Apollo – Mô hình ngôn ngữ lớn đầu tiên dành riêng cho tiếng Hy Lạp cổ đại

Viện Hàn lâm Khoa học Áo vừa công bố Apollo, được giới thiệu là mô hình ngôn ngữ lớn (LLM) tiên tiến đầu tiên trên thế giới dành riêng cho tiếng Hy Lạp cổ đại. Công cụ này được phát triển cùng phòng thí nghiệm AI Pháp Mistral và công ty dịch vụ công nghệ Sail Reply, với tham vọng hỗ trợ các nhà nghiên cứu giải mã những văn bản cổ đã hư hại theo cách nhanh chóng và hiệu quả hơn.

Các thư viện học thuật trên khắp thế giới đang lưu giữ hàng trăm nghìn mảnh giấy cói (papyrus) viết bằng tiếng Hy Lạp cổ. Nhiều mảnh đã tổn hại đến mức khó có thể khôi phục trọn vẹn ý nghĩa, trong khi số khác có thể được phục dựng nếu các học giả kiên nhẫn điền vào những từ hoặc cụm từ còn thiếu. Chính quá trình thủ công đầy nhọc nhằn này đã thúc đẩy giới nghiên cứu tìm đến trí tuệ nhân tạo.

Apollo được huấn luyện trên khối dữ liệu khổng lồ

Theo thông tin công bố, Apollo được huấn luyện trên khoảng 600 triệu từ tiếng Hy Lạp cổ thu thập từ các bản thảo, giấy cói và bản khắc. Mô hình sẽ được cung cấp miễn phí cho giới học thuật thông qua giao diện chatbot, giúp các nhà nghiên cứu nhanh chóng xác định những mảnh giấy cói liên quan đến chuyên ngành hẹp của mình, cũng như phát hiện những hướng nghiên cứu mới tiềm năng.

Điểm đáng chú ý là với những văn bản rách nát, Apollo được thiết kế để điền vào chỗ trống bằng những từ hoặc đoạn văn có xác suất thống kê cao nhất, từ đó có thể hé lộ những chi tiết ẩn giấu về các sự kiện và tập tục lịch sử.

"Việc khai phá tri thức theo cách này là điều không thể tưởng tượng nổi chỉ một năm trước" — Dimitris Vlitas, đối tác tại Sail Reply, chia sẻ với WIRED.

Thay đổi cách phục dựng văn bản cổ

Trước đây, để phục hồi một mảnh giấy cói hư hỏng, một học giả lành nghề phải xác định được sự phân chia từ ngữ — vì tiếng Hy Lạp cổ không có khoảng trắng giữa các từ — sau đó định niên đại chính xác cho tài liệu, cân nhắc bối cảnh chính trị – xã hội phù hợp và tra cứu tài liệu tham khảo để chọn từ phù hợp điền vào chỗ trống. Theo Stephen Colvin, giáo sư ngôn ngữ học cổ điển và lịch sử tại Đại học College London, trên thế giới có rất ít người đủ giỏi để làm công việc này.

Toàn bộ kiến thức chuyên sâu đó nay đã được tích hợp vào Apollo. Anna Dolganov, nhà sử học kiêm chuyên gia giấy cói tại Viện Hàn lâm Khoa học Áo, giải thích:

"Khi gặp Homer, mô hình sẽ bổ sung tiếng Hy Lạp kiểu Homer. Khi gặp một bản khắc theo phương ngữ Doric, nó dùng phương ngữ Doric."

Các học giả đang bị ngốn thời gian vào công việc phục dựng tỉ mỉ kỳ vọng Apollo sẽ giúp họ tập trung vào ý nghĩa lịch sử của văn bản thay vì mất công đoán xem chúng nói điều gì.

"Tôi thấy điều này rất thú vị. Nếu có một cỗ máy nói với tôi: 'Đây là ba từ khả dĩ có thể khớp vào chỗ trống đó', công việc sẽ nhanh hơn đáng kể" — Armand D'Angour, giáo sư ngôn ngữ và văn học cổ điển tại Đại học Oxford, nơi lưu giữ bộ sưu tập giấy cói cổ lớn nhất thế giới, nhận định.

Không thay đổi hiểu biết lớn, nhưng bổ sung chi tiết

Giới chuyên môn cho rằng Apollo khó có thể làm đảo lộn hiểu biết chung về thế giới cổ đại. Nhiều giấy cói chưa được phục dựng đơn giản vì chúng quá tầm thường — thư cá nhân, hợp đồng hôn nhân, giấy tờ công vụ. Colvin lưu ý:

"Nếu là người ngoài ngành, bạn có thể nghĩ rằng chúng ta sẽ có thêm vài vở kịch mới của Sophocles, nhưng điều đó sẽ không xảy ra."

Tuy vậy, mô hình có thể giúp khám phá những chi tiết mới về đời sống thời cổ đại và củng cố các giả định học thuật hiện có. Như D'Angour nói: "Mỗi khi một thứ gì đó được tạo ra, nó bổ sung một mảnh nhỏ tri thức về thế giới cổ đại."

Tiềm năng mở rộng và rủi ro đi kèm

Nếu Apollo thành công, Vlitas cho biết kỹ thuật tương tự có thể dễ dàng áp dụng cho các ngôn ngữ cổ khác như tiếng Latinh hay tiếng Ai Cập, hoặc bất kỳ lĩnh vực học thuật nào hưởng lợi từ việc chưng cất và lập chỉ mục một khối tài liệu lớn. AI cũng đã gặt hái thành tựu đáng kể ở những lĩnh vực khác: OpenAI gần đây tuyên bố các mô hình AI của mình đã giải được bài toán tồn tại 200 năm, còn Google DeepMind phát hành một tập dữ liệu khổng lồ do AI biên soạn, mô tả cách các đột biến gen ảnh hưởng đến sinh học phân tử.

Tuy nhiên, một lo ngại đáng lưu tâm là việc dựa vào mô hình ngôn ngữ — vốn hoạt động dựa trên xác suất — để điền vào chỗ trống trong tài liệu cổ có thể khiến hồ sơ lịch sử bị sai lệch. Để ngăn chặn vấn đề này, Apollo được xây dựng nhằm đưa ra một loạt phương án từ ngữ để học giả tự lựa chọn.

"Điểm mấu chốt là năng lực con người cần được duy trì. Nếu chúng ta trở nên phụ thuộc hoàn toàn vào AI trong việc phiên âm và giải thích tài liệu lịch sử, đó là lúc vấn đề bắt đầu" — Dolganov nhấn mạnh.

Với giới công nghệ, Apollo là ví dụ mới cho thấy mô hình ngôn ngữ chuyên biệt theo lĩnh vực (domain-specific LLM) đang trở thành hướng đi đầy triển vọng. Thay vì chỉ phục vụ các tác vụ phổ thông, AI đang dần hiện diện trong những lĩnh vực đòi hỏi chuyên môn sâu như khảo cổ học, ngôn ngữ học và nghiên cứu lịch sử — nơi con người vẫn giữ vai trò trung tâm trong việc kiểm chứng và diễn giải.