60 lần "thử - sai" và hành trình đưa tên Việt lên tạp chí AI hàng đầu thế giới

Năm 2016, thế giới sững sờ khi kỳ thủ cờ vây huyền thoại Lee Se-dol bị hệ thống trí tuệ nhân tạo AlphaGo đánh bại.

Với chàng thanh niên Trần Tiến Công - khi đó đang là nghiên cứu sinh tại Hàn Quốc - sự kiện khiến anh suy nghĩ nhiều ngày liền vì nhận ra ranh giới giữa trí tuệ con người và máy móc đang mờ dần.

"Mình cần những gì để theo kịp một kỷ nguyên sẽ chứng kiến sự bùng nổ của trí tuệ nhân tạo", Công tự vấn.

Bước ngoặt của nghiên cứu sinh Việt từ sự kiện kỳ thủ cờ vây Hàn Quốc bị AI đánh bại (Video: Minh Nhật - Thương Huyền).

Từ nền tảng hệ đa tác tử và thuật toán cho robot, anh rẽ hướng sang học máy, thị giác máy tính và các mô hình ngôn ngữ lớn.

Năm 2021, Trần Tiến Công bảo vệ thành công luận án Tiến sĩ Khoa học máy tính và trở về nước. Hiện anh là Trưởng bộ môn Học máy, Khoa Trí tuệ nhân tạo, Học viện Công nghệ Bưu chính Viễn thông.

Trong các giờ học, anh thường nhắc lại trận đấu lịch sử như một ví dụ điển hình về tốc độ đổi thay của AI.

Điển hình tiên tiến tham dự Đại hội Thi đua yêu nước toàn quốc lần thứ XI

Tiến sĩ Trần Tiến Công hiện là Trưởng bộ môn Học máy, Khoa Trí tuệ nhân tạo, Học viện Công nghệ Bưu chính Viễn thông.

Trong giai đoạn 2020-2025, anh là tác giả hoặc đồng tác giả của nhiều bài báo khoa học được xếp hạng cao trên các tạp chí quốc tế uy tín, đặc biệt là 15 bài báo được đăng trên tạp chí trong danh mục SCIE, xếp hạng Q1 cùng nhiều công bố, đề tài được đánh giá cao trong nước và quốc tế, thể hiện sự tham gia của trí tuệ Việt Nam trong nghiên cứu chất lượng cao ở các lĩnh vực trí tuệ nhân tạo, khoa học mạng, học máy…

Các đề tài nghiên cứu của anh không chỉ mang tính học thuật mà còn hướng tới ứng dụng thực tiễn cao, góp phần vào sự phát triển kinh tế - xã hội và nâng cao chất lượng cuộc sống.

Tiến sĩ Trần Tiến Công là một trong các điển hình tiên tiến của Bộ Khoa học và Công nghệ tham dự Đại hội Thi đua yêu nước toàn quốc lần thứ XI.

Chiến thắng của AI thách thức toàn thế giới

60 lần thử - sai và hành trình đưa tên Việt lên tạp chí AI hàng đầu thế giới - 1 — Kỳ thủ Lee Se-dol trong trận đấu với AlphaGo năm 2016 (Ảnh: Getty).

Sự kiện nào đã thay đổi hướng nghiên cứu của anh tại Hàn Quốc?

- Ngay trong năm học đầu tiên, mọi chuyện đã thay đổi khi kỳ thủ cờ vây Lee Se-dol bị AlphaGo, hệ thống trí tuệ nhân tạo do Google phát triển đánh bại. Phải biết rằng lúc đó kỳ thủ Lee Se-dol là niềm tự hào của Hàn Quốc, trong khi cờ vây được xem là một trong các môn thể thao trí tuệ phức tạp nhất thế giới.

Lúc đó, không chỉ Hàn Quốc mà toàn thế giới coi đây là sự kiện chấn động trong lĩnh vực khoa học công nghệ. Từ 10 năm trước, trí tuệ nhân tạo đã được xác định sẽ phát triển và ảnh hưởng sâu rộng lên nhiều lĩnh vực của cả khoa học và đời sống trong tương lai.

Nhiều phòng nghiên cứu của Hàn Quốc đã có sự chuyển hướng, tập trung sang nghiên cứu, phát triển trí tuệ nhân tạo. Tôi tập trung hơn vào AI, học máy, nghiên cứu đồ thị, huấn luyện trí tuệ nhân tạo tìm kiếm dữ liệu trên các mạng lớn.

Không dừng lại ở chiến thắng với kỳ thủ cờ vây, hiện trí tuệ nhân tạo đã có thể giải được nhiều bài toán khó, thắng con người trong nhiều trò chơi, cuộc thi khác nhau. Điều đó cho thấy trong một thập kỷ qua, AI đã phát triển nhanh chóng và vượt trội như thế nào.

Cùng lúc đó, Việt Nam đã có sự nắm bắt công nghệ như thế nào?

- Việt Nam không nằm ngoài dòng chảy của khoa học công nghệ. Khi tôi về nước vào năm 2021 và tham gia giảng dạy, lúc này đã có nhiều cá nhân, đơn vị nghiên cứu đã tiếp nhận sự chuyển giao công nghệ, có những công bố chuyên sâu về lĩnh vực trí tuệ nhân tạo cả ở phương diện lý thuyết và ứng dụng thực tế.

Hiện tại công nghệ thông tin nói chung là ngành luôn cần nguồn nhân lực chất lượng cao. Nhiều bạn sinh viên đã có việc làm ngay từ trên ghế nhà trường. Điều đó càng cho thấy ngành này vừa nhiều cơ hội, nhưng kèm theo đó cũng là những thách thức vì công nghệ đang có sự thay đổi, nâng cao từng ngày.

60 lần thử, sai và lặp lại

Tính đến hiện tại, công trình nghiên cứu có ý nghĩa nhất với anh trong lĩnh vực trí tuệ nhân tạo là gì?

- Tôi từng thực hiện một nghiên cứu được đăng tải trên IEEE Transactions on Pattern Analysis and Machine Intelligence - được đánh giá là tạp chí hàng đầu trong lĩnh vực với đề tài tìm dữ liệu bị ẩn trong các tác vụ phân tích mạng thông qua việc tìm thông tin trong đồ thị, từ đó truy vấn, suy luận các thông tin bị ẩn đi.

Giả sử, chúng ta đặt một câu hỏi cho chatbot “Bờ hồ ở đâu?”. Nếu chúng ta ở Hà Nội, “bờ hồ” được hiểu là Hồ Gươm, nhưng nếu ở Đà Lạt, “bờ hồ” lại là Hồ Xuân Hương. Khi chúng ta tìm kiếm thông tin, việc thiếu dữ liệu, ngữ cảnh ở đầu vào sẽ khiến máy tính sai.

Nghiên cứu của tôi tập trung vào giải bài toán làm thế nào để tìm kiếm, kết hợp thông tin từ nhiều nguồn khác nhau để cho ra kết quả đúng nhất. Vẫn với ví dụ “bờ hồ”, nếu người dùng muốn tính toán khoảng cách đến bờ hồ, trí tuệ nhân tạo có thể suy luận ra các thông tin bị ẩn giấu và đoán ra người dùng ở Hà Nội hay Đà Lạt từ những đoạn chat trước đó, chatbot sẽ đưa ra câu trả lời chính xác.

- Quá trình nghiên cứu của anh đã diễn ra như thế nào?

Tôi đã thực hiện nghiên cứu ấy trong vòng 3 năm, đến năm 2019 nghiên cứu mới được xuất bản do thời gian nghiên cứu, phản biện, chỉnh sửa và xuất bản kéo dài. Hầu hết các nghiên cứu trong lĩnh vực trí tuệ nhân tạo, khoa học máy tính đều như vậy. Quá trình nghiên cứu luôn luôn là “thử - sai - lặp lại”.

Tôi nhớ mình đã lặp lại “chu trình” đó 60 lần. Mỗi lần lại tương ứng với một mẫu, một lần thử nghiệm có phương pháp khác lần thử trước. Không chỉ dừng lại ở suy luận, tôi còn phải chạy thử nghiệm xem đã tính toán đúng hay chưa.

Với đề tài này, tôi phải đưa ra thuật toán tương thích, rồi lại huấn luyện trí tuệ nhân tạo đi tìm các dữ liệu đã bị ẩn. Nếu kết quả chưa đạt, tôi lại cải tiến để tìm thấy thuật toán phù hợp. Cái hay ở chỗ nghiên cứu này không có kết quả chính xác tuyệt đối, mà chỉ có thể tìm được thuật toán thích hợp nhất sau hàng chục lần thử và sai.

Nghiên cứu tổng quát không phải để nằm trên bàn giấy

Trong lĩnh vực trí tuệ nhân tạo, có phải các nhà nghiên cứu nên tập trung, đề cao tính ứng dụng thực tế hơn các lý thuyết nền tảng hay không?

- Có một ý kiến hay bị hiểu sai: nghiên cứu tổng quát, nghiên cứu lý thuyết không có nhiều tính ứng dụng bằng nghiên cứu trường hợp cụ thể. Trong thực tế, các bài báo được xuất bản, công bố trên các tạp chí hàng đầu thường là các nghiên cứu tổng quát, có thể áp dụng được ở nhiều lĩnh vực.

Lấy ví dụ về nghiên cứu cách để truy vấn các thông tin bị ẩn phía trên, không chỉ chatbot mới có thể ứng dụng được mà chúng ta còn có thể sử dụng nó để truy vết các hội nhóm đã bị ẩn trên các mạng xã hội, ứng dụng được ở nhiều lĩnh vực khác nhau.

Giờ đây trí tuệ nhân tạo được ứng dụng trong rất nhiều mảng, không chỉ đơn thuần dừng lại ở lĩnh vực khoa học công nghệ nói chung. Do vậy, việc kết hợp những nền tảng, lý thuyết về AI, dữ liệu… với khảo sát thực tiễn, có hiệu quả ứng dụng sẽ củng cố vai trò và sự thiết thực của nghiên cứu.

Những câu hỏi tưởng chừng rất đơn giản khi đề ra đề cương nghiên cứu như: Khảo sát mô hình, dữ liệu thế nào? Đã từng có ai thực hiện nghiên cứu này rồi? Có thể rút kinh nghiệm, so sánh từ các dữ liệu trước đó như thế nào?... lại có vai trò làm sâu sắc hơn nghiên cứu của mình.

Theo anh, nghiên cứu khoa học máy tính và công nghệ thông tin cần chú trọng đầu tư thêm vào những khía cạnh nào?

- Trong những năm gần đây, cơ sở vật chất, cơ sở hạ tầng đã có nhiều cải thiện, nâng cấp tạo điều kiện cho các đơn vị, cá nhân nghiên cứu trong lĩnh vực trí tuệ nhân tạo. Nếu có sự đầu tư hơn nữa vào các trang thiết bị, các phòng nghiên cứu có quy mô hiện đại, các nhà nghiên cứu có thể sẽ cho ra được nhiều sản phẩm, ứng dụng, báo cáo hơn nữa.

Thêm vào đó, cơ sở dữ liệu của chúng ta đang được làm sạch, tạo kho dữ liệu để các nhà nghiên cứu có nguồn để huấn luyện ra các mô hình có chất lượng.

Với một ngành có sự cập nhật nhanh chóng như công nghệ thông tin, nghiên cứu vừa thực hiện xong đã có thể lạc hậu hoặc không theo kịp thực tiễn. Nhiều nghiên cứu ứng dụng có thể áp dụng vào thực tế ngay nhưng sẽ gặp phải sự thay đổi nhanh chóng của công nghệ dẫn đến không bền vững và khó phổ rộng. Để làm chủ được trí tuệ nhân tạo chúng ta cần có những nghiên cứu chuyên sâu và đem công nghệ lõi về Việt Nam.

Xin trân trọng cảm ơn anh!