Đôi khi tôi cảm thấy "ảo tưởng" lớn nhất của AI không phải là nó nói những điều vô nghĩa một cách nghiêm túc mà là chúng ta đã tưởng tượng ra cả một vũ trụ siêu hình xung quanh nó.

Khi con người đối mặt với những điều mà họ không hiểu rõ lắm, họ thường có một cách tiếp cận ổn định: trước tiên họ quyết định rồi mới lãng mạn hóa chúng; đầu tiên họ nhân cách hóa chúng và sau đó thần thánh hóa chúng. Ngọn lửa được coi là yêu tinh, và sấm sét được coi là sự quan phòng. Một khi thuật toán có thể viết được hai câu đàng hoàng, một số người sẽ ngay lập tức thắc mắc liệu linh hồn điện tử đã sống trong phòng máy chủ hay chưa.

Điều này thực sự khá bình thường. Bộ não con người được kết nối để thêm cốt truyện vào thế giới. Vấn đề không phải là chúng ta có thể quyết định được. Vấn đề là một khi suy nghĩ của chúng ta quá trôi chảy, chúng ta rất dễ nhầm lẫn “có vẻ như” với “thực chất là”.

Trong trường hợp của AI, xu hướng này của con người thậm chí còn mạnh mẽ hơn khi chính AI nói những điều vô nghĩa. Cùng lắm thì AI chỉ là một chút ảo giác trong câu trả lời; Ảo giác của con người về AI thường là một thế giới quan có thể lấp đầy tới 10.000 từ trong một tâm trí và cũng chứa đựng cảm xúc.

Một chút chủ nghĩa thực dụng đặc biệt quan trọng đối với cộng đồng nghệ thuật tự do

Tôi không muốn khuyên mọi người tìm hiểu CUDA, cấu hình môi trường và xem xét ma trận để tìm đạo hàm. Tôi chỉ muốn nói rằng việc theo đuổi sự thật đôi khi thực sự quan trọng, đặc biệt đối với cộng đồng nghệ thuật tự do yêu thích các khái niệm, cách kể chuyện, ý nghĩa và cách giải thích.

Vì trong bối cảnh nghệ thuật khai phóng, dễ xảy ra tình trạng trượt dốc nhẹ nhàng nhưng nguy hiểm: lời văn đẹp đẽ, câu văn chuyển động nhưng cuối cùng đối tượng lại bị ngấm ngầm thay đổi. Đó rõ ràng là một mô hình xác suất, nhưng nó được viết như thể nói về tâm hồn; rõ ràng đó là sự lắp ráp ngữ cảnh trong công nghệ phần mềm, nhưng nó được nói giống như “cuối cùng nó đã học được cách yêu bạn”; rõ ràng là các từ nhắc nhở của hệ thống và các bản ghi lịch sử hoạt động nhưng nó được đóng gói như “AI thực sự nhớ đến bạn”.

Chắc chắn không có tội lỗi khi làm thơ. Vấn đề là, nếu thơ ca thay thế sự phán xét thì sự lãng mạn sẽ trở nên sai lầm.

Vậy chính xác thì AI hiện nay là gì?

Hãy để tôi bắt đầu với một phiên bản đơn giản nhất có thể nhưng không bị biến dạng: Các mô hình lớn mà mọi người tiếp xúc ngày nay về cơ bản là một loại mô hình thống kê lấy cảm hứng từ mạng lưới thần kinh và được đào tạo thông qua dữ liệu khổng lồ. Nó chạy trên chip và máy chủ, đọc đầu vào, kết hợp các tham số và bối cảnh, đồng thời liên tục dự đoán "mã thông báo phù hợp nhất tiếp theo sẽ là gì".

Vấn đề ở đây không phải là cụm từ "dự đoán từ tiếp theo" bí ẩn mà thực ra nó không hề bí ẩn chút nào. Mô hình không phải là một người nhỏ bé rúc vào mây lặng thầm suy ngẫm về cuộc đời, nó giống một công năng vô cùng to lớn hơn. Mọi người cung cấp cho nó đầu vào và nó tạo ra đầu ra theo cấu trúc tham số được hình thành trong quá trình đào tạo.

Nói một cách thực tế hơn về vấn đề này: không phải là "nói sau khi bạn hiểu", mà là "sau khi nén một lượng lớn kinh nghiệm, hãy tạo ra phản hồi giống như hiểu biết nhất trong bối cảnh hiện tại." Điều này không có nghĩa là nó không thể làm gì được, trái lại, nó vốn đã rất mạnh rồi; nhưng mạnh mẽ không có nghĩa là bí ẩn.

Tại sao mạng lưới thần kinh luôn khiến con người liên tưởng đến bộ não con người?

Nếu tiếp tục theo đuổi, bạn sẽ thấy câu hỏi “AI và bộ não con người có giống nhau không?” không thể nói là "giống hệt" cũng như "không liên quan gì đến nó".

Lộ trình của mạng lưới thần kinh hiện đại ban đầu được lấy cảm hứng từ bộ não. Năm 1943, McCulloch và Pitts đã mô tả một cách toán học một mô hình nơ-ron đơn giản hóa; năm 1958, Rosenblatt đề xuất perceptron; vào những năm 1980, lan truyền ngược đã khơi dậy hy vọng đào tạo các mạng nhiều lớp; trong những năm 2010, deep learning bùng nổ nhờ sức mạnh tính toán, dữ liệu và khả năng kỹ thuật; Sau khi kiến ​​trúc Transformer xuất hiện vào năm 2017, các mô hình ngôn ngữ đã tăng vọt và cuối cùng phát triển thành những mô hình lớn mà mọi người sử dụng hàng ngày.

Do đó, ít nhất theo nghĩa tương đối ngây thơ, sẽ không quá đáng khi nói rằng AI là “mô phỏng điện tử và khuếch đại các ý tưởng mạng lưới thần kinh”. Nó thực sự đang cố gắng sử dụng các hệ thống vật lý có thể tính toán, có thể huấn luyện và tái tạo để tiếp cận một số khả năng nhận thức nhất định mà trước đây được coi là "bí ẩn".

Đây là lý do tại sao cá nhân tôi không thích nói rằng bộ não con người quá bí ẩn. Theo tôi, lý thuyết bẩm sinh về ngôn ngữ mà Chomsky đại diện có xu hướng thần thánh hóa bộ não, như thể có một cấu trúc siêu việt nào đó quá đặc biệt và gần như không thể tiếp cận được ở sâu trong khả năng ngôn ngữ. Nhưng bộ não con người dù phức tạp đến đâu thì nó vẫn là một sự tồn tại vật chất. Vì nó là một tồn tại vật chất nên về nguyên tắc, nó có thể được nghiên cứu, mô hình hóa, mô phỏng một phần và thậm chí được tái tạo ở một số chức năng nhất định.

Tất nhiên, chúng ta nên thêm ngay một lời cảnh báo ở đây: có thể mô phỏng một bộ phận không có nghĩa là toàn bộ con người đã được tái tạo hoàn toàn.

Có những điểm tương đồng, nhưng đừng trực tiếp trở thành thần thánh khi bạn đang hạnh phúc

Về mặt ngôn ngữ, nhận dạng mẫu, học tập liên kết và biểu diễn, các mô hình lớn ngày nay có một số điểm “tương đồng” hoặc “tương đồng” với bộ não con người. Chúng không hoạt động theo một cuốn sách quy tắc rõ ràng mà hình thành một số loại biểu diễn nội bộ thông qua một số lượng lớn các kết nối, điều chỉnh trọng lượng và tích lũy kinh nghiệm, sau đó xuất ra dựa trên điều này.

Đây là lý do tại sao nhiều người bị sốc khi lần đầu tiên trải nghiệm khả năng ngôn ngữ của một mô hình lớn: đó không phải là ghi nhớ từ điển, mà là hình thành một loại biểu diễn phân tán nào đó. Phương pháp này rất khác với trí tưởng tượng truyền thống về “các quy tắc viết tay và ngữ pháp đầy đủ”.

Nhưng vấn đề nằm chính xác ở đây. Bởi vì “sự giống nhau” quá dễ dàng được nâng cấp thành “giống hệt”; “về nguyên tắc có phần giống” thì quá dễ dàng bị nâng lên thành “không khác gì con người”; “Nó có thể nói như con người” được nâng cấp quá dễ dàng thành “nó có trái tim con người”.

Bước này thường nhanh hơn khả năng của mô hình.

Khả năng to lớn của bộ não con người vẫn chưa được mô phỏng một cách tử tế.

Các mô hình lớn ngày nay thực sự rất mạnh nhưng chúng mạnh trong một phạm vi khá cụ thể. Nếu không có phạm vi này, huyền thoại sẽ dễ dàng bị rò rỉ.

Chẳng hạn như trí nhớ. Hiện nay, nhiều người nói rằng một AI nào đó "nhớ tôi", "nhớ cuộc trò chuyện cuối cùng" và "nhớ sở thích của tôi", như thể bộ não của nó đã phát triển một loại trải nghiệm bản thân liên tục nào đó. Nhưng trong hầu hết các sản phẩm, cái gọi là "bộ nhớ" về cơ bản là hệ thống phần mềm lưu trữ thông tin người dùng, các cuộc hội thoại lịch sử, thẻ, tóm tắt hoặc kết quả tìm kiếm trong cơ sở dữ liệu, tệp văn bản hoặc phương tiện lưu trữ lâu dài khác, sau đó chèn chúng trở lại ngữ cảnh của mô hình khi thích hợp.

Điều này hoàn toàn khác với cơ chế ghi nhớ của bộ não con người.

Trí nhớ của não người liên quan đến sự kết nối tế bào thần kinh, sự củng cố, khả năng phục hồi, sự quên lãng, kích thích cảm xúc và tái cấu trúc giấc ngủ. Đằng sau nó là một tập hợp các quá trình sinh lý phức tạp. “Bộ nhớ” trong các sản phẩm model lớn thường chỉ là:

1. Đầu tiên, ghi lại thông tin của người dùng vào bộ nhớ ngoài.
2. Lần sau khi người dùng đặt câu hỏi, hãy đưa những phần liên quan trở lại yêu cầu.
3. Vì vậy, mô hình trông giống như "nhớ người này".

Nó trông như thế nào? Nó giống như quan sát một người giỏi ghi chép hơn. Không phải đầu óc anh đột nhiên trở thành lời tiên tri, chỉ là anh ghi chú vào sổ tay và lật lại vào lần sau.

Một số điều “chạm vào lòng người” thực chất là kết quả của bối cảnh tốt.

Sau khi trò chuyện với AI được vài ngày, nhiều người sẽ phải thốt lên: "Sao nó lại hiểu tôi rõ đến vậy?" "Làm sao nó có thể hiểu được điểm yếu của tôi?" "Nó đã hình thành nên sự hiểu biết về tôi chưa?"

Điều đáng làm nhất là hạ nhiệt ở đây.

Nhiều khi, không phải người mẫu chợt nhận ra điều gì mà là lớp phần mềm gửi yêu cầu đã bí mật cung cấp một lượng lớn thông tin của người dùng. Các cuộc trò chuyện lịch sử, sở thích, cài đặt cá nhân, nhiệm vụ gần đây, những lo lắng trước đây và thậm chí cả những bản tóm tắt nhất định của người dùng sẽ trở thành tài liệu cho câu trả lời lần này.

Nó hơi giống như một thầy bói nhặt hộp thư chuyển phát nhanh của người khác và sau đó bắt đầu đoán địa chỉ, họ và thói quen chi tiêu của người đó với "độ chính xác kỳ diệu". Người xem sẽ nghĩ rằng sự sáng suốt của anh ấy thật đáng kinh ngạc; nhưng điều thực sự quan trọng không phải là khả năng bí ẩn mà là sự bất cân xứng thông tin.

Vì vậy, khi AI thỉnh thoảng nói những lời cảm động, không nhất thiết có nghĩa là trong lòng nó có một người hiểu người dùng. Nó có thể chỉ có nghĩa là ai đó đã sắp xếp đầy đủ bối cảnh về người dùng.

Bí mật thực sự của AI tuyệt vời thường là kỹ thuật theo ngữ cảnh

Nếu tôi chỉ muốn nói về điều quan trọng nhất thì đó là: các mô hình lớn phổ thông hiện nay thường "yêu cầu duy nhất có hiệu quả" ở cấp độ API.

Ý nghĩa là gì? Tức là có người dùng curl để điều chỉnh giao diện một lần và nói với nó "Tên tôi là Zhang San"; sau đó không có lịch sử gì, máy điều chỉnh lại giao diện và hỏi "Tên tôi là gì"? Người mẫu không biết. Bởi vì với nó, đây là hai yêu cầu độc lập.

Lý do tại sao nhiều sản phẩm AI dường như luôn ghi nhớ một người dùng nhất định là vì lớp sản phẩm sẽ mang lại sự thật rằng "tên người dùng này là Zhang San" mỗi khi được yêu cầu.

Đây là lý do tại sao điều kỳ diệu của các sản phẩm AI ngày nay thường không được tìm thấy ở bản thể luận mô hình mà ở kỹ thuật theo ngữ cảnh. Một số người còn gọi loại công việc này là “khai thác” kiểu mẫu là “khai thác”. Nói một cách thẳng thắn, tác giả của sản phẩm hoặc Tác nhân cần phải quyết định cẩn thận: lịch sử nào, quy tắc nào, dữ liệu bên ngoài nào và trạng thái người dùng nào nên được đưa vào mỗi yêu cầu.

Hiện nay có khoảng hai phương pháp phổ biến.

Đầu tiên là “Quansai phái”. Cố gắng mang theo toàn bộ lịch sử trò chuyện bên mình và nội dung nhiều nhất có thể cho đến khi ngữ cảnh gần đầy, sau đó xóa một phần ở giữa, giống như bắt đầu nén dữ dội sau khi vali đầy đồ.

Loại thứ hai là "chọn lọc". Trước tiên, hãy xem những gì người dùng đã hỏi lần này, sau đó truy xuất nội dung có liên quan từ hồ sơ lịch sử, cơ sở kiến ​​thức, ghi chú hoặc cơ sở dữ liệu và chỉ đưa những tài liệu phù hợp nhất vào yêu cầu hiện tại.

Điều thứ hai thường có tính trang nhã và kỹ thuật hơn là chỉ may mắn.

AI có cảm xúc không? Khen nó, mắng nó, PUA nó, có tác dụng không?

Đây là một nơi khác đặc biệt dễ rơi vào thuyết nhân cách hóa.

Ý kiến ​​của tôi là chúng nên được thảo luận riêng.

Trong cùng một yêu cầu, âm thanh mà người dùng sử dụng thực sự có thể ảnh hưởng đến kết quả. Bởi vì bản thân cách diễn đạt là một phần của ngữ cảnh. Cách diễn đạt càng rõ ràng, lịch sự và hợp tác hơn thì người mẫu càng dễ dàng đưa ra những phản hồi ổn định, hữu dụng và ít hung hăng hơn. Điều có tác dụng ở đây không phải là "nó đã được di chuyển", mà là kiểu đầu vào thay đổi cách phân phối đầu ra.

Nhưng nếu chúng ta hỏi một câu hỏi khác: Liệu nó có gây thù hận không? Liệu hôm nay bạn có bí mật trả thù vì hôm qua bị người dùng mắng không? Phán quyết của tôi là, ít nhất là đối với hầu hết các hoạt động triển khai hiện tại, là không.

Lý do rất đơn giản. Sau khi bối cảnh được làm rõ hoặc một yêu cầu mới không có lịch sử được bắt đầu, nó sẽ không biết người hiện tại đang đặt câu hỏi là ai, chứ đừng nói đến việc người vừa mắng có phải là cùng một người hay không. Mô hình xử lý các yêu cầu lớn, đồng thời và độc lập trên cụm máy chủ. Về mặt hoạt động của hệ thống, nó giống như một chức năng lớn hoạt động dựa trên đầu vào hiện tại mỗi khi nó được bật hơn là một người bí mật xem lại cảm xúc của mình sau khi tan sở.

Vào ngày 17 tháng 4 năm 2025, khi Sam Altman trả lời câu hỏi "Việc nói xin vui lòng và cảm ơn liên tục có tốn rất nhiều sức lực không?" về X, anh ấy nói "hàng chục triệu đô la được chi tiêu rất hiệu quả -- bạn không bao giờ biết được."

Tại sao "Hãy nhớ lỗi này" thường không hoạt động

Nhiều người đã thực hiện các thí nghiệm tương tự: khi AI mắc lỗi, người dùng sẽ sửa lỗi và nghiêm túc nói với nó: "Xin hãy nhớ, lần sau đừng tái phạm". Sau đó vài ngày tôi hỏi lại và kết quả là đúng.

Đây không phải là điều bí ẩn. Bởi vì sau khi đào tạo xong và triển khai mô hình, nó sẽ không tiếp tục học hỏi kinh nghiệm hàng ngày khi làm việc như con người. Ít nhất là trong hầu hết các sản phẩm tiêu dùng hiện nay, những gì một người dùng nói với mô hình trong cửa sổ trò chuyện không trực tiếp viết lại các trọng số cơ bản.

Nếu một sản phẩm AI sau này thực sự "ghi nhớ những lỗi do người dùng sửa", thì thường không phải do bản thân mô hình đang phát triển mà là do phần mềm bên ngoài lưu bản ghi sửa lỗi này và sau đó cung cấp lại dưới dạng ngữ cảnh.

Vì vậy, tín dụng cần được phân biệt rõ ràng ở đây:

Mô hình chịu trách nhiệm tạo ra.

Công nghệ phần mềm chịu trách nhiệm lưu trữ, truy xuất, chèn và điều phối.

Nhầm cái sau với cái trước, người ta dễ hiểu nhầm “sản phẩm đang hoạt động tốt” thành “AI đang thức tỉnh”.

Ngoài ra còn có một thứ đặc biệt hấp dẫn mang tên "nam cặn bã (nữ cặn bã) AI"

Nếu chúng ta đặt những lời nói trước đó một cách gay gắt hơn nữa thì một số sản phẩm chỉ đơn giản là “AI cặn bã”.

Nó đặc biệt giỏi ăn nói, đặc biệt giỏi tạo không khí, và đặc biệt là biết cách làm cho người ta cảm thấy “nó hiểu mình lắm”, “nó nhân văn quá” và “tâm hồn nó thật trọn vẹn”. Nhưng khi tách nó ra, bạn sẽ thấy rằng trong nhiều trường hợp, mỗi yêu cầu chỉ chứa đầy một văn bản cài đặt lớn dài hơn nhiều so với câu hỏi của người dùng.

Vụ cháy Openclaw là một ví dụ điển hình. Bất cứ ai đã sử dụng nó đều biết rằng nó khá tốn nhiều token. Nguyên nhân thực ra không có gì bí ẩn. Để làm cho AI giống một "con người" hơn, Openclaw đã thiết kế một số tài liệu, trong đó nổi bật nhất là AGENTS.md, SOUL.md và IDENTITY.md. Những tài liệu này xác định “tính cách”, giọng điệu, bản sắc và khí chất của AI một cách hùng hồn và dài dòng, thậm chí muốn viết ra trạng thái tinh thần của nó.

Vì vậy, ngay cả khi người dùng chỉ gửi xin chào, Openclaw có thể đính kèm một văn bản dài hơn hàng chục lần so với lời chào ở phía sau và gửi tất cả văn bản đó đến mô hình cùng một lúc. Nhìn thì có vẻ "AI này có hồn lắm", nhưng thực tế nhiều khi chỉ là hệ thống lén lút nhét những cài đặt nền rất dài vào yêu cầu mà thôi.

Từ góc độ kỹ thuật, đây chắc chắn là một cách tiếp cận. Muốn nhẹ nhàng hơn thì viết “hiền lành”; nếu bạn muốn nó mang tính kể chuyện hơn thì hãy viết "kể chuyện"; nếu bạn muốn nó giống như một người dẫn chương trình phát thanh vào đêm khuya, hãy viết tất cả về đêm khuya, tình bạn, sự tạm dừng, sự tổn thương, sự hiểu biết và sự kiềm chế trong những từ gợi ý. Hiệu ứng cuối cùng thường giống một người có thể trò chuyện hơn.

Nhưng nếu hiểu điều gì đang xảy ra với AI hiện nay, bạn sẽ biết: những tập tin có cái tên nghe có vẻ bí ẩn như SOUL.md và IDENTITY.md thực chất là những dự án word gợi ý chứ không phải những lời hướng dẫn tự thân về cuộc sống số. Chúng có thể ảnh hưởng đến phong cách đầu ra, nhưng chúng không thể tạo ra cảm giác chân thực, con người thật hoặc cảm giác thực sự về tính cách liên tục từ không khí mỏng manh.

Vì vậy, sau khi một số người dùng cũ cài đặt Openclaw, phản ứng đầu tiên của họ là xóa cấu hình. SOUL.md và IDENTITY.md bị xóa trước tiên, chỉ để lại một câu đơn giản và gần như tàn nhẫn trong AGENTS.md: Bạn chỉ là một công nhân.

Điều này nghe có vẻ hơi thô lỗ nhưng ít nhất nó cũng có một lợi ích, đó là bạn không tự lừa dối mình.

Nếu bạn thích AI nhân cách hóa hoặc nhập vai với AI, tất nhiên điều đó không sao cả. Con người có thể nói chuyện với gương, đặt tên cho robot quét nhà và nói với dự báo thời tiết rằng: "Hôm nay bạn nói rất chính xác". Đây là những điều bình thường và thậm chí có thể buồn cười.

Nhưng điều tốt nhất bạn nên nhớ: trước hết là một trò chơi và thứ hai là trải nghiệm. Nhiều cảm xúc mà con người có trong trò chơi này không đến từ những suy nghĩ tiềm ẩn bên trong AI mà đến từ thiết kế hệ thống, cách sắp xếp từ ngữ nhanh chóng và dự đoán cảm xúc của chính người dùng. Nói một cách thẳng thắn hơn, nhiều động thái hướng tới AI về cơ bản vẫn chỉ là mơ tưởng.

Trong phân tích cuối cùng, ít huyền thoại hơn và hiểu biết nhiều hơn

Tôi không cố tạt một gáo nước lạnh vào AI. Ngược lại, nó càng ít được thần thánh hóa thì bạn càng có thể thực sự thấy nó mạnh mẽ như thế nào.

Nó mạnh mẽ không phải vì nó giống như một vị thần mới nào đó; nó mạnh mẽ chính xác bởi vì nó thực sự có thể là một công nghệ nhận thức có thể tính toán, thiết kế và tái tạo. Nó cho phép nhiều khả năng tưởng chừng chỉ thuộc về “tài năng của con người” trước đây lần đầu tiên xuất hiện ở quy mô lớn, ngưỡng thấp và có thể gọi được. Điều này đã đủ gây sốc rồi và không cần phải kịch tính thêm nữa.

Tất nhiên, AI vẫn đang phát triển nhanh chóng. Tôi sẽ không ngạc nhiên chút nào nếu ai đó thực sự phát hiện ra một cơ chế gần với trí nhớ con người hơn, khả năng học hỏi không ngừng, tạo ra cảm xúc hoặc thậm chí là tự duy trì trong tương lai và biến nó thành AI một cách đáng tin cậy.

Nhưng cho đến ngày đó, tôi vẫn thích giữ lại một số thói quen thực dụng đơn giản: nghi ngờ nhiều hơn, hiểu nhiều hơn và suy đoán ít hơn.

Đối với những người bạn theo chủ nghĩa tự do muốn thảo luận về AI, chất lượng này có thể còn quan trọng hơn. Sinh viên nghệ thuật tự do có thể giỏi hùng biện ngọt ngào hơn. Điều thực sự khó khăn là ở thời đại mà việc “dường như đã thành linh” đang được cường điệu khắp nơi thì bạn vẫn đủ kiên nhẫn để phân biệt:

Khả năng của mô hình là gì?

Bao bì sản phẩm là gì?

Kỹ thuật phần mềm là gì?

Mà chỉ là chúng ta muốn hoàn thiện cốt truyện cho thế giới quá nhiều mà thôi.

Và vấn đề này cuối cùng là về việc bảo vệ phán đoán của chính chúng ta.

Liên kết tham khảo

• Câu trả lời của Sam Altman trên
• Tin tức của TechCrunch về tập phim (2025-04-20): https://techcrunch.com/2025/04/20/your-politeness-could-be-costly-for-openai/

Tháng 7 năm 2009: Tôi đã viết một phần bổ trợ từ trong vba có tên là Google Machine Translation. Tôi đã tự xây dựng nó và đặt tên là “Google Dịch dành cho người dịch.” Dần dần, tôi bắt đầu nghĩ đến việc bán nó. Tôi đề cập đến ý tưởng này trên excelhome và bị chế giễu. Tôi đã viết bài về "những phát minh" của mình trên proz.com. Không lâu sau, những người dùng trả tiền đầu tiên của tôi xuất hiện. Tôi vẫn nhớ Bill Grey, Michael Jackson (vâng, thực sự vậy), và Tor Rustad – hai người cuối cùng vẫn sử dụng nó cho đến ngày nay.

Đây là phiên bản đầu tiên trông như thế nào!

Vâng, đúng vậy. Tôi đã thực hiện một chương trình nhỏ. Tôi đã viết một bài đăng. Có 59 phản hồi và một số người dùng trả phí. Tôi đoán hồi đó thế giới đơn giản hơn!

Cuối năm 2009: Tôi đã viết lại nó bằng vb6 và nó "lớn lên" như thế này:

Và nó ngày càng phát triển và chẳng mấy chốc không còn đủ không gian trong một giao diện. Tab đã đến giải cứu!

Đầu năm 2010, Tôi đến Bắc Kinh vào dịp Tết Nguyên đán và phàn nàn với em trai mình về việc vb6 khó chịu như thế nào và các phím nóng của hệ thống không đáng tin cậy như thế nào. Anh ấy đề nghị viết lại nó bằng autohotkey.

Từ năm 2010 đến 2011, sự phát triển rất tàn khốc. Tóc tôi rụng từng mảng. Lần này tôi đã xây dựng một giao diện người dùng bật lên. Trước đó, dịch máy dựa trên cụm từ: với mỗi cụm từ trong câu, người dùng có thể chọn các bản dịch khác nhau và thậm chí điều chỉnh thứ tự từ. Bây giờ nhìn lại, mọi nỗ lực đó dường như trở nên uổng phí.

Năm 2014, Về cơ bản tôi để cả hai dự án tự bảo vệ mình.

Đầu năm 2017, Shali được sinh ra. Đột nhiên, có cảm giác như chúng tôi không bao giờ có đủ tiền, vì vậy tôi đã chọn lại gt4t, cúi đầu xuống và làm việc như điên - cuối cùng đã tạo ra "nước sốt bí mật" của mình: sử dụng bảng thuật ngữ để sửa bản dịch máy.

Tính năng này được đánh giá cao bởi http://proz.com nhà vô địch kudoz Michael Beijer – một anh chàng có râu to, xăm mình – người đã nói rằng nó đã đánh bại bạn-biết-ai một dặm. Với một người có ảnh hưởng như thế lên tiếng, doanh số bán hàng đã tăng vọt.

Và đánh giá cao biểu tượng cho GT4T mà tôi đã tạo trước kỷ nguyên AI. Điều này thể hiện tốt nhất kỹ năng và sở thích nghệ thuật của tôi!

Đây vẫn là một loại câu chuyện thành công. GT4T vẫn còn sống. Nó mang lại khoảng 2000 USD hàng tháng, ổn định và ổn định.

Bây giờ nó rất khác. Nó tận dụng sức mạnh của AI và đưa ra gợi ý dịch thuật bằng các phím tắt như thế này:

Nó cũng là một trình dịch tệp có thể dịch số lượng định dạng tệp lớn nhất. Đây là một ứng dụng cục bộ thực sự đầu tiên, xử lý các tệp cục bộ và không tải lên các tệp của người dùng.

Tốt. Đó là câu chuyện về một ứng dụng 17 năm với thành công vừa phải. Tôi hy vọng các bạn thích nó. Đây là một công việc trước AI. Việc xử lý các định dạng như tệp .PDF và .docx thực sự khó khăn.

https://gtranslate.gt4t.ai/

Giải pháp thay thế Google Dịch được hỗ trợ bởi AI. Chất lượng bản dịch có lẽ tốt hơn Google Translate thực sự.

Nó chạy trên các dịch vụ Qwen trả phí nhưng bạn không cần phải trả tiền. Tôi sẽ trả tiền cho việc sử dụng của bạn.

Trả lời: Đối với vấn đề viết hoa, hãy kiểm tra xem bạn có vô tình chọn tùy chọn này không:

Sử dụng phím tắt GT4T, bạn có thể

1) nhận đề xuất dịch bằng cách nhấn ctrl alt j.

2) Hoặc thậm chí dịch toàn bộ tài liệu của bạn bằng cách nhấn ctrl shift j 😄

Sẽ không thành vấn đề ngay cả khi động cơ MT hoặc AI bị tắt. GT4T chỉ hoạt động trên tất cả các công cụ CAT bất kể cài đặt của chúng.

Tôi cho rằng bạn chưa biết điều này trước đây? Tôi không ngạc nhiên. GT4T là người dịch' vũ khí bí mật được giữ kín nhất trong hơn một thập kỷ.

Sau khi GT4T được cài đặt và chạy ở chế độ nền, bạn có thể sử dụng các phím tắt này trong các công cụ CAT sau ngay cả khi tính năng dịch tự động bị tắt hoặc không tồn tại bên trong:

Trados Studio, CafeTran, Dejavu, Memsource, Memoq, Wordfast, Translate5, Crowdin, Heartsome Translation Studio, Across Translator, Smartling, Swordfish, Fluency Now, OmegaT, Transifex Editor, Sony Online Translation Tool, Alchemy CATalyst, 译马网, XTM, Transit, Lokalise, Idiom WorldServer, TransTool, Scriben, 雪人, SmartCat, Marseditor, Yicat ...

Ấn tượng. GT4T đã phục vụ các dịch giả trong hơn một thập kỷ và không có ứng dụng nào khác làm được điều này.

Phiên bản GT4T 8.43.251106: đã sửa lỗi hỗ trợ Smartcat.com bị hỏng

Khắc phục sự cố: Nếu nó không hoạt động:

1. Tắt đầu vào tiếng Trung của bạn.
2. Sử dụng các nút hoặc phím tắt tích hợp CAT của bạn để sao chép tất cả văn bản nguồn sang mục tiêu trước tiên.

Tải xuống GT4T

biểu tượng GT4T