Kỷ Thuật Mới

AI ở Việt Nam qua góc nhìn chuyên gia về từ Mỹ, Nhật

AI không còn là một lĩnh vực xa xôi, khó hiểu, mà đã được ứng dụng vào cuộc sống hàng ngày của mỗi người. Việt Nam cần làm gì để đáp ứng được xu thế?

Mặc dù với nhiều người dùng, trí tuệ nhân tạo (AI) vẫn là một khái niệm khá xa vời, công nghệ này thực tế đã được ứng dụng rộng rãi vào nhiều sản phẩm mà chúng ta sử dụng hàng ngày. Có thể kể đến hệ thống giới thiệu phim, nhạc trên những dịch vụ như YouTube, Netflix hay trợ lý ảo Siri, Google Assistant trên smartphone.

Sự lan tỏa của hàng loạt các sản phẩm, nền tảng tích hợp trí tuệ nhân tạo đặt ra nhu cầu có một chiến lược phát triển trí tuệ nhân tạo cho Việt Nam. Tuy nhiên các diễn giả có mặt tại Zalo AI Summit 2018, là những chuyên gia về AI làm việc tại Mỹ, Nhật đều nhận định phát triển sản phẩm sử dụng trí tuệ nhân tạo ở Việt Nam vẫn còn nhiều thách thức.

AI là công cụ hiệu quả, nên áp dụng cho các bài toán trung và dài hạn

Là kỹ sư phần mềm cao cấp cho mảng AI tại LINE Corporation, Nhật Bản, ông Nguyễn Vũ Thanh Tùng đã trực tiếp làm việc trong nhiều dự án về trí tuệ nhân tạo như trợ lý ảo Clova. Theo ông Tùng, AI là một công cụ rất hiệu quả cho nhiều lĩnh vực, nhưng nên ưu tiên sử dụng cho những bài toán trung, dài hạn.

Ông Nguyễn Vũ Thanh Tùng, kỹ sư phần mềm cao cấp về AI tại LINE Corporation, Nhật Bản cho rằng có nhiều hướng phát triển đối với các kỹ sư Việt Nam muốn theo đuổi lĩnh vực machine learning.

“AI giống như một chiếc búa, mình không phải cứ nhìn thấy cái đinh nào cũng đóng, mà cần sử dụng vào những chỗ phù hợp”

Ông Nguyễn Vũ Thanh Tùng, Kỹ sư về trí tuệ nhân tạo tại LINE Corporation, Nhật Bản.

Cùng quan điểm với ông Tùng, ông Bạch Hưng Nguyên, hiện làm việc tại Phòng nghiên cứu máy học của Alibaba tại Mỹ cũng cho rằng AI nên được coi là một công cụ, và mục tiêu cuối cùng mà những nhà phát triển nên hướng đến là hiệu quả của công việc, hiệu quả cho khách hàng.

“Cảnh giới cao nhất của sản phẩm là làm tốt khiến khách hàng không cần phải quan tâm nó sử dụng công nghệ gì, có AI hay không”, ông Nguyên chia sẻ tại Zalo AI Summit.

Với khả năng tự học hỏi, cải thiện dựa trên mô hình và dữ liệu đầu vào, AI có thể được vận dụng để giải quyết rất nhiều bài toán lớn về giao thông, nông nghiệp hay giáo dục. Tuy nhiên ở một góc nhìn khác, bà Phạm Khắc Hồng Hạnh, một nhà khoa học về dữ liệu tại AirBnB cho rằng cũng có rất nhiều vấn đề trong cuộc sống hàng ngày có thể ứng dụng AI và khoa học dữ liệu để tìm ra hướng giải quyết tốt hơn.

Tại thung lũng Silicon, nơi tập trung cả những “đại gia” về công nghệ lẫn những công ty khởi nghiệp còn non trẻ, nhiều công ty đã được lập ra để giải quyết những bài toán tưởng như đơn giản như gợi ý trang phục, dầu gội phù hợp nhất dựa trên những thông tin từ khách hàng. Bản thân bà Hạnh cũng đang khởi nghiệp với công ty Y’Our Skin, sử dụng AI và dữ liệu của khách hàng để phân tích và tạo ra các sản phẩm dưỡng da phù hợp, cho riêng từng cá nhân.

Phát triển trí tuệ nhân tạo cần bắt đầu từ dữ liệu

Dù vậy, bà Hạnh cũng thừa nhận phát triển các sản phẩm dùng trí tuệ nhân tạo cần một môi trường phù hợp. Làm việc thường xuyên với dữ liệu, bà Hạnh cho rằng dữ liệu chính là nguyên liệu quan trọng đối với các hệ thống AI. Hiện tại những nỗ lực phát triển AI của Việt Nam mới chỉ ở giai đoạn đầu, nên cần thời gian để xây dựng cơ sở hạ tầng, cải thiện chuẩn và độ chính xác của dữ liệu.

“AI và khoa học dữ liệu không phải là cây đũa thần có thể biến không thành có. Có bột mới gột nên hồ. Dữ liệu ở đây là bột. Các mô hình và thuật toán chỉ là công cụ, một khi đã có dữ liệu tốt rồi có thể cải tiến phát triển dần dần, nhưng bước thu thập dữ liệu thì nhất thiết không thể bỏ qua.

Ví dụ trong lĩnh vực bán lẻ, dữ liệu ở Việt Nam không phải là không có nhưng ở hình thức offline là chính nên chưa sử dụng ngay được”, bà Hạnh nói với Zing.vn.

Một trong những thuận lợi đối với các nhà phát triển ở Mỹ, theo ông Bạch Hưng Nguyên, là khả năng khai thác dữ liệu thuận lợi hơn, từ nhiều nguồn. Tại Mỹ, khi cần nguồn dữ liệu để cải thiện hệ thống thì có thể mua được, ngoài ra cũng có nhiều cách hợp tác để tăng nguồn dữ liệu.

“AI và khoa học dữ liệu không phải là cây đũa thần có thể biến không thành có”

Bà Phạm Khắc Hồng Hạnh, nhà khoa học dữ liệu tại AirBnB.

Một trong những câu hỏi tuyển dụng thú vị nhất với kỹ sư, theo ông Nguyên, là khi có đầu tư thì sẽ phải tối ưu về mô hình hay dữ liệu. Điều đó cho thấy dữ liệu quan trọng như thế nào đối với một hệ thống sử dụng trí tuệ nhân tạo.

Trong khi đó, tại Việt Nam khó có những tổ chức cung cấp dữ liệu như vậy, quy trình thu thập dữ liệu cũng chưa đồng bộ. Theo bà Hạnh, trong trường hợp các sản phẩm chăm sóc sức khỏe do tổ chức nước ngoài cung cấp thì còn phải tính đến việc thu thập đủ dữ liệu của người Việt Nam để xây dựng dữ liệu chuẩn, bởi những mô hình trước đó có thể được tạo ra phù hợp với dữ liệu của người nước ngoài.

“Muốn vươn ra biển lớn thì mình phải có chiến lược, cách đi đúng đắn, đi được xa” – Phó Giáo sư Nguyễn Lê Minh, Viện Khoa học và Công nghệ Nhật Bản (JAIST).

Ngoài ra, việc sử dụng dữ liệu cũng là một vấn đề cần lưu ý. Phó Giáo sư Nguyễn Lê Minh, Viện Khoa học và Công nghệ Nhật Bản (JAIST) cho rằng các công ty nên xác định chiến lược, làm đúng ngay từ đầu có thể là nền tảng để công ty tiến xa, vươn ra tầm quốc tế.

Nhân lực chất lượng cao luôn thiếu, kỹ sư cần tự hoàn thiện, luôn học hỏi

Ngoài vấn đề về dữ liệu, một trong những rào cản để phát triển AI tại Việt Nam là nhân lực. Ông Nguyễn Thọ Chương, nhà nghiên cứu tại Zalo AI Lab cho rằng Việt Nam có nguồn nhân lực trẻ, dồi dào với giá thành thấp nên các công ty có thể dễ dàng tìm kiếm nguồn kỹ sư để đào tạo và sử dụng.

“Với các kỹ sư máy học, đây là thời điểm rất thuận lợi”

Ông Nguyễn Thọ Chương, nhà nghiên cứu tại Zalo AI Lab.

Tuy nhiên, nhân lực chất lượng cao về máy học lẫn khoa học dữ liệu chưa có nhiều. Ông Chương cũng cho rằng Việt Nam đang thiếu đi một cộng đồng hoạt động trong lĩnh vực AI để giao lưu, trao đổi về mặt chuyên môn.

Dù hoạt động ở Mỹ hay Việt Nam, theo ông Bạch Hưng Nguyên, thì tìm kiếm người giỏi trong lĩnh vực AI cũng đều có cái khó. Ông Nguyên chia sẻ cái khó khi làm ở Việt Nam đơn giản là không đủ người có trình độ cao, đáp ứng được nhu cầu. Trong khi đó, để tìm được một kỹ sư giỏi tại Mỹ thì các công ty nhỏ sẽ phải cạnh tranh rất vất vả với những ông lớn như Google, Microsoft.

“Cần làm gì để trở thành kỹ sư machine learning xuất sắc” là một câu hỏi được đặt ra cho các khách mời tại Zalo AI Summit vừa qua. Câu trả lời của các diễn giả là trước hết hãy trở thành một kỹ sư giỏi, có kỹ năng tốt đồng thời liên tục tự học hỏi kiến thức trong lĩnh vực machine learning.

Theo ông Chương, những kỹ sư máy học có lợi thế lớn bởi trong lĩnh vực AI, thực tiễn đang đi trước lý thuyết, vì mọi mô hình đều phải được chạy thử hàng trăm, hàng ngàn lần. “Với các kỹ sư làm về máy học, đây là thời điểm rất thuận lợi”, ông Chương chia sẻ.

Ông Nguyễn Thọ Chương, nhà nghiên cứu tại Zalo AI Lab cho rằng các kỹ sư có kiến thức về machine learning hiện có lợi thế lớn nhờ khả năng áp dụng mô hình cho các bài toán.

Ông Minh cũng cho rằng các kỹ sư hiện nay cũng có lợi thế bởi có rất nhiều khóa học và tài liệu, công cụ trực tuyến để học hỏi. Ông Minh chia sẻ học không bao giờ là muộn, nhưng cần học có lựa chọn, học đi đôi cả với thực hành.

Tự nhận mình chỉ có 50% là một nhà khoa học, ông Nguyên kể lại mình từng vất vả tìm việc dù đã hoàn thành học vị Tiến sĩ bởi kỹ năng lập trình chưa xuất sắc. Do vậy, một kỹ sư machine learning không thể thiếu cả kiến thức lẫn khả năng lập trình. Điều quan trọng là kỹ sư phải không ngừng học hỏi, làm việc với nỗ lực cao. Tại phòng nghiên cứu của Alibaba tại Mỹ, những kỹ sư Trung Quốc luôn thể hiện nỗ lực rất cao. Muốn trở thành một kỹ sư xuất chúng, theo ông Nguyên, “chỉ có cách bỏ 200 – 300% sức lực vào”.

“Học không bao giờ là muộn cả, các bạn hoàn toàn có thể học được”

Ông Nguyễn Lê Minh, Phó Giáo sư tại Viện Khoa học và Công nghệ Nhật Bản (JAIST).

Trong khi đó, ông Nguyễn Vũ Thanh Tùng cũng chỉ ra rằng có nhiều hướng phát triển để các kỹ sư nhắm tới, như trở thành một người quản lý sản phẩm chuyên về trí tuệ nhân tạo, bởi đây là một vị trí đang thiếu trong nhiều công ty.

“Các kỹ sư nên chủ động tìm hiểu và đề xuất phương pháp sử dụng AI để cải thiện các dịch vụ của công ty, thay vì chờ cấp trên giao xuống. Cách tiếp cận từ dưới lên (bottom up) sẽ thú vị và thường hiệu quả hơn trên giao xuống (top down)”, ông Tùng chia sẻ.

Đi sớm để nắm được lợi thế đường dài

Các chuyên gia về AI đều đồng tình rằng không chỉ chờ đợi chính sách phát triển của quốc gia, mà các công ty cần phải đầu tư cho nghiên cứu, phát triển sản phẩm sử dụng trí tuệ nhân tạo ngay từ bây giờ để có được lợi thế về lâu dài.

Ông Nguyễn Lê Minh cho biết các quốc gia phát triển hiện tại đã có chiến lược phát triển trí tuệ nhân tạo rất mạnh mẽ. Tại châu Á, Nhật Bản là một trong những quốc gia đầu tiên đưa ra chiến lược quốc gia về AI, trong đó có những nội dung như xác định lĩnh vực trọng tâm, tập trung đào tạo nhân lực, hỗ trợ khởi nghiệp và định hướng nguyên tắc, đạo đức cho AI.

“Ngay từ bây giờ các công ty đã phải chuẩn bị cho tương lai 5 – 10 năm tới”

Ông Nguyễn Lê Minh, Phó Giáo sư tại Viện Khoa học và Công nghệ Nhật Bản (JAIST).

Chính phủ Việt Nam cũng nhận thấy được tầm quan trọng của ngành khoa học trí tuệ nhân tạo. Hội thảo Trí tuệ nhân tạo Việt Nam được tổ chức vào tháng 8/2018 quy tụ nhiều gương mặt người Việt tài năng, thành công trong lĩnh vực AI trên thế giới để giải quyết bài toán AI cho Việt Nam.

Tại hội thảo, Tiến sĩ Lê Viết Quốc, hiện làm việc tại Google Brain, cho rằng Việt Nam nên đầu tư mạnh vào 3 mảng chính là đào tạo nguồn nhân lực, xây dựng nguồn dữ liệu mở và tạo ra mối liên kết giữa các trường đại học Việt Nam với nguồn trí thức, cộng đồng thế giới.

Ngay từ bây giờ, nhiều doanh nghiệp công nghệ tại Việt Nam đã có sự đầu tư cho trí tuệ nhân tạo, theo ông Minh. Đó là bước đi đúng, bởi doanh nghiệp luôn cần một tầm nhìn lâu dài.

“Ngay từ bây giờ các công ty đã phải chuẩn bị cho tương lai 5 – 10 năm tới”, ông Minh khẳng định.

 

Theo Zing News

 

 

Comments
To Top