Google Translate cho chúng ta biết gì về vibe coding

• Gần đây xuất hiện nhiều ý kiến cho rằng AI sẽ thay thế nghề lập trình viên cùng với các phản biện đối với nhận định đó
• Bài viết soi chiếu tác động thực tế và giới hạn của các công cụ tự động hóa thông qua trường hợp phát triển của Google Translate
• Nhu cầu việc làm dành cho biên dịch viên và phiên dịch viên thực tế lại đang tăng lên
• Dịch máy không thể xử lý bối cảnh văn hóa, tính mơ hồ và những sắc thái tinh tế
• Bài viết nhấn mạnh rằng lập trình cũng đòi hỏi những công việc sáng tạo và trừu tượng hóa tương tự như dịch thuật

---

Google Translate cho chúng ta biết gì về vibe coding

Tranh luận gần đây về AI và nghề lập trình

• Gần đây, cả dự đoán rằng mô hình ngôn ngữ lớn (LLM) sẽ thay thế lập trình viên lẫn phản biện rằng điều đó không thể xảy ra đều đồng thời nổi lên
• Một phía cho rằng vì đã tạo được các công cụ đơn giản bằng LLM nên mọi lập trình viên sẽ sớm thất nghiệp
• Ở chiều ngược lại, cũng có những tiếng nói phủ nhận hoàn toàn tính hữu ích của các công cụ này
• Bài viết nhấn mạnh cần có một góc nhìn tinh tế hơn trước sự phân cực ý kiến như vậy

Sự phát triển của dịch máy và tác động thực tế

• Google Translate đã đạt được bước tiến lớn sau khi đưa vào dịch máy nơ-ron (NMT) năm 2016
• Nhiều người từng dự đoán rằng công nghệ dịch bằng AI sẽ khiến nghề biên dịch và phiên dịch của con người biến mất
• Trên thực tế, khá nhiều người đưa ra nhận định đó chưa từng trải nghiệm công việc của biên dịch viên hay phiên dịch viên
• Bài viết thừa nhận tính hữu ích của dịch máy, nhưng các phát biểu kiểu như “không còn cần phiên dịch nữa” là sự hiểu sai về bản chất của công việc dịch thuật thực tế

Khác biệt giữa dịch giả con người và dịch máy

• Công việc thực tế của biên dịch viên và phiên dịch viên không chỉ là thay đổi từ ngữ và ngữ pháp, mà còn tập trung vào nắm bắt ngữ cảnh, giải quyết tính mơ hồ và độ nhạy cảm văn hóa
• Ví dụ, ngay cả tiếng Na Uy vốn khá giống tiếng Anh cũng có những khác biệt văn hóa như cách thể hiện sự lịch sự, khiến dịch máy không thể tái hiện đầy đủ các ý nghĩa tinh tế
  • Câu tiếng Na Uy “Jeg vil ha potetene” (đưa tôi khoai tây) nếu dịch sát sang tiếng Anh có thể nghe thô lỗ, nhưng trong hội thoại thực tế cần được diễn đạt linh hoạt theo ngữ cảnh
  • Google Translate không thể xử lý những sắc thái tinh tế như vậy
• Trong thực tế, nếu chỉ dùng dịch máy trong hội thoại hằng ngày hoặc tình huống trang trọng thì có thể phát sinh hiểu lầm
• Với những ngôn ngữ có ngữ pháp và ngữ cảnh rất khác như tiếng Nhật, dịch máy có thể truyền đạt sai ý nghĩa hoặc tạo ra những câu sai ngữ pháp

Cách dịch máy được sử dụng trong thực tế

• Điều đó không có nghĩa Google Translate là một công cụ tệ
• Bài viết giải thích một cách dùng hữu ích của công cụ này là hỗ trợ những người đã hiểu ngữ cảnh ngôn ngữ và văn hóa muốn gọt giũa cách diễn đạt
• Ví dụ trong công việc là các trường hợp như “tôi đã biết mình muốn nói gì, nhưng muốn xem một cách diễn đạt tự nhiên hơn”
• Các biên dịch viên con người cũng tích hợp AI vào quy trình làm việc của họ
• Vai trò của chuyên gia con người là đánh giá kết quả do AI đưa ra và điều chỉnh cho phù hợp với ngữ cảnh và mục đích

Sự tương đồng giữa lập trình và công việc dịch thuật

• Lập trình viên về bản chất cũng giống như một ‘dịch giả’, làm công việc chuyển những yêu cầu mơ hồ và phức tạp của con người thành một ngôn ngữ tuyệt đối mà máy tính có thể hiểu được
• Lập trình là công việc sáng tạo chuyển đổi tính mơ hồ và bối cảnh văn hóa của con người sang ngôn ngữ rõ ràng của máy tính
• Ngôn ngữ lập trình có nhiều tầng trừu tượng nên rào cản gia nhập vốn cao hơn dịch máy, nhưng nhờ sự phát triển gần đây của các công cụ AI, rào cản đó đang giảm xuống
• Tuy nhiên, AI vẫn chưa đạt tới mức có thể hiểu hoàn toàn ngữ cảnh và độ phức tạp để thay thế con người

Triển vọng tương lai

• Một ngày nào đó AI có thể xử lý được cả ngữ cảnh lẫn tính mơ hồ, nhưng hiện tại các giới hạn vẫn rất rõ ràng và sẽ còn cần thêm thời gian
• Tốc độ phát triển của các công cụ AI rất nhanh, nhưng các vấn đề đạo đức và việc sử dụng công cụ một cách có trách nhiệm vẫn là những chủ đề quan trọng

[GN⁺]

Ý kiến trên Hacker News

• Chia sẻ ý kiến đồng tình rằng công việc của biên dịch viên và phiên dịch viên có những phần mà Google Translate không thể theo kịp, như nắm bắt ngữ cảnh, giải quyết sự mơ hồ và xử lý độ nhạy cảm văn hóa. Tuy nhiên, nếu đưa prompt phù hợp cho LLM thì nó có thể tái hiện khá tốt các chức năng này. Với kinh nghiệm dịch Nhật-Anh, tác giả nhấn mạnh rằng LLM vượt trội hơn nhiều trong dịch thuật. Tác giả đã tự xây dựng một hệ thống dịch bằng cách kết hợp nhiều LLM với Claude Code: trước tiên hỏi người dùng về mục đích bản dịch, có cần bản địa hóa văn hóa hay không, có cần chú thích hay không, rồi gửi prompt tương ứng đến ba mô hình (OpenAI, Anthropic, Google), tạo bản nháp bằng cách hợp nhất các bản dịch của cả ba, sau đó tinh chỉnh qua nhiều vòng. Kết quả thử nghiệm ngắn cho thấy nó vượt trội rõ rệt so với từng mô hình riêng lẻ, tốt hơn nhiều so với Google Translate, và cho ra kết quả ngang tầm các dịch giả chuyên nghiệp hàng đầu. Tuy vậy, phiên dịch — đặc biệt là phiên dịch trực tiếp — là chuyện khác, và với dịch thuật thông thường nơi cá tính hay bản sắc của dịch giả con người không quá quan trọng, tác giả cho rằng con người sẽ ngày càng khó cạnh tranh

  • Đang nghiên cứu chuyên sâu về dịch bằng LLM trong ứng dụng học tập cá nhân nuenki.app. Đã tạo một công cụ mã nguồn mở chọn nhiều mô hình hàng đầu để mỗi mô hình tự dịch, rồi ở bước cuối một mô hình đóng vai trò “giám khảo” sẽ so sánh và kết hợp các bản dịch để chọn ra bản tốt nhất. Có thể trải nghiệm trực tiếp và tài liệu nghiên cứu được đăng tại đây
  • Sau khi nghe về hệ thống gửi văn bản lặp đi lặp lại cho nhiều mô hình để trải qua quy trình sửa đổi - rà soát - tinh lọc, có người để lại ý kiến RIP cho mức tiêu thụ điện năng toàn cầu
  • Trải nghiệm sống ở Nhật khiến tác giả cảm nhận rõ tầm quan trọng của việc cung cấp thêm ngữ cảnh khi dịch, khả năng đặt câu hỏi tiếp theo, và khả năng suy luận về văn bản. Mỗi ngày đều nảy sinh những thắc mắc như cách diễn đạt tiếng Nhật trong một ngữ cảnh cụ thể, hay cách truyền đạt phù hợp với từng loại phương tiện. Tác giả cho rằng kiểu đối thoại này có thể được tự động hóa nhiều hơn qua custom instruction
  • Chỉ ra một vấn đề của dịch bằng LLM: nếu mô hình đánh giá chủ đề đang dịch là vi phạm chính sách sử dụng thì sẽ từ chối dịch, dù ngữ cảnh có phù hợp đến đâu. Ví dụ chỉ cần xuất hiện nội dung liên quan đến tôn giáo cũng có thể bị hạn chế
  • Hỏi cách xử lý dịch các văn bản quá dài đối với context window thông thường. Nếu chia văn bản thành nhiều mảnh thì phải đưa tóm tắt phần trước vào từng mảnh, nhưng khó xác định mức độ chi tiết nào là phù hợp

• Nêu ví dụ rằng dịch máy là công cụ hữu ích, nhưng không thể hoàn toàn thay thế nhân lực chuyên môn. Các công cụ hỗ trợ lập trình AI có lẽ cũng vậy, và nỗi lo chuyên gia hiện tại sẽ biến mất hoàn toàn chỉ có thể thành hiện thực nếu còn thêm một bước nhảy công nghệ lớn nữa. Nhiều năm qua từng có dự đoán AI chẩn đoán hình ảnh sẽ thay thế hoàn toàn con người, nhưng thực tế nhu cầu chẩn đoán hình ảnh lại tăng lên, và hiệu quả do AI mang lại chưa từng khiến nhu cầu nhân lực giảm đi. Ngược lại, tình trạng thiếu bác sĩ chẩn đoán hình ảnh còn trầm trọng hơn

  • Khi bắt đầu học tiếng Nhật 15 năm trước, Google Translate còn không dịch nổi những câu cơ bản, nhưng hiện tại ngay cả các câu phức tạp do chính người viết tạo ra cũng cho ra kết quả gần như người bản ngữ. Khi kiểm chứng cùng người bản ngữ, phản hồi nhận được là “chưa hoàn hảo nhưng rất xuất sắc và ý nghĩa rõ ràng”. Dạo này, trừ các tài liệu cực kỳ nhạy cảm như hợp đồng pháp lý, người viết thành thật cảm thấy tương lai của dịch giả chuyên nghiệp khá ảm đạm
  • Nhắc đến một bài báo của NYT về AI chẩn đoán hình ảnh. Phần lớn hệ thống vẫn dùng các CNN nhỏ xuất hiện từ trước giữa thập niên 2010, còn công chúng thì nghĩ ‘AI’ = ChatGPT, nhưng kiến trúc phía sau thực tế rất cũ. Chưa rõ AI hiện đại như transformer sẽ cải thiện chẩn đoán hình ảnh đến mức nào, nhưng gần như chắc chắn hiệu năng sẽ tăng

• Việc công việc dịch thuật khác xa tưởng tượng gợi liên tưởng đến các ví dụ ‘bản địa hóa(localization)’ trong phim Pixar. Chẳng hạn ở bản tiếng Nhật, cảnh bữa ăn có món bông cải xanh — thứ trẻ em phương Tây thường ghét — đã được đổi thành đậu que, món mà trẻ em Nhật không thích

  • Bày tỏ thắc mắc liệu ví dụ bản địa hóa đậu que có thật hay không. Có ý kiến cho rằng việc tiếp xúc với văn hóa khác và học về sự khác biệt qua phim nước ngoài là điều hay, nên việc xóa đi sự khác biệt đó bằng bản địa hóa khá đáng tiếc
  • Meme ‘Brock’s jelly filled donuts’ trong Pokémon (thực ra là ‘onigiri’ nhưng ở bản Mỹ được dịch thành bánh donut) liên kết liên quan

• Chỉ ra rằng tuy đồng cảm với nhiều phần trong bài viết, vẫn có một điểm đáng tiếc. Chẳng hạn lập luận “ngay cả trong thế giới không có Google Translate thì cũng ít người học tiếng Nhật hay thuê dịch giả” nếu áp dụng sang môi trường phát triển phần mềm, thì có thể phần lớn người dùng các ‘ứng dụng chất lượng thấp làm bằng AI’ vốn dĩ từ đầu đã không quan tâm đến phát triển phần mềm. Điều này có thể đồng nghĩa số việc làm của lập trình viên không giảm mạnh như lo ngại. Tuy nhiên, phát triển phần mềm có các đặc tính căn bản khác như quy mô cơ hội kinh doanh hay chi phí, nên AI vẫn có thể ảnh hưởng thực sự đến nhu cầu tuyển dụng lập trình viên hiện tại

  • Ngược lại, có người cho rằng việc phổ cập AI cũng có thể tạo thêm việc làm mới. Nếu người dùng có thể tự làm phần mềm, sẽ liên tục phát sinh nhu cầu để chuyên gia chỉnh sửa, mở rộng và gia cố bảo mật cho mã nguồn hay hệ thống đó, được ví như “cuộc diễu hành của voi”
  • Cũng nói rằng Google Translate rất hữu ích với người mới bắt đầu nhưng chưa thể thay thế cấp độ dịch giả chuyên nghiệp. Dù chỉ ở trình độ sơ cấp tiếng Nhật, người viết vẫn thường gặp nhiều trường hợp phải hiểu ngữ cảnh địa phương thì mới lộ ra nghĩa thực sự, và cảm giác trong 15 năm qua cải tiến lớn nhất chỉ là tốc độ. Tính năng OCR dịch thời gian thực trên ảnh không phải tự phát triển mà là từ một ứng dụng được mua lại (Magic Lens?). Người này cho rằng lập trình tự động dựa trên LLM có thể sẽ ở trạng thái khá tốt nhưng luôn hơi thiếu một chút trong khoảng 10 năm nữa
  • Lý do hợp lý nhất khiến các coder đang làm việc cảm thấy bị AI đe dọa là việc năng suất tăng vọt nhờ AI thực sự sẽ dẫn đến giảm việc làm. Mục tiêu không phải là viết code mà là tạo ra ‘sản phẩm hoàn chỉnh có thể chạy được’, nên dù chất lượng có kém đi đôi chút thì số người cần thiết vẫn giảm, và đó là khác biệt cốt lõi
  • Có ý kiến cho rằng AI art và AI tạo mã về bản chất là khác nhau. Mục đích của nghệ thuật là chính nghệ thuật, nơi tập quán văn hóa và sự hiện diện của nghệ sĩ là cốt lõi; còn trong phát triển phần mềm, code tự thân không phải mục đích, mà mục đích là đạt được kết quả mong muốn (ứng dụng), nên bản thân nhu cầu đối với con người có thể giảm. Điều này được ví với sự khác nhau giữa vai trò họa sĩ sau khi nhiếp ảnh xuất hiện và vai trò nhân viên vận hành thang máy bị thay bằng nút bấm
  • Thể hiện góc nhìn hoài nghi đối với kiểu marketing ‘AI’ như quảng cáo trình tạo website AI

• Dù không có căn cứ thống kê, người viết cảm nhận các bạn bè làm dịch giả xung quanh mình thực sự đang thấy công việc gần như biến mất, và bầu không khí này tăng mạnh sau khi LLM xuất hiện. Các diễn đàn dịch giả, nhóm Facebook, và chuỗi thảo luận Reddit này đều ngập phản ứng bi quan. Kết quả dịch của chuyên gia vẫn tốt hơn nhiều, nhưng ngoại trừ một số công việc nhạy cảm, phần lớn thị trường về thực chất đã biến mất. Tác giả chia sẻ nỗi băn khoăn rằng khó có thể khuyên con cái theo nghề dịch giả

  • Ngay cả các nhóm dịch chuyên nghiệp cũng có thể để một người gánh phần việc của nhiều người nhờ LLM, với mức cải thiện chất lượng không thể so với dịch máy truyền thống. Chỉ cần một người kiểm duyệt là đủ để tinh chỉnh kết quả LLM dịch theo đúng tông và phương ngữ, và hiện tại nó đã làm khá tốt

• Chỉ ra rằng với công việc dịch thuật — dù do người hay máy làm — rất khó tự mình xác minh kết quả có đúng hay không. Cuối cùng либо phải tin vô điều kiện vào bản dịch, либо phải chọn xem sẽ tin con người hay máy hơn, và thường con người vẫn đáng tin hơn. Tuy nhiên cũng từng có trải nghiệm đôi khi dịch giả dịch qua loa và có người khác chỉ ra điều đó. Vibe coding (tạo mã bằng AI) cũng tương tự: người dùng khó đánh giá tính đúng sai của kết quả, nên cuối cùng vẫn cần chuyên môn có thể kiểm chứng

  • Lý do ít tin máy hơn có khi lại là vì chưa nhận thức đúng về độ chính xác. Ví dụ với phép nhân — một dạng tính toán rõ ràng — người ta lại tin máy tính cầm tay hơn nhà toán học, và đây là một kiểu tâm lý tương tự
  • Có ý kiến rằng có thể thử ‘dịch vòng(A->B->A)’ như một cách kiểm chứng kết quả dịch máy; tuy không hoàn hảo nhưng độ tin cậy khá cao
  • Vì có thể thực sự chạy thử kết quả đầu ra — với code thì chạy code, với bản dịch thì áp vào ngữ cảnh — nên cũng có được một chỉ dấu nhất định để đánh giá độ chính xác

• Trích ý kiến cho rằng tương lai AI xử lý ngữ cảnh và sự mơ hồ như con người không phải là bất khả thi, nhưng người viết vẫn cảm thấy dù AI tiến bộ đến đâu thì cũng khó thay thế được sự lão luyện của một lập trình viên kỳ cựu từng nhiều lần xử lý sự cố dịch vụ lúc 2 giờ sáng. Hoan nghênh việc vibe coder tạo ra không khí tích cực, nhưng nhấn mạnh rằng cuối cùng họ không thể một mình xử lý việc refactor một khối mã legacy quy mô lớn

• Mô tả các công việc mà dịch giả thực sự làm, như ‘dịch thành ngữ’, ‘giải thích tham chiếu văn hóa (nghệ thuật, lịch sử, ẩm thực...)’, ‘diễn giải và chuyển tải các giá trị văn hóa của từng quốc gia (tự do, đam mê, khả năng phục hồi...) sao cho phù hợp ngữ cảnh’, ‘khi lồng tiếng thì điều chỉnh tông dịch cho khớp với khẩu hình diễn viên’, hay ‘sáng tạo những câu văn đẹp(Artful prose)’. Đây là những phần đòi hỏi độ tinh tế rất con người, và người viết cho rằng LLM khó trực tiếp thách thức được ở các lĩnh vực này

• Phản hồi về các giới hạn và sự xuống cấp chất lượng của Google Translate, đặc biệt là lỗi trong tính năng dịch của Chrome khi thường xuyên nhận nhầm tiếng Trung phồn thể thành tiếng Nhật là rất nghiêm trọng. Trước đây nó hoạt động tốt, nhưng gần đây dường như còn thụt lùi dù không có thay đổi gì đáng kể, khiến người dùng bất mãn. Điều gây khó chịu nhất là thậm chí không có cách nào để người dùng tự sửa lỗi

  • Có ý kiến cho rằng đây không phải vấn đề của chính Google Translate mà là của mô hình cục bộ dùng trong Chrome để nhận diện ngôn ngữ trước khi dịch. Có cung cấp thông tin về mô hình cục bộ đó là CLD3
  • Có người cho rằng trong Unicode nên quản lý mã ký tự theo từng ngôn ngữ một cách tách biệt hoàn toàn. Với cấu trúc hiện tại, khi LLM học đồng thời tiếng Trung và tiếng Nhật thì có vẻ dễ bị nhầm lẫn. Cấu trúc ngữ pháp cũng đảo ngược nhau và quan hệ bổ nghĩa cũng khác nên dễ rối
  • Cuối cùng, có dự đoán rằng một khi xuất hiện LLM đủ nhanh, đủ rẻ mà chất lượng đủ tốt thì engine hiện tại của Google Translate sẽ bị thay thế. Có lẽ gần đây họ thậm chí chưa dành nổi một giờ cho engine dịch trong suốt năm qua

• Cũng chia sẻ một giai thoại do lỗi dịch máy gây ra. Ví dụ sự cố dịch thuật hài hước của OSNews