Đề tài do Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Thành phố Hồ Chí Minh chủ trì thực hiện, dưới sự dẫn dắt của PGS.TS. Đinh Điền cùng nhóm cộng sự. Không chỉ là một thành tựu khoa học trong lĩnh vực xử lý ngôn ngữ tự nhiên, kết quả nghiên cứu còn đánh dấu bước tiến quan trọng trong hành trình đưa di sản Hán Nôm đến gần hơn với cộng đồng thông qua sức mạnh của trí tuệ nhân tạo và công nghệ số.
Giải bài toán lớn của kho tàng di sản Hán Nôm
Trong suốt gần một thiên niên kỷ hình thành và phát triển của quốc gia, chữ Hán và chữ Nôm là hai hệ thống văn tự chủ yếu được sử dụng để ghi chép mọi mặt của đời sống xã hội, từ lịch sử, địa lý, văn học, triết học, tôn giáo, luật pháp đến y học cổ truyền.
Ngày nay, hàng triệu trang tài liệu quý như sắc phong, châu bản, gia phả, địa bạ, văn bia, thư tịch cổ, hoành phi, câu đối cùng vô số tài liệu dân gian vẫn đang được lưu giữ tại các trung tâm lưu trữ, bảo tàng, đình, chùa, di tích lịch sử và trong nhiều gia đình.
Tuy nhiên, kho tàng tri thức đồ sộ ấy lại đang đứng trước nguy cơ bị "đóng băng" bởi rào cản ngôn ngữ.
Theo thống kê của Hội Bảo tồn di sản Hán Nôm, hơn 90% tư liệu Hán Nôm hiện nay chưa được dịch sang chữ Quốc ngữ. Phần lớn mới chỉ được số hóa ở mức lưu giữ hình ảnh, chưa thể khai thác nội dung. Trong khi đó, số lượng chuyên gia có khả năng đọc, hiểu và dịch chính xác cổ văn ngày càng ít do sự thay đổi của thời đại.
Điều này tạo nên một nghịch lý đáng tiếc: Việt Nam sở hữu kho tư liệu lịch sử, văn hóa vô cùng phong phú nhưng phần lớn người dân, đặc biệt là thế hệ trẻ, gần như không thể tiếp cận.
Thách thức càng lớn hơn khi các nền tảng trí tuệ nhân tạo phổ biến trên thế giới được phát triển chủ yếu dựa trên tiếng Trung hiện đại. Những hệ thống này gần như không thể xử lý chính xác chữ Nôm – hệ thống văn tự độc đáo do người Việt sáng tạo để ghi âm tiếng Việt cổ.
Xuất phát từ nhu cầu cấp thiết đó, nhóm nghiên cứu do PGS.TS. Đinh Điền đứng đầu đã quyết tâm xây dựng một nền tảng công nghệ thuần Việt nhằm giải quyết bài toán vốn được xem là rất khó trong lĩnh vực xử lý ngôn ngữ.
Xây dựng kho dữ liệu Hán Nôm lớn nhất Việt Nam
Một hệ thống trí tuệ nhân tạo chỉ có thể hoạt động hiệu quả khi được huấn luyện trên nguồn dữ liệu phong phú, chính xác và được chuẩn hóa.
Sau nhiều năm thu thập, xử lý và chuẩn hóa, nhóm nghiên cứu đã xây dựng thành công kho dữ liệu Hán Nôm có quy mô lớn nhất từ trước đến nay tại Việt Nam.
Kho dữ liệu gồm khoảng 200.000 ảnh trang văn bản Hán Nôm, đồng thời có 200.000 ảnh đã được gán nhãn chi tiết để phục vụ huấn luyện hệ thống nhận dạng ký tự quang học (OCR).
Bên cạnh đó, nhóm nghiên cứu còn xây dựng 750.000 cặp câu song ngữ Hán Nôm – Quốc ngữ, tạo nền tảng cho việc huấn luyện mô hình dịch máy hiện đại.
Đặc biệt, cơ sở dữ liệu còn bao gồm hơn một triệu câu đơn ngữ Hán Nôm, tương đương khoảng 16 triệu ký tự, phục vụ tối ưu hóa mô hình ngôn ngữ.
Nguồn dữ liệu này bao phủ hầu hết các lĩnh vực quan trọng của đời sống truyền thống như văn học, lịch sử, tôn giáo, y học cổ truyền, địa chí, hành chính, văn bia, sắc phong, thư tín dân gian…
Không chỉ đóng vai trò là "nguồn nhiên liệu" cho trí tuệ nhân tạo, đây còn là kho tư liệu số quý giá phục vụ các ngành sử học, ngôn ngữ học, văn hóa học, dân tộc học và nhiều lĩnh vực nghiên cứu liên ngành trong tương lai.
Đột phá từ công nghệ nhận dạng và dịch máy thế hệ mới
Một trong những điểm nổi bật của đề tài là việc giải quyết đồng thời hai bài toán phức tạp nhất của xử lý Hán Nôm: nhận dạng ký tự và dịch chuyển tự.
Đối với hệ thống OCR, nhóm nghiên cứu đã phát triển quy trình xử lý ảnh chuyên biệt dành riêng cho tài liệu cổ.
Thực tế cho thấy nhiều văn bản Hán Nôm hiện nay đã bị phai mờ, rách nát, biến dạng theo thời gian hoặc được khắc trên đá, gỗ với chất lượng rất khác nhau. Điều này khiến các phần mềm OCR thông thường gần như không thể nhận dạng chính xác.
Nhóm nghiên cứu đã ứng dụng các mô hình học sâu (Deep Learning) để nâng cao khả năng nhận dạng, giúp hệ thống xử lý hiệu quả cả văn bản in, bản viết tay, sắc phong, văn bia và các tài liệu được chụp trực tiếp ngoài thực địa.
Ở bài toán dịch thuật, nhóm lựa chọn mô hình lai (Hybrid Machine Translation), kết hợp giữa dịch máy thống kê (Statistical Machine Translation) và dịch máy mạng nơ-ron (Neural Machine Translation) dựa trên kiến trúc Transformer hiện đại.
Sự kết hợp này giúp hệ thống không chỉ dịch từng ký tự mà còn hiểu được ngữ cảnh tổng thể của câu văn cổ, từ đó lựa chọn cách đọc và nghĩa phù hợp.
Đây là yếu tố đặc biệt quan trọng bởi chữ Hán và chữ Nôm có đặc điểm đa âm, đa nghĩa; cùng một ký tự nhưng có thể mang nhiều cách đọc khác nhau tùy từng văn cảnh.
Nhờ đó, hệ thống giảm đáng kể các lỗi dịch sai ngữ nghĩa vốn thường gặp ở các công cụ dịch tự động truyền thống.
"Kim Hán Nôm" – đưa di sản đến gần mọi người
Điểm đáng chú ý của đề tài không chỉ nằm ở kết quả nghiên cứu mà còn ở khả năng chuyển giao thành sản phẩm phục vụ cộng đồng.
Toàn bộ các thành quả đã được tích hợp thành hệ sinh thái phần mềm mang tên "Kim Hán Nôm", hoạt động đồng bộ trên nền tảng website và ứng dụng dành cho thiết bị Android cũng như iOS.
Hệ thống cung cấp nhiều tính năng thiết thực như nhận dạng chữ Hán Nôm từ hình ảnh, dịch tự động sang chữ Quốc ngữ, chuyển đổi hai chiều giữa Hán Nôm và Quốc ngữ, đồng thời tích hợp chức năng phát âm tiếng Việt nhằm hỗ trợ người dùng phổ thông.
Nhờ ứng dụng này, việc tiếp cận các văn bản cổ trở nên đơn giản hơn rất nhiều.
Một khách tham quan khi đến đình, chùa, miếu hay lăng tẩm chỉ cần sử dụng điện thoại chụp ảnh câu đối, hoành phi hoặc văn bia. Sau vài giây, hệ thống sẽ tự động nhận dạng nội dung và hiển thị bản dịch sang chữ Quốc ngữ.
Điều vốn chỉ có các nhà nghiên cứu chuyên ngành mới thực hiện được nay đã có thể đến với đông đảo công chúng.
Đây là bước tiến quan trọng trong việc phổ cập giá trị của di sản Hán Nôm tới cộng đồng, đặc biệt là giới trẻ.
Sản phẩm dịch tự động hai chiều này cũng đã được Cục Bản quyền tác giả cấp Giấy chứng nhận đăng ký quyền tác giả, khẳng định tính độc lập, sáng tạo và giá trị khoa học của công trình.
Mở rộng cơ hội cho giáo dục, nghiên cứu và phát triển kinh tế
Tại buổi nghiệm thu, Hội đồng khoa học đánh giá cao kết quả nghiên cứu khi các sản phẩm đều đáp ứng đầy đủ yêu cầu về số lượng, chất lượng cũng như tính khoa học.
Theo các chuyên gia, hệ thống "Kim Hán Nôm" có khả năng ứng dụng rộng rãi trong nhiều lĩnh vực.
Đối với giáo dục và nghiên cứu, phần mềm sẽ hỗ trợ các trường đại học, viện nghiên cứu, thư viện và bảo tàng rút ngắn đáng kể thời gian tra cứu, phiên dịch và khai thác tư liệu gốc.
Trong lĩnh vực quản lý di sản, hệ thống giúp các cơ quan lưu trữ đẩy nhanh quá trình số hóa, phân loại và bảo tồn sắc phong, địa bạ, châu bản, văn bia cũng như nhiều bảo vật quốc gia.
Ở góc độ phát triển kinh tế - xã hội, nền tảng này mở ra cơ hội khai thác nguồn tư liệu quý về y học cổ truyền, phục vụ nghiên cứu lịch sử, bảo tồn văn hóa, số hóa tài liệu khẳng định chủ quyền biển đảo và phát triển du lịch văn hóa thông minh.
Đặc biệt, việc ứng dụng trí tuệ nhân tạo còn góp phần thúc đẩy quá trình chuyển đổi số trong lĩnh vực văn hóa – một trong những mục tiêu quan trọng của Thành phố Hồ Chí Minh cũng như cả nước trong giai đoạn hiện nay.
Công nghệ trở thành cầu nối giữa quá khứ và tương lai
Giá trị lớn nhất của đề tài không chỉ nằm ở những thuật toán hay hàng triệu dòng dữ liệu được xử lý, mà còn ở ý nghĩa nhân văn sâu sắc.
Trong nhiều năm qua, khoảng cách giữa di sản Hán Nôm và đời sống hiện đại ngày càng lớn do rào cản ngôn ngữ. Hàng triệu trang tài liệu quý vẫn tồn tại nhưng chưa thực sự "sống" trong đời sống văn hóa đương đại.
Sự ra đời của "Kim Hán Nôm" cho thấy trí tuệ nhân tạo hoàn toàn có thể trở thành chiếc cầu nối giữa quá khứ và hiện tại, giữa các học giả với công chúng, giữa kho tư liệu ngàn năm với thế hệ trẻ.
Khi công nghệ được phát triển trên nền tảng hiểu biết sâu sắc về văn hóa dân tộc, AI không thay thế con người mà trở thành công cụ hỗ trợ đắc lực để gìn giữ và lan tỏa các giá trị truyền thống.
Thành công của nhiệm vụ khoa học và công nghệ "Nghiên cứu xây dựng hệ thống dịch tự động Hán Nôm sang chữ Quốc ngữ giai đoạn 2" không chỉ khẳng định năng lực nghiên cứu của các nhà khoa học Việt Nam mà còn mở ra triển vọng mới cho việc ứng dụng trí tuệ nhân tạo trong bảo tồn di sản. Đây là minh chứng sinh động cho thấy công nghệ hiện đại và giá trị truyền thống hoàn toàn có thể đồng hành, bổ trợ lẫn nhau, góp phần đưa kho tàng tri thức ngàn năm của dân tộc bước vào kỷ nguyên số, phục vụ hiệu quả công tác nghiên cứu, giáo dục, phát triển văn hóa và hội nhập quốc tế.
Tấn Tài