Liệu AI có thể viết như những nhà văn?

Bạn đã bao giờ băn khoăn, liệu AI có thể thay thế con người để sáng tác các tác phẩm văn học, hay ít nhất là viết như một con người thực thụ?

Chưa hẳn điều đó có thể xảy ra.
Hãy cùng iDesign tìm hiểu về vấn đề này.


Đầu tiên, đây là cách AI (trí tuệ nhân tạo) và ML (học máy) hoạt động

Bản chất cốt lõi của AI là toán học. AI là một lĩnh vực nghiên cứu và ML là một loại công nghệ trong lĩnh vực đó. Một thuật toán có nền tảng ML phân tích một loạt dữ liệu, tìm các mẫu giống nhau, sau đó đưa ra các dự đoán về dữ liệu mới dựa trên những gì đã học được từ phân tích. Về mặt lý thuyết, thuật toán sẽ ngày càng hoàn chỉnh hơn theo thời gian.

Cách dễ nhất để thấy thuật toán này viết chính là khi tính năng tự động sửa của điện thoại thông minh chọn các mẫu theo các từ bạn nhập và dự đoán từ nào xuất hiện kế tiếp. Điều này tất nhiên không giống như viết, và đôi khi có thể không hữu dụng và hơi kỳ quặc. Tuy nhiên, có những cách để những dự đoán này có thể cực kỳ hữu ích cho những người viết thực thụ. Nhưng hãy bắt đầu với phần kỳ lạ trước.

Có nhiều bài viết thú vị về việc viết lách được thực hiện chỉ bằng tính năng tự động sửa của điện thoại di động. Điều hay ho nhất là khi các thuật toán đề xuất những cụm từ như “Tôi yêu bạn” để đáp lại lời mời ăn trưa. Các nhà văn và nhà nghiên cứu làm việc trên các hệ thống này phải gắn cờ “Tôi yêu bạn” là cụm từ không nên đề xuất. Mặc dù thuật toán cho rằng đây là một cụm từ có xác suất cao sẽ xảy ra, nhưng trong ngữ cảnh này lại không đúng và nghe vô cùng gượng gạo. Chỉ vì bạn nói cụm từ này nhiều không có nghĩa lúc nào cũng có thể nói được.

Điều đó có ý nghĩa, đúng không? Có thể bạn hiểu, nhưng mô hình ML thì không.

Chúng ta hãy nói về tác phẩm Harry Potter do AI tạo ra

Một máy tính đã viết sách dựa trên các đặc điểm nổi bật nhất bộ tiểu thuyết Harry Potter. Nghe thật củ chuối phải không? Làm thế nào một ML có thể viết sách được?

Cuốn sách ML Harry Potter thực sự dựa trên một cơ sở dữ liệu khổng lồ bằng văn bản được viết bởi con người. Không có dữ liệu này sẽ không thể có ML Harry Potter. Để thực sự tạo ra nội dung, ML sẽ phải cần rất nhiều thông tin hoặc dữ liệu để học hỏi.

Nói ngắn gọn là như vầy: Để viết một cuốn sách, mô hình ML cần một cơ sở dữ liệu khổng lồ của các từ và cụm từ, chính xác như cuốn sách mà bạn muốn nó viết. Để tạo các cụm từ có ý nghĩa, thuật toán cũng cần định tên cho các yếu tố chức năng quan trọng như nhân vật chính, nhân vật phản diện… Với sự trợ giúp của những người có thể liên kết các từ với ý nghĩa thực tế, sách có thể trở thành dữ liệu tham khảo cho một mô hình ML.

Trong thế giới ML, bộ tiểu thuyết Harry Potter không thực sự có nhiều dữ liệu. Đó là lý do tại sao câu chuyện vô cùng rời rạc một cách máy móc. Tất cả những gì mà các thuật toán có thể làm là dự đoán từ nào theo sau các từ kia trong từng ngữ cảnh cụ thể của quyển tiểu thuyết này.

Ảnh của Rae Tian @ Unsplash

Để làm cho các chuỗi từ được dự đoán của ML gắn kết với nhau, câu chuyện “được xây dựng với sự giúp đỡ của nhiều nhà văn, người đã biên tập các câu được tạo ra thông qua sự kết hợp giữa đề xuất thuật toán và ý kiến của tác giả.” Để AI thực sự viết như một người, cần phải có một ý tưởng, hoặc một câu chuyện, cụ thể là phải có các cao trào cảm xúc, các tình tiết gây cấn, các mối quan hệ nhân quả.

Hiện tại có những người đang dạy AI nguyên lý hoạt động của một câu chuyện. Giáo sư Patrick Winston tại MIT, người đã làm việc này trong 15 năm, nói rằng những câu chuyện là “một khả năng phân biệt cơ bản của con người chúng ta.” Và máy móc không hiểu được điều này (hiện tại thì chưa).

Đây là lúc cần đến bạn.

Bạn biết cách kể chuyện với người khác. Trên thực tế, bạn có thể đánh giá tình huống, khán giả hoặc một người và tìm ra loại câu chuyện nào sẽ giúp nuôi dưỡng sự hiểu biết của họ. Bạn có thể kể những câu chuyện chưa được kể, và ML chỉ có thể trả về các phiên bản phối lại của bản gốc sẵn có.

Bây giờ, hãy nói về cách viết

Đối với các nhà văn, phần nào trong công việc thực sự là tẻ nhạt? Có bất kỳ phần nào không hợp lý, khó khăn, hoặc vốn không hợp lý?

Đối với tôi, đó là phải nhớ những nguyên tắc rập khuôn, các kiểu tình huống cho một ngữ cảnh cụ thể, sau đó viết theo các tiêu chuẩn đó. Với những thứ đó, tôi thích được nhắc về một câu chuyện đã có sẵn. Sẽ thật là hay ho nếu có một chương trình đề xuất một loạt chuỗi lỗi đã được phê duyệt dựa trên tiêu chuẩn công ty của tôi, sau đó tôi có thể tùy ý kiểm tra, thêm thắt, cắt xén và xử lý thoải mái.

Tự bản thân tôi có thể quyết định khi nào những đề xuất này sẽ phù hợp nhất cho ngữ cảnh. Sau đó, tôi sẽ không phải đi tìm những đề xuất khác từ các chương trình khác làm chi nữa. 

Công việc đó tự ML có thể xử lý. Nhưng chính chúng ta phải có câu chuyện cho ML tìm hiểu trước, sau đó nó mới đưa lại thông tin khi chúng ta cần.

Để viết hay nhất cho độc giả thực thụ

Bạn phải quyết định cách tốt nhất để giao tiếp với mọi người. Bạn phải tìm ra sự tương tự thú vị nhất, ngôn ngữ đơn giản nhất và cách hành văn rõ ràng nhất.

Kết quả là, bạn có thể tạo ra một điều gì đó huy hoàng.

Vì chúng tôi (nhà văn và nhà thiết kế) là người giữ các câu chuyện, những công việc duy nhất mà AI có thể lấy từ chúng tôi là những thứ mà chúng tôi muốn cho đi. Bạn có thể dạy cho một máy móc biết thế nào là viết, nhưng nó không thể tự viết một giao diện người dùng, dòng mô tả, hoặc một bài viết - nó cần có ý tưởng của bạn trước đã.

Tuy nhiên, với một chút trợ giúp từ ML, bạn có thể tận hưởng lợi ích của việc có những thứ cần phải đồng nhất và hoàn hảo theo đúng ý muốn.

Ảnh của Realmac Dan @ Unsplash

Những gì người ta có thể làm để mọi chuyện trở nên dễ dàng hơn là tạo ra một cơ sở dữ liệu hữu ích của các chuỗi được thiết kế tốt và sử dụng ML để giới thiệu một vài dữ liệu tốt nhất cho ngữ cảnh của bạn. Đó là các chuỗi được chuẩn hóa tốt nhất - những thứ bạn không muốn tốn nhiều thời gian để phát minh lại.

Khi bạn có tập hợp các chuỗi chuẩn này, bạn có thể gắn nhãn chúng theo ý nghĩa của từng ngữ cảnh trong giao diện người dùng. Những nhãn mác này có thể giúp dạy một mô hình ML biết chuỗi nào thích hợp cho mỗi ngữ cảnh. Về lý thuyết, bạn có thể sử dụng tập dữ liệu này làm dữ liệu thử nghiệm để tạo các đề xuất chuỗi cho một số trường hợp có thể dự đoán được. Về cơ bản, bạn sẽ có một bộ các tùy chọn chuẩn được lập trình sẵn mà ML của bạn có thể tạo ra cho một tập hợp các tình huống cực kỳ cụ thể. Đó là khả năng viết tốt nhất của ML - phục vụ những gì đã có một cách lý tưởng về thời gian và địa điểm khi bạn cần một lần nữa.

Vậy chúng ta phải làm gì khi viết với AI?

Hãy suy nghĩ về điều này bằng một phép ẩn dụ tiện dụng. Bạn biết làm thế nào mà lò vi sóng có nút khoai tây hoặc bỏng ngô giúp nấu ra những món ăn chỉn chu và tiện lợi nhất không? Thay vì sử dụng một số dụng cụ nhà bếp và phải tốn thời gian chờ đợi, bạn chỉ cần đặt nguyên liệu vào lò vi sóng và nhấn nút, bạn sẽ có một món ăn ngon miệng với thời gian cùng nhiệt độ chuẩn xác thích hợp. Đây là điều mà cơ sở chuỗi dữ liệu có thể làm cho bạn, là cung cấp cho bạn một bộ tiêu chuẩn dữ liệu cho một ngữ cảnh cụ thể.

Bây giờ phần nhàm chán nhất đã được thực hiện, bạn thực sự có thể làm những chuyện khác. Cá nhân tôi sẽ dùng món khoai tây nấu bằng lò vi sóng làm nguyên liệu cho một món khác ngon hơn. Mặc dù không biết sẽ làm món gì, nhưng một người đầu bếp như tôi biết sản phẩm cuối cùng và hành trình trải nghiệm của mình. Mặt khác, lò vi sóng chỉ biết nên nung khoai tây khoảng 4 phút rồi dừng, sau đó làm tương tự thêm lần nữa.

ML làm những chuyện nhàm chán để bạn có thể viết tốt hơn

Cho đến nay, chúng tôi đã học được rằng ML có thể làm giúp những phần việc:

A. Khó và chán

B. Cần đảm bảo tính hiệu quả, an toàn và được tiêu chuẩn hóa;

C. Không cần nhiều sáng tạo. Một thuật toán không có lời kể, cũng giống như lò vi sóng không biết khoai tây dùng để làm gì.

Ảnh của Eremy Sorese @ Bloomberg Businessweek

Có một phần công việc được thực hiện lập trình dễ dàng, chính xác có thể giúp chúng tôi thoải mái để sáng tạo hơn nữa. Nếu bạn không phải dành thời gian nấu khoai tây, bạn sẽ làm gì? Có lẽ, khi bạn không xem xét tính nhất quán của các chuỗi này, bạn có thể giúp người dùng an toàn theo những cách khác.

Với tư cách là một nhà văn không phải quan tâm đến tính nhất quán, bạn có thể tập trung làm những chuyện sau:

(1) Xác định giọng nói và âm điệu.

(2) Thiết kế cấu trúc thông tin.

(3) Xác định các phần có giá trị nhất của nội dung.

(4) Đưa ra những cách thức mới để trình bày thông tin.

(5) Cân đo các giao diện viết lách đã được kiểm nghiệm về tính nhất quán để nhiều người hơn có thể xem được thông tin của bạn.

Bạn cũng có thể đảm bảo rằng các nhà văn UX của tương lai, những người cũng sẽ là nhà văn ML, được trang bị đầy đủ và được trao quyền để làm ra những tác phẩm tuyệt vời vì lợi ích của người dùng.

Đó là lý do tại sao AI không thể thực hiện việc viết lách giúp bạn, mặc dù AI thực sự có thể làm cho công việc của bạn dễ dàng hơn, cũng như cho não của bạn có thêm thời gian để nghĩ ra những tác phẩm sáng tạo, mang tính khám phá và đầy niềm vui. Vì thế, bạn có thể để máy móc làm những việc nhỏ nhặt và quay lại sáng tác quyển tiểu thuyết của riêng mình.


Người dịch: Long Hwarang
Nguồn: Medium.com

Hình trong bài (4)
Long Hwarang Long HwarangWriter
The introvert with a lot in mind