'AI chỉ phát huy giá trị khi kết hợp một lĩnh vực cụ thể'

Để thành công trong việc chinh phục trí tuệ nhân tạo, thế hệ trẻ không nên chỉ tập trung vào lý thuyết thuật toán mà cần phải nắm vững chuyên môn của một ngành nghề nhất định. Bên cạnh đó, khả năng kiến tạo sản phẩm ứng dụng và năng lực hợp tác đa ngành cũng là những yếu tố then chốt, theo nhận định từ PGS.TS Nguyễn Văn Hiển.

Sinh năm 1984 tại thành phố Đà Nẵng, PGS.TS Nguyễn Văn Hiển hiện đang công tác tại khoa Điện và Kỹ thuật máy tính thuộc Đại học Houston (Mỹ). Hướng nghiên cứu trọng tâm của ông xoay quanh lĩnh vực AI, thị giác máy tính cùng công nghệ phân tích ảnh y sinh. Đến nay, ông đã đóng góp cho nền khoa học thế giới hơn 100 công trình nghiên cứu được công bố cùng 12 phát minh được bảo hộ bằng sáng chế tại Mỹ.

Trong sự nghiệp của mình, ông từng đảm nhận vị trí nghiên cứu viên tại Siemens Healthineers và chuyên gia khoa học cao cấp thuộc bộ phận phát triển xe tự hành Uber ATG. Các đề tài nghiên cứu của vị phó giáo sư này từng nhận được nguồn kinh phí tài trợ từ Quỹ Khoa học quốc gia Mỹ (NSF) cũng như Viện Y tế quốc gia Mỹ (NIH). Ông cũng sở hữu một số giải thưởng báo chí khoa học danh giá, đồng thời là thành viên cao cấp thuộc Học viện sáng chế quốc gia Mỹ (NAI) và tham gia Hội đồng biên tập của tạp chí chuyên ngành Computerized Medical Imaging and Graphics (Elsevier).

Bên lề diễn đàn Beyond Honors do doanh nghiệp New England Elite Consulting (NEEC) tổ chức ở TP HCM vừa qua, vị chuyên gia đã có những trao đổi thẳng thắn xoay quanh con đường khẳng định bản thân trên trường quốc tế, việc đưa công nghệ số vào phục vụ ngành y cũng như vị thế tương lai của người thầy thuốc.

PGS.TS Nguyễn Văn Hiển. Ảnh: NVCC

Những cột mốc định hình tư duy và hành trình dấn thân cùng công nghệ học sâu

- Từng theo học lớp chuyên Toán - Lý tại trường THPT chuyên Lê Quý Đôn (Đà Nẵng), sau đó tiếp tục chặng đường học tập tại Singapore rồi sang Mỹ, đâu là ngã rẽ mang tính quyết định làm thay đổi cuộc sống của ông?

- Những năm tháng rèn luyện dưới mái trường chuyên Lê Quý Đôn luôn có vị trí đặc biệt trong lòng tôi, tạo dựng nền tảng vững chắc để tôi tiếp cận với những cơ hội học tập lớn tại Singapore và Mỹ sau này.

Khi nhìn lại hành trình dài, tôi nhận ra sự chuyển biến lớn không bắt nguồn từ một khoảnh khắc bước ngoặt đơn lẻ nào. Đó thực tế là chuỗi các lựa chọn liên tục hằng ngày theo những nguyên tắc nhất định: ưu tiên đối mặt với bài toán phức tạp nhưng mang lại giá trị thực tế, tích cực phối hợp cùng những đồng nghiệp ưu tú, và luôn duy trì niềm tin rằng năng lực của bản thân có thể mở rộng không giới hạn.

- Lý do nào đã thôi thúc ông nghiên cứu về deep learning (học sâu) vào thời điểm năm 2013, giai đoạn mà khái niệm AI vẫn chưa phổ biến, và có lúc nào ông cảm thấy hoài nghi về con đường mình đã chọn?

- Vào khoảng năm 2013, khi tôi đang triển khai đề tài luận án tiến sĩ tập trung vào kỹ thuật mã hóa thưa thớt (Sparse Coding) và làm nghiên cứu ảnh y khoa ở Siemens Healthineers, tôi đã quan sát thấy một xu hướng rõ rệt. Đó là khi các mô hình tính toán sở hữu cấu trúc phân tầng sâu hơn với nhiều lớp biểu diễn dữ liệu, khả năng xử lý thông tin thực tế của chúng tỏ ra vượt trội hoàn toàn so với những giải pháp truyền thống trước đó.

Đúng vào thời điểm ấy, các công trình khoa học mang tính đặt nền móng về học sâu do tập thể nghiên cứu của giáo sư Geoffrey Hinton công bố đã củng cố mạnh mẽ cho nhận định này. Không chút do dự, tôi quyết định tập trung sâu vào hướng đi mới, trực tiếp tham gia thiết kế và sau đó được cấp một trong những bằng sáng chế đầu tiên trên toàn cầu về ứng dụng học sâu trong chẩn đoán hình ảnh y sinh. Thành quả này về sau đã được tập đoàn Siemens áp dụng vào thực tế trên hàng loạt thiết bị y tế của họ.

Từ trước đến nay, tôi chưa từng lung lay niềm tin về việc AI sẽ tái định hình phương thức khám chữa bệnh. Điều mà giới khoa học trăn trở hoàn toàn không phải là câu chuyện tương lai đó có diễn ra hay không, mà nằm ở thời điểm bùng nổ cũng như việc ai sẽ là người kiến tạo nên những công nghệ này một cách tử tế và trách nhiệm - đây cũng chính là mục tiêu mà tôi vẫn bền bỉ theo đuổi.

Vai trò đồng hành của công nghệ và bài toán thực tế của y học hiện đại

- Quan sát chuỗi dự án về chăm sóc sức khỏe mà ông đã thực hiện, người ta thấy rõ một thông điệp cốt lõi: trí tuệ nhân tạo ra đời để bổ trợ cho quá trình ra quyết định của bác sĩ chứ không phải nhằm thay thế vị trí của họ?

- Nhận định này hoàn toàn phản ánh định hướng thiết kế hệ thống của tôi, dựa trên một nền tảng toán học căn bản được gọi là "lý thuyết tổ hợp mô hình" (Ensemble Theory).

Thực tế cho thấy sai sót của người thầy thuốc và của hệ thống máy tính thường không trùng khớp nhau. Trí tuệ nhân tạo thường hoạt động kém hiệu quả khi gặp các dữ liệu bị nhiễu nặng hoặc những bệnh lý cực kỳ hiếm gặp. Ngược lại, con người có thể để xảy ra sai sót hoặc bỏ qua các dấu hiệu tổn thương nhỏ do tình trạng quá tải về thời gian hoặc sự mệt mỏi khi ca trực kéo dài. Do đặc tính sai sót không giống nhau, sự kết hợp giữa hai chủ thể này sẽ tạo ra cơ chế bù trừ lý tưởng, giúp hạn chế tối đa sai sót lâm sàng.

Định hướng này đã được khẳng định thông qua hàng loạt thử nghiệm lâm sàng trên thế giới. Ví dụ như báo cáo trên tạp chí y khoa American Journal of Surgical Pathology vào năm 2018 chứng minh rằng, đối với nhiệm vụ phân tích hạch bạch huyết tìm tế bào ung thư vú di căn, các chuyên gia giải phẫu bệnh nếu làm việc độc lập chỉ đạt độ nhạy khoảng 83%. Tuy nhiên, khi có sự đồng hành của công cụ AI hỗ trợ, chỉ số độ nhạy đã nâng lên mức 91% trong khi vẫn giữ nguyên độ đặc hiệu và tối ưu hóa thời gian xử lý. Kết quả tích cực tương tự cũng được ghi nhận ở các hoạt động tầm soát ung thư vú, đọc phim X-quang phổi hay chẩn đoán các ca tai biến xuất huyết não qua phim chụp cắt lớp vi tính (CT).

Bên cạnh đó, nghề y không đơn thuần dừng lại ở bài toán phân loại hình ảnh. Công việc này đòi hỏi sự thấu hiểu toàn diện về hoàn cảnh lâm sàng của từng bệnh nhân, khả năng giao tiếp và trách nhiệm đạo đức nghề nghiệp. Trong khi máy móc đảm nhiệm tốt việc xử lý khối lượng lớn hình ảnh với độ ổn định cao, giảm bớt áp lực công việc, thì người bác sĩ sẽ có thêm thời gian quý báu để tập trung xử lý các ca bệnh nan y - nơi mà tri thức thực tế và trực giác của con người đóng vai trò quyết định.

Tầm nhìn của tôi trong vòng một thập kỷ tới là những hệ thống trí tuệ nhân tạo có sức sống lâu bền phải là những công cụ được thiết kế dựa trên sự tham vấn chặt chẽ của giới y khoa, sinh ra để nâng tầm năng lực cho bác sĩ chứ không phải để chiếm chỗ của họ.

PGS. TS Nguyễn Văn Hiển tại sự kiện của NEEC. Ảnh: NVCC

Lợi thế chiến lược và rào cản công nghệ của Việt Nam

- Đứng dưới góc độ một nhà nghiên cứu gốc Việt đang làm việc tại môi trường học thuật Mỹ, ông đánh giá thế nào về những điểm mạnh cũng như các thách thức lớn mà Việt Nam cần vượt qua trong làn sóng công nghệ này?

- Trí tuệ nhân tạo là một hệ sinh thái vô cùng rộng lớn, bao hàm từ mô hình ngôn ngữ lớn, các hệ thống tự hành cho đến y khoa. Do đó, tôi muốn đưa ra nhận định dựa trên mảng chuyên môn sâu của mình là ứng dụng AI trong chăm sóc sức khỏe. Thực tế, nước ta đang nắm giữ ba lợi thế cốt lõi nhưng đôi khi chưa được khai thác đúng tầm.

Yếu tố đầu tiên nằm ở bức tranh dịch tễ học đặc trưng. Việc có tỷ lệ mắc cao đối với một số nhóm bệnh chuyên biệt vô tình tạo ra nguồn cơ sở dữ liệu lâm sàng vô cùng phong phú và giá trị. Quá trình huấn luyện và tối ưu hóa AI dựa trên nguồn thông tin này không chỉ giúp sản phẩm đạt độ chính xác cao với người bản địa mà còn mở rộng khả năng ứng dụng sang nhiều quốc gia khác. Đây chính là đóng góp mang hàm lượng khoa học lớn mà ngành y tế Việt Nam có thể mang lại cho giới nghiên cứu toàn cầu.

Yếu tố thứ hai là về nguồn lực con người. Quốc gia đang sở hữu một thế hệ kỹ sư công nghệ trẻ trung, năng động với khả năng tự học dịch chuyển nhanh chóng.

Yếu tố thứ ba đến từ các quyết sách mang tính vĩ mô. Hệ thống pháp lý cũng như các định hướng chiến lược tầm quốc gia dành cho lĩnh vực AI đang từng bước được hoàn thiện bài bản với nhiều văn bản hướng dẫn cụ thể đã đi vào cuộc sống.

Mặc dù vậy, nước ta vẫn phải đối diện với hai nút thắt lớn khó có thể giải quyết trong một sớm một chiều. Trước hết là tình trạng khan hiếm các chuyên gia đầu ngành về AI, những người có kinh nghiệm thực tế trong các lĩnh vực yêu cầu độ an toàn tuyệt đối như y khoa. Đây là khoảng cách không thể khỏa lấp hoàn toàn nếu chỉ dựa vào các chương trình đào tạo lý thuyết đơn thuần tại giảng đường. Tôi cho rằng việc mở rộng các kênh hợp tác với các đơn vị quốc tế sẽ là chìa khóa giúp tăng tốc tiến trình này.

Thách thức tiếp theo liên quan đến sự thiếu đồng bộ trong hạ tầng phục vụ nghiên cứu lâm sàng, bao gồm hệ thống bệnh viện, hoạt động của các hội đồng đạo đức cùng quy trình quản trị dữ liệu sạch. Việc hoàn thiện năng lực cho cả một hệ sinh thái như vậy đòi hỏi lộ trình dài hơi chứ không thể giải quyết bằng các dự án mang tính ngắn hạn.

Trong vòng 10 năm tới, những quốc gia bứt phá thành công trong mảng AI y tế sẽ là những cái tên biết kết hợp hài hòa nguồn lực nội tại cùng mạng lưới học thuật quốc tế thay vì tự cô lập để phát triển đơn lẻ. Đây cũng chính là chiến lược tối ưu mà Việt Nam nên hướng tới.

Lời khuyên dành cho thế hệ trẻ và tư duy toàn cầu

- Rất nhiều bạn trẻ hiện nay mong muốn dấn thân vào ngành AI nhưng lại mang tâm lý e ngại công nghệ này sẽ xóa sổ nhiều vị trí việc làm. Theo góc nhìn của ông, đâu là những kỹ năng cốt lõi cần trang bị để không bị tụt hậu?

- Thay vì đưa ra những định hướng mang tính khái quát, tôi muốn chia sẻ ba bài học kinh nghiệm rất cụ thể.

Trước hết, các bạn cần phải am tường một chuyên ngành cụ thể. Bản thân AI sẽ không thể tạo ra giá trị nếu tách rời khỏi các lĩnh vực ứng dụng thực tế như tài chính, nông nghiệp hay y tế. Một chuyên gia kỹ thuật thực thụ cần trang bị đủ kiến thức chuyên môn của ngành đó để có thể làm việc hiệu quả và đối thoại sòng phẳng với các chuyên gia trong lĩnh vực đó.

Thứ hai, cần chú trọng năng lực phát triển hệ thống ứng dụng trong thực tế. Việc chuyển đổi thành công một thuật toán thô thành một giải pháp phần mềm chạy ổn định, bảo mật cao và có khả năng tự hoàn thiện từ góp ý của người dùng có giá trị thực tiễn lớn hơn nhiều so với việc chỉ dừng lại ở bước xây dựng mô hình lý thuyết.

Cuối cùng là kỹ năng giao tiếp và làm việc liên ngành. Các bạn cần rèn luyện khả năng lắng nghe để thấu hiểu tâm tư, nguyện vọng của các bác sĩ, những nhà quản lý hay người bệnh, từ đó làm cầu nối vững chắc giữa yếu tố kỹ thuật và đời sống thực tế.

Khi cân nhắc về cơ hội phát triển sự nghiệp, các bạn trẻ không nên quá rạch ròi giữa việc phải làm việc tại Mỹ, châu Âu hay ở lại Việt Nam. Hãy tự đặt câu hỏi xem bản thân thực sự muốn giải quyết bài toán cốt lõi nào, và tìm đến nơi mà vấn đề đó đang có những điều kiện tốt nhất để tìm ra lời giải.

- Ông vừa đề cập đến việc không nên quá phân biệt không gian làm việc, tuy nhiên hiện nay vẫn tồn tại quan điểm cho rằng "phải đi du học mới có thể tiếp thu công nghệ tiên tiến, sau đó mới quay trở về đóng góp cho đất nước"?

- Việc học tập tại nước ngoài vẫn đóng vai trò quan trọng giúp các nhà nghiên cứu có cơ hội cọ xát tại những cái nôi khoa học hàng đầu và hiểu rõ cách thức vận hành của các hệ sinh thái công nghệ toàn cầu. Mặc dù vậy, khái niệm về sự "cống hiến" thời đại số giờ đây đã mang tầng nghĩa rộng mở hơn nhiều so với tư duy cơ học về việc đi hay ở.

Nền khoa học hiện đại vận hành giống như một mạng lưới kết nối phẳng trên toàn cầu. Lấy ví dụ từ chính bản thân tôi, dù không gian học thuật và các dự án nghiên cứu chính yếu của tôi vẫn đặt tại Mỹ - nơi tôi thực hiện công tác giảng dạy cũng như triển khai các đề tài khoa học dài hạn của mình. Tuy nhiên, tôi vẫn duy trì và tham gia sâu vào các chương trình hợp tác nghiên cứu đa quốc gia, bao gồm cả các dự án tại Việt Nam. Lý do là bởi các nghiên cứu y khoa tiên tiến hiện nay đòi hỏi quy mô mẫu lớn và độ đa dạng về mặt dữ liệu vượt ra ngoài biên giới của bất kỳ một quốc gia đơn lẻ nào.

Khi một mô hình AI được thử nghiệm và tối ưu hóa dựa trên các chỉ số lâm sàng thực tế tại Việt Nam, người bệnh trong nước sẽ là những người đầu tiên được thụ hưởng các giải pháp công nghệ đạt tiêu chuẩn quốc tế. Song song với đó, chính hệ thống AI đó cũng sẽ vận hành một cách công tâm và đạt độ chính xác cao hơn khi áp dụng trên phạm vi toàn cầu nhờ phản ánh chính xác sự đa dạng của thực tế lâm sàng. Đây là mối quan hệ tương hỗ cùng phát triển, hoàn toàn không phải là sự đánh đổi lợi ích giữa các quốc gia.

- Xét về mục tiêu tối cao trong hành trình làm khoa học của mình, ông kỳ vọng các công trình nghiên cứu của bản thân sẽ mang lại những chuyển biến gì cho nền y tế cũng như đời sống xã hội?

- Hoài bão lớn nhất của tôi là thông qua các nghiên cứu của mình có thể góp phần xóa nhòa khoảng cách trong việc tiếp cận dịch vụ y tế chất lượng cao giữa các đô thị lớn giàu nguồn lực và những vùng sâu vùng xa còn nhiều khó khăn. Sẽ thật ý nghĩa nếu trong vòng 10 năm tới, một người dân tại các bệnh viện tuyến tỉnh vẫn có cơ hội nhận được kết quả chẩn đoán hình ảnh chính xác tương đương với các trung tâm y tế hàng đầu. Nhờ đó, các bác sĩ sẽ có đầy đủ cơ sở để đưa ra phác đồ điều trị nhanh chóng, chính xác, giúp bệnh nhân được can thiệp y tế kịp thời và nâng cao khả năng bình phục.

Để hiện thực hóa những giải pháp công nghệ mang tầm vóc như vậy, sự bắt tay chặt chẽ giữa các nhà khoa học, đội ngũ y bác sĩ cùng hệ thống bệnh viện ở nhiều quốc gia là điều bắt buộc. Một giải pháp AI chỉ được coi là thực sự an toàn và đáng tin cậy một khi nó vượt qua các đợt kiểm định khắt khe trên nhiều quần thể bệnh nhân khác nhau và được nhào nặn bởi chính bàn tay của những người thầy thuốc - những người trực tiếp vận hành công cụ đó sau này. Khi đạt được điều đó, toàn xã hội sẽ cùng được thừa hưởng những quả ngọt từ sự tiến bộ của công nghệ.

Suy cho cùng, hành trình làm khoa học chân chính không phải là một cuộc đua tốc độ xem ai là người về đích trước. Giá trị cốt lõi nằm ở việc chúng ta có thể để lại cho thế hệ sau những kho tàng tri thức và giải pháp công nghệ thiết thực giúp cuộc sống của con người trở nên tốt đẹp, nhân văn và công bằng hơn hay không.

Cảm ơn quý độc giả đã dành thời gian quan tâm và theo dõi bài viết chia sẻ đầy tâm huyết này. Hy vọng những góc nhìn sâu sắc về công nghệ và y học đã mang lại cho bạn những thông tin hữu ích. Mời bạn tiếp tục khám phá thêm các chủ đề hấp dẫn và các bài viết liên quan ngay phía dưới.

• GS Thái Trà My: 'Con người dễ bị AI đánh lừa bởi giọng điệu tự tin'
• 41% doanh nghiệp khó tích hợp AI vào hệ thống hiện có
• 'AI không thay thế nhưng đòi hỏi con người nâng cấp kỹ năng'