Nhóm nghiên cứu trình bày về đề tài- Nguồn ảnh: Trung tâm Ngôn ngữ học tính toán

Đề tài “Nghiên cứu xây dựng hệ thống dịch tự động Hán Nôm sang chữ Quốc ngữ giai đoạn 2” do Trường Đại học Khoa học Tự nhiên chủ trì thực hiện, PGS.TS. Đinh Điền- Giám đốc Trung tâm Ngôn ngữ học Tính toán (Trường Đại học Khoa học Tự nhiên- ĐHQG TP.HCM) làm chủ nhiệm đã được Hội đồng tư vấn nghiệm thu của Sở Khoa học và Công nghệ TP.HCM đánh giá hoàn thành xuất sắc. Công trình giúp mở rộng khả năng tiếp cận kho tri thức Hán Nôm không chỉ cho giới nghiên cứu mà cả cộng đồng.

Kho dữ liệu Hán Nôm quy mô lớn: tài nguyên số hóa di sản văn tự cổ

Theo nhóm nghiên cứu, trong gần một thiên niên kỷ, chữ Hán và chữ Nôm là phương tiện ghi chép và lưu truyền các giá trị lịch sử, văn hóa, văn học, địa lý, y học cổ truyền và đời sống xã hội Việt Nam. Hàng triệu trang tư liệu như sắc phong, châu bản, gia phả, địa bạ, văn bia, thư tịch cổ, hoành phi, câu đối hay các bài thuốc dân gian vẫn đang được lưu giữ tại các cơ quan lưu trữ, bảo tàng, di tích và trong dân gian. Nhưng theo thống kê của Hội Bảo tồn di sản Hán Nôm, có tới hơn 90% tư liệu này chưa được dịch sang chữ Quốc ngữ, phần lớn vẫn tồn tại dưới dạng ảnh hoặc bản lưu trữ số.

Thành quả nghiên cứu đầy sức thuyết phục 

“Mục tiêu của chúng tôi là xây dựng một hệ thống có thể giúp mọi người tiếp cận, tra cứu và hiểu được nội dung các văn bản Hán Nôm một cách thuận tiện, miễn phí. Ở giai đoạn 1, nhóm nghiên cứu chỉ xử lý được văn bản dạng chữ, giai đoạn 2 đã có thể nhận dạng các văn bản dưới dạng ảnh - vốn chiếm gần như toàn bộ nguồn tư liệu Hán Nôm hiện nay. Đặc biệt ở giai đoạn 2 là giải quyết bài toán nhận dạng ký tự quang học (OCR) cho tài liệu Hán Nôm" - PGS.TS Đinh Điền chia sẻ.

Một trong những sản phẩm chính của đề tài là phần mềm dịch tự động hai chiều giữa chữ Hán Nôm và chữ Quốc ngữ. Toàn bộ các công nghệ nhận dạng và chuyển tự được tích hợp vào hệ sinh thái phần mềm mang tên “Kim Hán Nôm” hoạt động trên nền tảng web, Android và iOS. Hệ thống này cho phép người dùng dịch trực tiếp văn bản Hán Nôm, nhận dạng nội dung từ hình ảnh, chuyển đổi hai chiều giữa Hán Nôm và chữ Quốc ngữ, đồng thời hỗ trợ phát âm tiếng Việt nhằm tăng khả năng tiếp cận cho người dùng không có chuyên môn về Hán Nôm.

Trên nền tảng dữ liệu và các mô hình AI được xây dựng, nhóm nghiên cứu do PGS.TS Đinh Điền dẫn dắt đã phát triển hệ sinh thái Kim Hán Nôm, hoạt động trên nền tảng web, Android và iOS. Hệ thống không chỉ nhận dạng, chuyển tự và hỗ trợ dịch văn bản Hán Nôm mà còn cung cấp các giao diện kết nối (API), cho phép các cơ quan, doanh nghiệp, cá nhân tích hợp những tính năng này vào các ứng dụng khác. 

Đáng chú ý các hình ảnh ngoại cảnh như hoành phi, câu đối tại đền chùa hay di tích, hệ thống còn có khả năng hiển thị trực tiếp phần chữ Quốc ngữ trên nền ảnh gốc, giúp người dùng dễ dàng đối chiếu nội dung. Với văn bản dạng chữ thuộc các lĩnh vực phổ biến như văn học, lịch sử hay địa lý, độ chính xác của phần chuyển tự đạt trên 99%. 

PGS.TS Đinh Điền cho biết thành quả nghiên cứu không chỉ phục vụ giới nghiên cứu, mà còn hướng đến cộng đồng. Cụ thể, với hệ thống dịch tự động Hán Nôm bằng AI, người dân có thể dùng điện thoại chụp lại hoành phi, câu đối, sắc phong, gia phả, khế ước hay các văn bản cổ do gia đình lưu giữ, sau đó để hệ thống tự động nhận dạng và chuyển sang chữ Quốc ngữ. Với cách này, những tư liệu vốn khó tiếp cận có thể được hiểu và khai thác dễ dàng hơn.

Cùng với vận hành hệ thống dịch tự động, nhóm nghiên cứu còn xây dựng kho dữ liệu Hán Nôm lớn nhất từ trước đến nay tại Việt Nam với 200.000 ảnh trang văn bản Hán Nôm, 200.000 ảnh được gán nhãn phục vụ huấn luyện OCR, 750.000 cặp câu song ngữ Hán Nôm - Quốc ngữ và hơn 1 triệu câu đơn ngữ Hán Nôm, tương đương khoảng 16 triệu ký tự.

Công trình nghiên cứu đã được PGS.TS Đinh Điền và cộng sự bắt tay vào nghiên cứu, triển khai hơn 20 năm. Trải qua nhiều khó khăn, để có được thành quả như hôm nay.