Cách AI mô phỏng giọng nói và cảm xúc con người
AI không hề biết buồn vui, nó chỉ là một "kẻ mạo danh" siêu cấp với khả năng bóc tách âm thanh thành những khối Lego dữ liệu.
Thay vì nghe cả câu, nó chia nhỏ giọng bạn thành hàng nghìn mảnh âm vị, rồi soi xét xem lúc bạn hào hứng hay giận dữ, độ cao và nhịp điệu biến thiên theo đồ thị nào.
Nó học thuộc lòng các "vân tay" cảm xúc đó rồi tái cấu trúc lại. Kết quả là một giọng nói nhân tạo có thể khiến bạn nổi da gà vì quá giống thật, dù bên trong chỉ là những con số khô khan đang nhảy múa.
Nó không hề 'thấu cảm' nội dung đâu, mà thực chất là đang làm một bài toán xác suất. AI sẽ quét toàn bộ câu chữ của bạn để truy tìm các 'tín hiệu' cảm xúc ẩn giấu.
Nếu câu có những từ như 'tuyệt vời' hay 'thành công', thuật toán sẽ tự động dán nhãn 'tích cực'. Nó đối chiếu các từ này với kho dữ liệu khổng lồ để xem con người thường lên tông hay nhấn nhá thế nào khi nói những từ đó.
Cứ thế, nó lắp ghép các khối âm thanh lại theo một kịch bản cảm xúc đã được lập trình sẵn. Nó chỉ đang 'diễn' theo đúng những gợi ý mà văn bản đưa ra thôi.
AI dễ bị "việt vị" nhất là ở khoản này. Nó vốn là một cỗ máy bám chấp vào bề mặt ngôn từ, nên những cú "quay xe" cảm xúc như mỉa mai thường khiến nó bối rối.
Để giải quyết, các kỹ sư phải huấn luyện nó nhìn xa hơn một từ đơn lẻ. Nó sẽ soi xét cả cụm từ xung quanh hoặc ngữ cảnh toàn bài để tính toán xem cụm từ đó là khen thật hay là một cú "khịa" đỉnh cao.
Dù vậy, ranh giới này vẫn rất mong manh. Đôi khi AI vẫn sẽ đọc một câu chửi xéo đầy cay đắng bằng một giọng điệu hân hoan như đang nhận giải Oscar vậy.
Với AI, ngữ cảnh không phải là một câu chuyện cảm động, mà là một bản đồ tọa độ. Nó biến mỗi từ thành một chuỗi số và đặt chúng vào một không gian đa chiều khổng lồ.
Những từ có liên quan đến nhau sẽ được xếp đứng cạnh nhau như hàng xóm. Khi AI đọc một câu, nó không chỉ nhìn từ đó mà còn nhìn cả "vùng lân cận" xung quanh để xem các từ có đang "hợp rơ" với nhau không.
Nếu từ "giỏi" lại xuất hiện giữa một rừng các từ mang tọa độ tiêu cực, thuật toán sẽ phát hiện ra sự lệch pha về vị trí. Đó chính là lúc nó nhận ra bạn đang "khịa" chứ không phải khen thật lòng.
AI không cần từ điển để hiểu nghĩa, nó học theo kiểu "ngưu tầm ngưu, mã tầm mã" bằng cách quét hàng tỷ trang văn bản trên Internet. Nó quan sát xem những từ nào thường xuyên xuất hiện cùng nhau trong một câu.
Hãy tưởng tượng AI là một kẻ soi mói. Nếu nó thấy từ "bún đậu" luôn đi kèm với "mắm tôm" trong đại đa số trường hợp, nó sẽ tự mặc định hai đứa này là đôi bạn thân và kéo tọa độ của chúng lại sát rạt nhau trên bản đồ.
Càng đọc nhiều, nó càng nhận ra các quy luật ngầm. Nó không thực sự hiểu "hạnh phúc" là gì, nó chỉ thấy từ đó hay đứng cạnh "nụ cười" hay "quà tặng", nên nó gán cho chúng một vùng tọa độ chung để dễ bề quản lý.
