Hai hướng đi trong VUCA

Để phát triển thời VUCA, chúng ta cần những con người, lúc này đang ngồi trên ghế nhà trường. Phải chăng một số con đường, cây cầu, sân bay trên quê hương ta có thể làm sau một vài chục năm nữa, nhưng thế hệ trẻ không thể đợi được một vài chục năm để có một nền giáo dục như họ cần phải có lúc này?

Dường như nhận định chung của nhiều người là thời gian qua rất nhiều biến động và thay đổi đã xảy ra quanh ta, không dễ nắm bắt và ứng xử. Những đặc tính này của thời cuộc có thể được tóm tắt trong bốn chữ VUCA (viết tắt của bốn từ tiếng Anh: Volatility (biến động), Uncertainty (không chắc chắn), Complexity (phức tạp), và Ambiguity (mơ hồ)), như ta hay nghe thấy gần đây. Giữa những bất định VUCA ấy, chúng ta có hai hướng đi trên chặng đường dài của phát triển, chuyển đổi số và chuyển đổi xanh.

1. Chuyển đổi số

Các thực thể trên môi trường lâu nay ta sống giờ đây dần gắn thêm những con số thu được qua số hóa bằng những cách khác nhau. Những con số này (dữ liệu) có thể được xem là phiên bản số hay bản sao số của các thực thể, làm các thực thể phong phú hơn với hai phần không tách rời nhau, phần thực và phần số, và hơn nữa nhờ vào phần số của mình các thực thể có thể kết nối được với nhau qua Internet. Dữ liệu và kết nối là hai đặc trưng cơ bản của môi trường thực-số đã và đang được hình thành nhờ tiến bộ của các công nghệ số. 

Chuyển đổi số chính là việc thay đổi cách sống, cách làm việc của các cá nhân và tổ chức khi sống trên môi trường thực-số, với giá trị của thực-số là có thể dùng “phần số” để làm tốt hơn “phần thực” cho những việc cần làm. Ví dụ như một người bệnh là một thực thể và các bệnh tật phần nhiều xưa nay vẫn vậy, nhưng máy móc y tế ngày nay đã “nhìn” được mọi ngõ ngách bên trong cơ thể con người, “đo” được mọi thứ ở đó bằng những con số. Phần số này có thể giúp các thầy thuốc rõ hơn về người bệnh, đoán bệnh chính xác hơn và chữa bệnh tốt hơn. Môi trường thực-số tạo ra nhiều cơ hội, nhưng thích nghi được, thay đổi để tận dụng các ưu thế của môi trường này lại tùy thuộc vào từng cá nhân và tổ chức. 

Nhìn lại năm 2023 – năm dữ liệu số quốc gia – có thể thấy chuyển đổi số đã có những bước tiến đáng kể trên cả nước. Năm 2023 cũng đánh dấu hai năm triển khai đề án 06 về phát triển và ứng dụng dữ liệu dân cư và những điều đạt được đã cho thấy giá trị to lớn của nguồn dữ liệu này trong chuyển đổi số: Theo hội nghị của Chính phủ ngày 21/12/2023 tỷ lệ người dân tham gia dịch vụ công trực tuyến các địa phương đạt 58,2% (chỉ tiêu 40%); các bộ, ngành đạt 31,7% (chỉ tiêu 40%); nhiều thủ tục hành chính có tỷ lệ người dân trực tuyến cao như thông báo lưu trú (97%); đăng ký cấp biển số xe ô tô lần đầu (80,5%); thay đổi chủ thể hợp đồng mua bán điện (75,6%); cấp điện mới từ lưới điện hạ áp (73%); đăng ký tạm trú (87,3 3%); cấp hộ chiếu phổ thông (90,28%)…

Tập trung xây dựng hạ tầng dữ liệu quốc gia– với những kết quả tích cực của hai năm làm đề án 06 và bắt đầu kế hoạch xây dựng Trung tâm Dữ liệu Quốc gia trong 2023– là những bước đi đúng và quan trọng. Chuyển đổi số là một chặng đường dài, lấy con người làm trung tâm, và những người nhanh chóng thích nghi với môi trường thực-số chính là những người sẽ tích cực góp sức làm chuyển đổi số thành công.

2. Chuyển đổi xanh

Nếu chuyển đổi số là những nỗ lực thay đổi cách làm ta đã quen để khai thác các cơ hội của môi trường thực-số để làm mọi việc hiệu quả hơn, thì chuyển đổi xanh là những nỗ lực thay đổi thái độ và hành vi, thay đổi các mô hình sản xuất, tiêu dùng, và quản lý tài nguyên với các phương pháp và công nghệ thân thiện với môi trường, hướng tới việc sử dụng năng lượng và tài nguyên hiệu quả và bảo vệ môi trường.

Có hai nguyên nhân chính dẫn đến chuyển đổi xanh. Một là sự biến đổi khí hậu, sự tăng lên của nhiệt độ Trái đất đang tác động tiêu cực đối với môi trường và con người. Hai là sự cần thiết phải bảo vệ và tận dụng tài nguyên thiên nhiên một cách bền vững, nhằm đảm bảo sự tồn tại của chúng cho các thế hệ sau.

Tháng 7/2023 là tháng có nhiệt độ trung bình toàn cầu cao hơn khoảng 1,5^oC so với nhiệt độ trung bình của giai đoạn từ khi có sản xuất công nghiệp, và cao hơn 0,33^oC so với tháng 7/2019– tháng bảy nóng nhất trong lịch sử cho tới lúc đó. Theo Tổng thư ký Liên Hợp Quốc Antonio Guterres thì “thời đại ấm lên toàn cầu đã qua, đã đến kỷ nguyên nung nóng toàn cầu” (“the era of global warming has ended, the era of global boiling has arrived”). Dù chỉ mang tính tượng trưng, ​​câu nói đó đã cảnh báo về sự nghiêm trọng của nhiệt độ toàn cầu, đã bắt đầu chuyển từ “ấm” sang “nóng”. Các thống kê cũng cho thấy tần suất và cường độ ngày càng tăng của các hiện tượng thời tiết cực đoan như lũ lụt thường xuyên, hạn hán kéo dài, sóng nhiệt nghiêm trọng, cháy rừng dữ dội do nhiệt độ toàn cầu dần cao hơn. Mặt khác sự gia tăng hiệu ứng nhà kính, chủ yếu do việc đốt nhiên liệu hóa thạch của con người, là nguyên nhân chính khiến nhiệt độ toàn cầu tăng lên.

Chuyển đổi xanh không những chỉ phụ thuộc vào cam kết và hành động của các quốc gia (như mục tiêu về năng lượng tái tạo, giảm khí thải, bảo vệ môi trường, phát triển công nghệ xanh), mà còn phụ thuộc vào các tổ chức và doanh nghiệp (như đầu tư vào năng lượng tái tạo, vào công nghệ xanh, phát triển sản phẩm và dịch vụ thân thiện với môi trường), và vào mỗi con người  (như nhận thức về chuyển đổi xanh, thay đổi thái độ và hành vi cá nhân trong lối sống hằng ngày).

Không dễ dàng để một quốc gia thực hiện cam kết và để con người thay đổi hành vi nếu không có giáo dục và những thói quen từ tấm bé, để mỗi người hiểu sâu sắc rằng bảo vệ môi trường chính là bảo vệ mình.

3. AI tạo sinh

Đột phá khoa học và công nghệ được nói đến nhiều nhất trong năm 2023 là sự tiến bộ của AI tạo sinh (GenAI). AI là lĩnh vực đa ngành nhằm làm ra các hệ thống hay chương trình máy tính có thể thực hiện các công việc đòi hỏi trí tuệ con người. Theo các khía cạnh của trí thông minh con người, có những nhánh phát triển khác nhau của AI về ngôn ngữ, hình ảnh, lập luận, giải quyết vấn đề, học tập… Trong gần bảy mươi năm phát triển, AI chủ yếu giải quyết những bài toán cụ thể, phần lớn về dự đoán hay phân loại, dựa trên việc dùng một lượng dữ liệu lớn để huấn luyện mô hình nhằm đạt mục tiêu, như dự đoán thị trường chứng khoán, giúp chẩn đoán bệnh hay dịch từ ngôn ngữ này sang ngôn ngữ khác. Ví dụ như để gợi ý các phác đồ điều trị thích hợp cho một loại bệnh, hệ AI cần phải có một lượng rất lớn bệnh án điện tử có mô tả các phác đồ điều trị đã được bác sĩ dùng cho người bệnh cùng với hiệu quả của các phác đồ này. Hệ học hỏi từ các phác đồ điều trị đã biết để gợi ý phác đồ phù hợp nhất cho một người bệnh cụ thể. Có thể gọi các bài toán và phương pháp AI loại này là AI truyền thống. Nếu ở buổi ban đầu, AI dựa nhiều trên logic toán học thì ở quãng thời gian dài vừa qua lại dùng nhiều các phương pháp dùng nhiều trong điều khiển học (cybernetics) như thống kê và tối ưu.

AI tạo sinh (GenAI) – đang nổi lên trong năm qua với ChatGPT– là AI tạo ra các nội dung mới đa dạng và tự nhiên dưới dạng văn bản, hình ảnh, âm nhạc, chương trình máy tính… tương thích với dữ liệu huấn luyện. Ngay từ những ngày đầu của AI đã có các nghiên cứu về tự động tạo văn bản, như các luận án tiến sĩ của Goldman N.M. tại Đại học Stanford năm 1974, của McDonald D.D. tại MIT năm 1980, hay cuốn sách về tạo sinh văn bản (text generation) của McKeown K.R. in năm 1985. Nhưng trong khoảng gần mười năm qua AI tạo sinh mới khởi sắc, dựa trên các mô hình học máy sâu (deep learning), và với một số kiến trúc và kỹ thuật đột phá tiêu biểu:

– GANs (mô hình đối kháng): Kiến trúc mạng neural network được đề xuất bởi Ian Goodfellow và đồng nghiệp vào năm 2014, gồm hai thành phần chính, một sinh ra nội dung mới và một đánh giá đối kháng kết quả được sinh ra, nhằm không thể phân biệt nội dung mới được sinh ra với các nội dung có từ dữ liệu thật.

– Transformer (mô hình biến đổi): Một kiến trúc mạng neural network được đề xuất năm 2017, dựa trên cơ chế “attention” (chú ý) để tập trung vào phần quan trọng của dữ liệu. Transformer đặc biệt hiệu quả trong việc xử lý dữ liệu tuần tự như văn bản, âm thanh, hoặc dãy thời gian. 

– LLM (mô hình ngôn ngữ lớn): Mô hình ngôn ngữ là một kỹ thuật căn bản để máy hiểu ngôn ngữ qua việc dự đoán từ tiếp theo trong các câu của một ngôn ngữ dựa trên từ hiện tại và ngữ cảnh trước đó. LLM là một phiên bản lớn hơn và phức tạp hơn của mô hình ngôn ngữ, có khả năng hiểu ngữ cảnh rộng rãi và có thể được dùng trong nhiều ứng dụng xử lý ngôn ngữ khác nhau.

– Diffusion models (mô hình lan truyền): Một lớp mô hình tạo ra nội dung mới qua quá trình lan truyền thông tin từ dữ liệu huấn luyện sang nội dung cần tạo sinh. Mô hình lan truyền đặc biệt hiệu quả khi xử lý dữ liệu không có định hình rõ ràng, có tính chất ngẫu nhiên hoặc không gian phức tạp, như hình ảnh không rõ, dữ liệu văn bản không cấu trúc, hoặc dữ liệu có nhiễu.

Các mô hình đối kháng (GAN), biến đổi (transformer), lan truyền (diffusion) và ngôn ngữ lớn (LLM) là các phương pháp, kiến trúc và mô hình tiêu biểu và quan trọng trong AI và AI tạo sinh, mỗi loại có ứng dụng và ưu điểm riêng. Chúng có thể hoạt động độc lập hoặc kết hợp với nhau để cải thiện hiệu suất và ứng dụng trong các nhiệm vụ cụ thể. Ví dụ như ChatGPT xây dựng LLM trên kiến trúc transformer để thực hiện các nhiệm vụ liên quan đến việc hiểu và tạo ra văn bản tự nhiên trong quá trình hỏi đáp. 

Có một vài điều cần chú ý khi AI đang có những thành tựu lớn và đột phá. Trong khi AI truyền thống chủ yếu phân tích và dùng dữ liệu đã có để giải quyết các vấn đề cụ thể, thì AI tạo sinh hướng về tạo ra dữ liệu và nội dung mới. Đặc biệt với khả năng hiểu tốt ngôn ngữ con người, AI tạo sinh là một bước tiến ngoạn mục của AI tới gần hơn những năng lực của trí tuệ con người, là tiến bộ mới trên chặng đường dài đến nhiều mục tiêu ban đầu của AI. 

Cả AI truyền thống và AI tạo sinh đều tạo ra kết quả từ dữ liệu và có chung bản chất quy nạp (induction), tức tạo ra nhiều giả thuyết và kết quả cuối – dù thường được chọn là giả thuyết có xác suất cao nhất – vẫn có thể sai hoặc không chính xác. Các ứng dụng của AI truyền thống thường do người hiểu rõ dữ liệu và bài toán thực hiện, và dễ đánh giá hơn cái sai đúng trong dự đoán và phân loại. AI tạo sinh như ChatGPT tuy ai cũng dễ dùng nhưng không dễ biết các nội dung được tạo ra đúng hay sai, khi ChatGPT biết nói như thật. Trong giai đoạn tới đây, ta vẫn cần tập trung chính vào dùng AI truyền thống (vẫn đang được tiếp tục phát triển) để khai thác các nguồn dữ liệu kinh tế-xã hội quan trọng, các nguồn dữ liệu quốc gia và của doanh nghiệp – phần lớn ở dạng dữ liệu có cấu trúc – trong khi tích cực trải nghiệm và sử dụng AI tạo sinh với cách dùng đúng và hiệu quả. 

AI tạo sinh đang ở giai đoạn đầu của phát triển và thành công. Sau những kinh ngạc và hứng khởi đầu năm 2023, con người cũng dần nhận ra chặng đường vẫn còn dài của AI tạo sinh, và hiểu rõ hơn khi dùng AI tạo sinh cần luôn chú ý đến tính chính xác của các kết quả. Điều này đặc biệt quan trọng trong giáo dục phổ thông, giáo dục cho những con người của tương lai. Công bố ngày 7/9/2023 của UNESCO về giáo dục và nghiên cứu AI tạo sinh đã cảnh báo “Điều đáng lo ngại là những người học trẻ tuổi, vốn không có kiến thức như giáo viên, có thể do vô tình hoặc không có năng lực phản biện, nên dễ chấp nhận kết quả hời hợt, không chính xác hoặc thậm chí có hại của GenAI.” 

Con người tạo ra AI và sẽ biết cách dùng AI cho lợi ích của mình.

4. Con người

Ta đã nói đến chuyển đổi số, chuyển đổi xanh, và AI tạo sinh, ba câu chuyện mang nhiều tính thời sự ở nước ta trong năm 2023, bên cạnh những câu chuyện khác về địa chính trị hay về dịch bệnh đã làm thế giới chao đảo thời gian qua. Làm sao để phát triển thời VUCA? Và chúng ta phải làm gì để chuẩn bị cho tương lai?

Thúc đẩy chuyển đổi số và chuyển đổi xanh cần phải gắn với mục tiêu “chuyển đổi kép công bằng” (just twin transition). Cách tiếp cận này hướng đến thực hiện hai công cuộc chuyển đổi một cách đồng thời và hiệu quả, nhấn mạnh vào việc kết hợp các lợi ích của chuyển đổi số với các mục tiêu của chuyển đổi xanh. Chuyển đổi kép công bằng là một xu hướng phát triển quan trọng của thế giới hiện đại và mang một ý nghĩa sâu sắc: Chuyển đổi là do con người nhưng cũng vì con người. Quá trình ấy sẽ tác động mạnh, có lợi cho những nhóm người nhất định và có thể bỏ lại những nhóm người khác lại phía sau. Khía cạnh công bằng của chuyển đổi kép là chuyển đổi nhưng không để ai lại phía sau, không tạo thêm các vấn đề xã hội.

Có một cách nhìn tích cực về VUCA, theo nhà nghiên cứu kinh tế Phạm Chi Lan, và có thể xem như một lời giải của VUCA với bốn chữ tiếng Anh: Vision (tầm nhìn), Understanding (thấu hiểu), Clarity (minh bạch) và Agility (nhạy bén).

Nhưng làm sao để thực hiện được lời giải này?

Câu trả lời là để phát triển thời VUCA, chúng ta cần những con người, lúc này đang ngồi trên ghế nhà trường. Họ sẽ là những người làm chuyển đổi kép công bằng, phát triển và sử dụng AI để khai thác những nguồn tài nguyên dữ liệu đang được tạo ra.

Phần lớn các gia đình Việt Nam luôn dành ưu tiên hàng đầu trong nguồn lực thường hạn hẹp của mình cho sự học hành của con cái, vì hy vọng và tin rằng chỉ có học thì mới có tương lai. Hoàn cảnh càng khó càng phải quyết học để vượt khó. 

Phải chăng với một đất nước cũng như vậy. Trong những năm qua, chúng ta đã dành nhiều nguồn lực để xây các công trình, để phát triển hạ tầng, nhưng chúng ta cũng cần nguồn lực và nỗ lực tương xứng để cho những con người quyết tâm học hành ấy được học cho ra học. 

Phải chăng một số con đường, cây cầu, sân bay trên quê hương ta có thể làm sau một vài chục năm nữa, nhưng thế hệ trẻ không thể đợi được một vài chục năm để có một nền giáo dục như họ cần phải có lúc này? □

—-

* GS. TS, Viện Nghiên cứu cao cấp về Toán. 

Bài đăng Tia Sáng số 2+3(số Tết)/2024