AI giúp gì cho các bài toán tối ưu toàn cục của quốc gia

Nhiều bài toán lớn của đất nước lúc này đều gặp điểm gãy của tư duy và sự bất lực của giải pháp. Ví dụ như bảy bài toán dưới đây.

"Cái bẫy" FDI - địa phương tối ưu cho mình, nhưng không tối ưu cho quốc gia: Các tỉnh thành cạnh tranh thu hút FDI, "đua nhau" giảm thuế thu nhập doanh nghiệp và ưu đãi đất vượt khung hay giảm yêu cầu chuyển giao công nghệ. Nhưng quyết định FDI tối ưu ở địa phương không tạo ra tối ưu cho đất nước, có thể dẫn tới cạnh tranh lẫn nhau thay vì cạnh tranh với nước ngoài, đầu tư trùng lặp, và nhà đầu tư "nhảy tỉnh" để săn ưu đãi tốt hơn. Làm sao trả lời những câu hỏi như đất nước đang cần loại FDI nào, đặt ở đâu, địa phương nào có lợi thế, hạ tầng và năng lượng chịu được không, và quyết định hôm nay ảnh hưởng thế nào sau 5-10 năm?

Dư thừa hạ tầng cảng biển/sân bay theo địa giới hành chính: Nhiều tỉnh ven biển quy hoạch cảng nước sâu hoặc sân bay riêng để "có bằng được" biểu tượng phát triển, bất chấp cảng hay sân bay lân cận, cách vài chục km, đã dư công suất. Kết quả của "trăm hoa đua nở" là cảng biển dẫm chân lên nhau, hạ tầng giao thông (đường bộ, đường sắt) bị xé lẻ và quá tải, hệ thống logistics quốc gia bị đội chi phí lên cao kỷ lục, tương đương khoảng 16-17% GDP [1], sức cạnh tranh quốc tế bị giảm do không điều phối được dòng hàng hóa tổng thể theo thời gian thực.

Điều độ hệ thống điện quốc gia với năng lượng tái tạo: Việc bùng nổ điện mặt trời và điện gió tại miền Trung và miền Nam mang lại lợi ích môi trường địa phương, nhưng lại là "cơn ác mộng" cho lưới điện quốc gia do tính chập chờn, phụ thuộc thời tiết. Con người không thể dùng các mệnh lệnh hành chính hay tính toán thủ công để cân bằng nguồn phát trong vài giây, dẫn đến việc phải cắt giảm công suất nhà máy gây lãng phí. Đây là nơi bắt buộc phải có hệ thống lưới điện thông minh tự chủ để tự cân bằng cung-cầu.

Chuỗi cung ứng nông sản Đồng bằng sông Cửu Long và biến đổi khí hậu: Xâm nhập mặn, hạn hán và lũ lụt tại miền Tây thay đổi liên tục. Nông dân và chính quyền địa phương không thể canh tác dựa trên "kinh nghiệm". Việc từng địa phương tối ưu sản lượng tôm, lúa bằng cách khoan giếng, đưa nước mặn vào ruộng - hợp lý ở quy mô hộ/tỉnh, nhưng tạo thành một hệ thống liên vùng, xuyên biên giới và biến động theo thời gian, gây sụt lún đất, xâm nhập mặn không thể đảo ngược, phá vỡ hệ sinh thái nước ngọt cho hàng triệu người hạ nguồn.

"Thành phố thông minh" mua sắm rời rạc và xung đột mã định danh/quy trình khi sáp nhập tỉnh-xã: Mỗi tỉnh/thành tự đấu thầu hệ thống camera AI, trung tâm điều hành từ các nhà cung cấp khác nhau để kịp "lên smart city" - tạo ra hàng chục chuẩn dữ liệu không tương thích, khiến việc chia sẻ thông tin an ninh/giao thông liên vùng gần như bất khả thi. Khi sáp nhập tỉnh-xã, mỗi địa phương cũ vận hành phần mềm cho bộ máy hành chính của mình trong hàng chục năm, gây va chạm về mã số, quy trình, thẩm quyền, và bộc lộ một "khoản nợ" kỹ thuật-thể chế khổng lồ đã âm thầm tích lũy mà giờ phải trả cùng lúc.

Giao thông đô thị ùn tắc diện rộng: Việc điều chỉnh thời lượng đèn giao thông tại một nút giao (như ở Hà Nội hay TP.HCM) chỉ giúp giải tỏa dòng xe tại đúng nút giao đó nhưng không tránh được ùn tắc diện rộng. Lượng xe được giải tỏa ở một nút lại đẩy áp lực và gây nát luồng giao thông ở nút tiếp theo. Với hàng triệu phương tiện di chuyển tự do, môi trường thay đổi theo từng phút, con người không thể điều phối thủ công hàng nghìn nút giao cùng lúc để đạt đến trạng thái cân bằng động trên toàn mạng lưới.

Quản trị quốc gia: Việc quản lý hàng nghìn chỉ tiêu gặp nhiều thách thức, như lượng tương tác giữa các chỉ tiêu bùng nổ, không thể quan sát và phân tích thủ công; phản hồi lệch pha nhau như chỉ tiêu kinh tế có vòng phản hồi ngắn nhưng chỉ tiêu môi trường hay y tế có độ trễ nhiều năm; tổng hợp hàng nghìn chỉ tiêu thành một quyết định phân bổ ngân sách/ưu tiên chính sách duy nhất; dữ liệu từ xã đến trung ương có thể đã bị khúc xạ và đã giảm chính xác cho việc ra quyết định cuối...

Những ví dụ trên cho thấy ngày càng nhiều bài toán quốc gia đã trở thành các hệ thống lớn, liên kết, động và phức tạp, không thể được điều hành hiệu quả bằng cách chia nhỏ chúng theo ngành, địa giới hành chính và các quy trình ra quyết định tuyến tính. Vì vậy, bước chuyển cần thiết là xây dựng năng lực quan sát, hiểu, dự báo, điều phối và thích ứng của chính các hệ thống. Đây chính là khoảng trống mà các Hệ thống Tự chủ và thông minh (Autonomous and Intelligent Systems - AIS) có thể giải quyết.

Vượt qua điểm nghẽn với các Hệ thống Tự chủ và thông minh

Hệ thống Tự chủ và thông minh là các hệ thống có khả năng tự hiểu được môi trường, tự ra quyết định, tự điều khiển hành vi và tự thích nghi để đạt được mục tiêu trong một môi trường luôn biến đổi, đồng thời có khả năng học hỏi và hợp tác với con người hoặc các hệ thống khác.

Một hệ thống được gọi là tự chủ và thông minh nếu có, dù ở các cấp độ khác nhau, sáu năng lực sau: có vòng lặp nhận thức và hành động khép kín; có năng lực tự học và thích ứng; biết ra quyết định trong môi trường bất định; có tính tự phản tư và tự sửa lỗi, có hành vi hợp trội ở cấp độ hệ thống; có tương tác và căn chỉnh với con người.

Nếu hội đủ các năng lực này ở mức đáng kể, thì bất kể hệ thống là robot, xe tự lái, nhà máy thông minh, bệnh viện thông minh, lưới điện thông minh hay một hệ thống điều hành quốc gia, đều có thể được xem là một hệ tự chủ và thông minh.

Cốt lõi của kết hợp ba nền tảng để áp dụng AIS vào các bài toán thực tế phức tạp là: Khoa học hệ thống giúp nhìn, tổ chức và thiết kế bài toán như một hệ thống, hướng tới tối ưu toàn cục; điều khiển học tạo cho hệ thống khả năng tự quan sát, phản hồi, điều chỉnh và thích ứng; AI cung cấp năng lực nhận thức, dự báo, suy luận và tự học. Vì vậy, AIS không đơn giản là đưa AI vào một bài toán, mà là kết hợp tư duy hệ thống, điều khiển học và AI để tạo ra các hệ thống tự chủ, thông minh và thích ứng.

Dưới đây là gợi ý ngắn gọn giải pháp AIS cho bảy bài toán kể trên:

Bẫy FDI: Xây dựng một hệ thống mô hình hóa đầu tư ở quy mô quốc gia, trong đó mỗi dự án FDI được đánh giá không chỉ theo lợi ích của tỉnh tiếp nhận mà theo tác động lên toàn bộ hệ thống: chuỗi cung ứng, công nghệ, năng lượng, lao động và ngân sách. AI hỗ trợ dự báo và đánh giá các kịch bản; cơ chế phản hồi giúp liên tục điều chỉnh bản đồ ưu tiên đầu tư. Địa phương vẫn tự chủ hành động, nhưng trong một "hàm mục tiêu chung" của quốc gia.

Dư thừa cảng/sân bay: AIS là một mô hình tối ưu hóa mạng lưới logistics quốc gia, chạy trước mỗi quyết định quy hoạch cấp tỉnh - mô phỏng tác động của một cảng mới, sân bay mới lên toàn mạng (công suất, luồng hàng, chi phí logistics/GDP) trước khi phê duyệt, biến quy hoạch từ "xin-cho từng tỉnh" thành bài toán tối ưu toàn mạng.

Lưới điện tái tạo: Vận hành lưới điện tự chủ thích ứng (Autonomous Smart Grid). AIS ứng dụng mạng nơ-ron để dự báo công suất điện gió/mặt trời trước nhiều giờ theo thời tiết, kết hợp thuật toán điều khiển phân tán để tự động đóng/mắt, điều tiết các nguồn phát và hệ thống lưu trữ trong mili-giây, không cần con người can thiệp.

Đồng bằng sông Cửu Long: Hệ thống phải nhìn đồng thời nước, đất, khí hậu, sản xuất, sinh kế và hệ sinh thái như một hệ thống động liên vùng. AI và bản sao số dự báo các kịch bản hạn-mặn-lũ; các vòng phản hồi phát hiện sớm tác động tích lũy của từng quyết định địa phương. Thay vì tối ưu sản lượng từng vụ hay từng tỉnh, hệ thống tối ưu khả năng sống và phát triển bền vững của toàn vùng trong dài hạn.

Thành phố thông minh/sáp nhập: Giải pháp cốt lõi là xây dựng kiến trúc hệ thống chung: chuẩn dữ liệu, mã định danh, từ điển dữ liệu, API và quy trình có khả năng liên thông. AI hỗ trợ phát hiện xung đột, ánh xạ và chuyển đổi giữa các hệ thống cũ; cơ chế tự chủ giúp từng địa phương duy trì chức năng nhưng tương tác được trong hệ thống lớn hơn. Đây là bài toán hệ thống của hệ thống và khả năng tương tác trước khi là bài toán AI.

Ùn tắc đô thị: Thay vì tối ưu từng nút đèn giao thông, AIS quan sát và mô hình hóa toàn mạng giao thông theo thời gian thực. AI dự báo dòng xe; các bộ điều khiển phân tán phối hợp giữa các nút; vòng phản hồi liên tục điều chỉnh để tránh hiệu ứng "giải tỏa chỗ này, tắc chỗ khác". Mục tiêu là tối ưu trạng thái cân bằng động của mạng, không phải tối đa hóa thông xe tại từng nút.

Quản trị quốc gia: Cần chuyển từ mô hình báo cáo theo cấp hành chính sang năng lực nhận biết gần thời gian thực về trạng thái của đất nước. AIS kết nối dữ liệu đa nguồn, mô hình hóa quan hệ và độ trễ giữa các chỉ tiêu; AI giúp phát hiện sớm các dấu hiệu và xu hướng mà con người khó nhận ra, dự báo và mô phỏng các lựa chọn chính sách. Con người được nâng năng lực để quyết định trên một "bản đồ sống" của hệ thống quốc gia.

Một đích đến của các hệ thống AIS

Sự cần thiết của các Hệ thống Tự chủ và thông minh là thật sự cấp bách vì con người đang phải đối mặt với những thách thức nghiêm trọng như già hóa nhanh chóng, khí hậu cực đoan, bùng nổ dữ liệu, và các nền kinh tế lớn đang chạy đua khốc liệt để có chủ quyền công nghệ - yếu tố sinh tử cho an ninh và vị thế kinh tế.

Có ba loại hệ thống tự chủ và thông minh AIS cơ bản:

Con người: Con người chính là "mẫu hình gốc" của mọi hệ thống tự chủ. Dưới góc nhìn của AI và Cybernetics, con người có hệ thống cảm biến (giác quan), bộ não xử lý (trí tuệ), hệ thống phản hồi sinh học (nội tiết, cảm xúc) và các cơ cấu chấp hành (cơ bắp). Ngày nay mỗi người có thể "tự chủ và thông minh" hơn nhờ AI nếu dùng AI đúng cách.

Các hệ thống kinh tế-xã hội: Các bộ ngành, chính quyền tỉnh thành, hay hệ thống y tế, giáo dục thực chất là các hệ thống thích nghi phức tạp. Các hệ này vận hành dựa trên luật pháp, chính sách, thông tin và hành vi của hàng triệu con người. Trước đây, các hệ thống này quản trị bằng mệnh lệnh hành chính tĩnh và thường bị trễ pha so với thực tế (thiếu phản hồi thời gian thực).

Các hệ thống máy móc: Đây là nhóm hệ thống đang bùng nổ mạnh mẽ nhất về kỹ thuật, từ các cỗ máy cơ khí thụ động (chỉ làm theo lập trình cứng) sang các hệ thống tự chủ thông minh (AI vật lý). Các nhà máy thông minh, các phi đội drone tự điều phối, hay các robot hình người... thuộc nhóm này sẽ giải phóng con người khỏi các lao động chân tay nặng nhọc và độc hại, tạo ra một lực lượng sản xuất mới với năng suất vượt trội.

Ngoài ba hệ thống cơ bản này, có những loại hệ thống khác như hệ AI thuần túy phi vật lý (như mô hình ngôn ngữ lớn LLM, hệ thống ra quyết định tự động trong tài chính... không tương tác và ràng buộc vật lý trực tiếp với môi trường, nhưng có tính tự chủ nhận thức rất cao và ràng buộc dữ liệu, tính toán), hệ thống sinh học/sinh thái như hệ miễn dịch, hệ sinh thái rừng, hệ sinh thái dữ liệu quốc gia...

Đáng kể là các hệ thống kết hợp của ba loại hệ thống cơ bản kể trên, trong đó đỉnh cao và một đích đến của các hệ thống AIS là các Hệ thống Số-Vật lý-Xã hội (Cyber-Physical-Social Systems), viết tắt CPSS [2].

CPSS dựa trên sự kết của ba miền: thế giới Số (hạ tầng tính toán, dữ liệu, thuật toán, mạng Internet), thế giới Vật lý (thực địa, máy móc, hạ tầng vật lý) và thế giới Con người (con người, mạng xã hội, tri thức, tâm lý đám đông, quan hệ xã hội). CPSS là mô hình môi trường thực-số ta đang sống, "thực" là phần vật lý-xã hội và "số" là phần "cyber".

Hai ví dụ dưới đây tại Trung Quốc minh họa cho ý tưởng và tác dụng của CPSS [3].

Hệ thống giao thông thông minh song hành: Hệ thống không chỉ đếm số lượng xe trên đường (physical),mà còn thu thập dữ liệu từ mạng xã hội, bản đồ số, và ứng dụng gọi xe (social) để biết vì sao người dân đang đổ về một hướng. Sau đó, hệ chạy một "bản sao số giao thông" (cyber) để thử nghiệm hàng trăm kịch bản phân luồng, rồi điều chỉnh chu kỳ đèn tín hiệu thời gian thực ngoài đời để triệt tiêu tắc nghẽn trước khi tắc nghẽn xảy ra.

Hệ thống năng lượng và lưới điện thông minh: Khi thời tiết nắng nóng kỷ lục, hệ thống dự báo nhu cầu điện không chỉ dựa vào nhiệt độ ngoài trời (physical), mà dựa vào thói quen sinh hoạt của cộng đồng (social). Hệ thống số tự động đưa ra các chương trình "giá điện linh hoạt" gửi qua ứng dụng điện thoại để người dân tự nguyện hoãn việc sạc xe điện hay giặt đồ sang giờ thấp điểm, giúp lưới điện toàn thành phố không bị sụp đổ.

Tài liệu trích dẫn trong bài:

[1] https://logistics.gov.vn/dich-vu-logistics/toi-uu-cho-logistics. Mức trung bình toàn cầu chỉ khoảng 10,6% GDP. Các quốc gia trong khu vực như Singapore (~8%), Malaysia (~13%), Nhật Bản (~11%) đều có tỷ lệ thấp hơn đáng kể (https://logistics.gov.vn/dich-vu-logistics/toi-uu-cho-logistics).

[2] Wang F.Y. (2010). The Emergence of Intelligent Enterprises: From CPS to CPSS, Intelligent Systems, IEEE 25(4):85-88.

[3] https://ieeexplore.ieee.org/iel7/6570650/6780646/09873840.pdf