Báo Dân trí có cuộc phỏng vấn Khánh Huyền (Huyền Chip) khi nữ tác giả vừa xuất bản cuốn sách thứ hai về công nghệ Generative AI (tạm dịch: trí tuệ nhân tạo tạo sinh).

Nhiều năm trước Huyền đến Stanford với dự định học văn chương, vì sao bạn lại trở thành cử nhân, thạc sĩ chuyên ngành trí tuệ nhân tạo?

- Khi mới sang Stanford, tôi rất thích viết lách và muốn học về văn chương. Nhưng ở Stanford thì yêu cầu tốt nghiệp là sinh viên phải có tín chỉ một số khóa học về lập trình, toán… Ban đầu tôi nghĩ những khóa học này có lẽ là chán, cố học nhanh cho xong.

Nhưng bắt đầu học thì lại thấy rất vui. Thầy giao bài tập về nhà là phải viết lập trình game (trò chơi điện tử) từ dễ đến khó, rồi làm ra các game sao cho bạn học không thể thắng được mình. Học môn này một thời gian tôi thấy "ơ, vui quá!" và quyết định theo đuổi nó.

Từ văn chương chuyển sang khoa học máy tính, Huyền gặp khó khăn nào không?

- Ban đầu tôi khá tự ti, bởi vì vào học đại học muộn hơn so với các bạn cùng trang lứa. Ở Stanford có rất nhiều bạn học lập trình từ năm 6 tuổi, còn tôi thì sang Mỹ mới học, vậy nên tôi cảm thấy mình ở phía sau các bạn ấy một khoảng cách khá xa.

Tôi còn có một tự ti nữa là sợ mọi người biết mình xuất thân từ dân văn chương, viết lách, trong khi môi trường xung quanh toàn dân công nghệ. Vậy nên khi mới đến Stanford tôi không chia sẻ câu chuyện của mình với ai cả. Trong quá trình học, khi nộp đơn tìm việc thực tập, tôi nộp rất nhiều nơi song không chỗ nào nhận. Về sau có một người phụ trách tuyển dụng nói với tôi "em viết trong hồ sơ là học văn chương, nên không ai nghĩ em biết lập trình". Vậy là tôi càng tự ti hơn, tìm cách giấu điều đó.

Đến khi quen với việc học ở Stanford, bắt đầu làm trợ giảng thì tôi nhận ra một điều là khả năng viết lách giúp mình rất nhiều khi trình bày các vấn đề khoa học, công nghệ khô khan. Nhiều sinh viên nói với tôi "bạn giải thích vấn đề rất dễ hiểu".

Tôi tự hỏi vì sao mình được khen như vậy và nhận ra là nhờ mình đã đưa các câu chuyện vào kiến thức công nghệ, nghĩa là mình đang kể chuyện về công nghệ, nên bài trình bày trở nên dễ hiểu hơn. Ngoài ra tôi cũng gặp may mắn khi hai bài viết đầu tiên của tôi về trải nghiệm học lập trình trên blog cá nhân được khá nhiều người đọc.

Sau 4 năm thì tôi nhận được hai tấm bằng cử nhân, thạc sĩ chuyên ngành trí tuệ nhân tạo của Đại học Stanford, cũng mặc áo chùng, đeo khăn choàng, và ném mũ "như con nhà người ta". Stanford học theo tín chỉ nên học đủ tín chỉ là có thể tốt nghiệp. Chuyện hoàn thành cả hai bằng trong bốn năm ở đây không phải là hiếm. Bí quyết đơn giản là chỉ cần học tập chăm chỉ và biết quản lý thời gian tốt.

Như vậy văn chương đã giúp Huyền học công nghệ tốt hơn hay ngược lại, học công nghệ giúp Huyền viết văn hay hơn?

- Tôi nghĩ là cả hai giúp cho tôi nhiều như nhau. Tôi rất thích lời khuyên của Scott Adams, tác giả của truyện tranh Dilbert, rằng nếu như mình chỉ học một ngành thì để thành công trong ngành đó, mình sẽ phải đứng trong nhóm 1% những người giỏi nhất; còn nếu học hai ngành, chúng ta chỉ cần ở trong nhóm 25% của những người giỏi nhất cả hai ngành đó là được.

Adams vốn là kỹ sư máy tính, nhưng về sau đã chuyển sang vẽ truyện tranh. Anh nói rằng nếu như anh chỉ là kỹ sư máy tính sẽ không ai biết đến, vì anh không phải là người giỏi nhất. Nhưng khi anh chuyển sang vẽ truyện tranh cho nhóm người xem là kỹ sư thì anh nổi tiếng, vì anh phát huy được thế mạnh trong cả hai lĩnh vực.

Bản thân tôi cũng vậy thôi, tôi biết rằng nếu so với những bạn học lập trình từ nhỏ thì chắc chắn mình không bằng được, và sẽ không nằm trong số 1% những người giỏi nhất. Về văn chương tôi cũng không phải là người viết quá giỏi. Nhưng viết về công nghệ thì tôi có thể phát huy được hai lĩnh vực mình yêu thích và am hiểu, và nhờ vậy nên tôi nổi bật hơn chút xíu.

Huyền trở thành trợ giảng ở đại học Stanford khi đang là sinh viên. Như vậy là bạn đã bắt nhịp rất nhanh?

- Thực ra ban đầu tôi làm trợ giảng không phải vì muốn làm công việc này, mà làm để kiếm thêm tiền. Ở Stanford, nếu bạn là thạc sĩ, tiến sĩ mới được làm trợ giảng, còn sinh viên đại học thì chỉ có cơ hội duy nhất làm trợ giảng trong một khóa học lập trình cơ bản, vậy là tôi nộp đơn và được nhận.

Khi đi làm trợ giảng tôi mới phát hiện ra là mình rất thích dạy học. Trước mỗi buổi lên lớp, tôi dành nhiều thời gian để đọc hiểu thật sâu nội dung bài giảng, ngồi nghĩ là với nội dung này thì sinh viên sẽ đưa ra những câu hỏi gì để chuẩn bị trước. Mỗi bài giảng được tôi chuẩn bị thành một bộ tài liệu cẩn thận, rồi gửi cho sinh viên, bảo là "nếu bạn nào không hiểu những gì mình nói trên lớp thì có thể đọc tài liệu này để nắm bắt được kiến thức cần thiết".

Tôi thấy các bạn sinh viên đánh giá khá tốt các bài giảng tôi gửi, và họ chia sẻ cho nhiều người khác đọc. Những nội dung đó sau này trở thành một phần trong hai cuốn sách của tôi về AI.

Nội dung chính hai cuốn sách đó là gì?

- Cuốn sách đầu tiên về AI của tôi, cũng là cuốn sách tiếng Anh đầu tay là về "Thiết kế hệ thống học máy - Designing machine learning systems". Cuốn sách này hướng dẫn người đọc cách tiếp cận toàn diện để thiết kế các hệ thống machine learning đáng tin cậy. Ví dụ bạn là người bán hàng qua mạng, bạn sẽ có nhu cầu xử lý các giao dịch tài chính online sao cho an toàn. Cuốn sách cung cấp các bước để phát triển hệ thống giám sát có thể nhanh chóng phát hiện và xử lý các vấn đề phát sinh, chẳng hạn như cách tạo dữ liệu huấn luyện, chọn các đặc trưng nào, tần suất huấn luyện lại mô hình, những gì cần giám sát.v.v.

Còn cuốn thứ hai, vừa xuất bản, có chủ đề về kỹ thuật AI (AI Engineering - một lĩnh vực kỹ thuật liên ngành tập trung vào việc thiết kế, xây dựng, triển khai và tối ưu hóa các hệ thống ứng dụng AI). Đây là quá trình biến các mô hình generative AI như GPT, Claude, Gemini thành các giải pháp thực tiễn, đáp ứng được nhu cầu của người dùng hoặc tổ chức trong các môi trường thực tế.

Các công ty như OpenAI đã làm ra những mô hình rất xuất sắc, vậy làm sao để có thể ứng dụng mô hình đó vào công việc cụ thể của các tổ chức khác nhau? Cuốn sách đi sâu vào việc ứng dụng mô hình để giải bài toán hàng ngày rất đa dạng của các tổ chức khác nhau. Ví dụ các tòa soạn báo chí ứng dụng mô hình AI như thế nào, vào công việc gì, làm sao để triển khai và tối ưu hóa hệ thống ứng dụng AI, thì cuốn sách đưa ra câu trả lời cho các vấn đề này.

Những năm gần đây AI đang trở thành một trong những xu hướng công nghệ quan trọng nhất. Khi mới đến Stanford, Huyền đã hình dung về sự phát triển của AI như thế nào?

- Tôi học về AI từ 2014. Ban đầu tôi chưa nghĩ gì xa xôi, chỉ là may mắn gặp được người thầy rất giỏi khuyến khích tôi làm các thuật toán để có… điểm cao hơn khi chơi game. Sau đó tôi dần say mê với AI khi tìm hiểu về dịch máy, tức là sử dụng trí tuệ nhân tạo để tự động dịch từ ngôn ngữ này sang ngôn ngữ khác.

Khi tôi ở Mỹ, tôi muốn bố mẹ tôi sang thăm nhưng bố mẹ cứ sợ không biết tiếng Anh. Tôi nói rằng có Google Translate là một ứng dụng miễn phí, hỗ trợ người dùng dịch văn bản, hình ảnh, giọng nói một cách nhanh chóng. Ngoài ra, từ trải nghiệm của bản thân, tôi hiểu rằng nếu chúng ta không biết tiếng Anh thì sẽ có rất nhiều rào cản khi tiếp cận kho tàng tri thức phong phú của nhân loại. Đây là những lý do thôi thúc tôi đi sâu nghiên cứu về dịch máy, về việc sử dụng AI để xóa bỏ rào cản ngôn ngữ.

Nhìn lại đúng là AI đã phát triển rất nhanh, có thể nói là bùng nổ và chắc chắn sắp tới sẽ còn những bước tiến rất dài nữa mà con người chưa hình dung hết.

Huyền nghĩ gì về cơ hội phát triển ngành trí tuệ nhân tạo ở Việt Nam?

- Lợi thế của Việt Nam trước hết là dân số đông, với 100 triệu dân, trong đó có những người rất thông minh, năng động. Hiện nay nhiều tập đoàn công nghệ hàng đầu của Mỹ có những kỹ sư người Việt (học phổ thông ở Việt Nam rồi đi du học) rất giỏi, giữ một số vị trí quan trọng trong lĩnh vực phát triển AI của các tập đoàn đó. 

Tôi nghĩ rằng Việt Nam không thiếu nhân tài làm AI. Gần đây đã có những tập đoàn công nghệ lớn của thế giới bắt tay với Việt Nam trong lĩnh vực bán dẫn, AI…, chẳng hạn vào cuối năm 2024 Nvidia đã ký thỏa thuận hợp tác với Chính phủ Việt Nam.

Việt Nam có rất nhiều cơ hội đi sâu vào lĩnh vực AI trong thời gian tới và tôi rất hào hứng chờ xem các bước phát triển cụ thể. Tất nhiên là có những khó khăn, nhưng bây giờ là thời toàn cầu hóa nên các khoảng cách về công nghệ có thể được thu hẹp rất nhanh, hơn nữa chính AI sẽ giúp Việt Nam xóa bỏ các rào cản. Ví dụ AI có thể giúp chúng ra xóa bỏ rào cản về ngôn ngữ nhờ dịch máy như tôi nêu ở trên.

Với những cơ hội như vậy, Huyền sẽ về Việt Nam để khởi nghiệp trong lĩnh vực AI chứ?

- Vừa qua Nvidia đã mua công ty trí tuệ nhân tạo của Vingroup. Điều này cho thấy môi trường khởi nghiệp về AI ở Việt Nam rất hứa hẹn, nếu có sản phẩm tốt sẽ cạnh tranh được trên thị trường thế giới và hoàn toàn có thể từ Việt Nam đi ra toàn cầu. Tuy hiện tại tôi chưa có kế hoạch về Việt Nam, nhưng hy vọng trong tương lai điều này sẽ thành hiện thực.

Huyền học phổ thông trong nước và học đại học ở Mỹ. Từ trải nghiệm bản thân, Huyền có lời khuyên nào với các bạn trẻ Việt Nam muốn đi vào ngành khoa học máy tính?

- Theo tôi thấy học phổ thông trong nước cung cấp nền tảng kiến thức khá vững chắc để đi vào ngành khoa học máy tính, nhất là các môn tự nhiên. Tôi có may mắn hồi cấp 3 học chuyên toán nên về sau học lập trình, học về các thuật toán, về AI… khá thuận lợi.

Các bạn trẻ Việt Nam muốn đi vào ngành khoa học máy tính thì hãy học thật giỏi các môn tự nhiên, và tự tin rằng hệ thống kiến thức đó đủ giúp các bạn đi sâu vào ngành nghề mình yêu thích ở đại học nước ngoài.

Nếu bạn đang học lớp 11, lớp 12 mà vẫn chưa xác định cụ thể sẽ theo ngành nào thì không nên quá lo lắng. Hãy cứ học thật tốt kiến thức cơ bản, và dành thời gian tìm hiểu kỹ các chuyên ngành trước khi quyết định. Bản thân tôi hồi 17, 18 tuổi chưa biết là mình thích học gì. Khi qua Mỹ ban đầu định học văn chương nhưng sau lại chuyển qua khoa học máy tính vì thấy phù hợp hơn.

Trong một bài đăng trên trang cá nhân, Huyền từng chia sẻ rằng nếu có thể quay ngược thời gian để nói ba từ với bản thân vào lúc 15 tuổi thì Huyền sẽ nói là "học xác suất". Vì sao là "học xác suất"?

- Học xác suất rất vui và có nhiều ứng dụng thú vị. Trong chuyên ngành trí tuệ nhân tạo, các quyết định của AI chính là dựa trên xác suất. Chẳng hạn như ứng dụng lọc spam mail (thư rác). Mô hình phía sau cơ chế này dựa trên AI để quyết định tỷ lệ bao nhiêu % một email là spam hay không spam. Giả sử tỷ lệ lên đến 90% email này là spam thì máy sẽ tự động ẩn email đó, đưa vào hộp thư rác thay vì hộp thư đến của người dùng.

Học xác suất có thể giúp chúng ta hiểu cơ chế hoạt động của AI trong những trường hợp như vậy, và xây dựng mô hình AI để giải quyết các vấn đề khác trong công việc, trong cuộc sống của con người.

Xác suất thống kê không chỉ quan trọng trong công việc (nó là nền tảng của ngành trí tuệ nhân tạo) mà còn cần thiết để đưa ra những quyết định đúng đắn trong cuộc sống. Ví dụ về việc chọn ngành. Các ngành thường cho thu nhập khác nhau. Trong đó có những ngành mà thu nhập của mọi người trong ngành là khá tương đương với nhau, không ai quá giàu, không ai quá nghèo. Mọi người thường có thu nhập xung quanh mức trung bình, ví dụ như nghề giáo viên. Trong xác suất gọi là normal distribution (phân phối chuẩn), nghĩa là nếu có một loạt giá trị, các giá trị nằm ở giữa có xác suất xảy ra cao nhất, và các giá trị nằm ở hai cực (quá nhỏ hay quá lớn) có xác suất xảy ra thấp. Một giá trị càng nằm ở cực (càng khác thường), xác suất nó xảy ra càng thấp.

Nhưng có những nghề như nhà văn hay ca sĩ thì không tuân theo normal distribution, một nhóm rất nhỏ có thể thu nhập rất cao, đa số còn lại thu nhập ở mức thấp.

Hiểu về xác suất sẽ giúp chúng ta chọn nghề phù hợp với kỳ vọng tương lai. Những nghề có mức thu nhập theo normal distribution như giáo viên, kế toán,… được coi là an toàn. Đa số những người theo nghề này sẽ có thu nhập ở quanh mức trung bình. Họ sẽ không quá giàu, nhưng cũng sẽ không quá nghèo.

Những nghề khác như nhà văn, ca sĩ, làm công ty khởi nghiệp, … có tính rủi ro cao hơn. Phần lớn những người theo nghề này sẽ có thu nhập rất thấp (phần lớn các công ty khởi nghiệp phá sản), nhưng một phần rất nhỏ sẽ vô cùng giàu có. Phần lớn nhà văn sẽ không bán đủ sách để mà sống. Nhưng một vài người như J.K. Rowling - tác giả bộ truyện "Harry Potter" - trở thành tỷ phú.

Người hiểu về xác suất sẽ không mong làm giàu từ đánh bạc, bởi vì sòng bạc được thiết kế để người chơi mất tiền. Và người hiểu về xác suất sẽ hiểu tầm quan trọng của may mắn trong thành công. Trong 1.000 họa sĩ với tài năng tương đương nhau, sẽ có vài người thành công hơn số còn lại chỉ vì họ may mắn hơn. Hay với 1.000 người mở cửa hàng, 1.000 công ty khởi nghiệp. Ở Mỹ có câu nói: "Once is chance. Twice is coincidence. Thrice is a pattern", tạm dịch thành công một lần là may rủi. Thành công hai lần là trùng hợp ngẫu nhiên. Thành công ba lần thì mới tin là tài năng.

Hiểu tầm quan trọng của may mắn trong thành công không có nghĩa là phủ nhận tất cả các yếu tố khác. Như nhà triết học Seneca đã nói: "May mắn xảy ra khi sự chuẩn bị gặp cơ hội".

Trở lại chuyện viết sách của Huyền, trong cuốn "Xách Balo lên và đi" là một Huyền Chip khá bụi bặm. Còn Huyền Chip tốt nghiệp Đại học Stanford và là tác giả của hai cuốn sách về AI lại rất chỉn chu. Vậy là có "hai Huyền chip" qua hai giai đoạn của cuộc đời?

- Ai rồi cũng phải trưởng thành hơn qua thời gian và đó là điều tốt. Nếu như mình của 10 năm trước và mình hiện nay… vẫn vậy thì hơi buồn. Còn chuyện đi bụi và đi học dĩ nhiên khác nhau. Đi học sướng hơn. Hồi trước đi bụi với cái ba lô trên lưng thì nhiều khi ngủ ở bến xe, ngủ trên tàu, có gì ăn đó. Còn vào đại học luôn có giường đệm êm, đồ ăn trong ký túc xá rất ngon.

Môi trường đi bụi và đi học khác nhau, nhưng tôi nghĩ là cách sống của tôi về cơ bản thì không khác. Tại vì dù đi đâu thì động lực lớn nhất của tôi vẫn luôn là tìm hiểu thế giới, khám phá các nền văn hóa và kiến thức mới.

Nếu nói về sự khác nhau của tôi trước đây và hiện nay có lẽ để người ngoài nói sẽ khách quan hơn. Nhiều người bảo là có thể tóc tôi đỡ xù hơn. Ngày xưa da rất đen, dạo này đỡ đen hơn, già hơn. Ngày xưa ngủ ở đâu cũng không thấy đau lưng. Bây giờ ngủ chỗ nào đệm hơi cứng là sáng mai dậy biết ngay.

Một điểm khác có thể là sự tiến bộ, đó là bây giờ tôi kiểm soát cảm xúc tốt hơn. Hồi trẻ tôi rất hay nổi nóng, ai đó nói câu gì không vừa ý là đáp trả gay gắt, còn bây giờ thì mình trầm tĩnh hơn. Tôi hy vọng là mình đã tiến bộ hơn một chút so với ngày xưa, và phía trước vẫn còn chặng đường rất dài để mình tiếp tục cố gắng.

Huyền chia sẻ trên trang cá nhân về câu chuyện… tìm người yêu qua email. Chuyện đã diễn ra như thế nào?

- Chuyện tình cảm cá nhân rất quan trọng, nhiều khi quan trọng hơn cả lựa chọn sự nghiệp, nên thông thường mọi người phải suy nghĩ rất kỹ, bất kể bạn là nam hay nữ. Tôi cũng vậy. Nhưng suy nghĩ kỹ không có nghĩa là cứ đắn đo e ngại, không dám làm gì cả. Chuyện tôi làm quen bạn trai qua email không phải là một quyết định nhanh chóng, mà đã trải qua quá trình suy nghĩ khá lâu trước khi tôi thấy rằng mình nên chủ động làm quen.

Biết nhau cả năm trời, dõi theo nhau trên mạng xã hội, cuối cùng tôi mượn một bài báo anh bạn đó mới đăng, gửi email bảo muốn gặp anh cà phê nói chuyện. Vậy là quen nhau và nên duyên. Sau này khi đã quen nhau rồi, anh chàng bảo anh cũng bị thích mình qua mạng mà không biết chủ động thế nào. Vậy là nếu một trong hai người không gửi email làm quen (may mắn là tôi đã quyết định chủ động trước), thì rất có thể hiện nay cả hai vẫn… ế. 

Vậy bài học mà Huyền có thể chia sẻ qua câu chuyện của mình là gì?

- Các bài học này mình đã chia sẻ trên trang cá nhân. Đó là:

1. Cứ tập trung làm việc của mình, phát triển bản thân, thì trai xinh gái đẹp sẽ để ý đến mình. Trước khi email làm quen với bạn trai, mình mới đi làm nên chịu khó thu hút sự chú ý của thiên hạ như viết blog, làm dự án cá nhân…

2. Trai hay gái thì cũng phải chủ động.

3. Cứ "há mồm chờ sung rụng" thì có khi răng rụng trước. Không ai là quá bận để yêu.

Kế hoạch của Huyền trong năm mới 2025 như thế nào?

- Hiện tôi quan tâm đến nhiều vấn đề, trong đó có việc ứng dụng AI vào giáo dục. Thứ nhất là sử dụng AI để tạo ra các bài học thú vị, hấp dẫn hơn với người học. Thứ hai là cá nhân hóa chương trình học. Lâu nay AI đã được các nền tảng mạng xã hội ứng dụng để cá nhân hóa người dùng. Khi vào Facebook, Tiktok…, chúng ta được các nền tảng này đề xuất nội dung dựa trên dữ liệu sử dụng trước đó. Mỗi người thường có sở thích khác nhau, và AI thì lại rất hiểu chúng ta nhờ dữ liệu chi tiết các lần chúng ta sử dụng mạng xã hội.

Thế thì tại sao trong giáo dục lại không áp dụng cá nhân hóa? Thay vì áp dụng một phương pháp giảng dạy và nội dung học tập chung cho tất cả học sinh, tại sao chúng ta không cá nhân hóa giáo dục, nghĩa là hướng tới việc tạo ra các trải nghiệm học tập linh hoạt, phù hợp với đặc điểm và năng lực riêng của mỗi người. Vừa qua tôi có tham gia cùng một công ty khởi nghiệp trong lĩnh vực giáo dục, ứng dụng AI giúp trẻ em tập đọc. AI sẽ phát hiện các em nhỏ tầm 4, 5 tuổi gặp khó khăn gì khi tập đọc, vướng ở các chữ cái nào, và thiết kế ra một chương trình riêng cho từng em để giúp các em cải thiện việc đọc các chữ cái đó.

Chúng tôi muốn mở rộng chương trình cá nhân hóa giáo dục này. Công nghệ AI sẽ đóng vai trò quan trọng trong việc thu thập dữ liệu về hành vi học tập và cung cấp các ứng dụng giáo dục tùy chỉnh, giúp các bạn trẻ thấy thú vị, hào hứng hơn với các môn học mà nếu học theo cách truyền thống thì có thể rất khô khan, nhàm chán.

Bây giờ mọi người thường nói là con người có ít sự tập trung, không chú ý được một thứ gì quá lâu vì xung quanh có rất nhiều thứ tác động đến mình, làm mình phân tâm. Ví dụ như ngồi học một lúc đã muốn vào mạng xã hội xem có gì mới không. Thế nhưng những ai chơi game thì đều biết rằng khi chơi game ta tập trung được rất lâu, có thể chơi nhiều giờ đồng hồ liên tục. Nhìn từ góc độ một người thích chơi game, mình muốn nghiên cứu ứng dụng những cơ chế, những kỹ thuật trong game để đưa vào giáo dục, giúp các bài học lôi cuốn hơn và các bạn học sinh, sinh viên sẽ học tập hiệu quả hơn.

Xin cảm ơn Khánh Huyền!

Nội dung: Võ Văn Thành

Ảnh: Hữu Nghị

Video: Phạm Tiến

Thiết kế: Tuấn Huy