Làm sao để xây dựng hạ tầng dữ liệu cho phát triển AI tại Việt Nam?

00:00 12/10/2020

Theo GS.TS Nguyễn Thanh Thủy, Trường Đại học Công nghệ (ĐHQG Hà Nội), việc xây dựng hạ tầng dữ liệu phục vụ cho phát triển các ứng dụng AI là một trong những thách thức của Việt Nam.

GS.TS Nguyễn Thanh Thủy, Trường Đại học Công nghệ (ĐHQG Hà Nội)

Thách thức xây dựng bigdata

Hiện nay có rất nhiều thách thức đối với việc triển khai ứng dụng AI ở Việt Nam, “Trong đó, có vấn đề về hạ tầng, con người, nhưng quan trọng nhất là cần có tiếng nói của doanh nghiệp, của cộng đồng, Chính phủ, để xây dựng hạ tầng dữ liệu phục vụ cho phát triển các ứng dụng” – GS.TS Thanh Thủy cho biết.

Về việc xây dựng hạ tầng dữ liệu (big data) thì hiện nay ở Việt Nam ngay từ đầu năm 2018, Chính phủ đã cho triển khai Hệ tri thức Việt số hóa. Hệ tri thức Việt số hóa được xây dựng hướng tới mục tiêu xây dựng một hệ tri thức tổng hợp trong mọi lĩnh vực, góp phần thúc đẩy, tạo điều kiện để mọi người dân học tập, làm chủ tri thức, tăng cường nghiên cứu sáng tạo, ứng dụng tiến bộ khoa học công nghệ, thúc đẩy phát triển đất nước.

“Việc xây dựng và triển khai Đề án “Phát triển Hệ tri thức Việt số hóa” sẽ góp phần thúc đẩy, tạo điều kiện để mọi người dân học tập suốt đời, làm chủ tri thức; tăng cường sáng tạo nghiên cứu, ứng dụng khoa học công nghệ; phát huy sức mạnh trí tuệ của toàn dân, thúc đẩy quá trình phát triển đất nước”, Quyết định số 677/QĐ-TTg ngày 18/5/2017 của Thủ tướng Chính phủ về việc phê duyệt Đề án Phát triển Hệ tri thức Việt số hóa của Thủ tướng Chính phủ cho hay.

Sau một quá trình xây dựng, Hệ tri thức Việt số hóa cũng bước đầu tạo ra được một hệ sinh thái tri thức toàn diện, đa dạng đầu tiên tại Việt Nam với 4 thành phần chính bao gồm: Hệ tri thức, Dữ liệu mở, Ngân hàng hỏi đáp và Kho ứng dụng do các doanh nghiệp và cá nhân phát triển.

Tuy nhiên, Thứ trưởng Bộ KHCN Bùi Thế Duy cho biết, thông tin được đưa vào với đủ mọi dữ liệu với nhiều định dạng khác nhau và như thế thì không phải là dữ liệu cho AI. “Ai đó phải chắt lọc và tổ chức lại khối lượng dữ liệu kia để cho chúng ta phát triển AI trong khi chúng ta luôn đề cập đến việc phải có dữ liệu mở, phải có dữ liệu cho AI thì đòi hỏi chúng ta phải chung tay vào làm” – Thứ trưởng cho biết.

Big data có thể giúp gì?

Ví dụ điển hình có thể kể đến doanh nghiệp bán lẻ khổng lồ Amazon (Mỹ), hệ thống big data giúp họ hiểu và nắm bắt được nhu cầu của khách hàng từ đó có sự điều tiết lượng hóa một cách hợp lý, giảm lượng hàng tồn kho. Theo đó, gần 40% tổng doanh thu của hãng hiện nay đến từ việc họ nắm được nhu cầu và khuyến nghị các sản phẩm mà khách hàng nên mua.

Theo Vietnam Report, trong Top 5 ứng dụng công nghệ mà doanh nghiệp Việt Nam ưu tiên lựa chọn để đầu tư đa số hướng đến Big Data và Điện toán đám mây.

Riêng về việc nghiên cứu áp dụng các ứng dụng AI, các doanh nghiệp lớn của Việt Nam đều mong đợi AI sẽ giúp giảm thiểu chi phí vận hành; tăng năng suất và tạo ra những sản phẩm/dịch vụ được cá nhân hóa và có chất lượng cao hơn. Tuy vậy mới chỉ có 13,6% doanh nghiệp tham gia khảo sát của Vietnam Report cho biết là đã đầu tư vào AI trong một số hoạt động của doanh nghiệp.

Theo TS. Lê Viết Quốc – Phụ trách Google Brain, dữ liệu quan trọng giống như cổ chai, khi rót nước buộc phải chảy qua nó nên phải tìm cách tạo ra dữ liệu mở về y tế, giao thông, nông nghiệp, khí hậu. Đây là khâu khó khăn nhất cần đầu tư dài hơi mất nhiều thời gian nên phải nghiên cứu làm sao lấy được dữ liệu nhanh.

TS Quốc đánh giá Việt Nam có nhiều tiềm năng phát triển AI nhưng thiếu nhiều vật liệu xây dựng cho ngành. Anh cũng chỉ ra hai mô hình có thể lựa chọn. Một như Mỹ, để các doanh nghiệp phát triển theo tự nhiên, Chính phủ không tham gia đầu tư. Hai là như Trung Quốc đầu tư mạnh cho cả nghiên cứu và doanh nghiệp khởi nghiệp AI.

GS.TS Nguyễn Thanh Thủy khuyến nghị, để tạo ra sự phát triển tốt cho AI, cần có sự đầu tư một cách thích hợp từ nhiều phía. Về phía Chính phủ, đầu tư chính vào các chương trình về nghiên cứu cơ bản, chương trình về đổi mới công nghệ và đặc biệt là chương trình về cách mạng công nghệ 4.0.

Nguyễn Long