Ngô Hạo mỉm cười lắc đầu:
— Không, nó mới chỉ là một sản phẩm chưa hoàn thiện. Trên đó còn rất nhiều vấn đề cần chúng ta giải quyết.
Ví dụ như vừa rồi trong cuộc đối thoại, khả năng xử lý ngữ cảnh mơ hồ của nó vẫn khá khó khăn.
— Ngữ cảnh mơ hồ?
Tô Tiểu Đông ngẩn người một chút, rồi nhanh chóng hiểu ra, liền nói:
— Cái này ngay cả người thật cũng thấy khó hiểu, huống chi là chương trình máy tính!
Anh lớn à, em hơi không hiểu. Hiện nay phần lớn các công ty công nghệ đều đang nghiên cứu lĩnh vực nhận diện giọng nói và đối thoại bằng giọng nói, hơn nữa thành quả cũng khá tốt.
Độ chính xác khi nhận diện lời nói bình thường của những phần mềm giọng nói này rất cao, cơ bản đạt trên chín mươi chín phần trăm.
Thế nhưng tốc độ phản ứng của những phần mềm ấy lại chậm hơn rất nhiều so với công nghệ của chúng ta; khả năng hiểu ý cũng yếu hơn, khả năng suy luận liên tưởng cũng không bằng.
Ngoài ra, về mặt đối thoại bằng giọng nói — anh làm thế nào để giọng nói do máy tạo ra lại gần giống giọng người đến vậy?
Phải biết rằng thính giác con người rất nhạy cảm; chỉ cần nghe một chút là có thể phân biệt rõ ràng đâu là giọng người, đâu là giọng do chương trình máy tính phát ra.
Nghe Tô Tiểu Đông đặt ra hàng loạt câu hỏi, Ngô Hạo liền phản hỏi lại:
— Theo cậu, điểm khác biệt lớn nhất giữa giọng nói người thật và giọng nói AI là gì?
Tô Tiểu Đông suy nghĩ một lúc, rồi đáp:
— Là thiếu đi sự lên xuống, ngắt nghỉ theo thanh điệu?
Ngô Hạo lắc đầu:
— Không phải điều này quan trọng nhất. Thực tế, một số phần mềm giọng nói hiện nay trên thị trường đã có thể mô phỏng sơ bộ sự lên xuống, ngắt nghỉ theo thanh điệu rồi.
— Thế thì…
Nhìn vẻ mặt Tô Tiểu Đông đang cố gắng suy nghĩ mà vẫn không sao tìm ra đáp án, Ngô Hạo bật cười nói:
— Là cảm xúc. Tất cả các phần mềm giọng nói hiện có trên thị trường đều thiếu đi cảm xúc.
— Cảm xúc? Đùa à? Chương trình làm sao có thể có cảm xúc được? Đó là thứ chỉ con người mới có chứ! — Tô Tiểu Đông lắc đầu, tỏ vẻ không thể nào hiểu nổi.
Ngô Hạo mỉm cười, rồi điều khiển máy tính để hiển thị sơ đồ cấu trúc trên màn hình lớn:
— Nói cho đúng hơn, không phải “cảm xúc”, mà là “nhiệt độ ngôn ngữ”.
Khi chúng ta nói chuyện, người nghe có thể dễ dàng cảm nhận được sự biến đổi cảm xúc trong giọng nói của ta — đó chính là cảm xúc, cũng chính là “nhiệt độ ngôn ngữ”.
Còn với các chương trình ngôn ngữ thì sao? Chúng chỉ phản ứng theo những khuôn mẫu cố định. Vì thế, chúng không thể hiểu được “nhiệt độ” của từng câu nói, nên đương nhiên, giọng nói do chúng tạo ra cũng chẳng có “nhiệt độ” nào cả.
Điều chúng ta cần làm là, trong quá trình nhận diện giọng nói theo khuôn mẫu, tích hợp thêm khả năng hiểu ngữ cảnh từ vựng, đồng thời phân tích “nhiệt độ” lời nói và sự biến đổi cảm xúc của người nói thông qua các sắc thái âm điệu khác nhau.
— Em vẫn chưa hiểu. Cảm xúc con người biểu hiện khi nói chuyện thì muôn hình vạn trạng, làm sao chương trình có thể bắt kịp được? Có khi chỉ một thay đổi rất nhỏ trong cách dùng từ hay ngữ điệu thôi, đã đủ để truyền tải hai ý nghĩa và hai trạng thái cảm xúc hoàn toàn trái ngược — máy móc làm sao phân biệt được? — Tô Tiểu Đông nêu lên nghi vấn của mình.
Ngô Hạo vừa cười vừa trình diễn nội dung trên màn hình, vừa trả lời:
— Đây chính là lúc công nghệ AI phát huy tác dụng. Mỗi người có đặc trưng ngữ điệu riêng, cách biểu đạt cảm xúc cũng vô cùng đa dạng. Nếu làm theo phương pháp truyền thống, chúng ta sẽ phải thu thập, phân tích và định nghĩa từng loại ngữ điệu, ngữ cảnh biến hóa khôn lường ấy — nếu vậy thì khối lượng công việc sẽ khổng lồ lắm.
Do đó, khả năng học tập và tiến hóa của công nghệ AI đã giúp tôi tìm ra hướng đi: chúng ta có thể thu thập lượng dữ liệu giọng nói khổng lồ từ mạng Internet để huấn luyện một chương trình giọng nói AI cơ bản.
Dĩ nhiên, đây mới chỉ là mẫu chương trình nền tảng. Sau đó, chúng ta cần điều chỉnh, thích nghi chương trình theo thói quen sử dụng của từng người cụ thể — để chương trình học cách thích nghi với người dùng. Thời gian người dùng sử dụng càng lâu, độ chính xác trong nhận diện và hiểu ý của chương trình AI càng cao.
Nói đến đây, Ngô Hạo cười nói tiếp:
— Thực ra, điều này rất giống quá trình con người tương tác trong đời thực: hai người xa lạ gặp gỡ, dần dần tìm hiểu và thích nghi với nhau.
Thời gian càng dài, hai bên càng thân thiết. Thậm chí chỉ cần một từ đơn giản, một cử chỉ hay ánh mắt, đối phương cũng có thể tiếp nhận và hiểu chính xác — đó chính là sự ăn ý.
Còn nhiệm vụ của chúng ta là nuôi dưỡng sự ăn ý giữa chương trình và con người. Nhưng người dùng thì rất khó thay đổi, chỉ có thể ảnh hưởng một cách từ từ, ngầm lặng. Vì thế, chúng ta phải bắt đầu từ phần mềm chương trình — để nó thích nghi với người dùng, rồi từ từ thay đổi người dùng theo cách ngầm lặng ấy.
Chỉ như vậy, tương tác giữa người và máy mới thực sự ăn ý.
Đây cũng chính là lý do vì sao lúc trước tôi trò chuyện với Thập, nó không hiểu được ngữ cảnh mơ hồ trong lời tôi nói — vì nó chưa thích nghi với thói quen nói chuyện của tôi, nên không hiểu được ý nghĩa của những câu nói mơ hồ ấy.
Những từ mang tính bất định như “cái gì”, “vài cái”, “bao nhiêu”, “thế nào”, “ở đâu”, “tùy ý”… — chương trình rất khó hiểu và xử lý. Vì thế, chúng ta cần định nghĩa cơ bản cho những từ này. Nhưng định nghĩa ấy không được cứng nhắc, mà phải linh hoạt điều chỉnh dựa trên ngữ cảnh cụ thể của từng người dùng.
Nói xong, Ngô Hạo nghiêm mặt nhìn Tô Tiểu Đông:
— Chỉ khi chương trình thực sự hiểu được “nhiệt độ cảm xúc” trong lời nói của con người, nó mới có thể mô phỏng ra giọng nói gần giống với giọng người thật.
— Dù sao đi nữa, đây cũng là một bước đột phá trọng đại trong lĩnh vực công nghệ giọng nói AI. Tôi tin rằng, chỉ cần công nghệ này được công bố, chắc chắn sẽ gây chấn động toàn cầu — bởi nó đánh dấu sự thực sự khởi đầu của kỷ nguyên giọng nói thông minh.
Thật lòng mà nói, tôi đã háo hức chờ đợi rồi đấy! — Tô Tiểu Đông liếm đôi môi hơi khô, phấn khích nói.
Ngô Hạo vẫy tay:
— Cũng không phóng đại như cậu nói đâu, nhưng xét về mặt kỹ thuật thì đúng là một bước đột phá lớn.
— Anh lớn à, anh định đưa công nghệ này trực tiếp ra thị trường tiêu dùng đại chúng, hay hợp tác với doanh nghiệp để bán công nghệ và các bằng sáng chế liên quan, hoặc mở mã nguồn để cung cấp dịch vụ cho họ? — Tô Tiểu Đông tò mò hỏi. Đây là một công nghệ tầm cỡ, dù hợp tác với ai cũng sẽ gây chấn động mạnh mẽ trong ngành.
— Cậu nghĩ sao? — Ngô Hạo không trả lời trực tiếp, mà phản hỏi lại.
Tô Tiểu Đông suy nghĩ một lúc, rồi nghiêm túc nói với Ngô Hạo:
— Một doanh nghiệp muốn phát triển mạnh và bền vững thì không thể chỉ giới hạn trong một lĩnh vực duy nhất. Hợp tác với doanh nghiệp đương nhiên sẽ tiết kiệm được nhiều việc, nhưng rủi ro cũng rất lớn. Một khi đối tác nắm được công nghệ tiên tiến hơn, chúng ta sẽ đối mặt với nguy cơ bị đào thải.
Vì vậy, theo em, chúng ta nên khai phá thị trường đại chúng — dùng công nghệ này để xây dựng thương hiệu trong lòng người dân, đồng thời mở rộng ảnh hưởng của mình. Chỉ như vậy, trong quá trình phát triển sau này, chúng ta mới giảm bớt được những rắc rối và trở ngại không đáng có.
— Phân tích rất chuẩn xác. Tuy nhiên, tiềm năng thị trường này quá lớn, nên việc độc quyền tuyệt đối là điều không thể. Chúng ta vẫn cần hợp tác với các doanh nghiệp. Dĩ nhiên, ở thị trường đại chúng thì chúng ta cũng không được phép tụt hậu.
Vì thế, tôi định áp dụng song song cả hai hướng. Còn trợ lý giọng nói thông minh này — chính là sản phẩm tôi dành riêng cho thị trường đại chúng. Thế nào, nếu tôi tung đoạn video vừa trình diễn kia ra ngoài, cậu đoán xã hội và giới chuyên môn sẽ phản ứng thế nào? — Ngô Hạo cười hỏi.
— Ý anh là… Ha ha, tôi rất mong chờ!
(Hết chương)