AI |

Hàng rào, chứ không phải ngọn lửa

Sun, 06 Sep 2026 00:00:00 +0000

Trong một nhà kho ở North Las Vegas, Amazon vận hành một cỗ máy chuyên chặt gáy sách cũ. Những trang rời đi qua máy quét, rồi giấy được đem đi nghiền thành bột. ví việc này với đốt sách thời hiện đại, và không tiếc một sáo ngữ nào: bóng gió Savonarola, ảnh minh họa những cuốn sách trông có vẻ quý hiếm, và dĩ nhiên, giàn thiêu Berlin. Đúng như dự đoán, các báo lớn điềm đạm hơn, nhưng vẫn để phép so sánh ấy lơ lửng trong không khí. Phẫn nộ là thế, nhưng những bài báo này lại giơ cao đánh khẽ với ngành AI một cách đáng ngạc nhiên. Ai được quyền kiểm soát tri thức đang bị quét? Câu hỏi đó phải chờ, trong lúc ta dẹp cái chuyện đốt sách vớ vẩn này đã.

Máy quét không phải giàn thiêu

Hủy một bản in, tự nó, không biến việc quét hủy bản thành phiên bản hiện đại của giàn thiêu Savonarola hay đốt sách Quốc xã. Những hành động ấy có nghĩa là nhờ vào thứ bị lên án và lý do lên án. Vị tu sĩ khốn khổ Savonarola, bị lôi vào mọi cuộc tranh cãi về đốt sách, đã kêu gọi dân chúng đốt một phần của cải của mình như một hành vi sám hối công khai. Giàn thiêu Quốc xã dựng nên một kiểu chối bỏ khác: đốt sách trước công chúng để tuyên bố rằng tác giả của chúng không có chỗ trong đời sống văn hóa Đức. Trong cả hai trường hợp, sự hủy hoại mang tính trình diễn. Quét hủy bản, một phương pháp số hóa được dùng rộng rãi, nhắm đến mục đích khác: bản in bị hy sinh để giữ lại nội dung. Cuốn sách bị hủy; văn bản được phi vật chất hóa. Ai định viện đến Fahrenheit 451 thì nên nhớ rằng những người lính cứu hỏa của Bradbury đâu có lưu văn bản lại để dùng sau.

đổ thêm dầu vào lửa khi đưa “sách quý hiếm” lên tiêu đề, và các báo khác cứ thế lặp lại. Thế nhưng chính một nhà sách được trích trong cuộc điều tra ấy cho biết những đơn hàng số lượng lớn này , tức phần lớn là những ấn bản ra đời sau khi ISBN được áp dụng, khoảng 1970. Đây là thứ hàng của chợ trời và tiệm từ thiện, chỉ một lần dọn nhà là ra bãi rác. Trước khi hô hoán thảm họa văn hóa, có lẽ nên tra mục lục thư viện. Đó chính là loại ấn phẩm mà các thư viện lưu chiểu tồn tại để bảo tồn. Đành rằng một ISBN không bảo đảm còn bản lưu chiểu, nhưng sự khan hiếm trên thị trường sách cũ cũng chẳng chứng minh được một văn bản đã biến mất.

Nghiền bột hủy bản in, kể cả mọi lời đề tặng hay ghi chú bên lề. Những bản có chú thích hoặc lai lịch có ý nghĩa lịch sử xứng đáng được nhận diện và bảo tồn, tốt nhất là trước khi chúng rơi vào thị trường sách cũ. Ta vẫn có thể lo về nguồn bản in ngày một cạn của những đầu sách đã tuyệt bản. Nhưng nếu vậy, ta cũng nên hỏi vì sao chủ sở hữu bản quyền của chúng chẳng tái bản, mà cũng chẳng cho phép truy cập những bản sao kỹ thuật số sẵn có. Giới nghiên cứu quá quen với nỗi bực này: Google Books tìm ra đúng đoạn bạn cần, rồi chìa ra một mẩu trích của cuốn sách mà bạn vừa không mua mới được, vừa không đọc trực tuyến được. Có những mất mát ở đây đáng đem ra bàn. Chúng không biến máy quét thành giàn thiêu Quốc xã.

Trong khi đó, ngành sách từ lâu vẫn nghiền sách ế như chuyện thường ngày. Riêng ở Pháp, ước tính , tương đương khoảng 60% khối lượng sách ế trả về nhà phân phối. Người ta gọi đó là quản lý tồn kho. Bản in dư thừa và sách cũ khan hiếm đặt ra những câu hỏi khác nhau về quyền tiếp cận, nhưng hủy giấy tự nó không phải là kiểm duyệt hay bạo quyền.

Nhiều sách hơn, AI tốt hơn?

Việc các công ty AI mua và quét sách thực ra là tin tốt. Một công nghệ thường bị chê là hiểu văn hóa nhân loại hời hợt đang thu nạp thêm văn hóa ấy, và lẽ ra giới học giả phải hoan nghênh nỗ lực đó.

Web là thứ thay thế tồi cho kho tích lũy của một ngôn ngữ. Phần lớn đời sống thành văn của một ngôn ngữ, từ tiểu thuyết và hồi ký đến ca khúc phổ thông và hội thoại được ghi lại, chưa bao giờ đi từ trang in lên web. Nhiều cuốn sách đã sống lâu hơn nhà xuất bản của chúng. Đưa chúng vào dữ liệu huấn luyện quan trọng nhất ở những nơi hầu như chẳng có gì khác. Thêm vài cuốn sách tiếng Anh có thể đem lại đôi chút cải thiện bên lề. Với một ngôn ngữ ít được đại diện, những cuốn sách ấy có thể là khác biệt giữa một hệ thống dùng được và một hệ thống vô dụng. Những công cụ này có chỗ trong dịch vụ công hay đời sống hằng ngày của ta hay không là câu hỏi cho tranh luận công khai. Nhưng ở bất cứ đâu ta chọn dùng chúng, ta phải dùng được bằng tiếng của mình.

Những đơn hàng được đưa tin ở Tây Ban Nha và Hà Lan cho thấy cụ thể điều gì đang bị đặt cược về ngôn ngữ. Hồi tháng 5, kể về một nhà sách ở Badalona liên tục nhận đơn hàng, chủ yếu là sách phi hư cấu tiếng Catalan: sách sử, sách hướng dẫn kỹ thuật và kỷ yếu hội thảo cũ. Đến tháng 8, báo chí Hà Lan mô tả một yêu cầu gửi tới De Slegte đặt mua . Ngôn ngữ của những cuốn sách đáng được chú ý ít nhất ngang với số phận của gáy sách. Có lẽ đòi hỏi thế là quá sức với Daily Mail. Ngay cả những tờ báo điềm đạm hơn cũng chẳng nói được mấy về các ngôn ngữ trong cuộc.

Thỏa thuận cấp phép với các nhà xuất bản lớn cũng có thể cung cấp tư liệu quý, nhưng danh mục số của họ chỉ phủ một phần nhỏ những gì từng được in. Sách chưa từng số hóa, hay sách mà nhà xuất bản không còn giữ bản quyền, nằm ngoài lời chào hàng. Ngay cả một thỏa thuận cấp phép hào phóng cũng không thay được lịch sử xuất bản, huống chi lịch sử của một nền văn hóa. Mua sách cũ là cách vươn qua những ranh giới thương mại ấy.

“Ăn cắp” không phải là lập luận

Gọi đó là “ăn cắp” cũng chẳng ích gì. Tháng 6 năm 2025, hai tòa án quận ở Mỹ phán quyết rằng dùng sách để huấn luyện mô hình ngôn ngữ là sử dụng hợp lý (fair use) trong các vụ được đưa ra trước tòa. Trong vụ , tòa nhấn mạnh tính chuyển hóa của việc huấn luyện: sách được dùng để xây dựng một hệ thống có khả năng tạo ra biểu đạt mới. Mô hình có thể thuộc lòng một số đoạn, nhưng dùng một cuốn sách để huấn luyện không khiến toàn bộ văn bản có thể truy xuất theo yêu cầu. Việc không tái tạo nguyên văn cũng không dẹp hết mọi phản đối. Trong vụ , thẩm phán cảnh báo rằng tác phẩm do AI tạo ra có thể tràn ngập thị trường, và bằng chứng về tổn hại như thế có thể đánh bại lập luận sử dụng hợp lý. Song các nguyên đơn này đã không đưa ra được bằng chứng đáng kể về tổn hại ấy đối với tác phẩm của chính họ. Không phán quyết nào cấp cho các công ty AI giấy phép vô hạn hay khép lại cuộc tranh cãi đạo đức. Chúng buộc ta phân biệt sách được mua thế nào, bản sao được lưu giữ ra sao và việc huấn luyện làm gì với chúng. Gọi tất cả là “ăn cắp” thì để ngỏ mọi câu hỏi ấy.

Nhân tiện, phán quyết vụ Anthropic cung cấp một lý do cho cái máy chém. Tòa chấp nhận việc số hóa những bản đã mua và bác bỏ việc tích trữ sách lậu thành một thư viện vĩnh viễn, mà về sau công ty đã . Việc số hóa được chấp nhận một phần vì mỗi bản in đã bị hủy trong quá trình chuyển đổi: bản số thay thế nó và không được chia sẻ ra ngoài công ty. Sự hủy hoại khiến một số người bức xúc đến thế lại giúp Anthropic chứng minh chương trình số hóa của mình là sử dụng hợp lý. Mua, quét, vứt: trong vụ này, đó là một con đường hợp pháp. Máy chém, ở đây, là công cụ tuân thủ. Mua sách có thể giải quyết bài toán thu nạp. Tự nó không cho ai quyền chia sẻ kho ngữ liệu thu được.

Có nhiều lý do chính đáng để muốn AI khai thác nhiều ngôn ngữ hơn, nhiều học thuật hơn và nhiều hơn nữa cái thế giới từng tồn tại trước internet. Những lý do ấy không biến mất chỉ vì một công ty ta không ưa đã tìm thấy cơ hội thương mại trong việc đó.

Phẫn nộ đi mượn

Vậy hãy trở lại với Daily Mail. Bài báo của họ là một phần của , một chiến dịch của các chủ báo và nhà xuất bản đòi cho AI. Hai phép đánh tráo tiện lợi làm hết phần việc: Big Tech đứng thay cho AI, và chủ sở hữu bản quyền đứng thay cho sức sáng tạo của nước Anh. Độc giả được mời bảo vệ văn hóa trong lúc các nhà xuất bản thương lượng điều khoản bán nó. Học giả nào chia sẻ câu chuyện ấy nên tự hỏi nỗi phẫn nộ của mình đang phục vụ cho sự nghiệp của ai.

Big Tech và đang cãi nhau về tiền thuê, nhưng không bên nào phản đối hàng rào. Câu chuyện tác giả đơn độc bị gã khổng lồ công nghệ cướp bóc che khuất điều mà những thỏa thuận cấp phép đắt đỏ đem lại cho cả hai phe doanh nghiệp: nhà xuất bản được trả tiền, còn Big Tech có được một thị trường mà các đối thủ nhỏ hơn không đủ sức cạnh tranh. Peter Thiel nói thẳng hơn về sở thích của Thung lũng Silicon: .

Cấp phép không nhất thiết dẫn đến kết cục ấy. Quyền truy cập giá phải chăng, không độc quyền, có thể giúp các nhà phát triển nhỏ. Nhưng một hệ thống buộc mỗi người mới nhập cuộc phải thương lượng những thỏa thuận tốn kém với các chủ bản quyền lớn thì biến sức mua thành điều kiện gia nhập. Một khoản chi được trình bày như nhượng bộ cho các ngành văn hóa rốt cuộc lại mua được sự che chắn trước những đối thủ tương lai.

AI không thuộc về Big Tech

Còn một vấn đề sâu hơn. Quá nhiều lời phê phán AI lấy những nhà cung cấp thương mại lớn nhất làm toàn bộ lĩnh vực. Sản phẩm chiếm hết tiêu đề; nghiên cứu và phát triển bên ngoài các công ty ấy biến mất khỏi tầm nhìn. Big Tech khó lòng mong một sự hiểu lầm nào có ích hơn. Tham vọng sở hữu cả lĩnh vực của họ trở thành tiền đề của chính những lời phê phán nhắm vào họ. Thế độc quyền chưa được bảo đảm. Coi nó như chuyện đã rồi là làm ơn rất lớn cho những công ty ấy.

AI mã nguồn mở cho phép người ta xây dựng và điều chỉnh những hệ thống phản ánh sự đa dạng lớn hơn về ngôn ngữ, văn hóa và hình thức biểu đạt. Với các nước ở châu Âu, châu Phi và Mỹ Latinh, cũng như Hàn Quốc, Nhật Bản và Ấn Độ, đó là nền tảng thực tiễn cho chủ quyền công nghệ và văn hóa: khả năng quyết định hệ thống vận hành thế nào, phục vụ ngôn ngữ nào và được dùng ở đâu. Có dùng AI hay không, và dùng vào việc gì, phải là lựa chọn của công chúng, chứ không phải quyết định do sự lệ thuộc vào một nhà cung cấp nước ngoài áp đặt.

Nhưng quyền tự do sửa đổi một hệ thống chẳng có mấy ý nghĩa nếu không có phương tiện để làm điều đó. Công việc độc lập cần chuyên môn, hạ tầng tính toán và quyền truy cập tư liệu huấn luyện. Điều này đưa ta trở lại với sách. Nếu mỗi nhóm nghiên cứu hay thiết chế công đều phải tự thương lượng thỏa thuận với nhà xuất bản hay tự gom một thư viện riêng, thì độc lập vẫn là đặc quyền của kẻ có tiền.

Sách đã ở đây rồi

Thư viện và kho lưu trữ đã bỏ ra nhiều thế hệ để sưu tầm chính thứ tư liệu mà các hệ thống này cần. Bộ sưu tập của họ tồn tại vì quyền tiếp cận tri thức phải sống lâu hơn lợi ích thương mại của việc bán nó. Nhiều thứ đã được quét: giữ khoảng mười chín triệu tập đã số hóa từ các thư viện nghiên cứu, nhiều tập vẫn còn bản quyền. Thư viện quét một cuốn sách rồi giữ nó lại. Chẳng ai ở đó cần đến máy chém. HathiTrust sẽ , nhưng cũng đã công bố , một dự án cung cấp quyền truy cập kho ngữ liệu cho nghiên cứu và phát triển AI phi thương mại. Truy cập theo những điều kiện ấy vẫn để một số nhà phát triển độc lập đứng ngoài.

Tuy nhiên, sở hữu sách không cho thư viện quyền phân phối nội dung có bản quyền của chúng dưới dạng kho ngữ liệu huấn luyện. cho phép các cơ sở nghiên cứu và thư viện khai thác các tác phẩm được tiếp cận hợp pháp cho nghiên cứu khoa học, và cho phép khai thác rộng hơn khi chủ sở hữu bản quyền không bảo lưu quyền của mình. : ngoại lệ khai thác của họ chỉ bao gồm nghiên cứu phi thương mại và hạn chế việc chuyển giao bản sao. Không khung pháp lý nào cho thư viện quyền chung để chia sẻ kho tài liệu có bản quyền của mình cho người khác xây dựng trên đó.

Ta cũng có thể xem lại chủ sở hữu bản quyền nên kiểm soát các hình thức sử dụng sách bằng máy tính trong bao lâu. Bằng sáng chế dược phẩm là một điểm so sánh: thời hạn thông thường hai mươi năm của chúng ngắn hơn nhiều so với bản quyền, vốn kéo dài suốt đời tác giả cộng thêm bảy mươi năm. Liệu sách có thể được mở cho khai thác văn bản và dữ liệu mà không mất phí cấp phép sau, chẳng hạn, hai mươi năm kể từ lần xuất bản đầu tiên, trong khi quyền tái bản và bán vẫn được bảo hộ? Bảo vệ quyền bán sách của tác giả không nhất thiết đồng nghĩa với kiểm soát mọi cách dùng nội dung của nó trong nhiều thế hệ.

Hai năm trước, tôi đã lập luận trên rằng dữ liệu di sản nên được coi là của công. Chính phủ nên tài trợ cho thư viện và kho lưu trữ để số hóa, chuyển tự và lập hồ sơ các bộ sưu tập của mình, và trao cho họ thẩm quyền pháp lý để mở kho ngữ liệu thu được cho người khác xây dựng trên đó. Big Tech có thể góp phần chi trả qua một khoản thuế chuyên biệt.

Tài trợ công phải đi kèm chính sách sưu tầm và quy tắc truy cập được công bố, áp dụng cho cả công việc học thuật lẫn thương mại, không có thỏa thuận độc quyền hay quyền ưu tiên cho nhà tài trợ. Truy cập để huấn luyện không nhất thiết đồng nghĩa với tái phân phối vô hạn sách có bản quyền. Tác giả nên tham gia thiết kế chương trình công này, kể cả cách nó xử lý sự đồng thuận, thù lao và sự cạnh tranh với tác phẩm của họ. Truy cập miễn phí cho người dùng không loại trừ thù lao cho tác giả từ ngân sách công. , vốn trả tiền cho tác giả từ công quỹ mỗi khi sách của họ được mượn, là một tiền lệ. Ngọn lửa chưa bao giờ là câu chuyện. Hàng rào mới là.

Thưa quý ban biên tập: muốn nghe giọng tôi, xin trả lại tôi ngôn ngữ của mình

Thu, 27 Aug 2026 00:00:00 +0000

Lại thêm một ngày, thêm một tạp chí trống giong cờ mở về chính sách AI của mình. Lần này là Progress in Human Geography: ban biên tập vừa công bố cảnh báo rằng dùng AI thay cho việc tự đọc, tự nghĩ, tự viết là “một vi phạm đạo đức học thuật tương tự đạo văn”. Bài nào bị phát hiện vi phạm “có thể bị rút”; may lắm thì được đính chính, kèm một thông báo in trên tạp chí. Ban biên tập còn nhắn nhủ: tác giả nên “cân nhắc kỹ xem có muốn tên mình gắn với những thông báo rút bài và đính chính hay không”.

Câu ấy đáng để dừng lại một chút. Rút bài là hình phạt nặng nhất trong xuất bản học thuật, thường chỉ dành cho ngụy tạo và gian lận. Ở đây, nó được gắn vào một lỗi mà chính bài xã luận không định nghĩa nổi. Ban biên tập thừa nhận có “những vùng xám thực sự” và “không có ranh giới rõ ràng nào phân định vùng ‘vô trách nhiệm’”. Việc thực thi sẽ dựa trên “những phán đoán có thể khiến một số tác giả phật lòng, những người sẽ khẳng định mình không lạm dụng AI”: nói cách khác, lời tự khai của chính tác giả có thể bị gạt bỏ. Lời khuyên tiếp theo là hãy ở yên “trong vùng ‘trách nhiệm’ cho an toàn”, mà người ta chỉ khuyên an toàn ở nơi có hiểm nguy. Trừng phạt người ta vì vượt qua một lằn ranh mà chính mình thú nhận không vạch nổi, điều đó chỉ có nghĩa khi mục đích là cai trị bằng nỗi sợ. Xin ghi nhớ điểm này.

Cái cớ “giọng văn”

Dùng AI có trách nhiệm là như thế nào? Tác giả được dặn: “phải hết sức cẩn trọng… để giữ được giọng văn của chính mình”. Lạm dụng là dùng AI “để viết bằng một thứ ngôn ngữ mà bình thường các tác giả sẽ không bao giờ tự mình dùng đến”. Với người bản ngữ, điều này có lý: đừng giả vờ là người mình không phải. Nhưng với người nước ngoài buộc phải viết bằng thứ tiếng không phải của mình, mệnh lệnh ấy tự mâu thuẫn. Giọng văn mà chính sách này bảo vệ chính là thứ duy nhất mà quy định của tạp chí từ chối chúng tôi.

Hãy lấy tôi làm ví dụ. Tiếng Anh là ngôn ngữ thứ tư của tôi, đúng loại tôi sẽ không bao giờ dùng đến “bình thường”. Các đại học Anh ngữ đã rèn tôi viết nó ngắn gọn, có biển chỉ đường, gần như máy móc: câu chủ đề đặt lên đầu, rào đón ở những chỗ được phép, từ nối lấy từ danh sách được duyệt. Việc rèn luyện ấy đã thành công: trong tiếng Anh của tôi chưa bao giờ có một giọng văn để mà bảo vệ; đó là thứ đầu tiên phải vứt đi. Theo chính định nghĩa của ban biên tập, mọi thứ tôi từng viết bằng tiếng Anh đều là lạm dụng, có máy hay không có máy.

Tiến thoái lưỡng nan

Ban biên tập bảo họ đã nghĩ đến chúng tôi: chính sách thừa nhận người không phải bản ngữ được lợi khi AI kiểm tra tiếng Anh cho họ, thậm chí từ các “dịch vụ dịch thuật, viết và biên tập” của nó. Thế nhưng sự tham gia của AI vào việc viết “cùng lắm chỉ nên dừng ở mức hỗ trợ biên tập và soát lỗi”, và không được đi đến “những mảng lớn văn bản do AI viết”. Một bài báo dịch máy thì do AI viết từ chữ đầu đến chữ cuối; nó chẳng là gì ngoài những mảng như thế. Vậy nên sự nhượng bộ ấy chỉ đứng vững nếu dịch không phải là viết. Lằn ranh đó nằm ở đâu? Họ đã nói rồi: “không có ranh giới rõ ràng”.

Còn tệ hơn nữa, bởi mối nghi ngờ này không chỉ là thứ không thể bác bỏ. Nó còn thiên lệch từ gốc. Năm 2023, một nhóm nghiên cứu ở Stanford thử bảy bộ phát hiện AI thông dụng trên các bài luận do người viết: trung bình, các bộ phát hiện gắn cờ “do máy tạo” cho 61% bài luận TOEFL của người không phải bản ngữ, trong khi phân loại gần như hoàn hảo bài của người bản ngữ; một bộ phát hiện gắn cờ tới 97,8% bộ bài TOEFL ( ). Lý do rất đáng suy ngẫm. Bộ phát hiện đo độ dễ đoán, mà tiếng Anh của người học ngoại ngữ, vốn được rèn để hướng về mức trung bình, thì dễ đoán ngay từ thiết kế: từ nhiều khả năng nhất, theo trật tự nhiều khả năng nhất. Cùng nghiên cứu ấy tìm thấy tín hiệu này trong học thuật thực thụ, với độ biến thiên ngôn ngữ thấp hơn ở các bài hội thảo mà tác giả chính không phải bản ngữ. Những dấu hiệu văn phong bị đọc là “AI” chính là dấu hiệu của tiếng Anh ngoại ngữ thành thạo, và một phán đoán của con người cũng đọc những dấu hiệu ấy y như máy. Thế tiến thoái lưỡng nan đã khép kín: viết bằng tiếng Anh của chính mình thì trông như máy; dùng máy thì phạm luật của họ.

Thuế ngôn ngữ

Nghịch lý này sẽ vô hại nếu không đi kèm những lời đe dọa. Nhưng lời đe dọa lại để lộ một vấn đề sâu hơn, cũ hơn, mà chính sách chẳng bao giờ gọi tên: chủ nghĩa đơn ngữ. đòi hỏi “độ bao phủ quốc tế rộng nhất có thể”, trong khi ngay trên cùng trang ấy, “ngôn ngữ của tạp chí là tiếng Anh”.

Cái giá của sự sắp đặt này không hề là giả định. Khảo sát 908 nhà khoa học môi trường, Amano và các cộng sự nhận thấy người không nói tiếng Anh bản ngữ mất nhiều hơn tới 51% thời gian để viết một bài báo, bị từ chối nhiều gấp 2,5 lần và bị yêu cầu sửa nhiều gấp 12,5 lần, chỉ vì lý do ngôn ngữ ( ). Thứ thuế ấy được thu trước khi bất kỳ chính sách AI nào ra đời; tờ khai và những lời đe dọa kèm theo là một cuộc kiểm toán chồng thêm lên trên.

Fin d’empire

Chủ nghĩa đơn ngữ là tiên đề không ai đem ra bàn. Đó là một di sản đế quốc, theo thời gian khoác thêm một lý do thực tiễn: dịch thuật chậm và tốn kém, và không ban biên tập nào thẩm định nổi thứ mình không đọc được. Thế nhưng chẳng lý lẽ nào trong số đó trụ được trước những tiến bộ của dịch máy. Dịch máy tiên tiến nhất hiện nay có thể dùng làm một tầng trung gian đáng tin cậy giữa tác giả và ban biên tập.

Lối thoát lý tưởng là ở con người: học giả nên đọc được nhiều hơn một ngôn ngữ. Thay vì thế, các đại học Anh ngữ lại thích đóng cửa khoa ngoại ngữ. Xin lưu ý rằng những vụ đóng cửa này là hiện tượng Anh-Mỹ: học giả ở nơi khác chưa bao giờ có được cái xa xỉ của sự đơn ngữ. Và xin lưu ý thời điểm. Đóng cửa một khoa ngôn ngữ là đặt cược rằng tiếng Anh đã thắng vĩnh viễn, và rằng sẽ không bao giờ còn thứ gì đáng đọc được viết bằng ngôn ngữ nào khác. Canh bạc ấy được đặt đúng vào thời điểm sai lầm nhất, và sai gấp đôi. Thứ nhất, vì dịch máy lần đầu tiên cho phép bỏ hẳn ngôn ngữ chung; thứ hai, vì trật tự từng đưa tiếng Anh lên làm mặc định đang lùi dần: thế giới Anh ngữ đang quay vào trong, toàn cầu hóa đang thoái trào, tự do thương mại bị tranh cãi ngay tại quê hương của nó, và một thế giới đa cực đang thành hình, nơi số ngôn ngữ đáng đọc sẽ nhân lên. Các đại học đang đào tạo ra những học giả chỉ đọc tiếng Anh cho một thế giới mà tiếng Anh sẽ không còn đủ. Ban biên tập sẽ là những người đầu tiên thừa hưởng mất mát đó.

Một phép thử cho ban biên tập

Khi một ban biên tập than rằng không nghe được giọng văn thực của tác giả, có lẽ một phần vấn đề nằm ở chính ban biên tập.

Đó là một lời buộc tội nghiêm trọng, và nó đi kèm một phép thử nghiêm túc. Progress in Human Geography có chịu bình duyệt một bản thảo viết bằng tiếng Pháp, tiếng Ý hay tiếng Nhật, kèm bản dịch máy sang tiếng Anh không? Hướng dẫn của chính tạp chí đã công nhận các dịch vụ “dịch thuật” khiến điều đó khả thi. Một tiếng “có” chấm dứt vấn đề. Một tiếng “không” sẽ cho ta biết chính sách này thực ra bảo vệ cái gì.

Dù thế nào, lựa chọn thuộc về ban biên tập. Nếu giọng văn quan trọng như họ nói, tạp chí nên nhận bài bằng thứ tiếng mà tác giả tư duy. Nếu không, thì tờ khai nên bỏ đi, và những lời đe dọa cũng vậy.

tei-mcp v0.3: Mã hóa TEI mà không viết lại văn bản gốc

Tue, 05 May 2026 00:00:00 +0000

Khi , mục tiêu của tôi là chặn các trợ lý AI bịa ra thẻ đánh dấu TEI. Neo vào lược đồ đã giải quyết được một phần vấn đề: có trong tay quyền truy cập trực tiếp, qua công cụ, vào đặc tả P5, mô hình không còn phải đoán một phần tử nghĩa là gì hay nhận những thuộc tính nào. Đầu ra vượt qua kiểm định.

Thế nhưng trong mã hóa TEI, bịa đặt có hai bộ mặt, và lược đồ chỉ bắt được một. Kiểm định theo đặc tả cho bạn biết thẻ đánh dấu có đúng dạng hay không. Nó chẳng nói gì về văn bản mà thẻ ấy bao bọc. Mà chính ở đó – ở bản thân văn bản – mới là nơi trú ngụ của những bịa đặt tai hại hơn. Ghép khóa theo đoạn, tính năng chủ đạo của v0.3, được thiết kế riêng để ngăn chặn chúng.

Mục Lục

Thứ bịa đặt mà lược đồ không bắt được

Hãy yêu cầu một mô hình mã hóa một lá thư tiếng Pháp thế kỷ XVI: bạn thường sẽ nhận về một tài liệu TEI trông hoàn hảo. Phần đầu được điền đầy đủ, các thẻ <persName> đặt đúng chỗ, <dateline> đúng dạng. Chạy qua validate_document – đạt.

Rồi đem so phần thân với văn bản gốc.

mesme đã biến thành même. Một dấu phẩy đã đổi chỗ. luy bị lặng lẽ hiện đại hóa thành lui. Một mệnh đề khó đọc trong bản thảo được “sửa” thành thứ gì đó gọn gàng hơn. Không thay đổi nào trong số này được yêu cầu. Không thay đổi nào được báo. Tài liệu hợp lệ theo lược đồ, và sai một cách lặng lẽ.

Với quy trình lưu trữ – nơi văn bản đã mã hóa trở thành bản ghi vĩnh viễn mà người đọc, chỉ mục tìm kiếm và trích dẫn sau này đều dựa vào – đây chính là kiểu thất bại đáng lo nhất. Một thẻ sai dạng thì gây bực mình. Một chính tả bị hiện đại hóa mà năm năm sau chẳng ai nhận ra thì là văn bản đã bị làm hỏng.

Ghép khóa theo đoạn

Bản phát hành mới (v0.3) đi kèm một cơ chế chống bịa đặt nhắm thẳng vào kiểu thất bại này. Mục tiêu thiết kế là làm cho việc bịa đặt phần thân văn bản trở thành bất khả ngay từ cấu trúc, chứ không chỉ là khó xảy ra.

Ý tưởng rất đơn giản: mô hình không bao giờ gõ phần thân văn bản.

Thay vào đó, quy trình diễn ra như sau:

Mô hình gọi get_source("letter_001") và nhận về văn bản gốc thuần dưới dạng một chuỗi bất biến.
Với mỗi thẻ muốn áp dụng, nó gọi tag_span("letter_001", start, end, element_path, attrs) – đăng ký một phần tử TEI tại một khoảng ký tự trên văn bản gốc.
Xong việc, nó gọi compose("letter_001"). Máy chủ đan các thẻ đã ghi nhận vào văn bản gốc, kết xuất tài liệu TEI cuối cùng, rồi kiểm tra từng byte một rằng nội dung văn bản phẳng của tài liệu vừa kết xuất bằng đúng văn bản gốc.

Nếu các byte khớp, tài liệu được trả về. Nếu không – nếu các thẻ của mô hình, vì lý do nào đó, hàm ý một phần thân khác với bản gốc dù chỉ một ký tự – compose() sẽ báo lỗi thay vì trả về một tài liệu đã bị hỏng.

Không có lối nào trong quy trình này để mô hình tạo ra một tài liệu TEI mà phần thân khác với văn bản gốc. Bất biến này mang tính cơ học, không phải tính hành vi. Bạn không cần tin rằng mô hình sẽ không bịa; bạn chỉ cần tin vào một phép so sánh == giữa hai chuỗi byte.

Nó là gì, và không phải là gì

Ghép khóa theo đoạn bổ sung cho việc neo vào lược đồ, chứ không thay thế nó. Các công cụ neo lược đồ (validate_document, lookup_element, valid_children, cùng phần còn lại của mười sáu công cụ ban đầu) giúp mô hình tạo ra TEI hợp lệ. Ghép khóa theo đoạn bảo đảm phần thân văn bản bên trong TEI ấy trung thành với bản gốc. Một quy trình mã hóa có thể triển khai thực sự phải thỏa mãn cả hai trục, và giờ đây cả hai đều được một máy chủ duy nhất đảm đương.

Nó cũng không phải là liều thuốc tiên chữa bách bệnh. compose() chưa kiểm tra xem các thẻ đã đăng ký có được phép theo một bản tùy biến ODD đã nạp hay không – đó là việc của bước tiếp theo. Các thẻ đã ghi nhận nằm trong bộ nhớ tiến trình và không sống sót qua một lần khởi động lại. Và các tệp gốc phải đọc được từ nơi máy chủ chạy. Tất cả đều có thể khắc phục; không điều nào làm lung lay bất biến cốt lõi.

Vì sao điều này quan trọng vượt ra ngoài TEI

Mẫu hình này có thể khái quát hóa. Bất cứ khi nào ta yêu cầu một mô hình chú giải, biến đổi hay bao bọc một đoạn văn bản – và bất cứ khi nào tính toàn vẹn của văn bản gốc quan trọng hơn khả năng “cải thiện” nó của mô hình – thì cùng một dạng giải pháp đều áp dụng được. Đừng bắt mô hình gõ lại văn bản. Hãy bắt nó đưa ra chỉ dẫn trên văn bản, rồi để một bộ ghép tất định áp dụng các chỉ dẫn ấy dưới một bất biến về đẳng thức.

Riêng với ấn bản kỹ thuật số, điều này thay đổi những gì bạn có thể giao cho mô hình một cách có trách nhiệm. Mã hóa bỗng trở thành công việc có thể ủy thác mà không phải tự tay so từng đầu ra với bản gốc. Máy đi con đường tẻ nhạt; người biên tập duyệt thẻ đánh dấu, chứ không duyệt chính tả.

Cập nhật

Nếu bạn đã cài tei-mcp:

uvx tei-mcp@latest

Hoặc cài mới:

pip install tei-mcp

Để dùng ghép khóa theo đoạn, hãy trỏ máy chủ tới một thư mục chứa các tệp văn bản gốc thuần:

export TEI_MCP_SPAN_SOURCE_ROOT=/path/to/sources
uvx tei-mcp

Phần gốc của tên mỗi tệp trở thành mã tài liệu (letter_001.txt → letter_001).

Mã nguồn, tài liệu đầy đủ và ghi chú thiết kế về bất biến:

tei-mcp

Sun, 15 Mar 2026 00:00:00 +0000

tei-mcp: TEI P5 cho tác tử AI

tei-mcp là một máy chủ mã nguồn mở, cho phép các trợ lý lập trình AI truy cập trực tiếp vào đặc tả . Thay vì dựa vào dữ liệu huấn luyện đã ghi nhớ – thứ thường sinh ra thẻ đánh dấu trông hợp lý mà sai – AI có thể tra cứu đặc tả theo thời gian thực.

Tính năng

Máy chủ phân tích ODD của TEI P5 và cung cấp 16 công cụ:

Tra cứu bất kỳ phần tử, lớp, macro hay mô-đun nào theo tên, không phân biệt hoa thường, kèm gợi ý khi gõ nhầm
Phân giải thuộc tính xuyên suốt toàn bộ hệ phân cấp lớp TEI (cục bộ + kế thừa)
Khai triển mô hình nội dung thành cây có cấu trúc, với phân giải lớp và macro
Kiểm tra lồng ghép – quan hệ cha–con trực tiếp hoặc khả năng đạt tới đệ quy, có theo dõi đường dẫn
Kiểm định tài liệu theo TEI P5: mô hình nội dung, thuộc tính, danh sách giá trị đóng, tính toàn vẹn của tham chiếu và cảnh báo lỗi thời
Kiểm định từng phần tử cho quy trình biên tập từng bước
Nạp tùy biến ODD để giới hạn lược đồ vào tập con riêng của dự án
Tìm kiếm trên mọi loại thực thể bằng biểu thức chính quy

Cài đặt

pip install tei-mcp

Hoặc chạy trực tiếp bằng:

uvx tei-mcp

Sử dụng

Thêm vào bất kỳ ứng dụng khách tương thích MCP nào (Claude, Cursor, Windsurf, v.v.):

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

Mã nguồn và tài liệu có tại .

tei-mcp: TEI P5 cho tác tử AI

Sun, 15 Mar 2026 00:00:00 +0000

Nếu đã từng nhờ một trợ lý lập trình AI viết TEI XML, hẳn bạn nhận ra nó hay sai. Phần tử mọc ở chỗ không được phép. Thuộc tính thì bịa ra. Quy tắc lồng ghép bị bỏ qua. Mô hình chỉ có một ý niệm đại khái về hình dáng của TEI, chứ không nắm chắc đặc tả.

tei-mcp giải quyết chuyện này bằng cách cho tác tử AI truy cập trực tiếp, qua công cụ, vào Hướng dẫn TEI P5.

Mục Lục

MCP là gì?

(MCP) là một chuẩn mở cho phép các ứng dụng AI kết nối với nguồn dữ liệu và công cụ bên ngoài. Hãy hình dung nó như cổng USB của AI: một giao thức duy nhất để bất kỳ ứng dụng khách tương thích nào – Claude, Cursor, Windsurf và những cái khác – cắm vào các dịch vụ chuyên biệt.

Một máy chủ MCP cung cấp những công cụ mà AI có thể gọi ngay trong lúc trò chuyện. Thay vì dựa vào dữ liệu huấn luyện đã ghi nhớ, mô hình có thể tra hỏi một nguồn sống, có thẩm quyền.

tei-mcp làm gì

tei-mcp phân tích đặc tả ODD của TEI P5 và cung cấp 16 công cụ, bao quát những câu hỏi thường gặp nhất của người biên tập hay người mã hóa:

Phần tử này là gì? Tra cứu bất kỳ phần tử, lớp, macro hay mô-đun nào theo tên, không phân biệt hoa thường, kèm gợi ý khi gõ nhầm.
Nó nhận những thuộc tính nào? Phân giải thuộc tính xuyên suốt toàn bộ hệ phân cấp lớp – thuộc tính cục bộ trước, rồi đến thuộc tính kế thừa theo thứ tự.
Bên trong nó chứa được gì? Khai triển mô hình nội dung thành cây có cấu trúc, hoặc lấy danh sách phẳng các phần tử con hợp lệ.
Phần tử này đặt ở đây được không? Kiểm tra quan hệ cha–con, hoặc lần theo khả năng đạt tới qua toàn bộ hệ phân cấp phần tử.
Tài liệu của tôi có hợp lệ không? Kiểm định một tệp TEI XML theo đặc tả: mô hình nội dung, giá trị thuộc tính, danh sách giá trị đóng, tính toàn vẹn của tham chiếu, và cảnh báo về phần tử đã lỗi thời.
Còn lược đồ riêng của dự án tôi thì sao? Nạp một tệp tùy biến ODD để giới hạn tất cả những gì kể trên vào tập con TEI riêng của dự án bạn.

Vì sao điều này quan trọng

Mã hóa TEI đòi hỏi tra cứu Hướng dẫn không ngừng. Người mã hóa lão luyện thuộc lòng những mẫu thông dụng nhất, nhưng ngay cả họ cũng phải giở đặc tả khi gặp phần tử ít quen hay mô hình nội dung phức tạp. Với trợ lý AI, vốn chẳng có chút hiểu biết thuộc lòng nào như thế, vấn đề còn tệ hơn: chúng bịa ra thứ đánh dấu trông có vẻ hợp lý mà thực ra sai.

Có tei-mcp, AI không còn phải đoán. Nó có thể tra câu trả lời trong đặc tả trước khi viết ra dù chỉ một dấu ngoặc nhọn. Kết quả là thứ đánh dấu tuân thủ TEI P5 – hoặc tuân thủ bản tùy biến ODD của dự án bạn.

Bắt đầu

Cài từ PyPI:

pip install tei-mcp

Rồi thêm vào cấu hình của ứng dụng khách MCP:

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

Máy chủ tải đặc tả TEI về trong lần chạy đầu tiên và hoạt động với mọi ứng dụng khách tương thích MCP.

Mã nguồn và tài liệu đầy đủ: