GS Yoshua nói về kinh nghiệm ươm tài năng AI

Giáo sư Yoshua Benjio, Thành viên sáng lập Element AI, Canada, là một nhà tiên phong trong lĩnh vực Deep Learning, công nghệ chi phối phần lớn hệ thống AI hiện nay. Tại Ngày hội Trí tuệ nhân tạo Việt Nam (AI4VN) 2020 vừa tổ chức tại TP HCM ông đưa ra nhiều gợi ý trong việc đào tạo các tài năng AI.- Các quốc gia đều đang đối mặt với việc thiếu hụt nhân lực tài năng trong lĩnh vực AI. Ông có chia sẻ gì trong việc tiếp cận các kiến thức về AI với các nước đang phát triển như Việt Nam?- Đầu tiên tôi cần nhấn mạnh tầm quan trọng của việc xây dựng thế mạnh tri thức trong các lĩnh vực như AI đối với các nước đang phát triển. Bởi trong tương lai, phát triển kinh tế luôn gắn liền với phát triển công nghệ. Công nghệ sẽ tạo ra nhiều thay đổi cho nền kinh tế cũng như tạo ra nhiều dịch vụ, sản phẩm mới. Tất nhiên nhân lực AI phải có nền tảng cơ bản về khoa học máy tính và toán tốt.Một trong những nguồn hỗ trợ tốt nhất cho việc học tập về AI là lượng lớn các tài liệu, hướng dẫn, bài nghiên cứu, bài nói, các cuốn sách... Bản thân tôi cũng có một cuốn sách mang tên "Deep Learning", do MIT Presscc xuất bản. Tôi và các đồng tác giả đã đàm phán để đưa cuốn sách hoàn toàn miễn phí lên mạng. Bạn có thể lên trang web của chúng tôi là deeplearningbook.org để tìm kiếm nội dung của nó. Ở đó cũng có một lượng lớn các nguồn tài liệu khác.Một việc khác, chúng ta có thể khuyến khích trao đổi giữa các quốc gia. Ở MILA, chúng tôi thành lập những nhóm khoảng mười học sinh, thường là thực tập sinh. Họ ở lại MILA khoảng vài tháng, đến từ nhiều quốc gia đang phát triển. Họ cùng nhau làm việc với đủ các loại bài toán, nhất là các bài toán có tính ảnh hưởng trên toàn cầu. - Ông có lời khuyên gì cho các bạn sinh viên muốn theo đuổi sự nghiệp trong lĩnh vực AI?- Có chứ. Không phải tự nhiên mà sinh viên ở một số quốc gia lại có sự chuẩn bị tốt hơn. Điều này phụ thuộc vào văn hóa. Ví dụ, tôi để ý thấy điểm làm nên sự khác biệt giữa CV của các sinh viên từ nhiều nước khác nhau là các dự án của họ. Dù chưa tốt nghiệp, bạn vẫn có thể tham gia các dự án ở các môn học hoặc tự học. Nhờ đó, bạn có thể cấu trúc một thuật toán không có trên sách vở hoặc áp dụng một thuật toán huấn luyện máy học cho một số các điểm chuẩn (benchmark) quốc tế. Khi bạn tham gia các dự án như vậy và đề cập chúng trong CV của mình sẽ giúp các giáo sư như tôi nhận ra: "Ồ, người này đã có chút kinh nghiệm về các thuật toán", chứ không phải là toàn sách vở.Ngoài ra, hãy tới thư viện. Một trong những thuận lợi cho các bạn so với 20 năm trước là các thư viện như Pytorch – một thư viện mã nguồn mở được phát triển riêng cho học sâu (deep learning). Nó khá dễ dùng so với các thư viện khác cùng loại, được nhiều sinh viên và nhà nghiên cứu sử dụng để tiếp cận học sâu và tái sử dụng mã mở của người khác để kiểm thử các biến số mà họ muốn thử nghiệm.Việc tự chuẩn bị cho các kinh nghiệm thực tế rất quan trọng. Mặt khác, bạn cũng cần phải hiểu về mặt toán học và các khái niệm của các phương pháp học sâu. Bạn cần nền tảng toán cao cấp về giải tích, xác suất và tối ưu để đọc hiểu các nghiên cứu về học máy. Ví dụ, để đọc được sách như cuốn Deep Learning của tôi, nếu không hiểu được các thuật toán trong cuốn sách này, tức là bạn cần học thêm cũng như nghiên cứu thêm về các phép toán tương ứng. Điều này thực sự quan trọng bởi nếu không, bạn sẽ hiểu một cách rất đại khái. Khi tham gia phỏng vấn cho các công ty hoặc các trường đại học, bạn sẽ gặp các câu hỏi về phương pháp học sâu, đặc biệt là những bản chất bên trong chúng.Cuối cùng, học lập trình cũng rất quan trọng, bởi hầu hết những thứ chúng ta đang làm với AI đều đòi hỏi chúng ta phải có khả năng biến từ toán thành mã nguồn. Do đó, khả năng biến từ ý tưởng thành các thí nghiệm thực tế hiệu quả, đòi hỏi bạn phải nắm vững lập trình, "code sạch", kỹ thuật phần mềm, phần mềm thực hành, git hub... Bạn phải hiểu văn hoá chia sẻ mã và mã nguồn mở trên thế giới. Bạn nên chủ động đóng góp cho cộng đồng. Bạn cũng sẽ làm quen và được ghi nhận từ sự đóng góp đó. Có rất nhiều cách mà các bạn có thể làm, dù đang ngồi bất cứ nơi nào trên thế giới. Nhờ vào Internet, nhờ đóng góp cho cộng đồng, kết nối với người khác hoặc các dự án hợp tác mà bạn có thể gom được cho mình các kinh nghiệm có ích về sau. - Với các bạn sinh viên Việt Nam đang ở cách MILA nửa vòng trái đất, ông có lời khuyên cụ thể nào dành cho họ không?- Thực tế đúng là khó khăn để gặp mặt khi cách nhau tới 12 giờ đồng hồ, nhưng chúng ta vẫn làm việc qua email, slack nên điều đó vẫn khả thi. Nhờ sự trợ giúp không nhỏ, dù là bạn không thể trực tiếp đến dự hoặc nghe một bài giảng của tôi, thì hầu như mọi bài nói bây giờ đều được ghi lại, chỉ cần tìm kiếm là sẽ thấy đầy đủ bản ghi âm của các bài nói chính trong hội thảo chủ đề học sâu.Đây là nguồn tài nguyên khổng lồ, các bài nói thì thường dễ hiểu, ít nhất là phần mở đầu, phần sau đó thường khó hơn. Bạn sẽ có phần mở đầu tốt và nội dung diễn đạt bớt khô khan hơn trên sách vở. Các bạn Việt Nam có thể tìm tới các bài nói được ghi âm để gặp mặt tôi, dù chúng ta ở rất xa nhau và khác múi giờ.Chương trình AI4VN 2020 do Bộ Khoa học và Công nghệ, Bộ Kế hoạch và Đầu tư, UBND TPHCM, Báo điện tử VnExpress tổ chức trong 2 ngày 27-28/11 tại TPHCM, cùng sự đồng hành của các đơn vị tài trợ Australian Aid and Aus4Inovation Programme (Nhà tài trợ Kim cương), Vietinbank (Nhà tài trợ Vàng), VinBigdata (Nhà tài trợ Vàng), FPT (Nhà tài trợ Bạc), VIB (Nhà tài trợ Bạc), Phenikaa (Nhà tài trợ Bạc).