Vì sao văn bản do AI tạo ra ngày càng khó hiểu?

Nhiều người dùng gần đây có cảm giác văn bản do các mô hình AI tạo sinh viết ra ngày càng khó đọc, dù ngữ pháp gần như không sai. Một nghiên cứu mới công bố trên arXiv đã tìm cách lý giải hiện tượng này bằng các thước đo tâm lý ngôn ngữ học.

Nhóm tác giả Thomas Hikaru Clark, Matias B. Martin và Kyle Mahowald đã phân tích một kho ngữ liệu văn bản do AI tạo ra trên nhiều lĩnh vực khác nhau. Kết quả cho thấy các mô hình sử dụng những cấu trúc gây khó xử lý cho não người thường xuyên hơn đáng kể so với văn bản của con người.

Những dấu hiệu khiến văn bản AI khó đọc

Nghiên cứu tập trung vào các đặc điểm tâm lý ngôn ngữ học vốn được biết là làm tăng gánh nặng xử lý của người đọc, chẳng hạn như mệnh đề quan hệ bổ ngữ cho tân ngữ, các phụ thuộc cú pháp kéo dài và các n-gram ít xuất hiện.

So với văn bản do con người viết, cả chín mô hình tiên tiến và cận tiên tiến được khảo sát đều có xu hướng:

• Dùng nhiều chủ ngữ không phải sinh vật đi kèm động từ chỉ hành vi của sinh vật (ví dụ: "nghiên cứu cho thấy", "hệ thống quyết định")
• Sử dụng nhiều n-gram ít phổ biến, tức những cụm từ hiếm gặp trong ngôn ngữ tự nhiên
• Phần lớn mô hình còn tạo ra các phụ thuộc cú pháp dài hơn và chuỗi danh từ xếp chồng dày đặc
• Trong hội thoại, nhiều mô hình dùng mệnh đề quan hệ bổ ngữ cho tân ngữ ở dạng rút gọn

Nhóm nghiên cứu cũng ghi nhận sự khác biệt đáng kể giữa các dòng mô hình khác nhau, cho thấy đây không phải đặc điểm chung cố định của mọi AI mà phụ thuộc vào cách huấn luyện.

Giả thuyết: tối ưu cho mật độ thông tin thay vì giao tiếp

Các tác giả đề xuất một lời giải thích cho hiện tượng trên. Trong khi ngôn ngữ của con người được tối ưu hóa cho giao tiếp thành công, văn bản do AI tạo ra ngày càng được tối ưu cho những mục tiêu khác như toán học, lập trình và suy luận.

Trong những lĩnh vực này, áp lực là hướng tới mật độ thông tin chứ không phải giao tiếp dễ hiểu với người đọc.

Để kiểm chứng, nhóm nghiên cứu đã tinh chỉnh một mô hình ngôn ngữ với hình phạt độ dài, qua đó thúc đẩy mô hình nén nhiều thông tin vào ít từ hơn. Kết quả là mô hình này dần rời xa hành vi ngôn ngữ giống con người, củng cố cho giả thuyết ban đầu.

Ý nghĩa với người dùng Việt Nam

Phát hiện này đặc biệt đáng lưu ý với cộng đồng người dùng công cụ AI tại Việt Nam. Khi dùng các trợ lý AI để viết email, soạn tài liệu hay dịch thuật, người dùng thường phải biên tập lại câu chữ vì văn bản tuy đúng ngữ pháp nhưng nặng nề và thiếu tự nhiên.

Nghiên cứu chỉ ra rằng đây không chỉ là vấn đề của riêng tiếng Việt hay chất lượng dịch, mà là sự lệch pha có hệ thống giữa cách AI xử lý ngôn ngữ và cách con người tiếp nhận thông tin. Các tác giả cũng gợi ý một số hướng khắc phục, mở ra triển vọng cho việc huấn luyện các mô hình vừa mạnh về suy luận vừa dễ đọc với con người.