Written by: Claude AI.
Curator/Editor: Học Trò.
Hiểu AI, từng khái niệm một — Bài 9
Bà chị Hai của cô Tư ở Bình Thạnh sắp mừng thọ tám mươi. Cô Tư muốn viết một tấm thiệp cho thật ấm áp, bèn nhờ chatbot: "Viết giùm tôi mấy dòng chúc thọ chị Hai tám mươi tuổi." Mấy giây sau, máy trả lời: "Kính gửi chị Hai thân mến, nhân dịp sinh nhật lần thứ 80 của chị, em hy vọng chị sẽ có một ngày tuyệt vời ngập tràn niềm vui và tiếng cười…" Cô Tư đọc to lên, rồi bật cười: "Nghe như thư của công ty bảo hiểm gửi khách hàng." Khoa ngồi bên cạnh gật gù: "Nghe như dịch từ tiếng Anh qua đó cô." Câu chữ không sai chỗ nào. Mà cũng chẳng giống người Sài Gòn chúc thọ chị mình chút nào.
Vì sao AI viết tiếng Việt nhiều khi nghe như văn dịch — và mình làm gì được?
Cần biết trước: Chatbot (trợ lý trò chuyện) như ChatGPT, Claude, Gemini chạy trên một mô hình ngôn ngữ lớn (large language model, LLM) — một cái máy học cách viết bằng cách đọc thật nhiều chữ rồi tập đoán chữ kế tiếp. Nó viết tiếng Việt khá giỏi, giỏi hơn nhiều so với vài năm trước. Bài này giải thích vì sao vẫn còn một khoảng cách so với tiếng Anh, khoảng cách đó lộ ra ở đâu, và bạn làm gì để có tiếng Việt "thật" hơn.
Đứa nhỏ học trường Mỹ, cuối tuần học tiếng Việt
Hãy nghĩ tới một đứa nhỏ lớn lên ở nước ngoài. Mười hai năm, từ thứ Hai tới thứ Sáu, nó học, đọc, chơi, cãi nhau với bạn bằng tiếng Anh. Sáng thứ Bảy, ba má chở nó tới lớp Việt ngữ ở chùa hay ở nhà thờ, học vài tiếng.
Nó nói tiếng Việt được, đọc được, viết được — nhiều đứa viết rất khá. Nhưng nghe kỹ thì có cái gì đó hơi lạ: câu văn đúng ngữ pháp mà cấu trúc thì của tiếng Anh; nó nói "con hy vọng má có một ngày tốt" thay vì "má đi chơi vui nha"; nó lúng túng khi phải chọn xưng "con", "cháu" hay "em"; thành ngữ thì biết, nhưng dùng hơi cứng.
Không phải vì đứa nhỏ kém. Mà vì nó đọc, nghe, sống bằng tiếng Anh nhiều hơn tiếng Việt rất nhiều. Cái máy cũng vậy.
Lý do thứ nhất: nó đọc tiếng Việt ít hơn rất nhiều
Một LLM học viết bằng cách đọc một khối chữ khổng lồ — sách, báo, trang web — trong giai đoạn gọi là huấn luyện (training). Các hãng thường không công bố chính xác trong khối chữ đó, mỗi thứ tiếng chiếm bao nhiêu phần trăm. Nhưng chỉ cần nghĩ tới chuyện lướt web hằng ngày: lượng chữ tiếng Anh trên mạng nhiều hơn tiếng Việt rất, rất nhiều. Từ diễn đàn, sách điện tử, tài liệu khoa học, cho tới những cuộc cãi nhau dưới các bài báo.
Học ít thì có hai hệ quả. Một: những mẫu câu tiếng Anh in sâu vào cái máy, và khi viết tiếng Việt, nó hay "mượn" khung câu tiếng Anh rồi điền chữ Việt vào. Hai: những gì rất Việt — giọng miền, chữ xưa, cách xưng hô, luật thơ — nó gặp ít, nên nắm lỏng.
Lý do thứ hai: tiếng Việt tốn nhiều "mẩu chữ" hơn
Trước khi đọc, cái máy cắt câu thành những mẩu nhỏ gọi là token (mẩu chữ). Bộ phận làm việc đó — bộ cắt chữ (tokenizer) — được xây bằng cách đếm trên một khối chữ mà tiếng Anh chiếm phần lớn, nên chữ tiếng Anh thường được giữ nguyên khối, còn chữ Việt có dấu hay bị chặt vụn.
Người viết đã đo thử bằng hai bộ cắt chữ công khai của OpenAI (bộ đời cũ cl100k_base, thời GPT-4; bộ đời mới o200k_base, từ GPT-4o trở đi), trên một đoạn văn ngắn tả bữa cơm chiều mưa, viết bằng tiếng Việt rồi dịch sát sang tiếng Anh.
Hình 1. Đo thật ngày 2/11/2026. Các hãng khác dùng bộ cắt chữ riêng, nên con số của họ sẽ khác.
Tốn nhiều token hơn kéo theo ba chuyện: tốn tiền hơn nếu trả theo token; "trí nhớ" ngắn hơn, vì cùng một sức chứa token thì chứa được ít nội dung tiếng Việt hơn; và ít được luyện hơn trên từng chữ, vì một chữ Việt bị chặt làm ba thì cái máy phải học cách ráp ba mảnh đó lại, thay vì thấy cả chữ một lần. Tin vui: bộ đời mới đã thu hẹp khoảng cách rất nhiều — từ gấp đôi còn chừng một phần ba.
"Giọng dịch" trông ra sao?
Đây là chỗ cô Tư nghe ra ngay mà khó gọi tên. Vài dấu hiệu quen thuộc:
Hình 2. Câu ví dụ do người viết đặt, không trích từ một chatbot cụ thể. Cột thứ ba là khuôn câu tiếng Anh nằm phía sau.
- Câu khen và câu chúc kiểu Anh: "Đây là một câu hỏi tuyệt vời!", "Chúc bạn có một ngày tuyệt vời!", "Tôi hy vọng điều này giúp ích cho bạn". Người mình ít khi khen câu hỏi, và ít khi chúc kiểu đó với người thân.
- Câu bị động với "được… bởi": "Bài thơ được viết bởi Nguyễn Du" — đúng ngữ pháp, nhưng người Việt nói "Bài thơ của Nguyễn Du" hay "Nguyễn Du viết".
- Thừa chữ "của", "một", "là": "Mẹ của tôi là một người phụ nữ tốt bụng" — chữ nào cũng đúng, mà cả câu thì cứng như bảng dịch.
- Xưng hô "tôi – bạn" với mọi người: đây là chỗ hụt lớn nhất. Tiếng Anh chỉ có "I" và "you"; tiếng Việt thì "con – má", "em – chị", "cháu – cô", "tui – ông". Chúc thọ chị Hai mà xưng "tôi", gọi "bạn" là hỏng cả tấm thiệp.
Chỗ nó đã giỏi, chỗ nó còn hụt
Nói cho công bằng: các chatbot bây giờ viết tiếng Việt hằng ngày khá tốt. Tóm tắt một bài báo, dịch một lá thư, viết một email xin nghỉ phép, giải thích một khái niệm — phần lớn đọc trơn tru, ít lỗi chính tả, dấu đặt đúng.
Chỗ còn hụt thường là những chỗ "rất Việt":
- Thơ lục bát. Câu sáu chữ, câu tám chữ, chữ thứ sáu câu trên vần với chữ thứ sáu câu dưới, cộng thêm luật bằng trắc. Đếm tiếng là việc dính tới từng chữ — đúng chỗ cái máy yếu, vì nó thấy mẩu chữ chứ không thấy rõ từng tiếng. Thơ AI làm hay thiếu tiếng, dư tiếng, hoặc vần gượng.
- Giọng miền. "Ổng", "bả", "hổng", "nghen", "dzui" — giọng Nam bộ trên mạng ít hơn văn viết chuẩn rất nhiều. Bảo nó viết "giọng Sài Gòn" thì hay ra một thứ giọng pha, chêm vài chữ "nha", "nè" cho có.
- Chữ cũ, chữ ít gặp. Từ Hán Việt xưa, cách viết của sách báo vài chục năm trước, tên đất tên người ít được nhắc — chỗ nào nó đọc ít thì nó đoán, và đoán thì có khi trật cả dấu hỏi ngã.
- Xưng hô theo vai vế. Như đã nói ở trên — nếu bạn không nói rõ ai nói với ai, nó thường rơi về "tôi – bạn".
Làm gì để có tiếng Việt "thật" hơn?
Không cần đợi các hãng sửa. Bạn làm được ngay:
- Nói rõ ai nói với ai. "Tôi là em gái, 63 tuổi, viết cho chị Hai 80 tuổi. Xưng em, gọi chị."
- Nói rõ giọng. "Giọng người Sài Gòn, giản dị, thân mật, như nói chuyện trong nhà. Đừng văn hoa."
- Dặn những gì đừng viết. "Đừng dùng 'tuyệt vời', 'hy vọng', 'ngập tràn'. Đừng khen câu hỏi."
- Đưa một đoạn mẫu. Dán vài dòng chính bạn từng viết, rồi bảo: "Viết giống giọng này." Cái máy bắt chước giỏi hơn là tự nghĩ ra.
- Gõ tiếng Việt có dấu đầy đủ khi hỏi. Không dấu thì nó phải đoán thêm một lớp nữa.
- Đọc to lên. Chỗ nào nghe như văn dịch, sửa tay hay bảo nó viết lại đúng câu đó.
Cô Tư làm theo ba bước đầu. Tấm thiệp lần hai mở đầu: "Chị Hai ơi, tám chục rồi đó nghen…" Cô sửa thêm hai chữ, rồi chép tay vào thiệp.
Một ví dụ nhỏ để tự kiểm thơ
Muốn biết một bài lục bát AI làm có "đúng luật" tối thiểu không, bạn chỉ cần hai phép đếm:
- Đếm tiếng: câu trên phải đủ 6 tiếng, câu dưới đủ 8 tiếng. Đếm bằng ngón tay, mỗi chữ một tiếng.
- Dò vần: chữ thứ 6 của câu trên phải vần với chữ thứ 6 của câu dưới.
Nếu một bài 8 câu mà có 2 câu sai số tiếng, tức là 2 trên 8 — một phần tư bài đã hỏng luật trước khi bàn tới hay dở. Phép đếm này không nói được bài thơ có hay không, nhưng nói được cái máy có nghe ra nhịp lục bát hay không.
Hiểu lầm thường gặp
"AI dốt tiếng Việt." Không đúng. Nó viết tiếng Việt hằng ngày khá tốt. Khoảng cách nằm ở những chỗ tinh tế — giọng, xưng hô, thơ — chứ không phải ở chuyện đúng sai cơ bản.
"Cứ viết không dấu cho nhanh, nó hiểu mà." Nó thường đoán được, nhưng "ma" có thể là ma, má, mà, mả, mã, mạ. Mỗi lần đoán là một lần có thể trật.
"Hãng nào cũng như nhau." Mỗi hãng có bộ cắt chữ riêng và khối chữ huấn luyện riêng; có mô hình viết tiếng Việt tự nhiên hơn hẳn mô hình khác. Thử vài cái, đọc to lên, rồi chọn.
"Sẽ chẳng bao giờ bằng tiếng Anh." Khoảng cách đang hẹp lại nhanh — con số token ở Hình 1 là một bằng chứng. Nhưng những gì rất Việt thì vẫn cần người Việt đọc lại.
Thử ngay 5 phút
- Nhờ chatbot: "Làm một bài thơ lục bát bốn câu về mưa Sài Gòn."
- Đếm tiếng từng câu (6 – 8 – 6 – 8) và dò vần chữ thứ 6. Ghi lại: đúng mấy câu?
- Nhờ tiếp: "Viết một đoạn ngắn rủ bạn đi uống cà phê sáng Chủ nhật, giọng người Sài Gòn, xưng tui gọi ông."
- Đọc to đoạn đó lên. Đánh dấu những chữ nghe như văn dịch.
- Làm lại bước 3, lần này kèm ba lời dặn ở trên (ai nói với ai, giọng gì, đừng viết gì). So hai bản.
Từ kinh nghiệm thật
Người viết loạt bài này viết mỗi bài hai bản, tiếng Việt trước, tiếng Anh sau. Đo bài số 1 của loạt bằng hai bộ cắt chữ nói ở trên: bản tiếng Việt tốn 5.358 token trên bộ đời cũ, 3.424 token trên bộ đời mới; bản tiếng Anh — ngắn hơn chừng một phần tám, có nhân vật riêng — tốn 2.713 và 2.675. Cùng một bài viết, người đọc tiếng Việt trên bộ đời cũ "trả" gần gấp đôi; trên bộ đời mới thì gần ngang.
Mang về một ý
Cái máy viết tiếng Việt như đứa nhỏ học trường Mỹ, cuối tuần mới học tiếng Việt: đúng, trơn, mà thiếu hơi nhà. Cái hơi nhà đó — xưng em gọi chị, chữ "nghen" cuối câu, nhịp sáu tám — nó chưa tự có được, nhưng nó bắt chước được nếu mình chỉ cho nó. Vậy nên đừng nhờ nó viết thay; hãy nhờ nó viết theo mình. Tấm thiệp mừng thọ chị Hai, rốt cuộc, vẫn là chữ của cô Tư — cái máy chỉ giúp cô tìm chữ nhanh hơn một chút.
Bảng thuật ngữ nhỏ
| Tiếng Việt | Tiếng Anh | Nghĩa ngắn |
|---|---|---|
| mô hình ngôn ngữ lớn | large language model (LLM) | Mạng nơ-ron lớn học từ chữ để đoán chữ kế tiếp |
| huấn luyện | training | Cho mô hình đọc thật nhiều chữ để học |
| token (mẩu chữ) | token | Mẩu chữ mà mô hình đọc và viết |
| bộ cắt chữ | tokenizer | Phần chặt câu thành token; mỗi hãng một bộ |
| giọng dịch | translationese | Câu đúng ngữ pháp nhưng mang khuôn câu của tiếng khác |
| xưng hô | forms of address | Cách xưng và gọi theo vai vế — chỗ tiếng Việt khó nhất với AI |
Thông tin tính đến tháng 11/2026.
Bonus: Why Is AI Weaker in Vietnamese Than in English?
AI, One Concept at a Time — Essay 9
Danny's study partner Tracy Trần was born at Cedars-Sinai, grew up in Koreatown, and spent every Saturday morning of grade school in a Vietnamese-language class her parents drove her to. Her bà nội, her grandmother, is turning eighty, and Tracy wants to write the card in Vietnamese. Between classes she asks a chatbot for help, and it produces a polished paragraph that, translated back, reads: "Dear Grandmother, on the occasion of your 80th birthday, I hope you will have a wonderful day filled with joy and laughter…" She shows it to her mom over FaceTime. Her mom laughs out loud: "It sounds like a letter from the insurance company." Tracy turns to Danny: "Nothing in it is wrong. It just doesn't sound like anyone in my family."
Why does AI's Vietnamese so often sound translated — and what can you do about it?
What you need to know first: Chatbots like ChatGPT, Claude and Gemini run on a large language model (LLM) — a machine that learned to write by reading vast amounts of text and practicing guessing the next word. They write Vietnamese reasonably well, far better than a few years ago. This essay explains why a gap with English remains, where it shows, and how to get more natural writing. Vietnamese is the example throughout, but the same story holds, to different degrees, for most languages that have less text online than English — which describes most of the languages spoken in Los Angeles homes.
The Saturday-school kid
Tracy knows this analogy from the inside. Monday through Friday, for twelve years, she studied, read, played and argued in English. Saturday mornings meant a few hours of Vietnamese.
She speaks Vietnamese, reads it, writes it — better than many of her friends. But her mom hears something: sentences that are grammatically fine but built on an English frame; "con hy vọng má có một ngày tốt" ("I hope you have a good day, Mom") where a native speaker would just say "má đi chơi vui nha" ("have fun, Mom"); a moment's hesitation over whether to call herself "con", "cháu" or "em" — Vietnamese picks the word for "I" based on who you're talking to. Danny knows the feeling too: his abuela teases that his Spanish comes out "like a translation".
None of that is because Tracy is a weak student. It's because she read, heard and lived far more English than Vietnamese. The machine is in the same position.
Reason one: it read far less Vietnamese
An LLM learns to write by reading an enormous body of text — books, news, web pages — during a stage called training. Companies usually don't publish exactly what share of that text each language makes up. But anyone who has browsed the web knows the basic picture: there is vastly more English online than Vietnamese — forums, e-books, research papers, comment sections.
Reading less has two effects. First, English sentence patterns get stamped deep into the machine, and when it writes Vietnamese it tends to borrow an English frame and fill in Vietnamese words. Second, the things that are distinctly Vietnamese — regional speech, older vocabulary, forms of address, poetic meter — it has seen less of, so its grip on them is looser.
Reason two: Vietnamese costs more "pieces"
Before reading anything, the machine cuts text into small pieces called tokens. The part that does this — the tokenizer — was built by counting over a pile of text that was mostly English, so English words tend to stay whole, while Vietnamese words with their accent marks often get chopped up.
The writer measured this with two of OpenAI's public tokenizers (the older cl100k_base, GPT-4 era; the newer o200k_base, GPT-4o onward), on a short paragraph describing a rainy-evening family dinner, written in Vietnamese and translated closely into English.
Figure 1. Measured November 2, 2026. Other companies use their own tokenizers, so their numbers will differ.
More tokens means three things: more cost if you pay per token; a shorter "memory", since the same token capacity holds less Vietnamese; and less practice per word, because a word chopped into three pieces must be reassembled by the machine every time rather than seen whole. The good news: the newer tokenizer narrows the gap a lot — from double to about a third extra.
What "translationese" looks like
This is what Tracy's mom heard instantly but would struggle to name. A few familiar signs:
Figure 2. Example sentences written by the author, not quoted from a particular chatbot. The third column is the English pattern underneath.
- English-style compliments and wishes. "Great question!", "Have a wonderful day!", "I hope this helps" — rendered word for word. Vietnamese speakers rarely praise a question, and rarely wish relatives a "wonderful day".
- The passive "was written by". Grammatical in Vietnamese, but a native speaker says "Nguyễn Du's poem" or "Nguyễn Du wrote it".
- Extra little words. "My mother is a kind woman", carried over word by word with every "of", "a" and "is" — each word correct, the sentence stiff as a phrasebook. The natural version is closer to "Mom's so kind."
- One "I" and one "you" for everyone. The biggest gap. English has "I" and "you"; Vietnamese has con–má (child–mom), em–chị (younger–older sister), cháu–bà (grandchild–grandmother). A birthday card to an eighty-year-old grandmother written with a neutral "I" and "you" is like signing it "Sincerely, the customer".
Where it's strong, where it slips
To be fair: chatbots now handle everyday Vietnamese pretty well. Summarizing an article, translating a letter, drafting a sick-day email, explaining an idea — mostly smooth, few spelling errors, accent marks in the right places.
The slips cluster in the distinctly Vietnamese places:
- Lục bát verse. The traditional six-eight meter: a six-syllable line, an eight-syllable line, and a rhyme between the sixth syllable of each, plus rules about tones. Counting syllables depends on individual words — exactly where the machine is weak, since it sees token pieces, not syllables. AI verse often comes out a syllable short or long, or with a forced rhyme.
- Regional voice. Southern speech — the way people actually talk in Saigon and in many Vietnamese-American homes — appears online far less than standard written Vietnamese. Ask for "a Saigon voice" and you often get a blend with a few casual particles sprinkled on top.
- Old or rare words. Older Sino-Vietnamese vocabulary, the style of newspapers from decades ago, little-mentioned place and family names — where it read little, it guesses, and guesses can land on the wrong accent mark.
- Forms of address. Unless you say who is speaking to whom, it falls back on the neutral "I–you".
How to get more natural Vietnamese
You don't have to wait for the companies. You can do this now — and it works for Spanish, Korean, Tagalog or any other language too:
- Say who is talking to whom. "I'm the granddaughter, 20; this is for my grandmother, 80. Use cháu for me and bà for her."
- Name the voice. "Plain, warm, the way a Southern Vietnamese family talks at home. Nothing flowery."
- List what not to write. "Don't use the words for 'wonderful', 'hope', or 'filled with'."
- Give a sample. Paste a few lines someone in the family actually wrote and say "write like this". The machine imitates far better than it invents.
- Type with full accent marks when you ask. Without them it has one more layer to guess.
- Read it aloud — or to someone who grew up speaking it. Fix anything that sounds translated.
Tracy did the first three. The second draft opened with something her mom said sounded "like you, finally". She changed two words, then copied it into the card by hand.
A small check for verse
To see whether an AI-written lục bát poem meets the minimum rules, you need just two counts:
- Count syllables: six in the first line, eight in the second. Vietnamese writes one syllable per word, so count the words on your fingers.
- Check the rhyme: the sixth syllable of the first line should rhyme with the sixth of the second.
If an eight-line poem has two lines with the wrong count, that's 2 out of 8 — a quarter of the poem has broken the form before anyone discusses whether it's any good. The count can't tell you if the poem is beautiful; it tells you whether the machine can hear the rhythm.
Common misunderstandings
"AI is bad at Vietnamese." Not true. Its everyday Vietnamese is fairly good. The gap is in the fine grain — voice, forms of address, verse — not in basic correctness.
"Just type without accents, it'll figure it out." Often it can, but "ma" without marks could be ghost, mother, but, grave, code or rice seedling. Every guess is a chance to be wrong.
"All the chatbots are the same." Each company has its own tokenizer and its own training text; some models write noticeably more natural Vietnamese than others. Try several, read them aloud, choose.
"It will never catch up to English." The gap is closing fast — the token numbers in Figure 1 are one piece of evidence. But the distinctly Vietnamese parts still need a Vietnamese reader.
Try it now (5 minutes)
If you read Vietnamese, or have someone at home who does:
- Ask a chatbot: "Write a four-line lục bát poem about rain in Saigon."
- Count the syllables (6–8–6–8) and check the sixth-syllable rhyme. How many lines pass?
- Ask: "Write a short note in Vietnamese inviting a friend to Sunday-morning coffee, Southern voice, casual."
- Have a native speaker read it aloud and mark anything that sounds translated.
- Redo step 3 with the three instructions above (who's talking to whom, which voice, what not to write). Compare.
If you don't read Vietnamese, try steps 3–5 in whatever language your family speaks at home.
From real experience
The writer of this series writes each essay twice, Vietnamese first and English second. Measuring Essay 1 with the two tokenizers above: the Vietnamese version costs 5,358 tokens on the older tokenizer and 3,424 on the newer; the English version — about an eighth shorter, with its own characters — costs 2,713 and 2,675. For the same essay, the Vietnamese reader "pays" nearly double on the older tokenizer and close to even on the newer one.
The one idea to keep
The machine writes Vietnamese like a Saturday-school kid: correct, smooth, and missing the sound of home. That sound — the right word for "I", the particle at the end of a sentence, the six-eight rhythm — it doesn't have on its own, but it can imitate it once you show it. So don't ask it to write for you; ask it to write like you. Bà nội's birthday card, in the end, was still in Tracy's words. The machine just helped her find them a little faster.
Mini-glossary
| Term | Short meaning |
|---|---|
| Large language model (LLM) | A large neural network that learned from text to predict the next word |
| Training | Having the model read lots of text so it learns |
| Token | A piece of text the model reads and writes |
| Tokenizer | The part that cuts text into tokens; each company has its own |
| Translationese | Grammatical writing that carries another language's sentence patterns |
| Forms of address | Choosing words for "I" and "you" by relationship — the hardest part of Vietnamese for AI |
Current as of November 2026.
No comments:
Post a Comment