Từ người lính trực tiếp chiến đấu tại Quảng Trị những năm chiến trường đỏ lửa rồi trở thành một nhà khoa học, với GS, đó là một hành trình tình cờ hay định mệnh?

Đời người là một hành trình, trong đó có nhiều điều xảy ra ngẫu nhiên, được xem là tình cờ. Và đời người cũng có thể là một hành trình với nhiều điều tất định, không thể khác, được xem là định mệnh. Điều bạn hỏi, với tôi dường như vừa là tình cờ vừa là định mệnh.

Đi lính dường như là định mệnh vì tôi lúc đó thuộc lứa thanh niên cuối cùng của cuộc chiến tranh ròng rã ba phần tư thế kỷ trên đất nước ta. Chiến tranh cuốn con người vào là sự thường tình, là định mệnh của hầu hết mọi người. Ở tuổi tôi thời ấy, phần lớn trai tráng đều đi lính. Sống chết ở một chiến trường khốc liệt là sự tình cờ, nhưng hay được coi là định mệnh.

Trước khi đi bộ đội, tôi đã học hết 2 năm ĐH ngành toán. Do vậy, khi bị thương và trở về lại học tiếp ngành toán thì đó có lẽ là định mệnh. Nhưng tình cờ có một người bạn giới thiệu một ngành học mới mở - Điều khiển học (Cybernetics), ở Khoa Toán-Lý, ĐH Bách khoa Hà Nội, và tôi xin theo học, thì có lẽ lại gần định mệnh hơn, do trước đó tôi vốn đã thích những nội dung gần gũi với ứng dụng.

Sau khi tốt nghiệp ĐH vài năm, tôi nằm trong số ít ỏi thi và nhận được học bổng làm nghiên cứu sinh ở Paris. Sau khi học xong thạc sĩ năm 1984 ở một ngành khác đang phổ biến, tôi nhận được gợi ý từ GS Phan Đình Diệu: "Nếu có thể, Bảo nên chuyển qua làm về Trí tuệ Nhân tạo (Intelligence Artificielle - AI) vì đó là tương lai của tin học". Ngày ấy chưa nhiều người làm AI nhưng tôi cũng quyết tâm chuyển qua lĩnh vực mới. Thấm thoát đã 40 năm, và tôi nghĩ đó là định mệnh nhiều hơn tình cờ.

Ngoài tinh thần thép và tác phong kỷ luật của một người lính, hẳn phải có những người đặc biệt ảnh hưởng đến sự nghiệp của GS?

Nếu để kể ra 3 người, thì người đầu tiên là GS Phan Đình Diệu, Viện trưởng Viện Khoa học tính toán và điều khiển, nơi tôi bắt đầu đi làm. Ở ông có sự uyên bác, tài năng xuất sắc và những định hướng đúng đắn cho cả một tập thể những cán bộ trẻ để góp phần gây dựng nên nền móng của nền tin học đất nước. GS Diệu là người ảnh hưởng đến tôi rất nhiều, từ tài năng, nhiệt huyết, sự khảng khái và tình người.

Người thứ hai là GS Edwin Diday ở ĐH Paris Dauphine và Viện quốc gia INRIA - thầy hướng dẫn của tôi. Ông là người đắm chìm trong những tìm tòi khoa học, là người đặt cho tôi câu hỏi "Liệu có thể tìm ra luật cho các hệ chuyên gia từ các bảng dữ liệu không?". Lúc ấy, điều đó - thực chất là bài toán học máy, chưa được nhìn rõ như những năm sau. Và tôi đã gắn bó với câu chuyện học máy từ đó đến giờ.

Người thứ ba là GS Setsuo Ohsuga ở ĐH Tokyo (Nhật Bản). Sau khi ở Pháp về, một lần tôi đọc báo thấy nhóm ông cũng làm nghiên cứu với cùng chủ đề của chúng tôi nhưng ở mức cao hơn. Tôi viết thư xin tài liệu, và sau vài lần trao đổi, vào năm 1990 khi đang là Chủ tịch Hội Trí tuệ nhân tạo Nhật Bản và chủ trì xây dựng hội nghị PRICAI đầu tiên (hội nghị Châu Á-Thái Bình Dương về AI), ông đã mời tôi là đại biểu từ Việt Nam tham gia ban chương trình và gửi bài. Năm 1993, khi nước Nhật xây dựng xong Viện Khoa học và Công nghệ tiên tiến Nhật Bản (Japan Advanced Institute of Science and Technology - JAIST), họ nhờ GS Ohsuga giới thiệu hai người nước ngoài qua làm việc. Ông giới thiệu tôi. Sau khi qua Nhật, dù ở hai trường khác nhau, tôi có dịp làm việc và học được rất nhiều từ ông, một người thầy Nhật Bản.

Nhiều người nói GS là cầu nối của các nhà khoa học ở Việt Nam và Nhật Bản khi ông làm việc tại JAIST và cả sau này, khi về nước...

Tôi vẫn còn giữ bức thư của sensei Ohsuga (sensei - thầy/tiên sinh) như một kỷ niệm nhắc nhở mình về sứ mệnh cầu nối này, do thầy trao gửi (lại là định mệnh). Số là vào quãng năm 1993 có rất ít người từ Việt Nam sang Nhật làm nghiên cứu. GS. Ohsuga đã viết: "Tôi nghĩ anh là giáo sư đầu tiên của Việt Nam sang Nhật. Tôi hy vọng anh sẽ làm cầu nối giữa hai nước Việt Nam và Nhật Bản". Tôi trao đổi với GS Diệu, GS Bạch Hưng Khang và các anh nói nếu có cơ hội như vậy thì quá tốt và ủng hộ tôi đi.

Về sau, tôi tham gia vào việc chuẩn bị và JAIST dần ký thỏa thuận hợp tác với nhiều trường, viện, cơ sở đào tạo, nghiên cứu uy tín hàng đầu tại Việt Nam, đồng thời tiếp nhận thêm những học viên, nghiên cứu sinh, nhà khoa học Việt Nam sang học tập và làm việc. Tôi nhớ vào thời điểm nhiều nhất, có tới cả trăm học viên và nghiên cứu sinh người Việt ở JAIST, chiếm khoảng 10% tổng số sinh viên. Sau 30 năm, JAIST đã hỗ trợ đào tạo cho Việt Nam hơn 180 tiến sĩ.

Nhiều năm làm việc với người Nhật, ông thấy người Việt nói chung, các nhà khoa học Việt nói riêng, nên học hỏi họ những điểm gì?

Ta có thể học được ở người Nhật nhiều điều. Thứ nhất, họ có lòng say mê đặc biệt với công việc, từ nghiên cứu, học tập hay bất cứ một việc nào khác. Sự say mê này đã tạo ra các kết quả tốt đẹp, trở thành "thương hiệu" của người Nhật. Thứ hai là tinh thần hoàn hảo trong công việc, cũng từ lòng say mê nói trên. Làm gì, họ cũng sẽ làm đến cùng, đến mức không thể làm tốt hơn được nữa, làm hết mọi nhẽ mới thôi. Thứ ba, là ảnh hưởng của giới tinh hoa với đất nước. Sự phối hợp hài hòa giữa lãnh đạo đầy trách nhiệm, quan chức tận tụy, doanh nghiệp tài giỏi và giới tinh hoa xuất sắc đã tạo nên những thành tựu kỳ diệu của nước Nhật.

Một điều tôi thấm thía là nước Nhật từ vài thế kỷ trước đã học và du nhập công nghệ cũng như cách làm ăn của thiên hạ, nhưng đều phát triển theo cách của mình với những đặc tính dân tộc sâu sắc và tinh thần cách tân mạnh mẽ. Như Viện JAIST nơi tôi đã làm việc - cơ sở giáo dục đầu tiên ở Nhật chỉ đào tạo thạc sĩ và tiến sĩ ở một vài khoa học chọn lọc - bắt đầu hoạt động từ năm 1992 với tinh thần kết hợp cái hay của giáo dục Âu - Mỹ với truyền thống giáo dục Nhật Bản.

So sánh nào khiến ông trăn trở?

Tôi may mắn có trải nghiệm ở Nhật, ở Pháp và đi qua khoảng 40 nước, thăm khoảng 70 ĐH ở khắp nơi, như Stanford, UCLA, Berkeley, Oxford, Yale... nên thường quan sát và suy nghĩ. Tôi thấy hầu hết các quốc gia vượt lên được đều do hai nguyên nhân: dựa vào tài nguyên thiên nhiên hoặc dựa vào phát triển khoa học và công nghệ (KH&CN). Mà KH&CN thì lại gắn với giáo dục.

Ở các nước phát triển, như ở Nhật và Mỹ, các nghiên cứu cơ bản và ứng dụng (~ 40%) chủ yếu làm ở các trường viện, còn nghiên cứu phát triển (~ 60%) chủ yếu ở doanh nghiệp. Trong khi đó ở ta do công nghiệp còn yếu nên phần lớn nghiên cứu khoa học vẫn mang tính hàn lâm, phần nghiên cứu phát triển không nhiều. Điều này chỉ có thể thay đổi nếu nối được trường viện với doanh nghiệp. Việc này phụ thuộc nhiều điều, như chính sách của nhà nước, sự thay đổi và nỗ lực của doanh nghiệp để có sản phẩm mang tính cạnh tranh cao nhờ KH&CN, sự chuyển mình của trường viện để gắn hơn với các nhu cầu của sản xuất, và sự phối hợp của nhà nước - doanh nghiệp - trường, viện.

Theo báo cáo của VINIF - quỹ tư nhân tài trợ cho KH&CN Việt Nam, trong các dự án họ tài trợ, tỷ lệ dự án nghiệm thu thương mại hóa sản phẩm là 21%, thành lập doanh nghiệp start-up, spin-off, chuyển giao công nghệ là 50%. GS có nhận xét gì về kết quả này?

Tôi có dịp làm một số việc với Quỹ VINIF và đánh giá cao việc Quỹ đẩy mạnh đầu tư, tài trợ cho hoạt động KH&CN ở Việt Nam. Theo lẽ thường, các con số 21% hay 50% là cao, thậm chí rất cao, vì từ nghiên cứu thành sản phẩm thương mại là không dễ dàng. Quỹ VINIF mới thành lập được 5 năm mà đã tạo ra được những thành tựu như vậy, thật là đáng nể.

Việc đầu tư hay tài trợ cho KHCN của các doanh nghiệp tư nhân tại Việt Nam thông qua các quỹ tư nhân, như VINIF chẳng hạn, sẽ có những lợi thế gì?

Lợi thế căn bản của những quỹ như VINIF so với các quỹ của nhà nước nằm ở tính chủ động, khả năng tự quyết, nhanh chóng trong giải quyết các thủ tục, nhất là thủ tục tài chính, và linh hoạt trong việc xét chọn, đánh giá dự án, đề tài nghiên cứu.

Như tôi đã đề cập, việc phối hợp của doanh nghiệp với trường viện rất quan trọng. Việc đầu tư của các doanh nghiệp tư nhân sẽ góp phần để KH&CN vừa nâng cao được chất lượng nghiên cứu hàn lâm, vừa điều chỉnh các mục tiêu và nỗ lực nghiên cứu, vừa chuyển hóa các sản phẩm nghiên cứu từ phòng thí nghiệm sang thị trường. Việc đầu tư của các doanh nghiệp tư nhân cho giáo dục đã góp phần rất ý nghĩa trong xây dựng nền tảng KH&CN của đất nước.

Liệu đang có làn sóng người Việt quay về nước làm việc và cống hiến, theo quan sát của GS?

Tôi thấy việc này có thực. Mỗi người trở về đều có những lý do và hoàn cảnh riêng, nhưng điểm chung là điều kiện và cơ hội làm việc tại Việt Nam hiện giờ đã nhiều hơn. Đối với giới nghiên cứu, tôi cũng thấy xu thế như vậy, thông qua các chương trình thu hút các nhà khoa học về nước làm việc, trong đó có việc cấp học bổng sau tiến sĩ như quỹ VINIF đang làm. Đây thật sự là một việc làm để nhiều người trẻ thấy trong và ngoài nước có những công việc và điều kiện không quá nhiều khác biệt.

Quỹ cũng có nhiều chương trình hỗ trợ và phát triển nguồn nhân lực chất lượng cao khác, tập trung vào các khía cạnh của lĩnh vực chuyển đổi số, như hợp tác đào tạo thạc sĩ khoa học dữ liệu. Tôi có dịp làm việc, thẩm định vài đề án thuộc chương trình này và thấy rằng đây là các chương trình hiệu quả và thành công.

Là chuyên gia hàng đầu về AI, GS đánh giá thế nào về khả năng ứng dụng cùng những mối lo ngại của AI trong đời sống?

Trong gần 70 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 lớn dữ liệu 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. Đó là AI truyền thống hay AI chuyên dụng.

Từ khoảng gần một thập kỷ qua, AI tạo sinh (GenAI) có những bước tiến lớn, nhờ máy tính mạnh hơn, dữ liệu nhiều hơn, đặc biệt là tiến bộ của học sâu (deep learning) cùng đột phá của một số kiến trúc và kỹ thuật tiêu biểu như GANs (mô hình đối kháng), transformer (mô hình biến đổi), LLM (mô hình ngôn ngữ lớn), diffusion models (mô hình lan truyền). ChatGPT là một sản phẩm tiêu biểu của AI tạo sinh. Khác với AI truyền thống chủ yếu phân tích và dùng dữ liệu đã có để giải quyết các vấn đề cụ thể, AI tạo sinh hướng về tạo ra nội dung mới, dưới dạng dữ liệu văn bản, hình ảnh, âm thanh, chương trình máy tính... 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.

Cả AI truyền thống và AI tạo sinh đều tạo ra kết quả từ dữ liệu và có chung bản chất quy nạp, 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.

Theo tôi, trong giai đoạn tới đây, ta vẫn cần tập trung nhiều vào AI truyền thống 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 biết cách dùng AI tạo sinh sao cho đúng và hiệu quả, đặc biệt trong giáo dục.

Một đứa trẻ sơ sinh có thể coi như chưa tiếp nhận dữ liệu nào từ bên ngoài, nhưng vẫn thể hiện "trí tuệ". Như vậy logic về con đường tạo ra AI tổng quát từ dữ liệu lớn (big data) có khả thi?

Cả AI truyền thống và AI tạo sinh đều thuộc loại AI hẹp, đối lập với AI tổng quát. Cách hiểu phổ biến là AI tổng quát có khả năng thực hiện bất kỳ nhiệm vụ trí tuệ nào mà con người có thể thực hiện. Nhiều người cho rằng AI tổng quát có thể là một mục tiêu không đạt được và chỉ là một ước mơ lý tưởng. Cũng nhiều chuyên gia cho rằng việc đạt được AI tổng quát sẽ cần rất nhiều thời gian và đòi hỏi những nghiên cứu kỹ thuật và đạo đức sâu sắc. Rất nhiều lo ngại về khả năng rủi ro và tai họa nếu AI tổng quát không được quản lý chặt chẽ và phát triển một cách an toàn.

Điều bạn đang đề cập gọi là "trí tuệ ẩn" (latent intelligence). Mặc dù việc thu thập dữ liệu lớn cung cấp nền tảng quan trọng cho việc phát triển AI, nhưng đúng là nó không đảm bảo rằng sẽ đạt được AI tổng quát, mà có thể còn yêu cầu sự kết hợp của nhiều yếu tố khác, các cách tiếp cận mới, sáng tạo.

Không có dự đoán cụ thể về thời điểm có thể thực hiện được AI tổng quát, các dự đoán thay đổi từ vài thập kỷ tới đến thậm chí một thế kỷ.

Ở Việt Nam, thỉnh thoảng ta lại thấy có những "làn sóng", từ công nghiệp hóa - hiện đại hóa, chuyển đổi số, AI, đến công nghiệp chế tạo chip. Theo GS, đâu mới là giá trị cốt lõi?

Theo tôi, các xu hướng mới như kinh tế tri thức, AI, chip bán dẫn... thuộc về những tiến bộ chung của nhân loại, và sẽ có ảnh hưởng đến chính sách và con đường của chúng ta. Vấn đề là phải lựa chọn sao cho khôn ngoan, cho đúng. Công nghiệp hóa, hiện đại hóa chắc chắn là cái đích ta cần phải tiến đến, để cho nước giàu dân mạnh. Đó là định mệnh.

Cũng có những định mệnh mới gắn với sự phát triển toàn cầu mà ta buộc phải thay đổi, thích ứng, chẳng hạn như chuyển đổi số. Khi thế giới gắn với những con số, vận hành trên môi trường thực-số, rồi từ phần số tối ưu hóa phần thực, thì mình dù muốn hay không cũng phải làm. Hay việc thế giới đang nóng dần lên và các nguồn nhiên liệu tự nhiên đang sớm cạn kiệt, nên nhất thiết ta phải chuyển đổi xanh. Đó cũng là một định mệnh.

Dường như KH&CN của ta đang thiên về việc "tạo ra" mà xao nhãng việc "học hỏi", trong khi những nước đi sau như ta rất cần chú trọng đến việc "biết và dùng" những gì nhân loại đã tìm để cho cái đích của mình.

GS nhấn mạnh đến vai trò của chuyển đổi số, vậy bản chất chuyển đổi số là gì, vì sao lại quan trọng như vậy?

Do việc số hóa, mọi vật thể trên đời đều có thể gắn với những con số, và có thể nối với nhau qua những con số đó và internet. Chuyển đổi số không chỉ là số hóa, mà số hóa rồi thì ta dùng các con số ấy thế nào? Chuyển đổi số chính là thay đổi cách làm mọi việc, mà cốt lõi là dùng phần số làm tốt hơn phần thực.

Chuyển đổi số và chuyển đổi xanh là hai việc "định mệnh" trên con đường phát triển đất nước. 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 hài hòa, 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. 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 vẻ như Việt Nam cũng chỉ còn một lần để có thể bắt kịp với sự phát triển công nghệ thế giới, do dân số chúng ta sắp đến thời kỳ già hóa?

Ta đang ở đoạn cuối của thời kỳ dân số vàng, được dự đoán sẽ kết thúc sau khoảng 20 năm nữa. Nếu không tiến nhanh, với tốc độ thay đổi của công nghệ ngày nay, người thắng cuộc sẽ lấy tất cả (the winner takes it all). Phát triển trong môi trường thay đổi với chuyển đổi số và chuyển đổi xanh là thách thức rất lớn, tuy nhiên đất nước mình cũng có rất nhiều cơ hội để trở thành một nước giàu và mạnh.

Xin trân trọng cảm ơn GS!