Từ sự tò mò 'phá đảo' game Flappy Bird đến tiến sĩ AI khi 26 tuổi

Nguyễn Gia Hy hoàn thành chương trình tiến sĩ Trí tuệ nhân tạo (AI) tại Đại học Deakin (Australia) ở tuổi 26. Anh hiện giảng dạy tại Đại học Swinburne (Australia), đồng thời tham gia một số hoạt động đào tạo và tư vấn xây dựng chương trình AI tại Việt Nam.

Trao đổi với Tri Thức - Znews, Gia Hy chia sẻ về quá trình theo đuổi AI, góc nhìn về chất lượng nhân lực trong nước và quan điểm phát triển AI theo hướng thực tế, phù hợp với điều kiện Việt Nam.

"Nhân lực AI của Việt Nam rất xuất sắc"

Gia Hy cho biết anh bắt đầu quan tâm đến AI khoảng 7 năm trước, khi còn là sinh viên ngành Kỹ sư Phần mềm tại Đại học Swinburne. Thời điểm đó, AI chưa phổ biến rộng rãi như hiện nay. Một lần tình cờ, anh xem video về thuật toán học tăng cường sâu (Deep Reinforcement Learning) giúp trò chơi Flappy Bird tự vận hành và đạt điểm số kỷ lục.

“Chính sự tò mò đó đã thôi thúc tôi bắt đầu tìm hiểu”, Hy nói.

Do chương trình đào tạo AI tại trường khi ấy chưa hoàn chỉnh, anh tham gia các nhóm nghiên cứu và tìm cơ hội làm việc với giảng viên trong ngành. Sau khi tốt nghiệp, Gia Hy được mời ở lại giảng dạy các môn liên quan đến AI, đồng thời nhận học bổng tiến sĩ toàn phần ngành AI của Đại học Swinburne và Đại học Deakin, bỏ qua bậc thạc sĩ.

Hướng nghiên cứu chính của anh là Deep Reinforcement Learning, phương pháp cho phép hệ thống học thông qua quá trình thử - sai và tương tác trực tiếp với môi trường.

Làm việc trong môi trường học thuật tại Australia, Gia Hy cho rằng lợi thế lớn là hệ sinh thái nghiên cứu tương đối hoàn chỉnh và sự liên kết giữa đại học với doanh nghiệp. Sinh viên có cơ hội tham gia dự án thực tế, tiếp cận tài trợ nghiên cứu và định hướng nghề nghiệp rõ ràng hơn.

Hướng nghiên cứu của TS Nguyễn Gia Hy là Deep Reinforcement Learning (học tăng cường sâu - PV).

Tuy nhiên, anh cho biết càng đi sâu vào nghiên cứu, anh càng quan tâm đến câu chuyện đào tạo AI tại Việt Nam. Theo quan sát của anh, năng lực người học trong nước không phải là điểm yếu.

"Nhân lực AI của Việt Nam rất xuất sắc. Học sinh giỏi cấp ba có nền tảng kiến thức tương đương sinh viên năm 3-4 tại Australia", anh nhận xét.

Dù vậy, Gia Hy cho rằng sự khác biệt nằm ở điều kiện tiếp cận tài nguyên và mức độ kết nối giữa nhà trường với doanh nghiệp. Ở Australia, giáo dục là ngành kinh tế mũi nhọn, được đầu tư mạnh và liên kết chặt chẽ với doanh nghiệp. Sinh viên được hỗ trợ tối đa để theo đuổi nghiên cứu.

Trong khi đó, tại Việt Nam, dù AI đã được xác định là lĩnh vực ưu tiên, việc thực thi chính sách và xây dựng hệ sinh thái đồng bộ vẫn còn nhiều khoảng trống.

TS Gia Hy thường xuyên tham gia chia sẻ, tập huấn chuyên môn tại các hội thảo và chương trình đào tạo dành cho giảng viên.

Cần chọn lối đi riêng

Dự đoán về làn sóng tiếp theo của AI, Gia Hy nhận định thay vì tiếp tục chạy theo việc mở rộng năng lực suy luận thuần túy, làn sóng mới của AI đang hướng tới việc “đóng gói” trí tuệ vào các hệ thống tự động hóa và thiết bị vật lý. Nói cách khác, trọng tâm đang dịch chuyển từ việc làm cho AI nghĩ tốt hơn sang việc giúp AI hành động hiệu quả hơn trong đời sống thực tế.

Trong bối cảnh đó, anh cho rằng Việt Nam không nên đặt mục tiêu chạy đua xây dựng các “siêu mô hình” đòi hỏi hạ tầng tính toán khổng lồ và nguồn vốn lớn.

Để phát triển một mô hình tổng quát quy mô lớn, cần hàng trăm triệu USD và hệ sinh thái công nghệ hoàn chỉnh. Đây là cuộc cạnh tranh mà nhiều quốc gia đã đầu tư từ rất sớm. Thay vì tham gia cuộc đua này, anh đề xuất Việt Nam có thể tập trung vào 4 hướng chính trong 5-10 năm tới:

• Thứ nhất, tập trung vào nghiên cứu nền tảng và lý thuyết. Khác với nghiên cứu ứng dụng cần nhiều hạ tầng và vốn, nghiên cứu lý thuyết dựa nhiều vào tư duy toán học và chiều sâu học thuật - thế mạnh của người Việt. Việc đóng góp vào các cơ chế, thuật toán cốt lõi có thể tạo dấu ấn bền vững hơn so với chạy theo xu hướng.
• Thứ hai, phát triển AI ứng dụng theo ngành. Thay vì đầu tư vào các mô hình AI tốn kém như ChatGPT - đòi hỏi hạ tầng tính toán và tài chính cực lớn, Việt Nam có thể tận dụng nền tảng sẵn có để giải các bài toán cụ thể theo ngành hẹp. Đây là hướng đi ít tốn kém hơn nhưng tạo giá trị thực tiễn nhanh.
• Thứ ba, bản địa hóa và giải quyết bài toán đặc thù. Những vấn đề như giao thông đô thị, ngôn ngữ tiếng Việt, chữ viết, dữ liệu địa phương… là cơ hội cho AI nội địa. Các mô hình AI của nước ngoài khi áp dụng tại đây sẽ gặp nhiều khó khăn. Đội ngũ kỹ sư Việt Nam có thể giải quyết bài toán nội địa này, từ đó tạo ra lợi nhuận để doanh nghiệp tái đầu tư cho trường học và sinh viên.
• Thứ tư, xuất khẩu phần mềm và trí tuệ. Với đội ngũ kỹ sư chất lượng, Việt Nam có thể tham gia chuỗi giá trị toàn cầu thông qua gia công cao cấp, nghiên cứu thuê ngoài hoặc phát triển sản phẩm cho thị trường quốc tế.

"5-10 năm tới, cạnh tranh sòng phẳng để có một vị thế ngang hàng với các cường quốc trong bức tranh AI tổng quan, tôi nghĩ đó là một thử thách khó khăn. Tuy nhiên, chúng ta hoàn toàn có thể tạo ra giá trị riêng nếu vận dụng tốt thế mạnh của mình", Gia Hy nói.