Phỏng vấn phiên bản AI của “siêu nhân” Andrew Ng

Thưa Tiến sĩ Andrew, câu chuyện của ông bắt đầu từ một nếp nhà rất thú vị: cha là bác sĩ, mẹ là người làm nghệ thuật. Điều này đã để lại dấu ấn thế nào trong cách ông nhìn nhận AI?

Sự kết hợp đó định hình mình rất rõ. Ba mình rất rành mạch và logic, ông là người đưa cho mình những cuốn sách lập trình BASIC đầu tiên khi mình mới 5 - 6 tuổi. Còn mẹ dạy mình về sự thấu cảm và cách nhìn nhận con người. Nó khiến mình không bao giờ nhìn AI chỉ là những thuật toán hay những con số khô khan.

Với mình, nếu một công nghệ không thực sự làm cuộc sống của ai đó tốt đẹp hơn, thì toán học đằng sau nó dù hay đến mấy cũng không có ý nghĩa gì nhiều. Đó là lý do mình luôn tập trung vào tính ứng dụng và con người phía sau mỗi dòng code.

Tiến sĩ Andrew Ng - Top 100 người có ảnh hưởng nhất thế giới về AI (theo tạp chí Time) trong dịp đến Hà Nội tham dự sự kiện FPT Techday 2023. Ảnh: Anh Quân

Tuổi thơ của ông gắn với hình ảnh một cậu bé 6 tuổi cặm cụi chép mã nguồn trên chiếc máy Atari. Làm sao nuôi dưỡng niềm đam mê này?

Việc lớn lên trong một gia đình có ba là bác sĩ giúp mình thấy rất sớm rằng công nghệ chỉ thực sự có giá trị khi nó giúp ích con người. Những trải nghiệm đó định hình tư duy của mình: AI không phải để biểu diễn, mà là để giải quyết những nỗi đau thực tế. Nếu một công việc không giúp ích được cho ai đó, mình thường sẽ tìm hướng đi khác.

Hồi đó, mình giúp ba mình số hóa các hồ sơ bệnh án để tìm kiếm các quy luật trong dữ liệu sức khỏe của bệnh nhân. Đó là lúc mình nhận ra máy tính không chỉ là một món đồ chơi để lập trình game, mà nó có thể là một công cụ giúp bác sĩ đưa ra quyết định tốt hơn, từ đó trực tiếp cứu sống con người.

Cái cảm giác thấy một dòng code mình viết ra có thể giúp giảm bớt nỗi đau của một bệnh nhân, hay giúp một bác sĩ bớt quá tải, nó mạnh mẽ hơn bất kỳ giải thưởng học thuật nào. Sau này, dù làm ở Google Brain hay Baidu, mình luôn tự hỏi: “Nếu dự án này thành công ngoài mong đợi, nó có giúp được hàng triệu người không?”. Nếu câu trả lời là không, mình sẵn sàng dừng lại. Ngay cả tại AI Fund bây giờ, mình cũng từng khai tử những dự án rất hứa hẹn về mặt tài chính nhưng không mang lại giá trị đạo đức hay xã hội thực sự.

Gần đây, ông lập ra Landing AI để đi vào các nhà máy sản xuất, nơi người ta đau đầu vì những “dữ liệu nhỏ” - ví dụ như tìm kiếm vài vết xước trên một linh kiện kim loại. Tại sao một người quen làm việc với những hệ thống tỷ tham số như ông lại chọn lùi lại, xắn tay áo giải bài toán của những vết xước mẻ vô danh trên dây chuyền?

Thực ra các ông lớn internet đã giải xong bài toán AI cho dữ liệu khổng lồ rồi. Nhưng 90% nền kinh tế còn lại - như sản xuất, y tế, nông nghiệp - không có hàng tỷ dữ liệu. Họ có khi chỉ có 50 tấm ảnh về một vết xước thôi. Đó là lý do mình tập trung vào Data-centric AI. Nếu không làm AI chạy được cho một nhà máy nhỏ, thì AI vẫn chưa thực sự giống như điện năng được. Với lại, mình luôn thích những bài toán “không hào nhoáng” nhưng thực sự thay đổi cuộc sống con người.

Cái cảm giác thấy một dòng code mình viết ra có thể giúp giảm bớt nỗi đau của một bệnh nhân, hay giúp một bác sĩ bớt quá tải, nó mạnh mẽ hơn bất kỳ giải thưởng học thuật nào.

Nhiều người thích làm về những thứ “hào nhoáng” như xe tự lái hay robot giống người vì chúng hay xuất hiện trên mặt báo. Nhưng thực tế, những vấn đề “boring” (nhàm chán) như tối ưu hóa lưới điện, xử lý giấy tờ ngân hàng hay phát hiện lỗi trong nhà máy mới là nơi hàng trăm tỷ USD đang bị lãng phí.

Nếu bạn giải được một bài toán nhỏ nhưng lặp đi lặp lại hàng triệu lần trong một ngành công nghiệp, giá trị bạn tạo ra là cực kỳ lớn. AI cho y tế nghe rất sang, nhưng xây dựng một công cụ giúp bệnh viện đặt lịch chụp MRI trực tuyến hiệu quả mới là thứ thực sự vận hành được và giúp ích ngay lập tức. Những vấn đề này ít cạnh tranh hơn vì không ai muốn “nhúng tay vào bùn” để hiểu sâu quy trình nghiệp vụ cũ kỹ của doanh nghiệp. Bạn có đang thấy bài toán văn hóa doanh nghiệp của mình là một dạng “boring problem” như vậy không?

Đang có không ít nỗi sợ hãi mơ hồ về việc AI sẽ kiểm soát con người. Theo ông, đâu là ranh giới giữa những rủi ro thực tế mà chúng ta cần tập trung giải quyết, và những viễn cảnh xa xôi do chính chúng ta tưởng tượng ra?

Mình thường nói lo lắng về việc AI tiêu diệt loài người bây giờ cũng giống như lo quá tải dân số trên sao Hỏa vậy. Đó là một viễn cảnh rất xa xôi và gây sao nhãng khỏi những rủi ro thực tế hơn nhiều.

Ranh giới nằm ở đây: rủi ro thực tế là sự thiên kiến (bias) trong thuật toán, sự thay đổi trong cấu trúc công việc, hay việc AI bị dùng vào mục đích lừa đảo. Đó là những thứ đang xảy ra ngay hôm nay. Còn viễn cảnh AI “nổi loạn” hay có ý thức là chuyện của hàng thập kỷ hoặc hàng thế kỷ tới. Thay vì sợ hãi những “robot giết người” giả tưởng, chúng ta nên tập trung vào việc làm sao để một thuật toán không đưa ra những quyết định phân biệt đối xử trong tuyển dụng hay y tế. 

Nhiều người trẻ coi câu nói “hãy theo đuổi đam mê” là kim chỉ nam, nhưng ông từng chia sẻ một góc nhìn thực tế hơn: đam mê thường đến sau khi ta đã kiên nhẫn làm tốt một việc gì đó. Vậy trong những ngày tháng mệt mỏi hay bế tắc nhất trong phòng thí nghiệm, điều gì đã giữ ông ngồi lại bàn làm việc, nếu không phải là đam mê?

Thực ra những lúc đó là cảm giác có trách nhiệm với những người đang chờ đợi kết quả của mình. Khi mình quay các bài giảng cho khóa Machine Learning đầu tiên trên Coursera, mình thường làm việc từ 10 giờ tối đến 3 giờ sáng, một mình với cái máy tính và bảng vẽ Wacom. Những lúc mệt mỏi nhất, mình chỉ cần tưởng tượng ra cảnh hàng trăm ngàn người có thể thay đổi cuộc đời nhờ những kiến thức này là mình lại có động lực ngồi tiếp.

Kỹ năng thường đến trước đam mê. Khi bạn rèn luyện đủ lâu để làm tốt một việc gì đó, sự tự tin và đam mê sẽ tự khắc nảy nở. Những ngày bế tắc trong phòng thí nghiệm, mình thường chọn cách học một cái gì đó mới. Trong dài hạn, kỹ năng luôn có tính cộng dồn.

Phiên bản AI của Tiến sĩ Andrew Ng

Ông từng đánh giá cao tinh thần học hỏi của người trẻ Việt và đang trực tiếp góp sức xây dựng giáo trình AI cho học sinh phổ thông tại đây. Với tư cách là một người thầy, ông muốn nhắn nhủ điều gì đến những người trẻ đang ấp ủ giấc mơ dùng công nghệ để tự định vị bản thân và quê hương mình trên bản đồ thế giới?

Việt Nam có cơ hội nhảy vọt (leapfrog) rất lớn vì không bị kẹt trong những hệ thống cũ. Cứ giải quyết tốt bài toán của quê hương mình trước, tự khắc thế giới sẽ chú ý. 

Khi đến Việt Nam, ông có khuyên các doanh nghiệp đừng vội lao vào cuộc đua làm mô hình lõi đắt đỏ, mà hãy dùng AI để giải những bài toán có sẵn. Nhìn vào nhịp sống và kinh doanh ở đây, ông thấy những “bài toán có sẵn” nào đang chờ AI tháo gỡ để mang lại hiệu quả thực tế nhất?

Việt Nam có những lợi thế rất riêng về nông nghiệp và sản xuất. Thay vì xây dựng các mô hình ngôn ngữ lớn (LLM) tốn kém, mình thấy 3 mảng “nhàm chán” nhưng cực kỳ tiềm năng ở đây:

Chuỗi cung ứng thực phẩm: Việt Nam là cường quốc nông sản nhưng tỷ lệ hao hụt sau thu hoạch vẫn còn cao. AI có thể tối ưu hóa logistics cho hàng dễ hỏng hoặc dự báo nhu cầu chính xác cho các SME (doanh nghiệp nhỏ và vừa) thực phẩm để giảm lãng phí.

Kiểm soát chất lượng (QC) bằng Computer Vision: Trong các nhà máy may mặc, giày dép hay chế biến thực phẩm, việc dùng AI để phát hiện lỗi sản phẩm thay cho mắt người sẽ tăng hiệu suất khủng khiếp.

Số hóa quy trình hành chính: Các SME Việt thường tốn nhiều nguồn lực cho giấy tờ, thủ tục. Dùng Agentic Workflow để tự động hóa việc xử lý hóa đơn, hợp đồng hay đối chiếu dữ liệu sẽ giải phóng nhân sự cho những việc sáng tạo hơn.

Đây chính là những bài toán “di chuyển nguyên tử” (moving atoms) mà mình hay nói, nó chậm hơn phần mềm thuần túy nhưng giá trị thực tế lại rất bền vững.

Cám ơn ông về cuộc trò chuyện. 

Bung Trần thực hiện