Kỹ sư gốc Việt làm việc tại Google: "Việt Nam có tiềm năng, nhưng ..."

TS. Lê Viết Quốc đã có những đánh giá tổng quan về tiềm năng của AI và cách thức để Việt Nam tiếp cận công nghệ này tại Hội thảo AI Việt Nam 2018.

Ngày 21/8 tại Hà Nội đã diễn ra “Hội thảo AI Việt Nam 2018”, có sự tham dự của Lãnh đạo bộ KH&CN và Lãnh đạo một số Bộ, ban ngành; đại diện các doanh nghiệp, các nhà khoa học đang làm việc trong lĩnh vực trí tuệ nhân tạo (AI) trong và ngoài nước. Hội thảo được tổ chức nhằm chia sẻ tầm nhìn, quan điểm chiến lược của Lãnh đạo Đảng, Nhà nước, Chính phủ về cơ hội tiếp cận và tận dụng những thành tựu của KH&CN và cuộc CMCN 4.0 hiện nay vào những ngành, lĩnh vực trọng yếu; kết nối, hội tụ chia sẻ và định hướng cho Việt Nam.

Phát biểu tại buổi hội thảo TS. Lê Viết Quốc - người hiện đang làm việc tại Google Brain - một trong những dự án về AI lớn nhất của Google, nổi tiếng với một trong những sản phẩm rất được quen thuộc tại Việt Nam, đó là “Google dịch” đã có những đánh giá tổng quan về tiềm năng của AI và cách thức để Việt Nam tiếp cận công nghệ này. TS đánh giá trong số các công nghệ AI hiện nay, thì đột phá lớn nhất là công nghệ nhận diện hình ảnh, nhận diện giọng nói, và tự hình thành ngôn ngữ tự nhiên.

Trong đó, riêng công nghệ nhận diện hình ảnh đã có tốc độ tăng trưởng kỳ diệu trong từ 7-8 năm trở lại đây, thậm chí đã vượt qua khả năng nhận diện của con người vào năm 2016. Các công nghệ như nhận diện giọng nói và hình thành ngôn ngữ tự nhiên đã bắt đầu có những thành quả vượt mong đợi, tuy nhiên vẫn chưa vượt qua được khả năng của con người, và chưa mang đến nhiều ứng dụng thực tiễn.

TS. Lê Viết Quốc cho rằng công nghệ nhận diện hình ảnh, nhận diện giọng nói chính là tiềm năng lớn nhất mà AI mang lại tính đến thời điểm hiện nay.

Theo nhìn nhận của TS, Việt Nam hiện có nhiều tiềm năng trong phát triển CNTT, và cụ thể là công nghệ AI - yếu tố được coi là “trái tim” của cuộc Cách mạng công nghiệp lần thứ tư (CMCN 4.0), nhưng đang thiếu nhiều “vật liệu” để xây dựng. Cụ thể, chính phủ và các doanh nghiệp Việt Nam nên đầu tư mạnh vào 3 mảng chính đó là giáo dục - 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, TS cho hay.

Về mặt nhân lực, ngành công nghiệp AI đòi hỏi trung bình từ 1 triệu nhân lực bao gồm kỹ sư, nhà nghiên cứu, nhà phát triển,... Trong khi đó tại Việt Nam hiện nay chỉ có khoảng 10.000 nhân lực sẵn sàng đáp ứng yêu cầu mỗi năm.

Để giải quyết vấn đề này, TS khẳng định chúng ta buộc phải đầu tư mọi nguồn lực vào giáo dục. Thậm chí cần thay đổi chương trình học từ các kiến thức sách vở phổ thông thành khoa học - máy tính, nhằm giúp các em sớm nắm bắt được khái niệm thuật toán, cơ sở dữ liệu, lập trình, AI, IoT,... “Lập trình lên Đại học mới học là quá trễ, nên học từ cấp 3 và các lớp thấp hơn nữa”, TS. Lê Viết Quốc khẳng định.

TS. Lê Viết Quốc cho rằng cần thay đổi chương trình học, nâng cao kiến thức về khoa học - máy tính nhằm giúp các em học sinh tiếp cận sớm hơn với công nghệ.

Vấn đề thứ 2 được đề cập tới chính là dữ liệu. Theo TS, chúng ta cần phải tìm cách tạo ra dữ liệu mở. Trước mắt, cần chú trọng vào các ngành y tế, giao thông, nông nghiệp,... TS. Lê Viết Quốc dẫn chứng tại Google trong một vài năm trở lại đây đã thay đổi quan điểm, để tạo ra nguồn dữ liệu mở ra toàn thế giới, thay vì giữ “khư khư” các công nghệ được đầu tư hàng triệu đô la cho riêng mình.

“Mang công nghệ để đưa ra toàn thế giới khiến chúng tôi mất rất nhiều tiền, hàng trăm triệu đô la, nhưng đây là một quyết định đúng đắn”, TS khẳng định. “Lý do là vì khi mang công nghệ để người ngoài có thể nhìn thấy, để nghiên cứu, tìm lỗi, nâng cấp,... thì công nghệ đó rồi sẽ quay lại Google với một phiên bản hoàn thiện hơn.”

Theo TS. Lê Viết Quốc, đây chính là cách đầu tư hợp lý, mang lại giá trị lâu dài, đạt mục tiêu đề ra là làm thế nào để có nhiều dữ liệu nhất. Cũng theo đại diện của Google, Việt Nam nên nghiên cứu cơ bản dàn trải, mở rộng mô hình nghiên cứu, chuyên đề của các viện đào tạo, viện nghiên cứu, đặt ra các thử thách.

“Tại Mỹ, một khái niệm gọi là “Grand Challenge” (thử thách lớn), được tổ chức dành cho các viện nghiên cứu, và thậm chí chính phủ đã tài trợ vốn cho các hoạt động này”, TS cho biết. “Nhờ đó mà nâng cao sự hợp tác, trao đổi kiến thức và tích luỹ kinh nghiệm cho các tổ chức nghiên cứu hàng đầu”.

TS. Lê Viết Quốc phát biểu, giao lưu tại buổi hội thảo "AI Việt Nam 2018”

Tại buổi hội thảo, TS cũng chia sẻ thêm về 2 mô hình đầu tư được đánh giá là hiệu quả nhất tại thời điểm hiện nay. Đó là đầu tư “kiểu Mỹ” và đầu tư “kiểu Trung Quốc”. Mô hình đầu tư “kiểu Mỹ” có đặc trưng là chính phủ không “nhúng tay” quá nhiều vào các hoạt động của doanh nghiệp, tức là doanh nghiệp tuỳ ý phát triển và tạo ra doanh thu cạnh tranh theo sở thích và định hướng mở.

Chính phủ Mỹ qua đó sẽ trợ cấp các quỹ nghiên cứu cơ bản, tập trung vào các nhóm được cho là trọng yếu như phát triển Internet, AI, xe tự lái. Theo đánh giá của TS, mô hình này bền vững, nhưng sẽ có tốc độ phát triển chậm hơn một chút.

Mô hình đầu tư “kiểu Trung Quốc” trái lại, chia ra nhiều mảng nhỏ hơn, từ y tế, xe tự lái, nhận diện giọng nói,... và được chính phủ tổ chức các chương trình đại loại như “hành trình cùng doanh nghiệp”, nhằm tập hợp các công ty startup lại rồi đầu tư mạnh tay, giúp các công ty này bùng phát trong thời gian ngắn.

Ưu điểm của phương thức này đó là giải quyết được các vấn đề về "deployment" do có sẵn quyền hạn được giao từ chính phủ. Theo đó, các công ty này có thể phát triển theo đúng định hướng đề ra, mà không gặp phải bất kỳ trở ngại nào về hành lang pháp lý. Theo TS. Lê Viết Quốc, phương thức này hoàn toàn có thể được áp dụng tốt tại Việt Nam do sẵn có một cộng đồng startup lớn mạnh.

Tại hội thảo, TS cũng phản ánh một quan điểm được nhiều người vẫn hay lầm tưởng, đó là công nghệ AI trên thế giới hiện vẫn đang trong quá trình nghiên cứu, và chưa sẵn sàng để áp dụng vào cuộc sống. Trong đó một số mảng của AI còn chưa hoàn chỉnh. TS kỳ vọng trong vòng 10 năm tới, những vấn đề của AI mới có thể được giải quyết, và chỉ tới khi đó, mới mang lại giá trị cốt lõi. Tuy nhiên nếu như không có những bước đi đầu, thì sẽ không thể kịp nắm bắt công nghệ này.