Nguyên lý cũ hơn AI rất nhiều: đầu vào bẩn thì đầu ra bẩn
Có một câu châm ngôn tồn tại trong ngành máy tính từ rất lâu trước khi AI hiện đại ra đời: đầu vào là rác thì đầu ra cũng là rác. Nghĩa là, không một hệ thống xử lý nào, dù thông minh tới đâu, có thể tạo ra kết quả tốt từ một dữ liệu đầu vào tồi. Nó chỉ có thể xử lý cái nó được đưa cho.
Với AI phiên âm, dữ liệu đầu vào chính là âm thanh mà micro thu được từ cuộc họp. Và đây là chỗ mấu chốt: nếu âm thanh ấy bẩn, đầy tiếng vọng, tiếng ồn, tiếng người xa nghe không rõ, thì AI nhận được một dòng âm thanh mờ mịt. Nó không có bản gốc sạch để đối chiếu. Nó chỉ có cái mớ hỗn độn mà micro gửi tới, và nó buộc phải đoán.
Và đây là lý do vì sao tên riêng và số liệu bị sai đầu tiên: với những từ thông thường, AI có thể dựa vào ngữ cảnh để đoán bù chỗ nghe không rõ, vì nó biết trong một câu tiếng Việt bình thường, chỗ trống ấy nhiều khả năng là từ gì. Nhưng một tên riêng thì không có ngữ cảnh nào để đoán. Một con số cũng vậy, bốn với bảy nghe hao hao nhau khi âm thanh mờ, và không có quy luật ngôn ngữ nào giúp AI biết nên chọn cái nào. Chính những thứ cần chính xác nhất lại là những thứ dễ sai nhất khi đầu vào không sạch, bởi chúng là những thứ AI không thể đoán mò để cứu.