Để phát triển AI, theo chia sẻ từ Giám đốc Công nghệ thông tin Zalo Nguyễn Minh Tú tại sự kiện Zalo AI Summit 2023, cần 4 yếu tố quan trọng gồm: Con người, dữ liệu, máy móc và hạ tầng.

Trong đó, ông Tú đánh giá yếu tố đang gặp nhiều khó khăn nhất là máy móc, cụ thể là chip xử lý GPU. Chi phí mua GPU chuyên dùng cho phát triển AI rất lớn - được ví chỉ phù hợp với “nhà giàu”, tập trung chủ yếu ở các công ty khổng lồ như Google, Amazon, Meta, Microsoft, Tesla... Tại Việt Nam, việc đầu tư mua GPU chuyên dụng còn khá khiêm tốn. Nhưng ngay cả khi đã mạnh tay đầu tư GPU rồi thì lại cần hạ tầng tương xứng thì hệ thống mới có thể hoạt động được. Ví dụ, GPU chuyên dụng cần nguồn điện và hệ thống tản nhiệt rất lớn, mang nhiều đặc thù chuyên dụng.

Đồng quan điểm, ông Nguyễn Chiến Thắng, Giám đốc Ngân hàng số BIDV, nhận định khó khăn lớn nhất trong phát triển AI là tiêu tốn tài nguyên quá lớn để AI có thể đạt được trình độ mà ngân hàng kỳ vọng, trong đó đặc biệt là chi phí mua tài nguyên Cloud. Còn nếu ngân hàng muốn tự trang bị GPU chuyên dụng thì cũng rất khó để mua và cũng rất đắt, trong khi chip thông thường không đủ khả năng để xử lý các tác vụ AI. Khó khăn lớn tiếp theo là vấn đề dữ liệu. Theo ông Thắng, sau khi hệ thống đã có đủ năng lực vận hành thì AI cần dữ liệu không chỉ đủ lớn mà còn phải đủ sạch, đủ chính xác. Ông Thắng ví việc đầu tư vào AI cũng giống như đầu tư vào con người, con người cần môi trường để học tập và trưởng thành, và AI cũng vậy.

TS. Nguyễn Trường Sơn, Giám đốc khoa học Zalo AI, cho hay hiện nay dữ liệu tiếng Việt và tiếng Anh có nhiều khác biệt, đây là rào cản lớn. Dữ liệu tiếng Anh không chỉ phong phú về số lượng mà còn có nhiều nguồn dữ liệu rất chất lượng như các diễn đàn hỏi đáp với đa dạng câu hỏi và câu trả lời cũng rất chi tiết, nhưng khi tìm kiếm dữ liệu tương tự tại Việt Nam thì không đạt về chất lượng.

Ông Vũ Thanh Tùng, Giám đốc Phát triển sản phẩm - AI Cloud thuộc VNG Digital Business, đánh giá AI là một lĩnh vực đầy tiềm năng nhưng cũng đầy thử thách. Để tạo ra những sản phẩm AI chất lượng, không chỉ cần có những ý tưởng sáng tạo mà còn cần có quá trình huấn luyện AI hiệu quả. Huấn luyện AI là công đoạn tối ưu hóa các tham số của mô hình AI dựa trên dữ liệu đầu vào. Quá trình huấn luyện AI có sự kết hợp hài hòa giữa máy móc và con người: Máy móc đảm nhận việc tính toán và học hỏi, con người đảm nhận việc giám sát, điều chỉnh và đánh giá kết quả.

Ở VNG, tùy từng bộ phận kinh doanh sẽ có bộ phận chuyên biệt đảm trách phần “huấn luyện AI” phù hợp với dải sản phẩm cũng như chiến lược kinh doanh của bộ phận đó. Đây là một công việc rất quan trọng và đòi hỏi nhiều thời gian, nguồn lực.

Ông Tùng cũng cho biết một trong những thách thức lớn nhất là xử lý dữ liệu. Để huấn luyện một mô hình AI hiệu quả, cần có dữ liệu tiếng Việt đa dạng, phong phú và chất lượng. AI Lab thuộc VNG đã tập trung rất nhiều thời gian để xử lý dữ liệu, bao gồm thu thập, làm sạch, phân loại... Càng có nhiều dữ liệu và càng đa dạng, mô hình được huấn luyện sẽ càng có hiệu quả cao.

Một thách thức khác, theo ông Tùng, là cách huấn luyện. “Chúng tôi đã áp dụng một phương pháp hiệu quả là huấn luyện mô hình nhỏ hơn 1 tỷ tham số với một lượng dữ liệu vừa phải trong thời gian ngắn để chuẩn hoá và tối ưu quy trình huấn luyện và đánh giá. Sau đó huấn luyện mô hình lớn hơn trên tập dữ liệu lớn hơn nhiều. Liên tục đánh giá và so sánh với các mô hình như GPT3.5, GPT4.0... Đây là cách giúp tiết kiệm thời gian và nguồn lực, đồng thời đảm bảo chất lượng của mô hình”, ông Tùng cho biết.

Ông Nguyễn Phúc Nguyên, Giám đốc Công nghệ thông tin của Công ty Chứng khoán Bảo Việt (BVSC) cho hay để AI hoạt động hiệu quả, cần dữ liệu chất lượng cao và đa dạng. Tuy nhiên, việc thu thập, lưu trữ, và xử lý dữ liệu hiện đang có hạn chế về chất lượng và độ tin cậy. Việc xây dựng và duy trì hạ tầng công nghệ thông tin cần thiết cho AI cũng là một thách thức lớn, đòi hỏi đầu tư lớn về tài chính cũng như kỹ thuật.

Kế đến là rào cản về nhân sự có kỹ năng và năng lực trong lĩnh vực AI, máy học, và phân tích dữ liệu. Đây là những lĩnh vực đang rất thiếu nhân sự.

“Đầu tư vào AI sẽ yêu cầu nguồn lực tài chính đáng kể. Đối với nhiều công ty chứng khoán ở Việt Nam, đặc biệt là các công ty nhỏ, có thể là rào cản rất lớn”, ông Nguyên nhấn mạnh với Đầu tư Tài chính.

Dưới góc nhìn của người vừa làm nghiên cứu, vừa trực tiếp thực thi các dự án ứng dụng AI vào lĩnh vực đầu tư tài chính, ông Bùi Văn Cường, Nhà đồng sáng lập kiêm Giám đốc Công nghệ của Công ty Cổ phần DATX Việt Nam, cho hay với riêng DATX, các yếu tố như con người, dữ liệu, máy móc và hạ tầng không phải là rào cản lớn. Rào cản lớn nhất là sự đón nhận của thị trường.

“Xe Tesla đem lại cho khách hàng trải nghiệm mà bất kỳ ai luôn muốn có khi lái xe, đó là vừa có thể làm việc, nói chuyện trên xe nhưng vẫn đảm bảo an toàn. Nhưng ngay cả Tesla với công nghệ vượt trội cũng phải mất 10 năm mới có thể thu hút được người tiêu dùng. Lĩnh vực tài chính thuận lợi hơn, nhưng theo tôi cũng phải tốn vài năm để thị trường đón nhận. Dù vậy, tôi tin một khi AI được đón nhận, các nhà đầu tư sẽ nhìn thấy được lợi nhuận trên thị trường được phân phối công bằng hơn”, ông Cường nêu quan điểm.

Đầu tư vào AI sẽ yêu cầu nguồn lực tài chính đáng kể. Đối với nhiều công ty chứng khoán ở Việt Nam, đặc biệt là các công ty nhỏ, có thể là rào cản rất lớn.

Đầu tư vào AI sẽ yêu cầu nguồn lực tài chính đáng kể. Đối với nhiều công ty chứng khoán ở Việt Nam, đặc biệt là các công ty nhỏ, có thể là rào cản rất lớn.

Phó Giáo sư Trần Thanh Long, Phó trưởng Khoa và Giám đốc nghiên cứu, Khoa Khoa học máy tính tại Đại học Warwick (Vương quốc Anh), cho biết mặc dù tương lai AI có vẻ hoành tráng nhưng còn nhiều vấn đề chưa có lời giải khiến AI hoạt động không tốt.

Vị chuyên gia này nêu ví dụ kinh điển trên thị trường tài chính xảy ra vào tháng 5/2010 khi chỉ số Dow Jones ghi nhận một trong những phiên giảm mạnh nhất trong lịch sử, có lúc giảm tới gần 1.000 điểm chỉ trong vòng 30 phút (thời điểm đó, Dow Jones chỉ ở mức khoảng 10.000 điểm). Sau thời gian dài tìm hiểu xem chuyện gì đã xảy ra, một trong những kết luận được các chuyên gia đưa ra là đã có quá nhiều AI thực hiện giao dịch tự động (auto trading) và với một hệ thống AI hoạt động, tương tác một cách phức tạp như vậy, con người không thể nào quản lý được và không biết cả hệ thống đó sẽ đưa thị trường đi về đâu. Trong tương lai, rất nhiều AI sẽ tương tác với nhau nên cần thận trọng rủi ro này, theo Phó Giáo sư Trần Thanh Long.

Một ví dụ kinh điển khác diễn ra vào năm 2016, khi Microsoft ra mắt chatbot mang tên “Tay”. Tay được lập trình để bắt chước các hành vi, lời nói của một cô gái tuổi teen khoảng 18 đến 24 tuổi trên mạng xã hội. Chỉ sau 24 giờ, chatbot này đã trở thành một trong những chatbot tai tiếng nhất thế giới, bởi Tay đã chuyển từ một “cô gái tuổi teen” ngoan ngoãn thành một chatbot phân biệt chủng tộc, xúc phạm người khác, ủng hộ phát-xít, phản đối nữ quyền “nhờ” sự dạy dỗ từ cư dân mạng. Microsoft sau đó đã phải dừng hoạt động chatbot này.

Vấn đề này đến giờ vẫn chưa khắc phục được triệt để, theo Phó Giáo sư Trần Thanh Long. Năm 2022, Meta - công ty chủ quản của mạng xã hội Facebook - đã ra mắt BlenderBot 3. Chỉ sau vài ngày, chatbot này đã gây ra không ít lo ngại khi liên tục phao tin giả về kết quả bầu cử Mỹ năm 2020 cũng như các thuyết âm mưu về người Do Thái. Nhà nghiên cứu này lo ngại về khả năng AI sẽ tương tác với người xấu và bị họ lợi dụng.

Ông Nguyễn Minh Tú, Giám đốc Công nghệ thông tin Zalo, nhận định việc kiểm soát AI là một chặng đường dài. Tuy nhiên trước mắt, AI cần phải được tạo điều kiện để phát triển.

THỰC HIỆN:
THANH LONGTHIẾT KẾ:
NGỌC ĐẠI