AI là công nghệ có khả năng cách mạng hóa các ngành sản xuất, chăm sóc sức khỏe, khám phá vũ trụ và nhiều lĩnh vực khác. Nhờ đó, AI đang phát triển và ngày càng được ứng dụng rộng rãi. Sự phổ biến ngày càng tăng của AI đã thúc đẩy nhiều doanh nghiệp đầu tư vào phát triển và nghiên cứu các ứng dụng AI như robot và xe tự lái.
Tuy nhiên, cần nhận thấy rằng AI vẫn đang đối mặt với không ít thách thức. Dưới đây là một số thách thức phổ biến mà hầu hết các công ty IT Việt Nam gặp phải khi triển khai AI.
Như hầu hết mọi người đều biết, các hệ thống AI được xây dựng và vận hành dựa trên dữ liệu chất lượng. Vì vậy, khó khăn trong việc thu thập dữ liệu chính xác, kiểm soát chất lượng và chi phí gán nhãn dữ liệu là những thách thức nan giải nhất đối với mọi doanh nghiệp AI trên toàn cầu. Vinfast là một ví dụ điển hình — đây là công ty ứng dụng AI hàng đầu tại Việt Nam và là trung tâm nghiên cứu, phát triển xe tự lái duy nhất của Việt Nam. Vinfast đã đầu tư đáng kể về thời gian và nguồn lực để xây dựng đội xe có thể lưu thông trên đường phố và thu thập hình ảnh trong nhiều điều kiện thời tiết và thời điểm khác nhau.
Theo ông Nguyễn Minh Tân — Phó Giám đốc Điều hành Rikkei AI:
“Một sản phẩm AI là sự tổng hợp của nhiều yếu tố khác nhau, trong đó dữ liệu là thành phần thiết yếu. Theo thống kê, tới 80% thời gian phát triển sản phẩm AI được dành cho các công việc liên quan đến dữ liệu.”
Bên cạnh đó, việc huấn luyện AI cũng giống như dạy dỗ một đứa trẻ. AI có thể học tốt nếu được cung cấp dữ liệu phù hợp. Ngược lại, nếu đưa vào dữ liệu sai, AI sẽ học sai. Hơn nữa, khi dữ liệu không đồng nhất được sử dụng không đúng lúc, AI sẽ bị nhầm lẫn. Do đó, quyền riêng tư và bảo mật trong thu thập và huấn luyện dữ liệu cho AI cần được chú trọng; dữ liệu được sử dụng đúng cách càng nhiều, AI càng trở nên thông minh và nhận dạng càng chính xác.
.png)
Đây là một trong những thách thức quan trọng nhất của AI, khiến các nhà nghiên cứu trong các công ty và startup cung cấp dịch vụ AI không ngừng trăn trở. Nhiều công ty tự hào đạt độ chính xác trên 90%, nhưng con người vẫn có thể làm tốt hơn trong tất cả các tình huống đó. Chẳng hạn, với bài toán nhận diện ảnh là chó hay mèo, con người có thể dự đoán chính xác gần như mọi lúc với độ chính xác vượt trội lên đến trên 99%.
Để một mô hình học sâu đạt hiệu suất tương đương, cần có quá trình tinh chỉnh chưa từng có tiền lệ, tối ưu siêu tham số, bộ dữ liệu lớn, thuật toán được xác định rõ ràng và chính xác, cùng với năng lực tính toán mạnh mẽ, quá trình huấn luyện liên tục trên tập train và kiểm thử trên tập test. Nghe thì đã phức tạp, nhưng thực tế còn khó hơn gấp trăm lần.
Các công ty AI có thể tránh được phần lớn công việc nặng nề này bằng cách sử dụng nhà cung cấp dịch vụ để huấn luyện các mô hình học sâu cụ thể dựa trên các mô hình đã được huấn luyện sẵn. Các mô hình này được huấn luyện trên hàng triệu hình ảnh và tinh chỉnh để đạt độ chính xác tối đa, nhưng vấn đề thực sự là chúng vẫn tiếp tục gặp lỗi và khó đạt đến hiệu suất ngang tầm con người.
Lượng điện năng tiêu thụ khổng lồ của các thuật toán ngốn điện này là rào cản khiến nhiều nhà phát triển e ngại. Machine Learning và Deep Learning là nền tảng của AI, đòi hỏi số lượng nhân xử lý và GPU ngày càng tăng để hoạt động hiệu quả. Có nhiều lĩnh vực mà chúng ta có ý tưởng và kiến thức để triển khai các framework học sâu, chẳng hạn như theo dõi tiểu hành tinh, ứng dụng trong y tế, truy tìm các thiên thể vũ trụ và nhiều ứng dụng khác.
Những lĩnh vực này đòi hỏi năng lực tính toán của siêu máy tính — và siêu máy tính không hề rẻ. Mặc dù điện toán đám mây và hệ thống xử lý song song giúp các nhà phát triển làm việc với hệ thống AI hiệu quả hơn, nhưng chúng đều có chi phí. Không phải ai cũng có khả năng chi trả khi lượng dữ liệu đổ vào ngày càng lớn và các thuật toán phức tạp không ngừng gia tăng.
Kết luận
Các doanh nghiệp sẽ cần làm quen với AI, từ đó hiểu rõ hơn cách thức hoạt động của công nghệ này. Không thể phủ nhận rằng triển khai AI trong doanh nghiệp đi kèm với nhiều thách thức, và những thách thức đó sẽ bộc lộ rõ khi xây dựng chiến lược AI. Tuy nhiên, áp dụng phương pháp tiếp cận từng bước và có chiến lược sẽ giúp đơn giản hóa quá trình triển khai AI ở một mức độ nhất định. Hoặc bạn có thể sử dụng dịch vụ của Rikkeisoft — công ty công nghệ thông tin uy tín tại Việt Nam. Với mười năm kinh nghiệm, Rikkeisoft tự tin giải quyết cả ba thách thức chính trong triển khai AI tại Việt Nam. Rikkeisoft cũng được nhiều trang đánh giá quốc tế ghi nhận, trong đó có danh sách Top Công ty Outsourcing IT hàng đầu của DesignRush.
Nếu bạn muốn cập nhật thêm kiến thức kỹ thuật, hãy theo dõi blog Rikkeisoft!
