Sinh viên thiết kế mô hình xe sử dụng AI có thể xác định tất cả các chướng ngại vật và biển báo đường bộ, một trong những vấn đề kinh điển của xe tự hành, sau khi kết thúc khóa học Nhập môn Khoa học Máy tính ở năm nhất | Ảnh: VinUni, 2022

Tháng 9/2018, Bộ KH&CN công bố Kế hoạch Nghiên cứu và Phát triển Trí tuệ Nhân tạo đến năm 2025 nhằm tăng cường nghiên cứu, thương mại hóa công nghệ AI và phát triển các sản phẩm AI cây nhà lá vườn. Một trong những nhiệm vụ khó khăn mà hệ sinh thái đặt ra là xây dựng lực lượng lao động AI chất lượng cao để thúc đẩy tăng trưởng kinh tế ở Việt Nam. Ngay lập tức, các trường đại học và viện nghiên cứu phải đối mặt với hai bài toán khó: thuyết phục được những nhà nghiên cứu AI hàng đầu thế giới đến Việt Nam làm việc, và thiết kế ra những chương trình đào tạo AI đủ hấp dẫn để lôi kéo sinh viên.

Việt Nam không thiếu nhân tài kỹ thuật, nhưng hầu hết lực lượng lao động công nghệ vẫn đang làm việc trong lĩnh vực gia công phần mềm. Đội ngũ AI hiện chủ yếu là các nhà khoa học dữ liệu, kỹ sư phần mềm hoặc sinh viên tốt nghiệp ngành công nghệ thông tin có rất ít năm kinh nghiệm.

Ngoài ra, các kỹ năng của nhân tài Việt Nam cũng rất chuyên biệt hóa. Họ sở hữu những năng lực kỹ thuật xuất sắc trong từng lĩnh vực (ví dụ học sâu, học tăng cường…), nhưng thường thiếu vắng những kỹ năng mang tính tổng quát như quản lý dự án, tầm nhìn hệ thống hay tư duy sáng tạo.

Vì tài liệu giáo dục AI chủ yếu bằng tiếng Anh, nên trình độ ngoại ngữ thấp của nhân sự Việt Nam cũng là vấn đề đáng kể trong việc phát triển sự nghiệp. Thêm vào đó, nét văn hóa “khép mình” cố hữu của những người làm công nghệ vốn thích làm việc trong im lặng và ít cởi mở khi giao tiếp khiến nhân sự Việt dường như ít đáp ứng được những đòi hỏi của môi trường công nghệ không biên giới.

Hiểu được những điểm yếu của lực lượng lao động AI hiện tại chính là bước đầu tìm cách cải thiện. Để trở thành một trung tâm AI ở khu vực ASEAN vào năm 2030 như mục tiêu đề ra trong “Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo”, ngành giáo dục không những cần giới thiệu những chương trình giảng dạy AI ở các cấp học mà còn phải thay đổi cách học của học sinh, sinh viên. Gần đây nhất, vào năm 2020, Bộ GD&ĐT đã chính thức triển khai phương thức học liên môn STEM trong chương trình cấp THCS, tuy nhiên hầu như chưa đề cập đến AI.

Để so sánh, từ vài năm trước, nước láng giềng Trung Quốc đã tuyên bố chiến lược AI và nhanh chóng đưa ra sáng kiến giới thiệu giáo dục AI vào cấp tiểu học và trung học. Chương trình K-12 của Trung Quốc lập tức xây dựng những tiêu chuẩn rõ ràng, như “hiểu được các khái niệm và thuật toán cốt lõi của AI”, làm quen với “các ứng dụng AI cơ bản sử dụng mã nguồn mở”, và thảo luận về “những thách thức đạo đức và bảo mật trong một xã hội thông minh”. Điều này cho thấy trọng tâm giáo dục phổ thông của Trung Quốc đặt rất lớn vào AI.

Giáo dục AI ở Việt Nam được quan tâm nhiều hơn ở bậc đại học, nơi các trường có sự tự chủ nhất định trong việc thiết kế nội dung học của mình. Từ năm 2019 đến nay, đã có khoảng 32 trường đại học có ngành chính thức về khoa học dữ liệu và AI, và khoảng 150 trường đại học có những học phần liên quan đến AI trong chương trình đào tạo về công nghệ thông tin hoặc khoa học máy tính của mình - TS. Huỳnh Thị Thanh Bình (Trường Công nghệ Thông tin và Truyền thông SOICT, Đại học Bách khoa Hà Nội) cho biết tại AI Day 2022 diễn ra vào cuối tháng 8 vừa qua.

Theo TS. Bình, là một trong ba trường đại học đầu tiên mở ngành Khoa học dữ liệu và AI ở bậc cử nhân cách đây 3 năm, nguyên tắc chung của SOICT khi thiết kế chương trình đào tạo là hợp tác với một số ngành công nghiệp và đối tác nước ngoài như IBM và Samsung. SOICT hiểu rằng các mô hình toán học là nền tảng, nhưng các kỹ năng mềm cũng quan trọng không kém. Do vậy, trong hai năm đầu, sinh viên SOICT được đào tạo chắc chắc về các môn toán và xác suất thống kê. Đến năm thứ ba, sinh viên bước vào các môn kỹ thuật học máy truyền thống (ví dụ: cây ra quyết định…), sau đó đi vào những phương pháp học máy hiện đại hơn (ví dụ: học sâu, xử lý ngôn ngữ tự nhiên, thị giác máy tính…) thông qua hướng dẫn của thầy cô và tự học từ Internet. Song song với các chủ đề mang tính kỹ thuật, sinh viên còn được tiếp cận những môn học mang tính ứng dụng hơn như phân tích kinh doanh (business analytics) hoặc áp dụng AI vào các ngành riêng biệt. Đến năm cuối, sinh viên được đến các công ty hoặc lab nghiên cứu thực tập toàn thời gian hoặc bán thời gian để có kinh nghiệm với một dự án cụ thể.

Khác với nhiều ngành nghề, để thu hút sinh viên làm việc với giảng viên trong lĩnh vực tinh hoa này, TS. Bình cho rằng, các trường đại học và viện nghiên cứu còn phải nghĩ đến nhiều khía cạnh khác như cung cấp các hỗ trợ tài chính cho người học, tạo cơ hội cho họ cảm thấy có thể phát triển nghề nghiệp (ví dụ thông qua các khóa học, hội nghị quốc tế, v.v. để cập nhật các xu hướng và thực tiễn mới nhất trong phát triển AI), và truyền cảm hứng cho người học hiểu rõ những nghiên cứu AI sẽ có tầm nhìn tương lai ra sao và hữu ích với cộng đồng như thế nào.

Những điểm cần cải thiện

Các sinh viên nghiên cứu tại Lab của BK.AI | Ảnh: HUST, 2022

Một thách thức đối với giáo dục AI ở Việt Nam là mở rộng chương trình đào tạo. Theo một số chuyên gia tại AI Day, lực lượng lao động AI ở Việt Nam hiện mới chỉ đáp ứng 10-20% nhu cầu của các công ty và chính phủ, chưa nói đến chất lượng.

Trong khi đó, TS. Nguyễn Phi Lê, Giám đốc điều hành Trung tâm BK.AI tại Đại học Bách khoa Hà Nội, nhận thấy có ba điểm đang kìm hãm tốc độ đào tạo AI ở Việt Nam.

Thứ nhất, đó là thiếu chuyên gia AI. Ngay cả ở một trường đại học lớn về đào tạo AI như Đại học Bách khoa Hà Nội, tình trạng thiếu các chuyên gia nhiều kinh nghiệm và năng lực vẫn luôn thường trực. Với họ, những chuyên gia AI không chỉ cần có năng lực giảng dạy hay nghiên cứu hàng đầu, mà còn phải có mối quan hệ tiệm cận với các ngành công nghiệp để nắm bắt được những nhịp thở mới nhất về công nghệ.

Chia sẻ điều này, TS. Laurent El Ghaoui, Giám đốc Trường Kỹ thuật và Khoa học Máy tính thuộc Đại học VinUni, kể, trong sáu tháng qua, họ đã tích cực tuyển dụng đội ngũ giảng viên và nhiều trong số đó là những tài năng Việt Nam ở nước ngoài. Ông cho biết thêm, đáng mừng là ông được nghe ngày càng nhiều những nhận xét như “Việt Nam đang thực sự cất cánh” và “Bây giờ là thời điểm tốt để tới Việt Nam”.

Thách thức thứ hai mà các nhà giáo dục Việt Nam phải đối mặt là thiếu tài nguyên tính toán. Như đã biết, để đào tạo những phương thức học máy cần hệ thống máy tính và server chuyên dụng với các GPU trị giá cả trăm triệu đồng. Điều này rất tốn kém và nằm ngoài khả năng ngân sách của hầu hết các trường đại học. Nếu không có tài nguyên máy tính, các trường không thể tiếp cận những bài toán thực tế như xây dựng AI phi tập trung trên quy mô lớn hoặc nhúng AI vào một tình huống sản xuất cụ thể như lái xe tự động, sạc thông minh, thiết kế thuốc…

Để tránh tình trạng ‘học chay’, các trường đại học luôn phải tìm cách gửi sinh viên đi thực tập ở các công ty công nghệ hoặc các phòng thí nghiệm nghiên cứu lớn. Chỉ một số rất ít cơ sở đào tạo có thể tìm được nguồn đầu tư để phát triển hạ tầng tính toán cho riêng mình. Từ năm ngoái, Đại học Bách khoa Hà Nội đã nhận được đầu tư để triển khai dự án tăng cường năng lực nghiên cứu trong lĩnh vực khoa học dữ liệu và AI, và năm học này bắt đầu nhận được một số thiết bị cho sinh viên học tập và thực hành. Nhiều trường không có được nguồn đầu tư mạnh như vậy phải tìm cách bắt tay với những doanh nghiệp tư nhân để được cung cấp các nền tảng điện tử cần thiết cho việc giảng dạy và tổ chức các dự án, cuộc thi AI.

Thách thức lớn cuối cùng trong quá trình đào tạo nhân lực ngành AI là thiếu bộ dữ liệu Việt Nam. “Mục tiêu quan trọng nhất của giáo dục AI và nghiên cứu AI ở Việt Nam là đưa ra các giải pháp để giải quyết vấn đề của Việt Nam, nhưng nếu không có được bộ dữ liệu Việt Nam thì chúng tôi chẳng thể làm được gì”, TS. Nguyễn Phi Lê nói.

Lấy ví dụ về việc thu thập dữ liệu từ bệnh viện, TS. Laurent El Ghaoui gọi đó là một “nhiệm vụ cực kỳ khó khăn” và không phải là thứ mà ta có thể lấp liếm bằng cách nói “Ồ, đó chỉ là vấn đề thời gian”. Nó đòi hỏi phải thuyết phục bệnh viện rằng những ứng dụng AI đó có ích cho họ, mặc dù ở thời điểm hiện tại lợi ích kinh tế của nó vẫn chưa đáng kể. Sau đó là phát triển các phần mềm số hóa dữ liệu; vận động các quy định về tiếp cận dữ liệu; làm sạch, chuẩn hóa dữ liệu. Theo ông, ở Việt Nam, dữ liệu là một bài toán đau đầu với bất kì nhóm nghiên cứu nào.

Mặt khác, ngành AI Việt Nam vẫn đang ở giai đoạn đầu, tập trung vào nâng cao năng lực, đào tạo lại và nâng cấp kỹ năng. Trong những thảo luận về giáo dục AI hiện nay, người ta chủ yếu nhắc đến việc đào tạo ra người có năng lực phát triển các công nghệ, kỹ thuật về AI. Tuy nhiên, theo TS. Laurent El Ghaoui, đôi khi câu chuyện sử dụng AI như thế nào (use case) cũng bộc lộ nhiều điểm để điều hướng giáo dục.

Chẳng hạn, một ngân hàng có thể nghe nói đến sử dụng AI, nhưng họ không hiểu được chính xác mình sẽ dùng nó như thế nào, cần đầu tư bao nhiêu tiền và sẽ kiếm được bao nhiêu từ đó. Ý tưởng ở đây là không thể đưa ra một “giải pháp ăn liền” cho những vấn đề tương tự, mà phải quay lại những điều cơ bản, nói chuyện với các doanh nghiệp và xem họ thực sự cần gì. Có đôi khi, câu trả lời sẽ là một AI rất khác. Có đôi khi, trong những trở ngại giao tiếp với doanh nghiệp, các nhà giáo dục sẽ khám phá ra những khoảng trống - rằng họ cũng cần phải đào tạo cho các sinh viên ngành kinh doanh về AI, nhưng không phải dưới khía cạnh kỹ thuật hoặc lập trình mà nhiều hơn về các trường hợp sử dụng, thị trường; cách quản lý một nhóm khoa học dữ liệu; và cách trò chuyện với những kỹ sư, đối tác...

Phát triển AI nói chung cần một lượng lớn tài trợ từ nhiều nguồn khác nhau, bao gồm công ty đầu tư mạo hiểm quốc tế, nhà đầu tư mạo hiểm địa phương, chính phủ hoặc doanh nghiệp. Ở Việt Nam, khu vực tư nhân đang đóng vai trò tích cực trong việc bổ khuyết cho các chính sách đào tạo AI của chính phủ. Các công ty công nghệ lớn như Samsung, Naver, AWS, Advantech đã trở thành những đối tác kỹ thuật đồng thiết kế ra chương trình giảng dạy cho những khóa học AI chuyên ngành, và cung cấp công cụ và nền tảng số cần thiết để triển khai việc dạy và học kỹ năng AI.
Tuy nhiên, theo Kearney, tài trợ cho phát triển AI ở Việt Nam đang tụt hậu so với các nước Đông Nam Á khác. Năm 2019, đầu tư vào AI tính theo bình quân đầu người của Việt Nam ở mức dưới 1 USD, trong khi Singapore đang đầu tư ít nhất 68 USD/người cho việc phát triển và sử dụng AI. Đầu tư cho giáo dục AI ở bậc đại học là chiến lược quan trọng, vì nhiều sáng kiến AI bước chân ra từ các trường đại học.

Hồng Hạnh