Từ những trang sách phủ bụi, 5 học sinh Hà Nội dạy AI đọc chữ Thái cổ

Giữ chữ Thái cổ không chỉ bằng cách cất giữ

Trong nhiều gia đình người Thái, những cuốn sách viết bằng chữ Thái cổ vẫn được lưu giữ qua nhiều thế hệ. Đó là truyện thơ, sử thi, sách ghi chép phong tục, nghi lễ, tri thức dân gian và những câu chuyện của cha ông.

Tại các bảo tàng, thư viện, nhiều tài liệu đang được sưu tầm, bảo quản và từng bước số hóa. Tuy nhiên, lưu giữ được văn bản mới chỉ là một phần của công việc bảo tồn.

Một chữ viết chỉ thực sự có sức sống khi còn người học, người đọc và sử dụng.

Ngô Hoàng Long, Trưởng nhóm thực hiện cho rằng nếu chữ Thái chỉ nằm trong sách cổ, kho lưu trữ mà ngày càng xa rời thế hệ trẻ, khoảng cách giữa di sản và cộng đồng sẽ lớn dần.

“Bọn em không muốn chữ Thái chỉ nằm trong bảo tàng. Một ngôn ngữ muốn sống thì phải có người sử dụng hằng ngày. Công nghệ có thể giúp việc học, đọc và sử dụng chữ thuận tiện hơn”, Long chia sẻ.

Từ suy nghĩ ấy, 5 học sinh Hà Nội đã đến Bảo tàng Sơn La tìm hiểu việc lưu giữ, số hóa văn bản cổ; gặp gỡ những người am hiểu chữ Thái và tham gia các lớp học tại địa phương để thử nghiệm phần mềm.

Các em nhận ra rằng công cụ bảo tồn ngôn ngữ chỉ thực sự có giá trị khi cộng đồng thấy hữu ích và có thể sử dụng trong đời sống.

Trong khi giới trẻ ngày càng quen sử dụng điện thoại, máy tính để học tập, giao tiếp, tài liệu chữ Thái trên môi trường số vẫn còn hạn chế. Các công cụ hỗ trợ nhập liệu, nhận dạng, tra cứu cũng chưa phổ biến.

Từ thực tế đó, nhóm xây dựng ứng dụng với các chức năng như bộ gõ, từ điển, chuyển đổi phông chữ, nhận dạng chữ từ hình ảnh và dịch giữa tiếng Thái Đen với tiếng Việt.

Chẳng hạn, khi gặp một đoạn chữ Thái trong sách cũ, học sinh có thể chụp ảnh, đưa vào hệ thống để chuyển thành văn bản số, sau đó tra cứu hoặc đối chiếu với tiếng Việt.

Giáo viên có thể sử dụng công cụ để chuẩn bị tài liệu song ngữ; nhà nghiên cứu tiết kiệm thời gian xử lý văn bản cổ. Những người trẻ sống xa quê cũng có thêm phương tiện tiếp cận chữ viết của dân tộc mình.

Theo nhóm, công nghệ không thay thế người truyền dạy chữ Thái mà đóng vai trò kết nối, giúp việc học và sử dụng chữ viết truyền thống thuận tiện hơn.

Dạy AI đọc chữ Thái từ những trang sách cổ

Thách thức lớn nhất của dự án không phải viết chương trình mà là tìm kiếm và chuẩn hóa dữ liệu.

Trong khi những ngôn ngữ phổ biến có nguồn dữ liệu khổng lồ để huấn luyện AI, tài liệu tiếng Thái Đen trên Internet còn ít, phân tán ở bảo tàng, các công trình nghiên cứu, tài liệu địa phương và những gia đình lưu giữ sách cổ.

Không ít văn bản sử dụng các bộ phông chữ khác nhau, thiếu thống nhất. Nhiều tài liệu chỉ tồn tại dưới dạng bản viết tay, sách in cũ hoặc ảnh chụp.

Vì vậy, nhóm phải tìm kiếm tài liệu, chuyển đổi phông chữ, kiểm tra ký tự, làm sạch dữ liệu và đối chiếu từng câu tiếng Thái với tiếng Việt.

“Khó nhất với nhóm không phải là viết Code mà là tìm và làm sạch từng trang dữ liệu”, Long nói.

Từ đó, các em nhận ra rằng muốn một ngôn ngữ hiện diện lâu dài trong thời đại số, trước hết phải xây dựng được kho dữ liệu đủ tốt và chuẩn hóa.

Dự án cũng phát triển không gian để người dùng đóng góp, kiểm tra và hiệu chỉnh dữ liệu, thay vì chỉ dựa vào một nhóm kỹ thuật.

Để xây dựng công cụ dịch thuật, nhóm sử dụng và tinh chỉnh mô hình AI đa ngôn ngữ NLLB, hướng tới khả năng dịch giữa tiếng Thái Đen và tiếng Việt.

Song song là hệ thống nhận dạng ký tự quang học (OCR), giúp chuyển nội dung trên những trang sách cổ thành văn bản số để tìm kiếm, chỉnh sửa và lưu trữ thuận tiện hơn.

Nhóm còn hướng tới phát triển công nghệ nhận dạng và tổng hợp giọng nói tiếng Thái Đen. Nếu thành công, người lớn tuổi không quen dùng bàn phím có thể nhập nội dung bằng giọng nói; người học có thể nghe máy đọc văn bản để luyện phát âm.

Tuy nhiên, AI không thể tự học cách phát âm chính xác hay hiểu sự khác biệt ngôn ngữ giữa các vùng nếu thiếu sự tham gia của người bản địa.

Bởi vậy, hành trình “dạy AI tiếng Thái” cũng là quá trình tập hợp tri thức từ chính cộng đồng. Những người biết chữ, am hiểu tiếng nói và văn hóa Thái vẫn giữ vai trò quyết định trong việc kiểm tra, hiệu chỉnh.

Cô Lò Mai Cương, người tham gia biên soạn sách dạy chữ Thái, đánh giá việc ứng dụng công nghệ hỗ trợ đọc và học chữ Thái là hướng đi có ý nghĩa thực tế.

Theo cô, hiện nay, người muốn tìm hiểu sách cổ, nghiên cứu chữ Thái vẫn thường phải nhờ đến nghệ nhân hoặc chuyên gia. Nếu các công cụ nhận dạng, tra cứu, dịch thuật được hoàn thiện với độ chính xác cao, sinh viên, nhà nghiên cứu và những người quan tâm đến văn hóa Thái sẽ có thêm phương tiện tiếp cận di sản.

Dẫu vậy, máy móc chỉ có thể hỗ trợ. Người am hiểu ngôn ngữ và văn hóa bản địa vẫn là người xác định một chữ được đọc đúng hay sai, một câu được hiểu đúng hay lệch nghĩa.

Hiện VietTrans đã được đưa lên môi trường trực tuyến để người dùng thử nghiệm các chức năng nhận dạng, chuyển đổi, tra cứu và dịch thuật. Từ khi ra mắt, hệ thống đã nhận được hàng chục nghìn lượt yêu cầu dịch thuật song ngữ. Nhóm kỳ vọng nền tảng sẽ từng bước phát triển thành hệ sinh thái hỗ trợ tiếng Thái Đen, từ dữ liệu, từ điển, bộ gõ đến nhận dạng chữ viết, dịch máy và giọng nói.