Chương 4 / 8 ◆ ~10 phút đọc

Chương 4: Rút một giọng nói khỏi model

Yêu cầu rút dữ liệu đầu tiên đến vào một sáng thứ Hai. Không phải từ luật sư, cũng không phải từ báo chí, mà là email của cô Hương, cô giáo Quảng Nam từng nói với chúng tôi rằng cô cho máy học để hiểu mình, chứ không cho máy một bản sao giọng nói.

“Tôi đồng ý tiếp tục cho dùng giọng của mình để nhận dạng lời nói. Tôi không đồng ý cho dùng vào bất kỳ thử nghiệm tổng hợp giọng nào, kể cả thử nghiệm nội bộ. Nhờ công ty xác nhận rằng những bản ghi của tôi đã được loại khỏi phạm vi đó.”

Tôi đọc email hai lần. Về lý thuyết, yêu cầu rất rõ ràng, và trong hệ thống mới chỉ cần sửa phạm vi sử dụng là xong. Nhưng dữ liệu của cô Hương được thu từ ba năm trước. Trước khi chúng tôi có phạm vi mà máy đọc được, trước khi có hệ thống truy vết nguồn gốc dữ liệu, trước khi có sổ theo dõi yêu cầu rút lui, và trước khi bất kỳ ai nghĩ tới chuyện sẽ có người hỏi: “Giọng của tôi đã đi đâu?”

Dũng mở kho dữ liệu cũ. Ghi âm gốc của cô Hương vẫn còn đủ, bản chép lời còn, mã người nói cũ cũng còn. Đó là phần dễ. Phần khó nằm ở những thứ được sinh ra sau đó: bộ nhớ đệm đặc trưng âm thanh, các mảnh dữ liệu huấn luyện, những bộ dữ liệu đã gộp, các checkpoint thử nghiệm, những vector đặc trưng dùng trong nghiên cứu nhận diện người nói. Một số còn gắn thông tin người nói. Một số chỉ còn mã lô. Một số không còn lần ra được đến từng người, vì ba năm trước quy trình chỉ cần biết “phiên bản dữ liệu nào”, chẳng cần biết mỗi dòng đã đi qua những đâu.

Tôi nhìn sơ đồ chằng chịt trên màn hình. “Mình biết file gốc.”

“Dạ.”

“Biết tất cả các bản sao chứ?”

Dũng lắc đầu. “Không chắc trăm phần trăm.”

“Biết những mô hình nào từng được huấn luyện với nó?”

“Dòng chính thì biết, theo phiên bản dữ liệu.”

“Còn thí nghiệm cá nhân của từng người?”

“Không đủ thông tin.”

Tôi ngồi im rất lâu. Đó là lần đầu tôi hiểu rằng một hệ thống dữ liệu có thể cực kỳ giỏi đưa dữ liệu vào, nhưng hoàn toàn không được thiết kế cho chiều ngược lại. Lối vào là đường cao tốc. Lối ra là đường đất.

Nguyên hỏi luật sư: “Về pháp lý, mình phải làm tới mức nào?”

“Yêu cầu của cô Hương là thay đổi phạm vi sử dụng, không phải xóa toàn bộ dữ liệu nhận dạng giọng nói,” luật sư đáp. “Với các thử nghiệm tổng hợp giọng chưa đưa vào sản phẩm, tốt nhất là loại khỏi mọi dữ liệu có thể xác định được và chặn việc dùng tiếp.”

“Còn những checkpoint đã huấn luyện xong?”

Luật sư quay sang nhìn tôi. “Đó là phần kỹ thuật cần được trả lời một cách trung thực.”

Mọi người đồng loạt nhìn tôi, như thể kiến trúc sư học máy có một câu lệnh bí mật kiểu “xóa người này khỏi mô hình”. Không có câu lệnh nào như thế. Một mạng nơ-ron không cất giọng cô Hương vào một ngăn riêng dán nhãn tên cô. Tín hiệu học từ hàng nghìn, hàng triệu mẫu đã trộn lẫn vào trọng số. Không thể mở mô hình ra, chọn một người rồi bấm xóa. Có những hướng nghiên cứu về “quên có chủ đích”, có phương pháp làm giảm ảnh hưởng của một số mẫu hoặc huấn luyện lại từng phần trong vài tình huống nhất định. Nhưng tôi không muốn nói với cô Hương rằng chúng tôi có thể xóa sạch dấu vết khỏi trọng số, khi kỹ thuật của mình chưa chứng minh được điều đó.

Tôi đề xuất bốn bước. Một, dừng ngay mọi thử nghiệm tổng hợp giọng có dùng phiên bản dữ liệu chứa giọng cô Hương, cho tới khi tách sạch. Hai, xóa hoặc cách ly toàn bộ dữ liệu gốc và dữ liệu phái sinh xác định được, ngoài phạm vi nhận dạng giọng nói mà cô vẫn cho phép. Ba, lập danh sách các checkpoint đã huấn luyện bằng dữ liệu có phạm vi mập mờ và không dùng chúng làm nền cho bất kỳ sản phẩm tổng hợp giọng mới nào. Bốn, mô hình tổng hợp tiếp theo phải huấn luyện lại từ dữ liệu có sự đồng ý rõ ràng, thay vì cố chứng minh mô hình cũ đã “quên” hoàn hảo.

Giám đốc kinh doanh nhìn tôi như thể tôi vừa châm lửa đốt cả lộ trình sản phẩm. “Huấn luyện lại từ đầu?”

“Với sản phẩm tổng hợp giọng, vâng.”

“Bản mẫu hiện tại mất sáu tháng mới làm xong.”

“Bản mẫu vẫn có thể giữ lại trong nội bộ để nghiên cứu, nếu pháp lý cho phép?” tôi hỏi.

Luật sư lắc đầu. “Không, nếu nó chứa dữ liệu của người đã rút khỏi phạm vi tổng hợp mà chúng ta không xác định được mức ảnh hưởng đủ rõ.”

Giám đốc kinh doanh quay sang Nguyên. “Chúng ta bỏ sáu tháng chỉ vì một cái email?”

“Không,” tôi đáp thay. “Chúng ta bỏ một hướng sản phẩm vì phát hiện ra quy trình cũ không đủ khả năng chứng minh ai đã đồng ý cho nó.”

“Thì khác gì nhau?”

“Khác ở chỗ hôm nay là cô Hương, nhưng ngày mai có thể là năm trăm người.”

Nguyên gõ nhẹ đầu bút xuống bàn. “Huấn luyện lại.”

Giám đốc kinh doanh đứng bật dậy. “Chúng ta sẽ ra mắt trễ.”

“Đúng.”

“Đối thủ sẽ đi trước.”

“Có thể.”

“Hội đồng quản trị sẽ hỏi.”

“Tôi sẽ trả lời.”

Nguyên không nói như một người hùng. Cô nói như người biết rõ quyết định của mình sẽ làm bảng dự báo doanh thu xấu đi. Theo tôi, đó mới là lúc nguyên tắc thật sự có giá.

Chúng tôi soạn thư trả lời cô Hương. Tôi viết ba bản: bản đầu quá kỹ thuật, bản thứ hai quá pháp lý, bản cuối cùng chỉ nói những gì cô cần biết. Rằng chúng tôi đã chặn giọng của cô khỏi mọi lần sử dụng mới cho tổng hợp giọng nói. Rằng các file và dữ liệu phái sinh xác định được trong phạm vi này đang được xóa hoặc cách ly. Rằng một số mô hình nghiên cứu cũ từng được huấn luyện trên tập dữ liệu rộng có chứa bản ghi của cô, và với loại mô hình này, chúng tôi không thể hứa xóa ngay lập tức phần đóng góp của từng người khỏi trọng số. Vì vậy NovaMind sẽ không phát triển sản phẩm tổng hợp giọng mới từ những mô hình đó, và phiên bản tiếp theo sẽ được huấn luyện bằng dữ liệu có quyền sử dụng rõ ràng. Giọng của cô vẫn được giữ trong phạm vi nhận dạng giọng nói vì cô đã đồng ý, và nếu cô muốn rút cả phạm vi này, xin cô báo lại.

Hai ngày sau, cô Hương trả lời: “Cảm ơn vì đã nói thẳng phần không xóa ngay được. Tôi vẫn đồng ý cho nhận dạng lời nói. Nhưng sau này, xin nói phần đó trước khi thu âm người khác.”

Tôi lưu email ấy vào hồ sơ thiết kế kỹ thuật, không phải kho lưu trữ pháp lý, vì câu hỏi của cô Hương đã thay đổi kiến trúc dữ liệu của chúng tôi. Chúng tôi lập sổ theo dõi yêu cầu rút lui. Mỗi người tham gia có một mã định danh riêng, tách khỏi file ghi âm. Mỗi bộ dữ liệu có bản kê khai ghi lại nguồn gốc có thể truy ngược. Mỗi bước biến đổi sinh ra dữ liệu mới phải kế thừa thông tin về quyền sử dụng. Mỗi model card nội bộ ghi rõ những phiên bản dữ liệu đã dùng. Mỗi thí nghiệm hướng tới sản phẩm phải đăng ký nguồn gốc checkpoint. Không hoàn hảo, nhưng lần đầu tiên hệ thống biết được một giọng nói đã đi những đâu.

“Dung lượng lưu trữ sẽ tăng,” Dũng nói.

“Biết.”

“Quy trình chậm hơn.”

“Cũng biết.”

“Kỹ sư sẽ càu nhàu.”

“Cứ để họ càu nhàu.”

“Anh cũng là kỹ sư mà.”

“Tôi càu nhàu rồi đấy thôi.”

Chúng tôi còn đặt ra một quy định khó chịu: nếu không rõ nguồn gốc, bộ dữ liệu không được dùng cho bất kỳ mục đích rủi ro cao nào mới. Không mặc định “không biết nghĩa là được phép”. Không biết nghĩa là phải dừng lại và xác minh. Quy định đó khiến ba bộ dữ liệu cũ bị loại khỏi phần tổng hợp giọng. Trong mấy tuần đầu, mô hình mới tệ hơn hẳn bản mẫu ban đầu, và tôi nhìn đường cong huấn luyện mà xót cả ruột. Nhưng ít nhất tôi biết mỗi file trong đó đều đi vào qua một cánh cửa mà người góp giọng đã được nhìn thấy.

Rồi yêu cầu rút lui thứ hai đến. Một sinh viên từng thu giọng năm trước muốn rút hoàn toàn vì đổi ý. Lần này chúng tôi xử lý nhanh hơn nhiều. File gốc được đánh dấu xóa, dữ liệu phái sinh được truy ra, phiên bản dữ liệu tiếp theo loại người đó ra ngoài. Mô hình đang chạy thật không được hứa là “đã xóa khỏi trọng số ngay”; thay vào đó, yêu cầu được đưa vào danh sách loại trừ bắt buộc cho lần huấn luyện lại kế tiếp. Chúng tôi đặt thời hạn rõ ràng cho từng loại xử lý, không dùng câu “sớm nhất có thể”.

Tôi viết vào bộ nguyên tắc thiết kế: “Quyền rút lui không có thật nếu hệ thống của mình không biết dữ liệu đã đi đâu.”

Thu đọc xong, nói: “Câu này nên in lên tường.”

“Không.”

“Sao vậy?”

“Đưa nó vào bộ kiểm thử tự động.” Một câu trên tường không chặn được lệnh huấn luyện nào. Một bước kiểm tra quyền thì có thể.

Ba tháng sau, mô hình tổng hợp giọng mới đạt lại chất lượng của bản mẫu cũ. Không ai tổ chức ăn mừng. Bên kinh doanh chỉ nhắn đúng hai chữ: “Cuối cùng.” Tôi hiểu họ. Nhưng từ đó NovaMind có một khả năng mà trước đây chưa từng có: không chỉ nạp dữ liệu thật nhanh, mà còn biết một người có thể bước ra bằng cánh cửa nào. Với tôi, đó cũng là một tính năng của hệ thống, quan trọng không kém độ chính xác.

Đã đọc xong

Chương 4 / 8

Câu chuyện vẫn còn phía trước.

Đọc chương tiếp
Home Trước Sau
Đọc tiếp chỗ đang dở? Bạn đã đọc một phần chương này.
Danh sách chương

Mở mục lục để tải danh sách chương.

Xem toàn bộ 8 chương trên trang truyện

Cài đặt Đọc truyện
Cỡ chữ
Giãn dòng
Độ rộng trang đọc
Kiểu Chữ
Phông Nền
💬 Bình luận đoạn
Đang tải bình luận...