Ứng dụng trí tuệ nhân tạo trong xử lý Hán Nôm đang mở ra hướng đi mới cho quá trình số hóa, bảo tồn và phát huy giá trị di sản văn hóa Việt Nam. Nhờ các công nghệ nhận dạng ký tự, chuyển tự và dịch tự động, những tư liệu từng rất khó tiếp cận đang dần đến gần hơn với cộng đồng.

Hàng trăm năm qua, kho tư liệu Hán Nôm đã lưu giữ nhiều lớp thông tin quý về lịch sử, văn hóa, địa lý, văn học, y học cổ truyền và đời sống xã hội của người Việt. Sắc phong, châu bản, gia phả, địa bạ, văn bia, hoành phi, câu đối hay thư tịch cổ đều chứa đựng những giá trị đặc biệt.

Tuy nhiên, phần lớn nguồn tư liệu này chưa được khai thác hiệu quả. Số người có khả năng đọc hiểu Hán Nôm ngày càng ít, trong khi nhiều tài liệu chỉ tồn tại dưới dạng ảnh chụp hoặc bản lưu trữ số, chưa thể tìm kiếm và xử lý như văn bản thông thường.

Từ thực tế đó, PGS.TS Đinh Điền, Giám đốc Trung tâm Ngôn ngữ học Tính toán, Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia TP Hồ Chí Minh, cùng các cộng sự đã nhiều năm nghiên cứu ứng dụng AI để nhận dạng, chuyển tự và dịch tự động Hán Nôm.

Kết quả nghiên cứu được tích hợp vào hệ thống “Kim Hán Nôm”, hỗ trợ số hóa, lưu trữ, tra cứu và khai thác tư liệu phục vụ nghiên cứu, giáo dục và bảo tồn di sản. Mới đây, nhiệm vụ “Nghiên cứu xây dựng hệ thống dịch tự động Hán Nôm sang chữ Quốc ngữ giai đoạn 2” đã được Sở Khoa học và Công nghệ TP Hồ Chí Minh nghiệm thu.

Ứng dụng AI

Theo PGS.TS Đinh Điền, nhiều người cho rằng các nền tảng AI phổ biến hiện nay đã có thể dịch Hán Nôm. Tuy nhiên, phần lớn mô hình chỉ được huấn luyện trên dữ liệu chữ Hán hiện đại, trong khi chữ Nôm là hệ thống văn tự đặc thù do người Việt sáng tạo trên cơ sở chữ Hán.

Vì thiếu dữ liệu chuyên biệt và không hiểu đầy đủ đặc điểm ngôn ngữ, AI có thể tạo ra những bản dịch nghe hợp lý nhưng hoàn toàn sai nội dung. Đây là hiện tượng “ảo giác” thường gặp ở các mô hình ngôn ngữ.

Với những tác phẩm nổi tiếng như “Truyện Kiều”, AI có thể cho kết quả tương đối chính xác do dữ liệu đã xuất hiện nhiều trên Internet. Nhưng với những văn bản cổ ít được số hóa hoặc chưa từng có trong dữ liệu huấn luyện, nguy cơ dịch sai rất cao.

Do đó, việc xây dựng một hệ thống AI dành riêng cho Hán Nôm là yêu cầu cần thiết. Khó khăn không chỉ nằm ở thuật toán mà còn ở việc tạo lập kho dữ liệu đủ lớn, chính xác và được chuẩn hóa để máy có thể học từng ký tự, từng câu và mối liên hệ giữa Hán Nôm với chữ Quốc ngữ.

Nguyễn Đăng Khoa, thành viên nhóm nghiên cứu, cho biết phần lớn tư liệu hiện chỉ tồn tại dưới dạng ảnh nên không thể đưa trực tiếp vào mô hình để huấn luyện. Nhóm phải thu thập tài liệu từ Internet, các đơn vị lưu trữ, cơ sở Phật giáo, Công giáo và nhiều nguồn trong cộng đồng.

Sau khi thu thập, dữ liệu còn phải trải qua các bước xử lý hình ảnh, trích xuất ký tự, phiên âm, đối chiếu và gắn nhãn. Đây là công việc tốn nhiều thời gian vì Hán Nôm sử dụng hệ thống chữ ghi nghĩa, số lượng ký tự lớn, cấu tạo phức tạp và có nhiều dị thể.

Sau nhiều năm nghiên cứu, nhóm đã xây dựng kho dữ liệu gồm khoảng 200.000 ảnh trang văn bản Hán Nôm, 200.000 ảnh được gắn nhãn để huấn luyện hệ thống nhận dạng ký tự quang học, 750.000 cặp câu song ngữ Hán Nôm – Quốc ngữ và hơn một triệu câu đơn ngữ Hán Nôm, tương đương khoảng 16 triệu ký tự.

Đây là nền tảng quan trọng để phát triển các mô hình AI phục vụ nhận dạng, chuyển tự và dịch tự động.

Đưa di sản đến gần hơn với cộng đồng

Từ kho dữ liệu và các mô hình AI, nhóm nghiên cứu đã phát triển hệ thống “Kim Hán Nôm” trên website và thiết bị sử dụng Android, iOS. Hệ thống có thể nhận dạng chữ Hán Nôm từ hình ảnh, chuyển thành văn bản số, dịch sang tiếng Việt và hỗ trợ giải nghĩa.

Điểm đáng chú ý là hệ thống có thể xử lý trực tiếp nhiều loại tư liệu như sắc phong, văn bia, hoành phi, câu đối hoặc văn bản tại các di tích. Người dùng chỉ cần sử dụng điện thoại thông minh để chụp ảnh, hệ thống sẽ nhận dạng ký tự, dịch nội dung và hiển thị kết quả tương ứng với từng dòng chữ.

Công nghệ này giúp việc tham quan đình, chùa, miếu và di tích lịch sử trở nên trực quan hơn. Những dòng chữ trước đây khó tiếp cận có thể được giải nghĩa ngay tại chỗ, giúp người xem hiểu rõ hơn giá trị văn hóa và lịch sử của di sản.

AI cũng có thể hỗ trợ phát hiện các tư liệu quý đang được lưu giữ trong cộng đồng. Nhiều gia đình còn giữ sắc phong, gia phả, chiếu chỉ hoặc tài liệu cổ nhưng không biết rõ nội dung. Khi chụp và đưa tài liệu vào hệ thống, người dân có thể bước đầu nhận biết đó là loại văn bản gì, từ đó nâng cao ý thức bảo quản và liên hệ cơ quan chuyên môn khi cần thiết.

Tuy nhiên, nhóm nghiên cứu khẳng định AI không thể thay thế các chuyên gia Hán Nôm. Văn bản cổ thường có nhiều dị thể, cách dùng từ và lớp nghĩa khác nhau, đòi hỏi người có chuyên môn kiểm chứng, hiệu đính và giải thích.

AI vì thế đóng vai trò như một công cụ hỗ trợ, giúp rút ngắn thời gian nhận dạng và xử lý tư liệu. Sự kết hợp giữa công nghệ, ngôn ngữ học và tri thức Hán Nôm mới là yếu tố quyết định hiệu quả của hệ thống.

Việc ứng dụng AI cho thấy công nghệ số không chỉ phục vụ các ngành kinh tế hiện đại mà còn có thể trở thành cầu nối giữa quá khứ và hiện tại. Khi được sử dụng đúng cách, AI sẽ góp phần gìn giữ những di sản quý, mở rộng khả năng tiếp cận và giúp các giá trị Hán Nôm tiếp tục hiện diện trong đời sống đương đại.