Đào tạo AI gắn với bài toán thực tiễn
Trong bối cảnh công nghệ phát triển nhanh chóng, đào tạo nhân lực chất lượng cao về trí tuệ nhân tạo (AI) không chỉ đòi hỏi nền tảng kiến thức vững chắc mà còn cần quá trình tham gia nghiên cứu lâu dài, sự hướng dẫn của chuyên gia, cùng khả năng tiếp cận hạ tầng tính toán, dữ liệu chất lượng và các bài toán thực tiễn.

Trao đổi với phóng viên Báo Nhân Dân, Phó Giáo sư, Tiến sĩ Nguyễn Long Giang, Phó Viện trưởng Viện Công nghệ thông tin (Viện Hàn lâm Khoa học và Công nghệ Việt Nam) đã chia sẻ về những khó khăn và giải pháp trong đào tạo nhân lực AI trong bối cảnh hiện nay.
Phóng viên:Trong bối cảnh cạnh tranh công nghệ toàn cầu ngày càng gay gắt, ông đánh giá thế nào về vai trò của đào tạo nhân lực trí tuệ nhân tạo (AI) đối với chiến lược phát triển khoa học, công nghệ và đổi mới sáng tạo của Việt Nam?
Phó Giáo sư, Tiến sĩ Nguyễn Long Giang: Chương trình quốc gia phát triển nhân lực trí tuệ nhân tạo đến năm 2030, định hướng đến năm 2035 đã được phê duyệt, trong đó vấn đề đào tạo nguồn nhân lực về AI là một trong những trụ cột then chốt. Đào tạo nhân lực AI có vai trò nền tảng và mang tính chiến lược đối với sự phát triển khoa học, công nghệ và đổi mới sáng tạo của Việt Nam.
Trong bối cảnh cạnh tranh công nghệ toàn cầu ngày càng gay gắt, năng lực quốc gia không chỉ phụ thuộc vào khả năng tiếp cận công nghệ mà còn ở khả năng hiểu, làm chủ, cải tiến và tạo ra công nghệ mới. Do đó, nguồn nhân lực là yếu tố quyết định để chuyển các khoản đầu tư vào dữ liệu, hạ tầng tính toán và nghiên cứu AI thành các sản phẩm AI ứng dụng trong thực tế.
Đào tạo nhân lực AI giúp nâng cao năng lực tự chủ công nghệ. Nhân lực AI là lực lượng thúc đẩy đổi mới phương pháp nghiên cứu khoa học. AI có thể hỗ trợ phân tích dữ liệu lớn, mô phỏng, phát hiện quy luật và kiểm chứng giả thuyết trong nhiều lĩnh vực như y học, nông nghiệp, vật liệu và môi trường. Vì vậy, đào tạo AI cần mở rộng tới các nhà khoa học thuộc nhiều chuyên ngành. Sự kết hợp giữa kiến thức chuyên môn và năng lực sử dụng AI sẽ giúp hình thành những hướng nghiên cứu mới, nâng cao chất lượng và hiệu quả nghiên cứu.
Ngoài ra, đào tạo nhân lực AI tạo cầu nối giữa nghiên cứu và ứng dụng, góp phần nâng cao năng suất và sức cạnh tranh của nền kinh tế. Một kết quả nghiên cứu chỉ tạo ra giá trị khi được chuyển thành sản phẩm, dịch vụ hoặc quy trình có thể sử dụng. Việt Nam cần cả chuyên gia nghiên cứu, kỹ sư triển khai và nhân sự hiểu bài toán thực tế của doanh nghiệp. Đội ngũ này sẽ giúp ứng dụng AI vào sản xuất, quản trị, dịch vụ công và các ngành kinh tế, đồng thời thúc đẩy khởi nghiệp và thương mại hóa kết quả nghiên cứu
Cùng với đó, đào tạo không thể chỉ tập trung vào lập trình và xây dựng mô hình mà cần bao gồm bảo vệ dữ liệu cá nhân, an toàn thông tin, kiểm soát sai lệch, sở hữu trí tuệ và trách nhiệm giải trình.
Phóng viên:Xin ông cho biết những khó khăn và thuận lợi đặt ra trong đào tạo nhân lực AI hiện nay? Trong quá trình triển khai thực tế, đâu là khó khăn lớn nhất mà đơn vị đang gặp phải và giải pháp để khắc phục là gì?
Phó Giáo sư, Tiến sĩ Nguyễn Long Giang: Về thuận lợi, trước hết, đào tạo nhân lực AI nhận được sự quan tâm ở cấp quốc gia và được gắn với mục tiêu phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số. Chương trình quốc gia phát triển nhân lực AI đến năm 2030, định hướng đến năm 2035 đã xác định các nhiệm vụ từ phổ cập kiến thức, đào tạo nhân lực ứng dụng đến phát triển chuyên gia chuyên sâu. Định hướng này tạo cơ sở để các cơ sở giáo dục xây dựng chương trình, phát triển đội ngũ giảng viên và tăng cường hợp tác với doanh nghiệp.

Thực tế cho thấy, nhu cầu ứng dụng AI tạo ra động lực và môi trường thực tiễn cho hoạt động đào tạo. Những bài toán như tự động hóa quy trình, phân tích dữ liệu, hỗ trợ chẩn đoán, cá nhân hóa học tập hay dự báo sản xuất đều cần nhân lực có khả năng kết hợp kiến thức công nghệ với hiểu biết chuyên ngành. Nhu cầu này giúp cơ sở đào tạo xác định rõ hơn người học cần biết gì và làm được gì sau khi hoàn thành chương trình. Đồng thời, các bài toán thực tế có thể trở thành đề tài học tập, nghiên cứu và thực hành, giúp người học hiểu được mối liên hệ giữa kiến thức AI và giá trị sử dụng trong đời sống.
Sự phát triển của học liệu số, phần mềm mã nguồn mở, các mô hình có sẵn và dịch vụ điện toán đám mây cũng tạo điều kiện thuận lợi cho việc tiếp cận AI. Người học có thể tìm hiểu kiến thức, thử nghiệm thuật toán và xây dựng sản phẩm mẫu mà không phải tự phát triển toàn bộ hệ thống từ đầu. Điều này giúp giảm một phần chi phí ban đầu, mở rộng cơ hội tự học và hỗ trợ các hình thức đào tạo linh hoạt.
Bên cạnh đó, đào tạo nhân lực AI có thể phát triển trên cơ sở kết hợp nhiều chuyên ngành. Người có nền tảng công nghệ thông tin có thể tiếp tục học chuyên sâu về thuật toán, dữ liệu và hệ thống; người làm trong y tế, giáo dục, nông nghiệp hoặc quản trị có thể được bồi dưỡng năng lực ứng dụng AI vào công việc.
Tuy nhiên, bên cạnh thuận lợi còn không ít khó khăn trong quá trình đào tạo nhân lực AI. Khó khăn đầu tiên nằm ở việc phát triển đội ngũ giảng viên và chuyên gia có đủ năng lực chuyên sâu. Hơn nữa, tốc độ thay đổi của công nghệ cũng gây sức ép lớn lên chương trình và phương pháp đào tạo. Khó khăn không đơn thuần là bổ sung kiến thức mới mà là xác định sự cân đối giữa kiến thức cốt lõi và kỹ năng thực hành.
Một trong những khó khăn lớn là hạ tầng tính toán, dữ liệu và kinh phí là những trở ngại đáng kể, đặc biệt đối với đào tạo chuyên sâu. Ngoài ra, sự khác biệt về nền tảng và điều kiện học tập làm cho việc tổ chức đào tạo trở nên phức tạp.
Đáng chú ý, đào tạo AI cũng đặt ra thách thức về đạo đức, an toàn dữ liệu và đánh giá năng lực. Người học cần biết kiểm chứng thông tin, nhận diện sai lệch và bảo vệ dữ liệu khi sử dụng AI.
Viện Công nghệ Thông tin là một trong những đơn vị nghiên cứu và đào tạo chuyên sâu về lĩnh vực AI/ML và BigData. Để tạo ra đội ngũ nhân lực chất lượng cao về AI đòi hỏi người học phải tham gia lâu dài vào các nhóm nghiên cứu, có chuyên gia hướng dẫn, được tiếp cận hạ tầng tính toán, dữ liệu chất lượng và những bài toán thực tiễn. Do đó, khó khăn đầu tiên là việc thu hút và giữ chân cán bộ nghiên cứu trẻ có năng lực về AI vì các cơ chế, đãi ngộ chưa đáp ứng. Hơn nữa, đào tạo AI ngoài đội ngũ nhân lực chất lượng cao còn cần hạ tầng tính toán và dữ liệu lớn, đòi hỏi phải đầu tư kinh phí lớn, đây là khó khăn chung của các đơn vị đào tạo AI hiện nay.
Phóng viên:Theo ông, để xây dựng và phát triển nguồn nhân lực AI mạnh cả về số lượng, lẫn chất lượng, xứng tầm quốc tế thì ngay từ bây giờ các cơ quan, ban ngành cần có giải pháp gì?
Phó Giáo sư, Tiến sĩ Nguyễn Long Giang: Theo tôi, để xây dựng nguồn AI mạnh cả về số lượng và chất lượng, có năng lực cạnh tranh quốc tế, các cơ quan, ban ngành cần triển khai đồng bộ các giải pháp về đào tạo, nghiên cứu, hạ tầng và sử dụng nhân tài.
Trước hết, cần xác định rõ nhu cầu nhân lực và phân tầng mục tiêu đào tạo. Nhân lực AI bao gồm nhiều nhóm với yêu cầu khác nhau: chuyên gia nghiên cứu công nghệ lõi, kỹ sư phát triển và vận hành hệ thống, nhân lực ứng dụng AI trong từng ngành và đội ngũ quản lý có năng lực quản trị công nghệ. Các cơ quan quản lý cần phối hợp doanh nghiệp, viện nghiên cứu và cơ sở giáo dục để dự báo nhu cầu theo vị trí việc làm, từ đó xây dựng chuẩn năng lực và định hướng quy mô đào tạo phù hợp.
Ngoài ra, cần củng cố giáo dục nền tảng và đổi mới chương trình đào tạo. Năng lực AI chuyên sâu phải được xây dựng trên kiến thức toán học, xác suất, thống kê, khoa học máy tính, lập trình và ngoại ngữ. Ngay từ giáo dục phổ thông cần phát triển tư duy logic, tư duy tính toán và khả năng giải quyết vấn đề phù hợp với lứa tuổi. Ở bậc đại học và sau đại học, chương trình cần kết hợp kiến thức nền tảng với các hướng công nghệ mới, tăng thời lượng thực hành và nghiên cứu. Người học phải được rèn luyện khả năng đặt câu hỏi, kiểm chứng kết quả và tự học để thích ứng khi công nghệ thay đổi.
Các viện, trường cần ưu tiên phát triển đội ngũ giảng viên và chuyên gia dẫn dắt. Muốn mở rộng quy mô mà vẫn bảo đảm chất lượng, phải có đủ người có năng lực giảng dạy, hướng dẫn nghiên cứu và triển khai thực tế. Nhà nước và các cơ sở đào tạo cần hỗ trợ giảng viên học tập, nghiên cứu sau tiến sĩ, trao đổi học thuật và làm việc tại các phòng thí nghiệm, doanh nghiệp công nghệ. Đồng thời, cần có cơ chế mời chuyên gia quốc tế, chuyên gia Việt Nam ở nước ngoài và chuyên gia doanh nghiệp tham gia giảng dạy, đồng hướng dẫn và xây dựng nhóm nghiên cứu. Hiệu quả cần được thể hiện qua năng lực của đội ngũ trong nước được nâng lên và duy trì lâu dài.
Cần đầu tư hạ tầng tính toán và dữ liệu dùng chung phục vụ đào tạo, nghiên cứu. Cần tổ chức các nguồn lực như GPU, nền tảng điện toán đám mây, kho dữ liệu và công cụ thực nghiệm theo hướng chia sẻ giữa các đơn vị, có cơ chế phân bổ minh bạch theo nhu cầu và chất lượng đề xuất. Kinh phí đầu tư phải bao gồm cả vận hành, bảo trì, cập nhật và nhân lực kỹ thuật. Với dữ liệu, cần làm rõ quyền tiếp cận, quyền sử dụng, yêu cầu bảo mật và trách nhiệm quản lý để người học có thể thực hành trên dữ liệu có chất lượng. Đây là điều kiện thiết yếu để đào tạo vượt ra ngoài những bài tập minh họa.
Đồng thời, cần có chính sách thu hút, sử dụng và giữ chân nhân tài theo hướng tạo điều kiện làm việc thực chất. Bên cạnh thu nhập, người làm AI cần cơ hội tiếp cận thiết bị, dữ liệu, kinh phí nghiên cứu và quyền chủ động chuyên môn. Đối với cán bộ trẻ và nghiên cứu sinh, học bổng cùng nguồn hỗ trợ đủ ổn định sẽ giúp họ tập trung theo đuổi nghiên cứu dài hạn. Thu hút nhân tài phải đi cùng khả năng tổ chức để người giỏi phát huy năng lực và đào tạo đội ngũ kế cận. Bên cạnh đó, cần đẩy mạnh hợp tác quốc tế có mục tiêu và có cơ chế chuyển giao năng lực. Cần lựa chọn đối tác dựa trên thế mạnh chuyên môn và nhu cầu phát triển của Việt Nam, xác định kết quả cụ thể như chương trình được nâng cấp, nhóm nghiên cứu được hình thành hoặc công nghệ được tiếp thu. Qua đó, người học được tiếp cận chuẩn mực quốc tế, còn cơ sở trong nước từng bước nâng cao năng lực đào tạo độc lập.
Phóng viên:Xin cảm ơn ông!