Một hệ sinh thái AI tự chủ cần hình thành được chuỗi năng lực từ thu thập dữ liệu, phát triển mô hình đến triển khai trong các lĩnh vực thực tế. Trong chuỗi này, những công nghệ tưởng như nằm ngoài lĩnh vực AI, chẳng hạn đo lường và kiểm tra tín hiệu, cũng có vai trò nhất định.
Tự chủ AI bắt đầu từ dữ liệu trong nước
Một mô hình AI có thể được xây dựng từ nhiều nguồn dữ liệu khác nhau, nhưng khả năng phát triển các hệ thống phù hợp với Việt Nam phụ thuộc lớn vào việc chủ động tạo lập và kiểm soát dữ liệu.
Trong công nghiệp, dữ liệu không chỉ là văn bản hay hình ảnh. Máy móc tạo ra dữ liệu về nhiệt độ, áp suất, rung động, dòng điện, điện áp và tín hiệu điện tử. Các dữ liệu này phản ánh trực tiếp trạng thái của thiết bị và quá trình sản xuất.
Muốn sử dụng chúng cho AI, doanh nghiệp cần kiểm soát được cách dữ liệu được tạo ra, thời điểm thu thập, điều kiện đo và độ tin cậy của kết quả. Đây là khác biệt giữa việc chỉ sử dụng dữ liệu và có khả năng chủ động xây dựng nguồn dữ liệu phục vụ AI.
Với năng lực tự chủ ở cấp quốc gia, việc hình thành các nguồn dữ liệu có chất lượng và khả năng truy xuất là nền tảng để phát triển các mô hình phù hợp với từng ngành.
Đo lường tạo cơ sở kiểm chứng dữ liệu
Một mô hình AI tốt vẫn cần hạ tầng để huấn luyện, lưu trữ và vận hành. Khi quy mô ứng dụng tăng, nhu cầu về bộ xử lý, bộ nhớ, thiết bị lưu trữ, mạng truyền dữ liệu và hệ thống cung cấp điện cũng tăng theo.
Ở cấp độ phần cứng, quá trình phát triển các thiết bị điện tử và vi mạch đòi hỏi nhiều công đoạn đo kiểm. Các đặc tính điện, tín hiệu tốc độ cao, nhiễu, nhiệt độ và độ ổn định của linh kiện đều phải được kiểm tra bằng thiết bị chuyên dụng.
Ví dụ, máy hiện sóng có thể ghi nhận sự thay đổi của điện áp và dòng điện theo thời gian. Máy phân tích phổ được sử dụng để kiểm tra tín hiệu trong miền tần số. Đây là những công cụ phục vụ trực tiếp cho quá trình phát triển và kiểm tra phần cứng điện tử mà các hệ thống AI cũng phụ thuộc vào. Camera ảnh nhiệt có thể cung cấp dữ liệu về phân bố nhiệt của thiết bị, giúp kết nối dữ liệu cảm biến với hoạt động giám sát và phát hiện bất thường.
=> Hãy liên hệ EMIN để được tư vấn giải pháp và sản phẩm phù hợp với công việc của bạn.
Làm chủ AI cần làm chủ khả năng kiểm chứng
Năng lực tự chủ công nghệ không chỉ thể hiện ở khả năng tạo ra sản phẩm mà còn ở khả năng tự kiểm tra sản phẩm đó.
Với AI, việc kiểm chứng có thể bắt đầu từ dữ liệu đầu vào. Một cảm biến bị sai lệch, một hệ thống camera thay đổi đặc tính hoặc một thiết bị đo hoạt động không ổn định đều có thể làm thay đổi dữ liệu mà mô hình sử dụng.
Trong các hệ thống AI công nghiệp, dữ liệu đo còn được dùng để xác định trạng thái thực của thiết bị. Nếu không có phương pháp kiểm tra độc lập, rất khó phân biệt lỗi của mô hình với lỗi phát sinh từ cảm biến, thiết bị đo hoặc quá trình thu thập dữ liệu.
Do đó, năng lực đo lường, kiểm tra và đánh giá cần được phát triển song song với năng lực AI. Đây là phần cơ sở kỹ thuật giúp xác nhận rằng dữ liệu và kết quả của hệ thống phản ánh đúng đối tượng thực tế.
Từ AI đến năng lực công nghệ của các ngành
Mục tiêu của việc xây dựng năng lực AI trong nước không dừng ở việc tạo ra các mô hình ngôn ngữ hoặc công cụ phần mềm. Giá trị lớn hơn nằm ở khả năng đưa AI vào những lĩnh vực mà Việt Nam có nhu cầu và lợi thế phát triển.
Trong sản xuất, AI có thể xử lý dữ liệu từ dây chuyền và thiết bị để phát hiện bất thường hoặc hỗ trợ bảo trì. Trong điện tử, AI có thể phân tích tín hiệu và dữ liệu kiểm tra. Trong năng lượng, dữ liệu từ hệ thống điện và thiết bị đo có thể được sử dụng để giám sát vận hành.
Ở những ứng dụng này, AI trở thành một phần của chuỗi công nghệ gồm phần cứng – đo lường – dữ liệu – tính toán – mô hình – ứng dụng. Làm chủ từng mắt xích giúp giảm sự phụ thuộc vào một công nghệ hoặc nền tảng duy nhất..
Xây dựng hệ sinh thái thay vì chỉ phát triển mô hình
Năng lực tự chủ AI ở cấp quốc gia cần được nhìn như một hệ sinh thái công nghệ. Nhân lực phát triển thuật toán cần đi cùng năng lực dữ liệu; hạ tầng tính toán cần đi cùng phần cứng; mô hình AI cần được kiểm chứng và cải tiến bằng dữ liệu thực tế; còn các ứng dụng AI cần gắn với nhu cầu thực tế của từng ngành. Khi các năng lực này được phát triển đồng thời, Việt Nam có thể từng bước chuyển từ sử dụng công nghệ AI có sẵn sang tham gia phát triển, kiểm soát và làm chủ nhiều thành phần của chuỗi công nghệ AI.
Đo lường là cơ sở để kiểm chứng dữ liệu. Đây là một trong những lớp công nghệ giúp kết nối AI với thế giới vật lý, đặc biệt trong công nghiệp, điện tử, năng lượng và tự động hóa.
Hệ sinh thái có nhiều thành phần cùng tham gia phát triển. Các trường đại học và viện nghiên cứu đảm nhiệm nghiên cứu thuật toán, mô hình và phương pháp mới; doanh nghiệp phát triển sản phẩm, nền tảng và đưa AI vào hoạt động thực tế; trong khi hạ tầng tính toán, dữ liệu và các công nghệ phần cứng tạo nền tảng cho toàn bộ hệ thống. Khi các thành phần này kết nối với nhau, kết quả nghiên cứu có thể được chuyển thành sản phẩm và tiếp tục tạo ra dữ liệu, bài toán mới cho hoạt động nghiên cứu.
Kiểm chứng và Cải tiến dữ liệu. Dữ liệu từ quá trình vận hành được đưa trở lại hệ thống để đánh giá mô hình, phát hiện sai lệch và cải thiện thuật toán. Các thiết bị đo và hệ thống kiểm tra cung cấp cơ sở để đối chiếu kết quả AI với trạng thái thực tế của đối tượng. Nhờ vòng kết nối nghiên cứu – dữ liệu – hạ tầng – ứng dụng – kiểm chứng – cải tiến, năng lực AI có thể được tích lũy phù hợp điều kiện trong nước.
