“Thứ nhất, đó là về chương trình đào tạo và giảng viên - những người có kinh nghiệm và năng lực để thiết kế ra các bài giảng đáp ứng chuẩn mực quốc tế với nội dung đủ cập nhật và bài bản cả về lý thuyết lẫn thực hành,” TS Hiệu chỉ ra. “Khó khăn thứ hai, theo tôi được biết, các nhóm nghiên cứu trong các trường đại học đang thiếu những công cụ tính toán tối thiểu cho phép họ phát triển và thực hành các thuật toán về AI.”
PGS Trần Minh Triết - Phó hiệu trưởng ĐH Khoa học tự nhiên, ĐH Quốc gia TPHCM, người có nhiều kinh nghiệm nghiên cứu và đào tạo trong lĩnh vực AI, thừa nhận, khó khăn hàng đầu của các trường đại học hiện nay là thiếu hạ tầng tính toán đủ mạnh để tạo điều kiện cho người học thực hành trực tiếp trên đó. Ngay cả Đại học Bách khoa Hà Nội, nơi đi đầu về tuyển sinh ngành AI, cũng chưa yên tâm về hạ tầng tính toán của mình.
Theo TS Nguyễn Phi Lê – Giám đốc điều hành Trung tâm BK.AI thuộc trường Công nghệ Thông tin và Truyền thông, còn phải chờ đến năm sau, khi dự án tăng cường năng lực nghiên cứu trong lĩnh vực khoa học dữ liệu và trí tuệ nhân tạo đi vào hoạt động, thì hạ tầng tính toán của trường mới có thể coi là đủ năng lực phục vụ. “Ngành AI đòi hỏi hệ thống máy tính và server chuyên dụng với những card đồ họa GPU trị giá cả trăm triệu đồng, thường các doanh nghiệp lớn mới đủ sức đầu tư”, TS Lê cho biết.
Đó cũng là lý do vì sao các diễn giả tại hội thảo đồng ý rằng, các trường đại học cần sớm gửi sinh viên đi thực tập tại các công ty công nghệ hoặc các phòng thí nghiệm nghiên cứu - việc mà cho đến nay mới có một số cơ sở đào tạo làm được. “Thực tập là lúc để sinh viên nhìn ra những bài toán thực tế trong doanh nghiệp và đời sống,” TS Hiệu nói. Thiếu các bài toán và dữ liệu thực tế để giải quyết chúng, đặc biệt là những bài toán liên quan đến ngữ cảnh Việt Nam, chính là một thách thức nữa đối với các trường đại học, theo PGS Triết.
Mặt khác, có rất nhiều mức độ trong sử dụng AI - từ chỉ cần biết cách sử dụng các mô hình đã được huấn luyện sẵn; đến lập trình, huấn luyện mô hình, và thay đổi tham số của mô hình; hay nghiên cứu tạo ra những đổi mới trong công nghệ. Bởi vậy, PGS Triết cho rằng, cần có các chương trình cũng như môi trường phù hợp để mỗi cá nhân có thể rèn luyện và phát triển hết khả năng. “Ví dụ, sinh viên giỏi toán thì có tiềm năng trở thành nhà khoa học, nghiên cứu những vấn đề hàn lâm và đề xuất những giải thuật mới. Còn sinh viên có khả năng tiếp cận công nghệ tốt đồng thời có tư duy khởi nghiệp thì cần được giúp làm quen với những thuật toán mới, những công cụ mới để các bạn hiểu và vận dụng vào những sản phẩm phục vụ cho đời sống. Chính vì vậy, tôi nghĩ chúng ta cần có chiến lược đào tạo toàn diện, đầy đủ, phù hợp với sở trường của từng người.”
PGS Triết đề xuất, bên cạnh những chương trình đào tạo kỹ sư, thạc sĩ, tiến sĩ về AI, còn cần xây dựng những chương trình đào tạo ngắn hạn dành cho những người đã tốt nghiệp và đang làm việc ở nhiều ngành khác nhau để họ có thể tìm hiểu nhanh và ứng dụng AI vào lĩnh vực của mình.
Đồng thời, ông nhấn mạnh, dù việc đào tạo chủ yếu tập trung vào người học, vẫn cần có sự phát triển hài hòa dành cho những người trực tiếp giảng dạy. “Tức là đội ngũ giảng dạy cũng cần được đầu tư để làm nghiên cứu, từ đó tạo ra môi trường phát triển lý tưởng cho cả hai,” ông nói.
Khan hiếm nhân lực AI không chỉ là vấn đề của riêng quốc gia nào. “Thực sự, tôi nghĩ việc thiếu nhân lực ngành AI là một vấn đề toàn cầu. Tất cả các quốc gia tập trung vào AI đều bị thiếu chuyên gia”, TS Ha Jung Woo - Giám đốc Naver Clova AI Labs thuộc Tập đoàn công nghệ Naver, Hàn Quốc, cho biết. Theo ông, ở Hàn Quốc, vấn đề này đang được các trường đại học, doanh nghiệp và chính phủ cùng nhau nỗ lực giải quyết: các trường đại học tăng cường mở các khóa đào tạo về AI, còn chính phủ nhiệt tình hỗ trợ các dự án AI của sinh viên tốt nghiệp…
Với doanh nghiệp, trong trường hợp của Naver, họ lựa chọn hợp tác với các trường đại học để giải quyết bài toán nhân lực AI. “Naver đang tập trung vào hợp tác với các trường đại học. Chúng tôi thành lập 2 trung tâm nghiên cứu tại các trường đại học hàng đầu của Hàn Quốc. Thông qua các trung tâm này, Naver có thể tham gia nghiên cứu lý thuyết hoặc giải pháp thực tiễn cho các vấn đề AI. Đổi lại, chúng tôi thu về những mô hình AI tốt nhất để áp dụng cho các dịch vụ của mình. Vì vậy, lựa chọn số một của chúng tôi là thông qua sự hợp tác với các trường đại học.”
Triết lý này cũng được Naver áp dụng trong dự án Vành đai Nghiên cứu & Phát triển Trí tuệ nhân tạo toàn cầu (Global AI R&D Belt), một dự án kết nối kỹ sư phần mềm từ các cơ sở nghiên cứu khắp trên thế giới để đối trọng với những chương trình AI của các “gã khổng lồ” như Google và Amazon của Mỹ, hay Alibaba và Baidu của Trung Quốc. Thoạt đầu có Hàn Quốc, Nhật Bản, Liên minh châu Âu tham gia; còn hiện nay, dự án đã mở rộng đến Việt Nam, Bắc Mỹ, Đức, Hongkong,…
Lâm Vy
