: "Đi chưa?", "Ăn rồi", "Mai gửi nhé". Người nghe tự hiểu nhờ tình huống. Tiếng Anh gần như luôn cần chủ ngữ, nên khi dịch Việt–Anh máy phải tự điền "I", "you", "he", "she", "we" hoặc "they". Câu đứng một mình thì máy chỉ còn cách đoán theo kiểu phổ biến nhất trong dữ liệu, thường là "I" hoặc "you". Ví dụ giả định: trong tin nhắn nhóm, "Mai gửi nhé" có thể là người nói hứa gửi, nhờ người nghe gửi, hoặc nhắc một người thứ ba; bản tiếng Anh chọn một và bỏ hai khả năng còn lại.
Đại từ chỉ người thứ ba cũng gặp chuyện tương tự ở khoảng cách xa. Một đoạn văn nhắc "bà Hoa" ở câu đầu, rồi các câu sau chỉ dùng "bà", "cụ", hoặc bỏ trống. Hệ dịch từng câu không thấy câu đầu nên có thể chuyển "bà" thành "she" ở câu này, "you" ở câu khác vì "bà" cũng là đại từ ngôi hai khi nói với người già. Hệ dịch cả đoạn và mô hình ngôn ngữ lớn đọc được ngữ cảnh rộng nên ít sai hơn, nhưng vẫn vấp khi đoạn dài, nhiều nhân vật cùng giới, cùng vai vế.
Đây cũng là chỗ để thấy vì sao đánh giá dịch máy bằng từng câu rời có thể đánh giá sai hệ thống: câu nào nhìn riêng cũng ổn, ghép lại thì đại từ nhảy lung tung. Các nghiên cứu về dịch ở cấp văn bản (document-level) ra đời chính vì những lỗi kiểu này, và bộ thử cho chúng thường gồm các đoạn có tham chiếu xa, chủ ngữ ẩn, xưng hô thay đổi theo mạch.
Câu hỏi thường gặp
Dịch Anh sang Việt hay Việt sang Anh thì máy dễ sai hơn?
Mỗi chiều sai một kiểu. Việt–Anh hay sai về sự kiện vì máy phải đoán thì, số nhiều, giới, mạo từ mà câu tiếng Việt không ghi. Anh–Việt hay sai về giao tiếp: xưng hô lệch vai, văn cứng, lạm dụng "đã", "được", "việc". Chiều nào cũng cần đọc lại, nhưng điểm cần soát khác nhau.
Vì sao máy hay dịch "you" thành "bạn" trong mọi trường hợp?
Vì "bạn" là lựa chọn an toàn và phổ biến nhất trong dữ liệu song ngữ, nhất là văn bản hướng dẫn, giao diện phần mềm. Câu nguồn không cho biết tuổi, quan hệ nên máy lùi về lựa chọn trung tính. Muốn xưng hô khác, bạn phải nói rõ trong chỉ dẫn hoặc sửa sau khi dịch.
Máy dịch có tự nhận ra mình đang đoán không?
Hệ dịch thông thường không báo. Một số mô hình ngôn ngữ lớn có thể nêu chỗ mơ hồ nếu bạn yêu cầu, ví dụ dặn "nếu câu nào không rõ giới hay thì, hãy ghi chú phương án". Nghiên cứu về ước lượng chất lượng dịch đang cố cho máy tự chấm độ tin cậy từng câu, nhưng chưa phải tính năng phổ biến cho người dùng.
Có nên viết tiếng Việt kiểu khác đi để máy dịch dễ hơn không?
Với văn bản sẽ dịch, viết rõ ràng là có lợi: câu ngắn, chủ ngữ rõ, thời gian rõ, tránh thành ngữ hiếm. Nhưng không nên biến văn tiếng Việt thành văn dịch ngược chỉ để chiều máy. Viết tự nhiên, rõ ý, rồi bổ sung ngữ cảnh qua chỉ dẫn là cân bằng hợp lý hơn.
Thiên lệch giới trong dịch máy có sửa được không?
Giảm được chứ khó loại bỏ hẳn. Các hướng hiện có gồm cân bằng dữ liệu huấn luyện, cho hiển thị cả hai phương án khi câu nguồn không rõ giới, và cho người dùng chỉ định giới qua chỉ dẫn. Người dùng nên soát đại từ trong các văn bản tuyển dụng, giáo dục, y tế.
Loại từ có quan trọng khi dịch sang tiếng Việt không?
Có, vì thiếu hoặc sai loại từ là dấu hiệu văn dịch rõ nhất. "Three cats" phải là "ba con mèo", "a table" là "một cái bàn", "a car" là "một chiếc xe". Máy hiện đại làm đúng phần lớn ca phổ biến, nhưng với từ mới, từ mượn, máy có thể bỏ loại từ hoặc dùng "cái" cho mọi thứ.