Olga Beregovaya, Phó chủ tịch phụ trách AI tại Smartling – Loạt bài phỏng vấn

Olga Beregovaya là Phó chủ tịch phụ trách AI tại Smartling, nơi bà dẫn dắt chiến lược AI trong các lĩnh vực dịch thuật, dữ liệu, chất lượng và an toàn. Bà làm việc trong lĩnh vực xử lý ngôn ngữ tự nhiên từ năm 1997, trải qua các hệ thống dựa trên luật, mô hình thống kê, mạng nơ-ron và mô hình ngôn ngữ lớn. Trước khi gia nhập Smartling, bà giữ chức Phó chủ tịch phụ trách đổi mới AI tại Welocalize và Giám đốc điều hành PROMT Americas.

Smartling cung cấp phần mềm và dịch vụ dịch thuật, bản địa hóa cho doanh nghiệp, kết hợp AI và dịch máy với chuyên môn của con người. Nền tảng của công ty hỗ trợ quy trình làm việc đa ngôn ngữ cho trang web, ứng dụng, nội dung tiếp thị, tài liệu và nội dung đa phương tiện, đồng thời cho phép truy cập hơn 20 mô hình ngôn ngữ lớn và công cụ dịch máy. Trong cuộc phỏng vấn này, Beregovaya trao đổi về khoảng cách AI đa ngôn ngữ, chất lượng dịch thuật, việc lựa chọn mô hình và vai trò giám sát của con người trong hoạt động bản địa hóa tự động.

Hành trình đó đã định hình cách bà nhìn nhận vai trò của AI trong ngôn ngữ như thế nào, và điều gì đã thôi thúc bà dẫn dắt chiến lược AI tại Smartling?

Tôi nghiên cứu cấu trúc của các ngôn ngữ và cách thức hoạt động của các ngữ hệ. Qua đó, tôi hiểu rằng dịch thuật là chuyển tải cấu trúc và ý nghĩa, chứ không phải thay thế từng từ một. Tôi cũng nhìn nhận AI theo cách tương tự.

Tôi bắt đầu làm việc trong lĩnh vực xử lý ngôn ngữ tự nhiên vào năm 1997, khi các hệ thống được xây dựng dựa trên những quy tắc viết thủ công. Từ đó đến nay, tôi đã làm việc với các mô hình thống kê, mạng nơ-ron và mô hình ngôn ngữ lớn ngày nay. Mỗi loại đều giải quyết được một số vấn đề nhưng cũng tạo ra những vấn đề khác. Tôi không tin rằng có một mô hình duy nhất là lời giải đáp.

Tôi gia nhập Smartling vì công ty được xây dựng để dịch mọi loại nội dung doanh nghiệp, từ trang web và ứng dụng đến tài liệu pháp lý, nội dung tiếp thị và video. Ban đầu, tôi giữ chức Phó chủ tịch phụ trách dịch máy, nhưng vai trò này nhanh chóng mở rộng ra ngoài lĩnh vực dịch thuật, bao gồm cả thiết kế câu lệnh, dữ liệu, chất lượng và an toàn. Vì vậy, chức danh của tôi được đổi thành Phó chủ tịch phụ trách AI.

Trên thực tế, khoảng cách đó thể hiện ra sao, và vì sao nó có thể trở nên đáng kể hơn khi AI tạo sinh trở thành giao diện chính?

Trước đây, khoảng cách này khá đơn giản: một hệ thống AI hoặc hỗ trợ ngôn ngữ của bạn, hoặc không. Vấn đề đó hiện phần lớn đã được giải quyết, nhưng khoảng cách đã biến đổi. Điều quan trọng hiện nay là dữ liệu huấn luyện của mô hình phản ánh ngôn ngữ, người sử dụng ngôn ngữ đó và văn hóa của họ tốt đến đâu. Phần lớn dữ liệu huấn luyện mô hình là tiếng Anh, vì vậy dữ liệu này mang theo những giả định của người nói tiếng Anh. Bản dịch có thể chính xác về mặt kỹ thuật nhưng vẫn áp đặt góc nhìn của người nói tiếng Anh lên một ngôn ngữ khác.

AI đang trở thành phương thức để mọi người tương tác với ngân hàng, bác sĩ, trường học và các dịch vụ thiết yếu khác. Nếu AI xử lý tốt ngôn ngữ của bạn, bạn sẽ có lợi thế; còn nếu xử lý kém, bạn sẽ gặp bất lợi.

Điều gì khiến bà ngạc nhiên nhất, và vì sao tiếng Thụy Điển lại có kết quả tốt hơn tiếng Hindi dù số người nói ít hơn nhiều?

Số người nói là chỉ dấu đáng ngạc nhiên là kém tin cậy khi đánh giá chất lượng dịch thuật. Tiếng Thụy Điển, với khoảng 10 triệu người nói, cho ra một số kết quả tốt nhất. Tiếng Hindi, với khoảng 600 triệu người nói, lại nằm trong nhóm có kết quả yếu nhất, cùng với tiếng Estonia và tiếng Thái.

Cấu trúc ngôn ngữ và chất lượng dữ liệu quan trọng hơn nhiều. Tiếng Thụy Điển có ngữ pháp tương đối đơn giản và nguồn dữ liệu huấn luyện sạch dồi dào. Trong tiếng Estonia, đuôi từ thay đổi liên tục để biểu đạt ý nghĩa, khiến AI phải xử lý nhiều yếu tố phức tạp hơn. Tiếng Hindi có hàng trăm triệu người nói, nhưng dữ liệu huấn luyện chất lượng cao, đa dạng lại ít hơn nhiều so với mức có thể kỳ vọng dựa trên số người nói.

Một điều bất ngờ khác là mức độ tiến bộ không đồng đều giữa các phòng thí nghiệm. Những ngôn ngữ ban đầu có kết quả yếu hơn thường cải thiện nhiều nhất từ thế hệ mô hình này sang thế hệ tiếp theo, nhưng xu hướng đó không phải lúc nào cũng đúng.

Ngoài khối lượng dữ liệu huấn luyện, những yếu tố nào ảnh hưởng nhiều nhất đến hiệu suất của mô hình?

Tách từ là một trong những yếu tố quan trọng nhất. Đây là cách mô hình chia văn bản thành các phần nhỏ trước khi xử lý, đặc biệt quan trọng với những ngôn ngữ không dùng bảng chữ cái Latinh. Tách từ kém sẽ hạn chế mọi bước xử lý tiếp theo.

Cấu trúc ngôn ngữ cũng rất quan trọng. Những ngôn ngữ có đuôi từ phức tạp có thể khó xử lý hơn đối với mô hình. Chẳng hạn, trong tiếng Đức, các từ ghép nối tiếp nhau đến mức một từ đơn lẻ có thể dài tới 40 ký tự, đặt ra yêu cầu cao hơn cho mô hình so với các ngôn ngữ như tiếng Tây Ban Nha hoặc tiếng Pháp.

Tiếp đến là chất lượng dữ liệu. Dữ liệu kém tạo ra kết quả kém. Độ chính xác, tính đa dạng và mức độ đại diện của dữ liệu có ý nghĩa vô cùng quan trọng đối với hiệu suất dịch thuật bằng AI.

Cuối cùng là việc đánh giá. Chúng tôi sử dụng TER, BLEU, CHRF3 và MetricX, đồng thời so sánh kết quả với các bản dịch đáng tin cậy do con người thực hiện. Một mô hình có thể tạo ra câu chữ tự nhiên nhưng lại hiểu sai ý nghĩa.

Các phòng thí nghiệm phát triển mô hình tiên tiến nhất có trách nhiệm gì, và thế nào mới là tiến bộ thực sự có ý nghĩa?

Các phòng thí nghiệm phát triển mô hình tiên tiến nhất có trách nhiệm lớn nhất vì họ kiểm soát những mô hình ngôn ngữ tiên tiến nhất. Những lựa chọn của họ có thể khiến khoảng cách rộng thêm hoặc góp phần thu hẹp khoảng cách. Tuy nhiên, dịch thuật thường phải cạnh tranh với suy luận, lập trình và an toàn để giành sự chú ý, vì vậy rất ít phòng thí nghiệm có các nhóm chuyên trách tập trung vào lĩnh vực này.

Ba điều có thể tạo ra khác biệt đáng kể:

1. Xây dựng dữ liệu chất lượng cao cho nhiều ngôn ngữ và chủ đề hơn.
2. Cải thiện cách phân đoạn từ cho những ngôn ngữ mà các phương pháp hiện tại chưa đáp ứng tốt.
3. Đồng thời, đánh giá mọi mô hình mới trên các ngôn ngữ có ít dữ liệu huấn luyện hơn, chứ không chỉ trên những ngôn ngữ phổ biến nhất.

Một cơ hội lớn là xây dựng dữ liệu huấn luyện cho những ngôn ngữ hiện diện rất ít trên mạng. Phần lớn công việc này diễn ra bên ngoài các phòng thí nghiệm lớn. Chúng tôi hợp tác với những nhóm như African Language Lab để xây dựng dữ liệu cho các ngôn ngữ châu Phi.

Smartling xác định thế nào trong số hơn 20 công cụ của mình đâu là lựa chọn phù hợp với một ngôn ngữ, loại nội dung hoặc trường hợp sử dụng cụ thể?

Chúng tôi kiểm thử các mô hình thay vì mặc định rằng một mô hình nào đó là tốt nhất. Mỗi mô hình được đánh giá dựa trên các bản dịch đáng tin cậy do con người thực hiện, bằng TER, BLEU, CHRF3 và MetricX. Khách hàng có thể cung cấp nội dung tiếp thị của mình, và trong khoảng một tuần, chúng tôi có thể cho họ thấy hiệu quả của từng mô hình theo ngôn ngữ và chủ đề. Mô hình tốt nhất cho nội dung tiếp thị bằng tiếng Tây Ban Nha Mỹ Latinh có thể không phải là lựa chọn tốt nhất cho một ngôn ngữ khác hoặc nội dung nhạy cảm.

Chúng tôi cũng tính đến rủi ro. Nội dung người dùng có rủi ro thấp có thể trải qua quy trình rà soát đơn giản hơn. Nội dung thuộc lĩnh vực chịu sự quản lý hoặc có ý nghĩa sống còn với thương hiệu sẽ được rà soát nhiều hơn và thường có người kiểm tra. Vì có thể thêm hoặc gỡ bỏ mô hình khi hiệu suất thay đổi, chúng tôi không bị ràng buộc với một nhà cung cấp duy nhất.

Trong những trường hợp nào các hệ thống dịch chuyên biệt vẫn vượt trội hơn các mô hình ngôn ngữ lớn (LLM) đa dụng, và hai loại này sẽ hội tụ ra sao?

Dịch máy chuyên biệt vẫn chiếm ưu thế khi tính ổn định và khả năng dự đoán là quan trọng nhất. Công nghệ này đặc biệt hữu ích với nội dung nhạy cảm và một số ngôn ngữ nhất định. LLM tạo ra câu chữ tự nhiên hơn, nhưng cũng có thể tự tin tạo ra thông tin sai lệch.

Tại Smartling, chúng tôi kết hợp cả hai. Một mô hình dịch chuyên biệt tạo bản nháp đầu tiên dựa trên thuật ngữ và dữ liệu chuyên ngành của khách hàng. Sau đó, LLM biên tập bản dịch, khôi phục các thuật ngữ đã được phê duyệt, áp dụng những nội dung khớp từ các bản dịch trước đó và cải thiện câu chữ.

Mô hình đang dần trở thành một phần trong toàn bộ hệ thống. Giờ đây, việc đưa ra chỉ dẫn, dữ liệu, khả năng tùy chỉnh và các biện pháp kiểm soát an toàn cũng quan trọng không kém.

Những rủi ro lớn nhất mà doanh nghiệp cần cân nhắc khi dùng AI tạo sinh cho nội dung đa ngôn ngữ là gì?

Chắc chắn là hiện tượng tạo thông tin sai lệch. Ví dụ tôi thích nhất là có người hỏi AI xem một cây nấm có độc không. AI trả lời là không, với vẻ hoàn toàn chắc chắn, nhưng bia mộ của người đó lại chứng minh câu trả lời ấy sai. Trong dịch thuật, điều này thể hiện ở những câu chữ nghe hoàn hảo nhưng lại sai sự thật; rủi ro đó có thể cao hơn ở những ngôn ngữ có ít dữ liệu huấn luyện.

Bối cảnh văn hóa và quy định cũng là một vấn đề. Bản dịch có thể đúng về mặt kỹ thuật nhưng vẫn không phù hợp với thị trường. Chẳng hạn, tiếng Đức và tiếng Nhật đòi hỏi những mức độ trang trọng mà tiếng Anh không có. Các quy định quảng cáo ở Trung Quốc cũng hạn chế những tuyên bố như “tốt nhất”.

Tính nhất quán cũng là một vấn đề. Khi triển khai ở quy mô lớn, các công cụ AI đa dụng có thể tạo ra thuật ngữ và giọng điệu thương hiệu thiếu nhất quán. Một lãnh đạo từng nói với tôi rằng công ty ông có 300.000 nhân viên và, nhờ AI đa dụng, có đến 300.000 giọng điệu khác nhau.

Hậu quả đôi khi còn ảnh hưởng trực tiếp đến an toàn tính mạng. Nếu hướng dẫn an toàn về việc kéo cần gạt bị dịch sai, cần cẩu có thể đổ sập tại công trường.

Trong quy trình bản địa hóa, một tác nhân AI hoạt động như thế nào, và có thể tự động hóa đến đâu nếu vẫn có sự giám sát của con người?

Tác nhân AI là một bước trong quy trình bản địa hóa. Một mô hình dịch, trong khi một mô hình khác rà soát, kiểm tra thông tin sai lệch, khôi phục các thuật ngữ đã được phê duyệt và điều chỉnh nội dung cho phù hợp với thị trường. Sau đó, bước kiểm tra chất lượng sẽ quyết định nội dung có thể xuất bản hay cần được con người rà soát nhanh hoặc rà soát toàn diện.

Mức độ có thể tự động hóa phụ thuộc vào rủi ro. Phần lớn công việc có rủi ro thấp của chúng tôi hiện đã được tự động hóa hoàn toàn, nhưng nội dung nhạy cảm và nội dung thuộc lĩnh vực chịu sự quản lý vẫn cần con người xử lý.

Không phải lúc nào mục tiêu cũng là tự động hóa hoàn toàn, bởi mô hình cần phản hồi của con người để cải thiện. Mục tiêu là giảm khối lượng công việc cho con người mà không loại bỏ sự đánh giá của họ.

Trong 5 năm tới, khoảng cách sẽ thu hẹp hay nới rộng, và điều gì sẽ giúp AI thực sự hỗ trợ đa ngôn ngữ ở quy mô toàn cầu?

Khoảng cách có thể đi theo cả hai hướng. Những ngôn ngữ vốn có năng lực hỗ trợ yếu nhất đang tiến bộ nhanh nhất, và ngày càng có nhiều tổ chức thu thập dữ liệu cho các ngôn ngữ có ít nội dung trực tuyến, bao gồm cả dữ liệu ngôn ngữ nói.

Tuy nhiên, khoảng cách đang thay đổi hình thái. AI có thể xử lý tốt một ngôn ngữ nhưng vẫn đưa vào đó những giả định của người nói tiếng Anh từ dữ liệu huấn luyện.

AI thực sự hỗ trợ đa ngôn ngữ đòi hỏi một cách tiếp cận khác. Điều đó có thể đồng nghĩa với việc sử dụng các mô hình nhỏ hơn, được tinh chỉnh cho từng ngôn ngữ và lĩnh vực cụ thể, thay vì kỳ vọng một mô hình tổng quát có thể làm mọi việc. Cách tiếp cận này cần dữ liệu đa dạng hơn trên nhiều ngôn ngữ và lĩnh vực. Cần cải thiện cách phân đoạn từ cho những ngôn ngữ mà các phương pháp hiện tại chưa đáp ứng tốt. Đồng thời, cần có dữ liệu tổng hợp và chuyển giao những gì mô hình học được từ ngôn ngữ này sang các ngôn ngữ có liên quan, để những cải tiến không chỉ giới hạn ở các ngôn ngữ có nhiều dữ liệu nhất.

Công nghệ đã tồn tại, nhưng vấn đề là liệu các công ty xây dựng những mô hình này có ưu tiên hiệu suất đa ngôn ngữ hay không.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời. Độc giả muốn tìm hiểu về dịch thuật bằng AI, đánh giá chất lượng đa ngôn ngữ và quy trình bản địa hóa có sự giám sát của con người có thể truy cập Smartling.