Từ ngôn từ ra thế giới: Trí năng không gian, tuyến tiền tiêu tiếp theo của AI

 LÝ PHI PHI

TRUNG TÂM AI HƯỚNG CON NGƯỜI, ĐẠI HỌC STANFORD

10 THÁNG 11, 2025

 NGƯỜI DỊCH: NGUYỄN ÁI VIỆT, VIỆN IGNITE

LỜI GIỚI THIỆU CỦA NGƯỜI DỊCH 

Sáng chủ nhật 9/11/2025, tôi đã có cuộc nói chuyện liên quan tới trí năng hiện thân (embodied intelligence) trong cơ thể người. Đây là đề tài tôi quan tâm thứ ba trong những năm gần đây sau Ý thức, Trí năng nhân tạo. Tôi nghiêng theo hướng suy nghĩ rằng chúng ta nhận thức thế giới, hình thành tư duy với sự kết hợp tâm và thân.  Sáng nay tình cờ có một bạn trẻ gửi cho tôi bài báo này của một nữ khoa học gia lừng danh Lý Phi Phi mà tôi vốn vô cùng ngưỡng mộ.
Phải nói hơn 40 năm nay, kể từ khi đọc các công trình của Edward Witten, tôi mới lại có sự phấn khích như vậy khi đọc một bài báo khoa học. Không phải là nội dung khoa học và công nghệ có gì đặc sắc mà tầm nhìn, cách định hướng và hoạch định sự phát triển cho cả một ngành với sự thông thái, sáng suốt và nhân văn làm tôi vừa cảm phục vừa phấn khích.

Lý Phi Phi là Giáo sư khoa học máy tính của Đại học Stanford, là Giám đốc Trung tâm AI hướng con người. Bà là một nhân vật có hạng trong lĩnh vực AI và đã đạt được mọi thành công cần thiết. Tuy nhiên, bà đã thành lập Phòng Thí nghiệm thế giới để ra khỏi vùng an toàn, dấn thân vào một cuộc phiêu lưu mới đó là Trí năng không gian. Nếu thành công, bà sẽ bước chân vào ngôi đền bất tử của Einstein và Turing là thần tượng tinh thần của bà. Không thỏa mãn với thành công quá khứ, không ngần ngại bước vào miền đất mới chưa có dấu chân người, đó là những điều tôi thán phục ở Einstein, Schrodinger, Columbus,… và tiếp theo sẽ là Lý Phi Phi.

Tôi vẫn nghĩ đơn giản rằng trào lưu khai thác AI vật lý hiện nay chỉ là việc gắn AI tạo sinh hiện tại dựa trên mô hình ngôn ngữ lớn (LLM) vào các vật dụng, robot. Nhiều đồng nghiệp của tôi mà tôi đã trao đổi cũng nghĩ thế. Tuy nhiên bài báo của Lý Phi Phi mở ra trước mắt tôi một chân trời vô tận, trong đó việc tôi quan tâm tới Trí năng hiện thân (embodied intelligence) của người đột nhiên lại trở thành trung tâm. Ở đó không những vật lý, khoa học thần kinh, tâm sinh lý người sẽ giao hòa trong một tương lai rực rỡ của AI, một thứ AI mới, nhân bản hơn và thay đổi tới căn cội cuộc sống của chúng ta.

Với niềm phấn khích đó, tôi đã miệt mài liên tục hơn 8 tiếng đồng hồ để hoàn thành bản dịch này, với hy vọng chia sẻ niềm hân hoan này với mọi người. Điều kỳ lạ là AI dịch bài này vô cùng kém cỏi và sai lạc một cách bất thường. Có thể vì tầm nghĩ của Lý Phi Phi vượt quá xa cách nghĩ thông thường mà AI có thể xử lý.  Do không thể chờ đợi và phải hoàn thành nhanh, hơn nữa bài báo có quá nhiều tư tưởng, tầm nhìn sâu sắc mà tôi cần thêm thời gian để lĩnh hội,  chắc chắn bản dịch có nhiều sai sót, tôi để song ngữ để bạn đọc có thể đối chiếu và phủ phê cho. Xin trân trọng cám ơn.

Năm 1950, khi tính toán hầu như chưa hơn gì công cụ tính toán tự động và logic đơn giản, Alan Turing đã đặt ra một câu hỏi vẫn còn vang vọng đến ngày nay: “Liệu máy móc có thể suy nghĩ được không?” Để nhìn thấy điều ông đã thấy khi đó đòi hỏi một trí tưởng tượng phi thường: rằng một ngày nào đó trí thông minh có thể được xây dựng chứ không chỉ sinh ra. Tư tưởng đó sau này đã khởi nguồn cho một cuộc truy tìm khoa học bền bỉ mang tên Trí năng Nhân tạo (AI). Hai mươi lăm năm trong sự nghiệp AI của mình, tôi vẫn thấy mình được truyền cảm hứng bởi tầm nhìn của Turing. Nhưng, chúng ta đã đến gần bao nhiêu với điều đó? Câu trả lời không hề đơn giản.

Ngày nay, các công nghệ AI hàng đầu như mô hình ngôn ngữ lớn (LLM) đã bắt đầu thay đổi cách chúng ta tiếp cận và làm việc với tri thức trừu tượng. Tuy nhiên, chúng vẫn chỉ là những “người thợ chữ trong bóng tối”: hùng biện nhưng thiếu kinh nghiệm, uyên bác nhưng không có nền tảng. Trí năng không gian (Spatial Intelligence) sẽ thay đổi cách ta sáng tạo và tương tác với thế giới thực và ảo, sẽ cách mạng hóa việc kể chuyện, sáng tạo, ngành robot, khám phá khoa học và hơn thế nữa. Đây chính là tiền tiêu tiếp theo của AI.

Việc theo đuổi trí năng thị giác và không gian đã là ngôi sao Bắc Đẩu dẫn đường cho tôi từ khi bước chân vào lĩnh vực này. Đó là lý do tôi dành nhiều năm xây dựng ImageNet, bộ dữ liệu học thị giác và đánh giá chuẩn quy mô lớn đầu tiên, và là một trong ba yếu tố then chốt làm nên sự ra đời của AI hiện đại, bên cạnh các thuật toán mạng nơ-ron và năng lực tính toán hiện đại như GPU. Cũng vì thế mà phòng thí nghiệm học thuật của tôi tại Stanford đã dành suốt thập kỷ qua để kết hợp thị giác máy tính với học robot. Và đó là lý do hơn một năm trước đây, tôi cùng các đồng sáng lập Justin Johnson, Christoph Lassner và Ben Mildenhall lập ra World Labs: để lần đầu tiên hiện thực hóa trọn vẹn khả năng này.
Trong bài viết này, tôi sẽ giải thích trí năng không gian là gì, vì sao nó quan trọng, và chúng tôi đang xây dựng các mô hình thế giới để mở khóa nó như thế nào, cùng với những tác động sẽ tái định hình sự sáng tạo, trí năng hiện thân và tiến bộ của con người.

Bottom of Form

Trí năng không gian – Giàn giáo nhận thức con người

AI chưa bao giờ thú vị đến thế. Các mô hình sinh tạo như LLM đã ra khỏi phòng thí nghiệm bước vào đời sống hành ngày, trở thành công cụ sáng tạo, năng suất và giao tiếp cho hàng tỷ người. Chúng đã chứng tỏ những năng lực mà một thời người ta nghĩ là không thể, tạo sinh ra văn bản mạch lạc, hàng núi mã nguồn, những tranh ảnh thật như in, và thậm chỉ cả những video ngắn dễ dàng. Không còn nghi ngờ gì về việc liệu AI sẽ thay đổi thế giới. Nó đã làm điều đó theo bất cứ định nghĩa hợp lý nào.

Nhưng vẫn còn nhiều thứ nằm ngoài tầm với của chúng ta. Viễn kiến về robot tự chủ thật lôi cuốn nhưng vẫn chỉ là viễn tưởng, những đồ gia dụng mà các nhà tương lai học hứa hẹn từ lâu còn xa mới tới. Giấc mơ về các nghiên cứu tăng tốc lớn trong các lĩnh vực như chữa bệnh, phát hiện vật liệu mới và vật lý hạt phần lớn vẫn chưa thành hiện thực. Và lời hứa hẹn của AI về  thật sự hiểu và trao quyền sáng thế cho con người, cho dù từ các sinh viên học các khái niệm rắc rối của hóa phân tử, các nhà kiến trúc đang hiển thị các không gian, đến các nhà làm phim đang tạo những thế giới ảo hoặc bất cứ ai đang tìm kiếm các trải nghiệm nhập vai ảo – đều vẫn ngoài tầm với.

Để hiểu vì sao những năng lực này vẫn còn xa vời, chúng ta cần xem xét trí năng không gian đã tiến hóa như thế nào, và nó định hình cách chúng ta hiểu thế giới ra sao.

Thị giác từ lâu đã là nền tảng của trí năng con người, nhưng sức mạnh của nó bắt nguồn từ một điều còn căn bản hơn thế nữa. Từ rất lâu trước khi các loài động vật biết làm tổ, chăm sóc con nhỏ, giao tiếp bằng ngôn ngữ hay xây dựng nên các nền văn minh, hành động cảm nhận đơn giản đã lặng lẽ khơi dậy một hành trình tiến hóa hướng đến trí năng.

Năng lực tưởng như đơn lẻ để thu nhận thông tin từ thế giới bên ngoài, dù chỉ là một tia sáng le lói hay cảm giác về bề mặt vật thể,  đã tạo nên một cây cầu nối giữa tri giác và sinh tồn, ngày càng lớn mạnh và được gia công tinh vi hơn qua từng thế hệ. Từng lớp neuron hình thành từ cây cầu đó, kết nối lại thành hệ thần kinh, diễn giải thế giới và phối hợp hành động giữa các sinh thể và môi trường xung quanh. Vì vậy, nhiều nhà khoa học dự đoán rằng cảm nhận (perception) và hành động (action) chính là vòng lặp cốt lõi thúc đẩy sự tiến hóa của trí năng, và là nền tảng tự nhiên tạo nên loài người chúng ta — sinh vật tối hậu thể hiện trọn vẹn khả năng cảm nhận, học hỏi, tư duy và hành động.

Trí năng không gian giữ vai trò nền tảng trong cách con người tương tác với thế giới vật lý. Mỗi ngày, chúng ta dựa vào nó để thực hiện những hành động tưởng như bình thường nhất: đỗ xe bằng cách tưởng tượng khoảng cách đang thu hẹp giữa cản xe và mép vỉa hè; bắt lấy chùm chìa khóa được ném từ bên kia phòng; đi giữa đám đông mà không va chạm; hay rót cà phê vào cốc trong trạng thái ngái ngủ mà chẳng cần nhìn.

Trong những tình huống khắc nghiệt hơn, những người lính cứu hỏa phải đi lại trong tòa nhà đang sụp đổ, xuyên qua làn khói thay đổi liên tục, đưa ra quyết định trong tích tắc về sự ổn định và sống sót, giao tiếp với nhau bằng cử chỉ, ngôn ngữ cơ thể cùng bản năng nghề nghiệp chung, điều mà không một ngôn ngữ nào có thể thay thế. Còn trẻ em, sử dụng hoàn toàn những tháng năm chưa biết nói, để học về thế giới bằng những tương tác chơi đùa với môi trường xung quanh. Mọi điều này diễn ra một cách trực giác, tự động — một sự trôi chảy  mà máy móc vẫn chưa thể đạt tới.

Trí năng không gian cũng là nền tảng của trí tưởng tượng và sức sáng tạo của chúng ta. Những người kể chuyện tạo ra những thế giới phong phú độc đáo trong tâm trí của mình và sử dụng các hình thức truyền đạt thị giác khác nhau để đem đến cho người khác,  từ tranh vẽ trong hang động thời tiền sử, đến điện ảnh hiện đại, hay trò chơi điện tử nhập vai sống động. Dù đó là trẻ em đang xây lâu đài cát trên bãi biển hay chơi Minecraft trên máy tính, thì trí tưởng tượng có nền tảng không gian vẫn là cơ sở cho mọi trải nghiệm tương tác, trong cả thế giới thực lẫn thế giới ảo. Trong nhiều ứng dụng công nghiệp, các mô phỏng vật thể, cảnh quan và môi trường tương tác động đang tạo động lực cho vô số ứng dụng quan trọng, từ thiết kế công nghiệp, đến mô hình song sinh số (digital twin) đến huấn luyện robot.

Lịch sử nhân loại tràn ngập những thời khắc định hình nền văn minh, nơi trí năng không gian đã từng đóng vai trò trung tâm. Ở thời Hy Lạp cổ đại, Eratosthenes đã biến bóng nắng thành hình học, ông đo được góc 7 độ tại Alexandria, đúng thời điểm mặt trời không tạo bóng ở Syene, để từ đó tính ra chu vi Trái Đất. Hargreaves, với phát minh “Jenny xoay tít”, đã cách mạng hóa ngành dệt nhờ một trực giác không gian: bằng cách xếp nhiều trục quay song song trong cùng một khung, một công nhân có thể se nhiều sợi chỉ cùng một lúc, làm năng suất tăng lên gấp tám lần. Watson và Crick khám phá cấu trúc ADN bằng cách dựng những mô hình phân tử 3D vật lý,  ghép nối các tấm kim loại và sợi dây cho đến khi cấu trúc không gian của các cặp base khớp lại hoàn hảo. Trong tất cả những trường hợp ấy, trí năng không gian là động lực thúc đẩy văn minh tiến lên, bởi các nhà khoa học và nhà phát minh đều phải thao tác với vật thể, hình dung các cấu trúc, và suy luận về các không gian vật lý,  những điều ngôn từ đơn thuần không bao giờ diễn đạt hết.

Trí năng không gian là bộ giàn giáo mà trên đó toàn bộ nhận thức của chúng ta được xây dựng lên. Nó hoạt động cả khi ta quan sát thụ động lẫn khi ta chủ động sáng tạo. Nó dẫn dắt việc suy luận và lập kế hoạch, ngay cả trong những chủ đề trừu tượng nhất. Và nó là thiết yếu trong cách chúng ta tương tác – dù là bằng lời nói hay hành động, với đối tác hay với môi trường xung quanh.

Dẫu hầu hết chúng ta không thường xuyên khám phá ra những chân lý mới vĩ đại như Eratosthenes, nhưng ta vẫn bất giác tư duy theo cùng một cách thức: hiểu thế giới phức tạp bằng cách cảm nhận nó qua các giác quan, rồi dựa vào trực giác không gian để suy ra cách thức nó vận hành theo nghĩa không gian, vật lý.

Đáng tiếc là, AI ngày nay vẫn chưa thể tư duy theo cách đó.

Trong vài năm qua, những bước tiến vượt bậc thực sự đã được đạt tới. Các mô hình ngôn ngữ lớn đa phương thức (Multimodal LLMs – MLLMs), được huấn luyện không chỉ bằng dữ liệu văn bản mà còn bằng lượng lớn dữ liệu đa phương tiện, đã bắt đầu hình thành những năng lực nhận thức không gian cơ bản, và ngày nay, AI đã có thể phân tích hình ảnh, trả lời các câu hỏi liên quan đến chúng, và tạo ra hình ảnh hoặc video ngắn siêu chân thực. Đồng thời, nhờ những đột phá trong công nghệ cảm biến và xúc giác (haptics), các robot tiên tiến nhất của chúng ta đã bắt đầu có khả năng thao tác với các đối tượng và công cụ trong những môi trường bị ràng buộc chặt chẽ.

Tuy nhiên, sự thật thẳng thắn là: khả năng không gian của AI vẫn còn cách rất xa so với con người. Và những giới hạn ấy bộc lộ rất nhanh. Các mô hình MLLM tiên tiến nhất hiện nay hiếm khi đạt kết quả tốt hơn mức ngẫu nhiên khi ước lượng khoảng cách, hướng hoặc kích thước — hay khi cố gắng “xoay vật thể trong đầu” bằng cách tái tạo chúng từ các góc nhìn khác nhau. Chúng không thể tự định hướng trong mê cung, nhận biết lối đi tắt, hay dự đoán các quy luật vật lý cơ bản. Các video do AI tạo ra – dù còn non trẻ và đúng là rất ấn tượng – thường mất tính mạch lạc chỉ sau vài giây.

Mặc dù các hệ thống AI tiên tiến nhất hiện nay có thể xuất sắc trong việc đọc, viết, nghiên cứu và nhận dạng mẫu trong dữ liệu, cũng các mô hình đó vẫn còn mang trong mình những giới hạn căn bản khi phải biểu diễn hoặc tương tác với thế giới vật lý. Cách chúng ta nhìn thế giới là toàn thể – không chỉ là những gì ta đang nhìn, mà còn là cách mọi thứ liên hệ với nhau trong không gian, ý nghĩa của điều đó, và vì sao nó quan trọng. Hiểu được những mối liên hệ ấy thông qua trí tưởng tượng, lý luận, sáng tạo và tương tác – chứ không chỉ qua mô tả bằng lời – chính là sức mạnh của trí năng không gian. Không có năng lực ấy, AI bị tách rời khỏi thực tại vật lý mà nó muốn hiểu. Nó không thể lái xe một cách hiệu quả, không thể hướng dẫn robot trong nhà hay trong bệnh viện, không thể tạo ra những hình thức trải nghiệm nhập vai và tương tác hoàn toàn mới cho học tập và giải trí, hoặc cũng không thể đẩy nhanh hơn quá trình khám phá khoa vật liệu hay nghiên cứu y học.

Nhà triết học Wittgenstein từng viết rằng: “Giới hạn ngôn ngữ của tôi cũng là giới hạn của thế giới trong tôi.” Tôi không phải là một triết gia, nhưng tôi biết ít nhất là đối với AI, thế giới không chỉ được tạo nên từ ngôn từ. Trí năng không gian chính là biên giới vượt ra ngoài ngôn ngữ — năng lực kết nối giữa trí tưởng tượng, tri giác và hành động, và mở ra khả năng để máy móc thật sự nâng cao đời sống con người — từ y tế đến sáng tạo, từ khám phá khoa học đến hỗ trợ đời sống hằng ngày.

Thập niên tới của AI: Xây dựng những cỗ máy thực sự có Trí năng không gian

Vậy làm thế nào để chúng ta xây dựng được AI có Trí năng không gian? Đâu là con đường dẫn tới những mô hình có thể suy luận với tầm nhìn của Eratosthenes, thiết kế kỹ thuật với độ chính xác của một nhà thiết kế công nghiệp, sáng tạo với trí tưởng tượng của một người kể chuyện, và tương tác với môi trường xung quanh với sự thuần thục của một nhân viên cứu hộ?

Xây dựng AI có trí năng không gian đòi hỏi điều gì đó tham vọng hơn cả các mô hình ngôn ngữ lớn (LLM): đó là mô hình thế giới (world model) – một loại mô hình tạo sinh mới, có khả năng hiểu, suy luận, tạo sinh và tương tác với những thế giới phức tạp về ngữ nghĩa, vật lý, hình học và động học, dù là ảo hay thực, vượt xa tầm với của các LLM hiện nay. Lĩnh vực này vẫn đang ở giai đoạn sơ khai, với các phương pháp hiện tại trải rộng từ mô hình suy luận trừu tượng đến hệ thống sinh tạo video. World Labs được thành lập vào đầu năm 2024 dựa trên niềm tin ấy: rằng những cách tiếp cận nền tảng vẫn đang được thiết lập, làm cho điều này trở thành thách thức mang tính quyết định của thập niên tới.

Trong lĩnh vực mới nổi này, điều quan trọng nhất là xác lập những nguyên lý định hướng cho sự phát triển. Đối với Trí năng không gian, tôi định nghĩa mô hình thế giới thông qua ba năng lực cốt lõi:

1. Mô hình thế giới có thể tạo sinh các thế giới với sự phù hợp nhận thức, hình học và vật lý

Các mô hình thế giới có thể mở khóa khả năng hiểu và suy luận không gian cũng cần phải có năng lực tự sinh ra các thế giới mô phỏng của riêng mình. Chúng phải có khả năng tạo ra vô số thế giới mô phỏng đa dạng và phong phú, dựa trên chỉ dẫn ngữ nghĩa hoặc cảm nhận, đồng thời vẫn duy trì được tính nhất quán về hình học, vật lý và động lực học — dù đó là các không gian thực hay ảo. Giới nghiên cứu hiện đang tích cực tìm hiểu liệu những thế giới này nên được biểu diễn ngầm (implicitly) hay hiển thị rõ ràng (explicitly) theo cấu trúc hình học vốn có của chúng. Bên cạnh các dạng biểu diễn tiềm ẩn mạnh mẽ (latent representations), tôi tin rằng đầu ra của một mô hình thế giới phổ quát cũng cần cho phép tạo ra các trạng thái cụ thể, có thể quan sát được của những thế giới ấy — phục vụ nhiều mục đích khác nhau. Đặc biệt, sự hiểu biết của mô hình về hiện tại phải được gắn kết chặt chẽ với quá khứ — với những trạng thái của thế giới trước đó đã dẫn tới trạng thái hiện nay.

2. Tính đa phương thức: Mô hình thế giới được thiết kế đa phương thức ngay từ bản chất

Cũng như động vật và con người, một mô hình thế giới cần có khả năng xử lý các đầu vào - trong lĩnh vực AI sinh tạo thường được gọi là “prompt” – dưới nhiều dạng khác nhau. Khi chỉ có thông tin không đầy đủ — dù là hình ảnh, video, bản đồ độ sâu, hướng dẫn bằng văn bản, cử chỉ hay hành động — mô hình thế giới vẫn phải có thể dự đoán hoặc sinh ra trạng thái thế giới hoàn chỉnh nhất có thể. Điều đó đòi hỏi phải xử lý tín hiệu thị giác với độ trung thực tương đương thị giác thật, đồng thời hiểu và diễn giải được các chỉ dẫn ngữ nghĩa với mức độ linh hoạt tương tự. Nhờ vậy, cả các tác nhân AI (agents) lẫn con người đều có thể giao tiếp với mô hình thông qua nhiều loại đầu vào khác nhau, và tiếp nhận các đầu ra đa dạng tương ứng.

3. Tính tương tác: Mô hình thế giới có thể sinh ra trạng thái tiếp theo của thế giới dựa trên hành động đầu vào

Cuối cùng, khi các hành động và/hoặc mục tiêu là một phần của tín hiệu đầu vào (prompt) gửi đến mô hình thế giới, thì đầu ra của mô hình phải bao gồm trạng thái kế tiếp của thế giới, được biểu diễn dưới dạng ngầm định (implicit) hoặc hiện rõ (explicit). Khi mô hình chỉ nhận được một hành động – có hoặc không có trạng thái mục tiêu đi kèm – nó phải sinh ra đầu ra nhất quán với trạng thái trước đó của thế giới, với mục tiêu dự định (nếu có), đồng thời tuân thủ các quy luật ngữ nghĩa, quy luật vật lý và hành vi động học của thế giới đó. Khi các mô hình thế giới có trí năng không gian ngày càng trở nên mạnh mẽ và vững chắc hơn trong khả năng suy luận và tạo sinh, có thể hình dung rằng trong trường hợp có một mục tiêu cụ thể, chính mô hình thế giới sẽ không chỉ dự đoán được trạng thái kế tiếp của thế giới, mà còn dự đoán được cả những hành động kế tiếp dựa trên trạng thái mới vừa được sinh ra.

Quy mô của thách thức này vượt xa bất kỳ điều gì mà AI từng đối mặt.

Nếu ngôn ngữ chỉ là hiện tượng tạo sinh thuần túy của nhận thức con người, thì “thế giới” lại vận hành theo những quy luật phức tạp hơn rất nhiều. Ngay ở trên Trái Đất này, ví dụ, hấp dẫn chi phối chuyển động, cấu trúc nguyên tử quyết định ánh sáng tạo ra màu sắc và độ sáng như thế nào, và vô số quy luật vật lý khác ràng buộc mọi tương tác. Ngay cả những thế giới giàu tưởng tượng nhất, nhiều tính sáng tạo đến đâu, cũng được cấu thành từ các vật thể và tác nhân có tính không gian, vốn vẫn phải tuân theo những quy luật vật lý và hành vi động học xác định nên chúng. Để hợp nhất tất cả những yếu tố ấy một cách nhất quán — từ ngữ nghĩa, hình học, đến động lực học và vật lý — đòi hỏi các phương pháp hoàn toàn mới. Không gian biểu diễn của một “thế giới” phức tạp hơn rất nhiều so với tín hiệu một chiều và tuần tự như ngôn ngữ. Để đạt được những mô hình thế giới có thể mang lại năng lực phổ quát như con người đang có, chúng ta phải vượt qua hàng loạt rào cản kỹ thuật to lớn. Tại World Labs, các nhóm nghiên cứu của chúng tôi đang tập trung vào những bước tiến nền tảng nhằm tiến gần hơn đến mục tiêu đó.

Sau đây là một số ví dụ về các đề tài nghiên cứu hiện tại của chúng tôi

·        Một chức năng nhiệm vụ huấn luyện mang tính phổ quát mới: Việc xác định một hàm nhiệm vụ thống nhất, đơn giản và thanh nhã như bài toán dự đoán token kế tiếp trong các mô hình ngôn ngữ lớn (LLM), từ lâu đã là mục tiêu trung tâm của nghiên cứu về mô hình thế giới. Tuy nhiên, độ phức tạp của cả không gian đầu vào và đầu ra khiến cho việc xây dựng một hàm như vậy trở nên khó khăn hơn về bản chất. Dù vẫn còn rất nhiều điều cần khám phá, hàm mục tiêu này cùng với các biểu diễn tương ứng của nó phải phản ánh được các quy luật của hình học và vật lý, thể hiện đúng bản chất nền tảng của mô hình thế giới — như một dạng biểu diễn có căn cứ trong cả tưởng tượng lẫn hiện thực.

·        Dữ liệu huấn luyện quy mô lớn: Việc huấn luyện các mô hình thế giới đòi hỏi loại dữ liệu phức tạp hơn nhiều so với dữ liệu văn bản thông thường. Tin tốt là các nguồn dữ liệu khổng lồ đã sẵn có: các kho hình ảnh và video ở quy mô Internet cung cấp nguồn dữ liệu dồi dào và dễ tiếp cận cho quá trình huấn luyện. Thách thức nằm ở chỗ phát triển các thuật toán có thể trích xuất thông tin không gian sâu hơn từ các tín hiệu hai chiều như hình ảnh hoặc khung hình video (RGB). Các nghiên cứu trong thập kỷ qua đã chứng minh sức mạnh của các quy luật mở rộng, cho thấy mối liên hệ giữa khối lượng dữ liệu và kích thước mô hình trong các mô hình ngôn ngữ. Chìa khóa mở ra cho mô hình thế giới nằm ở việc xây dựng những kiến trúc có thể tận dụng dữ liệu hình ảnh sẵn có ở cùng quy mô đó. Ngoài ra, tôi không xem nhẹ giá trị của dữ liệu tổng hợp chất lượng cao cùng với các dạng dữ liệu bổ sung khác, như bản đồ độ sâu hay thông tin xúc giác (tactile data). Chúng bổ trợ cho dữ liệu ở quy mô Internet trong những giai đoạn then chốt của quá trình huấn luyện. Tuy nhiên, con đường phía trước vẫn phụ thuộc vào việc phát triển các hệ thống cảm biến tốt hơn, thuật toán trích xuất tín hiệu mạnh mẽ hơn, và các phương pháp mô phỏng thần kinh (neural simulation) vượt trội hơn nhiều so với hiện nay.

·        Kiến trúc mô hình mới và học biểu diễn: Nghiên cứu về mô hình thế giới chắc chắn sẽ thúc đẩy các bước tiến trong kiến trúc mô hình và thuật toán học, đặc biệt là vượt ra ngoài những khuôn khổ MLLM và mô hình khuếch tán video (video diffusion) hiện nay. Cả hai hướng tiếp cận hiện tại này đều mã hóa dữ liệu thành chuỗi 1 chiều hoặc 2 chiều, khiến cho những nhiệm vụ không gian đơn giản trở nên khó khăn một cách không cần thiết,  chẳng hạn như đếm số chiếc ghế khác nhau trong một đoạn video ngắn, hoặc ghi nhớ hình dạng căn phòng cách đó một giờ. Những kiến trúc thay thế có thể mang lại giải pháp, chẳng hạn các phương pháp nhận thức 3D hoặc 4D trong mã hóa (tokenization), ngữ cảnh (context) và trí nhớ (memory). Chẳng hạn, tại World Labs, công trình gần đây của chúng tôi về mô hình tạo sinh theo khung hình thời gian thực mang tên RTFM (Real-Time Frame-based Model) đã cho thấy sự chuyển dịch quan trọng này: mô hình sử dụng các khung hình gắn với không gian (spatially-grounded frames) như một dạng trí nhớ không gian, cho phép sinh tạo thời gian thực một cách hiệu quả, đồng thời duy trì được tính liên tục và nhất quán trong thế giới được tạo ra.

Rõ ràng, chúng ta vẫn đang đối mặt với những thách thức to lớn trước khi có thể hoàn toàn khai mở trí năng không gian thông qua mô hình thế giới. Công trình nghiên cứu này không chỉ là một bài tập lý thuyết, mà còn là động cơ cốt lõi cho một thế hệ mới các công cụ sáng tạo và năng suất. Những tiến triển tại World Labs đến nay rất đáng khích lệ. Gần đây, chúng tôi đã chia sẻ với một nhóm người dùng giới hạn bản trình diễn đầu tiên của Marble, mô hình thế giới đầu tiên có thể được điều khiển bằng các đầu vào đa phương thức để tạo ra và duy trì các môi trường 3D nhất quán cho người dùng và các nhà kể chuyện có thể khám phá, tương tác và tiếp tục xây dựng trong tiến trình sáng tạo của họ.
Và chúng tôi đang nỗ lực để sớm đưa Marble ra công chúng!

Marble mới chỉ là bước đầu tiên của chúng tôi trong hành trình xây dựng một mô hình thế giới thật sự sở hữu Trí năng không gian. Khi tiến độ nghiên cứu ngày càng được đẩy nhanh, các nhà khoa học, kỹ sư, người dùng và cả các nhà lãnh đạo doanh nghiệp đều bắt đầu nhận ra tiềm năng phi thường của công nghệ này. Thế hệ tiếp theo của các mô hình thế giới sẽ cho phép máy móc đạt tới Trí năng không gian ở một cấp độ hoàn toàn mới — một thành tựu sẽ mở khóa những năng lực cốt lõi mà các hệ thống AI hiện nay vẫn còn thiếu vắng.

Sử dụng mô hình thế giới để xây dựng một thế giới tốt đẹp hơn cho con người

Điều thúc đẩy sự phát triển của AI có ý nghĩa quan trọng. Với tư cách là một trong những nhà khoa học đã góp phần mở ra kỷ nguyên AI hiện đại, động lực của tôi luôn rõ ràng: AI phải tăng cường năng lực của con người, chứ không thay thế con người. Trong nhiều năm, tôi đã làm việc để hướng việc phát triển, triển khai và quản trị AI tới nhu cầu của con người. Ngày nay, ta nghe quá nhiều câu chuyện cực đoan, từ thiên đường đến tận thế công nghệ, nhưng tôi vẫn tiếp tục giữ quan điểm thực tế hơn: AI được con người tạo ra, con người sử dụng, và con người quản lý. Nó luôn phải tôn trọng quyền tự chủ và phẩm giá của con người. Sức mạnh kỳ diệu của AI nằm ở chỗ nó mở rộng khả năng của chúng ta, giúp chúng ta sáng tạo hơn, kết nối hơn, hiệu quả hơn và viên mãn hơn. Trí năng không gian chính là biểu hiện của tầm nhìn đó: AI trao quyền cho nhà sáng tạo, người chăm sóc, nhà khoa học và người mơ mộng bằng xương thịt,  để họ thực hiện được những điều từng được xem là không thể. Niềm tin ấy chính là động lực khiến tôi dấn thân vào trí năng không gian như tuyến tiền tiêu vĩ đại tiếp theo của AI.

Các ứng dụng của trí năng không gian trải dài trên nhiều mốc thời gian khác nhau. Những công cụ sáng tạo đang xuất hiện ngay lúc này — như Marble của World Labs, vốn đã đưa năng lực này trực tiếp vào tay các nhà sáng tạo và người kể chuyện. Môn robot học đại diện cho chân trời trung hạn đầy tham vọng, khi chúng ta đang tinh chỉnh vòng lặp giữa tri giác và hành động. Còn các ứng dụng khoa học mang tính chuyển hóa sâu sắc nhất sẽ mất nhiều thời gian hơn, nhưng hứa hẹn tạo ra tác động lớn lao đối với sự phát triển của con người.

Trên toàn bộ những mốc thời gian đó, có một số lĩnh vực nổi bật với tiềm năng định hình lại năng lực con người. Điều này cần có nỗ lực tập thể quy mô lớn, vượt xa khả năng của một nhóm hay một công ty đơn lẻ. Nó đòi hỏi sự tham gia của toàn bộ hệ sinh thái AI: từ các nhà nghiên cứu, nhà đổi mới, doanh nhân, doanh nghiệp, cho tới nhà hoạch định chính sách, tất cả cùng hướng về một tầm nhìn chung. Và tầm nhìn ấy xứng đáng để chúng ta theo đuổi. Dưới đây là những gì tương lai đang mở ra:

Sáng tạo: Nâng tầm kể chuyện và trải nghiệm nhập vai

“Sáng tạo là trí năng của vui thú.” Đây là một trong những câu nói yêu thích của tôi, đến từ thần tượng cá nhân là Albert Einstein. Từ rất lâu trước khi ngôn ngữ viết ra đời, con người đã kể chuyện — đã vẽ chúng lên vách hang, truyền miệng qua nhiều thế hệ, và xây dựng nên cả những nền văn hóa dựa trên những câu chuyện chung. Những câu chuyện chính là cách chúng ta hiểu thế giới, kết nối vượt qua không gian và thời gian, khám phá ý nghĩa của việc làm người, và trên hết là tìm thấy ý nghĩa của cuộc sống và tình yêu trong chính bản thân mình. Ngày nay, trí năng không gian có tiềm năng thay đổi tận gốc cách chúng ta sáng tạo và trải nghiệm các câu chuyện, theo một cách vừa tôn vinh tầm quan trọng cốt lõi của chúng, vừa mở rộng ảnh hưởng từ giải trí đến giáo dục, từ thiết kế đến xây dựng.

Nền tảng Marble của World Labs sẽ đặt vào tay các nhà làm phim, nhà thiết kế trò chơi, kiến trúc sư và người kể chuyện ở mọi lĩnh vực những khả năng không gian chưa từng có cùng mức độ kiểm soát biên tập tinh vi. Nhờ đó, họ có thể nhanh chóng tạo ra và thử nghiệm liên tục những thế giới 3D có thể khám phá hoàn toàn, mà không cần gánh nặng của các phần mềm thiết kế 3D truyền thống. Hành động sáng tạo vẫn giữ nguyên tính sống động và bản chất con người của nó: các công cụ AI chỉ đơn giản là khuếch đại và tăng tốc những gì mà người sáng tạo có thể đạt được. Điều này bao gồm:

·        Trải nghiệm kể chuyện trong những chiều kích mới: Các nhà làm phim và nhà thiết kế trò chơi đang sử dụng Marble để dự báo toàn bộ các thế giới không còn bị giới hạn bởi ngân sách hay địa lý, mở rộng khả năng khám phá vô số bối cảnh và góc nhìn vốn không thể thực hiện được trong quy trình sản xuất truyền thống. Khi ranh giới giữa các loại hình truyền thông và giải trí ngày càng mờ dần, chúng ta đang tiến gần tới một hình thái trải nghiệm tương tác hoàn toàn mới, nơi nghệ thuật, mô phỏng và trò chơi hòa quyện vào nhau — tạo nên những thế giới cá nhân hóa, nơi bất kỳ ai, không chỉ các hãng phim, đều có thể tạo dựng và sống trong câu chuyện của riêng mình. Với sự xuất hiện của những công cụ mới giúp chuyển hóa ý tưởng và bản phác thảo thành trải nghiệm hoàn chỉnh nhanh hơn bao giờ hết, câu chuyện sẽ không còn bị ràng buộc trong một loại hình duy nhất — các nhà sáng tạo được tự do xây dựng những thế giới có mạch truyện xuyên suốt, trải dài qua nhiều bề mặt và nền tảng khác nhau.

·        Câu chuyện không gian qua thiết kế: Gần như mọi vật thể được chế tạo hay không gian được xây dựng đều phải được thiết kế trong không gian 3D ảo trước sáng tạo đời thực. Quy trình này thường lặp lại nhiều lần và tốn kém về cả thời gian lẫn chi phí. Với các mô hình có trí năng không gian, kiến trúc sư có thể nhanh chóng hình dung công trình trước khi bỏ ra nhiều tháng cho bản thiết kế, có thể dạo chơi trong những không gian chưa từng tồn tại -  thực chất là đang kể những câu chuyện về cách con người có thể sống, làm việc và gặp gỡ nhau. Các nhà thiết kế công nghiệp hay thời trang cũng có thể biến tưởng tượng thành hình dạng ngay lập tức, thử nghiệm cách mà các vật thể tương tác với cơ thể và không gian quanh con người.

·        Những trải nghiệm nhập vai và tương tác mới: Trải nghiệm chính là một trong những cách sâu sắc nhất mà chúng ta, với tư cách là một loài, tạo ra ý nghĩa. Suốt chiều dài lịch sử, chỉ có một thế giới 3D kỳ dị, thế giới vật lý mà chúng ta cùng chia sẻ. Chỉ trong vài thập kỷ gần đây, thông qua trò chơi điện tử và thực tế ảo (VR), chúng ta mới bắt đầu nhìn thấy ý nghĩa của việc cùng nhau chia sẻ những thế giới thay thế do chính mình sáng tạo nên. Ngày nay, Trí năng không gian, khi kết hợp với các công nghệ mới như kính thực tế ảo (VR), thực tế mở rộng (XR) và màn hình nhập vai, đang nâng tầm trải nghiệm này lên những đỉnh cao chưa từng có. Chúng ta đang tiến gần tới một tương lai nơi việc bước vào những thế giới đa chiều hoàn thiện sẽ trở nên tự nhiên như mở một cuốn sách. Trí năng không gian khiến cho việc xây dựng thế giới trở nên dễ tiếp cận hơn bao giờ hết, không chỉ dành riêng cho các hãng phim với đội ngũ sản xuất chuyên nghiệp, mà còn dành cho mọi cá nhân sáng tạo, các nhà giáo dục, hay bất kỳ ai có tầm nhìn muốn chia sẻ với thế giới.

Robot học: Trí năng nhập thể trong hành động

Mọi loại động vật, từ côn trùng cho đến con người, đều dựa vào trí năng không gian để hiểu, đi lại và tương tác với thế giới quanh mình. Robot cũng sẽ chẳng khác gì. Những cỗ máy có khả năng nhận thức không gian đã là giấc mơ của ngành robot học từ thuở ban đầu, bao gồm cả công việc của tôi sinh viên và cộng sự tại phòng thí nghiệm Stanford. Chính vì vậy, tôi cảm thấy vô cùng phấn khích trước khả năng hiện thực hóa giấc mơ ấy sử dụng những mô hình thế giới mà World Labs đang phát triển.

·        Mở rộng quy mô học tập cho robot thông qua mô hình thế giới: Tiến bộ của học robot phụ thuộc vào việc tìm ra một giải pháp có thể mở rộng quy mô với dữ liệu huấn luyện đủ khả thi. Xét đến không gian trạng thái khổng lồ mà robot phải học để hiểu, suy luận, lập kế hoạch và tương tác, nhiều nhà nghiên cứu cho rằng cần kết hợp ba nguồn dữ liệu: dữ liệu từ Internet, mô phỏng tổng hợp (synthetic simulation) và dữ liệu thực tế ghi lại hành vi con người, để có thể tạo ra được các robot có khả năng khái quát hóa thực sự. Tuy nhiên, khác với các mô hình ngôn ngữ, nguồn dữ liệu huấn luyện cho robot hiện nay vẫn rất hạn chế. Các mô hình thế giới (world models) sẽ đóng vai trò quyết định trong việc thay đổi điều đó. Khi độ trung thực cảm nhận (perceptual fidelity) và hiệu suất tính toán của chúng được nâng cao, đầu ra của các mô hình thế giới có thể nhanh chóng thu hẹp khoảng cách giữa mô phỏng và thực tế. Điều này ngược lại sẽ giúp huấn luyện robot thông qua mô phỏng vô số trạng thái, tương tác và môi trường khác nhau.

 

·        Bạn đồng hành và cộng sự: Robot với tư cách là những cộng tác viên của người, dù là hỗ trợ các nhà khoa học trong phòng thí nghiệm, hay giúp đỡ người cao tuổi sống một mình, có thể mở rộng phần lực lượng lao động trong những lĩnh vực đang thiếu nhân công và năng suất. Tuy nhiên, để làm được điều đó, robot cần có trí năng không gian,  giúp chúng nhận biết, suy luận, lập kế hoạch và hành động, đồng thời — và đây là điều quan trọng nhất — phải duy trì được sự đồng cảm và hòa hợp với mục tiêu cũng như hành vi của con người. Ví dụ, một robot trong phòng thí nghiệm có thể xử lý các dụng cụ để nhà khoa học tập trung vào những công việc đòi hỏi sự khéo léo hoặc tư duy, trong khi một trợ lý gia đình có thể giúp người cao tuổi nấu ăn mà không làm giảm niềm vui hay sự tự chủ của họ. Những mô hình thế giới thật sự có trí năng không gian, có khả năng dự đoán trạng thái tiếp theo của thế giới, thậm chí dự đoán được hành động phù hợp với ngữ cảnh và kỳ vọng của con người sẽ có vai trò quyết định để đạt được mục đích này.

·        Mở rộng các hình thái hiện thân: Robot hình người chắc chắn có vai trò trong thế giới mà con người đã kiến tạo cho chính mình. Tuy nhiên, lợi ích trọn vẹn của đổi mới công nghệ sẽ đến từ các kiểu thiết kế đa dạng hơn nhiều: từ nano robot có thể vận chuyển thuốc trong cơ thể, đến robot mềm (soft robots) có khả năng di chuyển qua các không gian chật hẹp và cả những cỗ máy được chế tạo để hoạt động trong đại dương sâu thẳm hay ngoài vũ trụ. Dù mang hình dạng nào, các mô hình trí năng không gian trong tương lai phải kết hợp được cả môi trường mà robot tồn tại lẫn khả năng cảm nhận và vận động của chính bản thân chúng. Tuy nhiên, một thách thức then chốt trong việc phát triển những loại robot này là thiếu dữ liệu huấn luyện cho sự đa dạng khổng lồ của các dạng hình thể và cấu trúc hiện thân. Các mô hình thế giới (world models) sẽ đóng vai trò trọng yếu trong việc tạo dữ liệu mô phỏng, xây dựng môi trường huấn luyện, và đặt ra các bài kiểm định chuẩn (benchmark) cho những nỗ lực này.

Tầm nhìn dài hạn: Khoa học, Y tế và Giáo dục

Bên cạnh các ứng dụng sáng tạo và robot học, tác động sâu rộng của trí năng không gian sẽ còn vươn tới những lĩnh vực nơi AI có thể nâng cao năng lực con người theo các cách thức để cứu sống sinh mạng và tăng tốc khám phá khoa học. Dưới đây, tôi xin nhấn mạnh ba lĩnh vực ứng dụng có thể mang tính chuyển hóa sâu sắc, mặc dù thực tế là phạm vi ứng dụng của trí năng không gian còn rộng lớn hơn rất nhiều, bao trùm nhiều ngành công nghiệp khác.

Trong nghiên cứu khoa học, các hệ thống sở hữu Trí năng không gian có thể mô phỏng thí nghiệm, kiểm định nhiều giả thuyết song song, và khám phá những môi trường con người không thể tiếp cận được — từ đại dương sâu thẳm cho tới các hành tinh xa xôi. Công nghệ này có khả năng cách mạng hóa mô hình tính toán khoa học, đặc biệt trong nghiên cứu khí hậu và vật liệu học. Bằng cách kết hợp mô phỏng đa chiều với dữ liệu thu thập từ thế giới thực, những công cụ ấy có thể giảm rào cản tính toán và mở rộng tầm quan sát lẫn hiểu biết của mọi phòng thí nghiệm.

Trong lĩnh vực y tế, trí năng không gian sẽ tái định hình toàn bộ hệ thống,
từ phòng thí nghiệm cho đến giường bệnh. Tại Stanford, các sinh viên và cộng sự của tôi đã dành nhiều năm hợp tác với các bệnh viện, cơ sở chăm sóc người cao tuổi, và cả bệnh nhân tại nhà. Những trải nghiệm ấy đã thuyết phục tôi sâu sắc về tiềm năng chuyển hóa to lớn của trí năng không gian trong y học. AI có thể đẩy nhanh quá trình phát hiện thuốc mới bằng cách mô hình hóa các tương tác phân tử trong đa chiều, nâng cao khả năng chẩn đoán bằng cách hỗ trợ bác sĩ X-quang phát hiện các mẫu hình ẩn trong các hình ảnh y khoa, và cho phép các hệ thống giám sát môi trường thông minh hỗ trợ bệnh nhân và người chăm sóc mà không thay thế kết nối con người, mà quá trình chữa lành đòi hỏi, chưa kể, tiềm năng của các robot trong việc hỗ trợ nhân viên y tế và bệnh nhân trong nhiều tình huống khác nhau.

Trong giáo dục, trí năng không gian có thể mang lại hình thức học tập nhập vai, giúp các khái niệm trừu tượng hoặc phức tạp trở nên cụ thể, và tạo ra các trải nghiệm lặp lại, vốn rất cần thiết cho cách não bộ và cơ thể chúng ta đã được cấu trúc để học hỏi. Trong kỷ nguyên AI, nhu cầu học tập và đào tạo lại nhanh chóng, hiệu quả trở nên đặc biệt quan trọng đối với cả trẻ em trong độ tuổi đi học và người lớn. Học sinh có thể khám phá cấu trúc của tế bào hoặc bước đi qua các sự kiện lịch sử trong không gian đa chiều. Giáo viên có được các công cụ giúp cá nhân hóa việc giảng dạy thông qua những môi trường tương tác. Các chuyên gia — từ bác sĩ phẫu thuật đến kỹ sư — có thể thực hành các kỹ năng phức tạp một cách an toàn trong những mô phỏng chân thực.

Trong tất cả các lĩnh vực này, khả năng ứng dụng là vô hạn, nhưng mục tiêu vẫn không thay đổi: AI có thể tăng cường năng lực chuyên môn của con người, đẩy nhanh khám phá của con người, và tăng cường khả năng chăm sóc con người —chứ không thay thế sự phán đoán, sáng tạo và lòng cảm thông, là những yếu tố cốt lõi đối với bản chất của con người.

Kết luận

Mười năm qua đã chứng kiến AI trở thành một hiện tượng toàn cầu, một bước ngoặt trong công nghệ, kinh tế, và thậm chí cả địa chính trị. Nhưng với tôi — một nhà nghiên cứu, nhà giáo dục, và nay là doanh nhân — nguồn cảm hứng lớn nhất vẫn là tinh thần ẩn sau câu hỏi mà Turing đã đặt ra cách đây 75 năm. Tôi vẫn chia sẻ với ông niềm kinh ngạc và tò mò ấy. Chính thách thức của trí năng không gian là điều truyền năng lượng cho tôi mỗi ngày.

Lần đầu tiên trong lịch sử, chúng ta đang ở ngưỡng cửa xây dựng được những cỗ máy hòa nhịp hoàn toàn với thế giới vật lý, đến mức con người có thể tin tưởng vào chúng như những đối tác thực sự trong những thách thức lớn lao nhất mà chúng ta sẽ đối mặt. Dù là đẩy nhanh cách chúng ta hiểu biết về bệnh tật trong phòng thí nghiệm, cách mạng hóa nghệ thuật kể chuyện, hay hỗ trợ con người trong những khoảnh khắc yếu đuối nhất vì bệnh tật, chấn thương hoặc tuổi già, chúng ta đang tiến rất gần tới những công nghệ có thể nâng tầm những giá trị của cuộc sống mà con người trân quý nhất. Đây chính là một tầm nhìn về cuộc sống sâu sắc hơn, phong phú hơn, và trao quyền nhiều hơn cho con người.

Gần nửa tỷ năm sau khi tự nhiên khơi dậy những tia sáng đầu tiên của trí năng không gian trong các loài động vật tổ tiên, chúng ta thật may mắn khi được sinh ra trong thế hệ những người làm công nghệ — những người có thể sớm ban cho máy móc cùng năng lực ấy, có đủ đặc quyền sử dụng năng lực đó để phục vụ lợi ích của toàn nhân loại. Giấc mơ về những cỗ máy thật sự thông minh sẽ không bao giờ trọn vẹn nếu thiếu trí năng không gian.

Hiện đại hóa nền hành chính

Gần đây các từ ngữ như Số hóa, Tin học hóa cải cách hành chính, Chính phủ điện tử,... đã không còn xuất hiện nhan nhản trên truyền thông, diễn văn của lãnh đạo, hội nghị hội thảo của các bộ ngành và các đoàn "tạp kỹ công nghệ-quản lý" tại các sự kiện lớn.

Chúng ta đã có nền hành chính hiện đại? Số hóa, tin học hóa và Chính phủ điện tử đã hoàn thành? Hoặc giả chúng ta đã làm và hài lòng với mức độ đạt được. Xin thưa: không hề.

Chương trình Tin học hóa 112, tuy không tuyên bố công khai, nhưng thất bại thảm hại, những người điều hành trọng yếu đều sa vào vòng tù tội. Chương trình nói là chuyển giao cho Bộ Thông tin Truyền thông, nhưng đóng băng, nguyên trạng. Kinh phí bố trí hàng năm là để trả nợ chi phí viễn thông và duy trì hạ tầng. Các kết quả của 112 đã tiêu rất nhiều tiền đang trở thành mớ giấy lộn.

Chúng ta chưa hề có một chương trình, kế hoạch chính thức nào về Chính phủ Điện tử. Nhiều chuyên gia vẫn kêu gào số hóa để có thể ứng dụng CNTT so sánh được với các nước trên thế giới.

Một số nhà quản lý có xu hướng cho rằng, chúng ta đã làm tất cả những việc này tuy không có chương trình chính thức, và cũng tự an ủi là một chương trình đề án chính thức sẽ dẫm vào vết xe đổi của đề án 112. Họ có xu hướng đưa những hệ thống thông tin hiện đại, những server này, cơ sở dữ liệu kia, công nghệ nọ làm thành tích, coi đó là thành quả của những nghiên cứu, báo cáo, vận động, sự kiện giai đoạn trước. Tôi không nghĩ như thế. Đó là một sự phát triển tất yếu, hoang dã, không có định hướng và lãng phí.

Chương trình cải cách hành chính, cũng bỏ dở dang vì thiếu động lực và kết hợp chặt chẽ với tin học hóa. Chúng ta đã có một số thủ tục hành chính công được chuẩn hóa. Nhưng chỉ có vậy, không ai biết số lượng các thủ tục như vậy đã hợp lý chưa, không hề có hệ thống báo cáo theo dõi. Trong thực tế, người ta vẫn ứng dụng những quy trình, thủ tục quái đản do một ông thủ trưởng, một bà kế toán, một ông trưởng phòng tự nghĩ ra để hành nhân viên, đối tác và xã hội.

Người ta nói rằng chúng ta đã có giao dịch chính phủ điện tử cấp độ 3. Tôi nghĩ rằng, có thể chúng ta có một số chức năng cấp độ 3, những nhiều dịch vụ công chưa đủ các chức năng và chất lượng của cấp độ 1. Cần phải tính định tính xem các báo cáo thành tích có ý nghĩa gì. Tình trạng thỏa mãn hiện tại thực tế là trạng thái không có phương hướng, không chìa khóa (clueless). Đáng ra sau hơn 10 năm, chúng ta đã phải có một blue book về những gì chúng ta sẽ phải làm và trật tự thực hiện chúng. Chúng ta tiếp tục lãng phí rất nhiều tiền bạc và tiếp tục ca thán về việc không có kinh phí.

Có thể lấy một hình ảnh để minh họa: Mua một chiếc xe hơi deluxe là lãng phí (so với nhu cầu và so với chất lượng phục vụ chúng ta cung cấp cho xã hội). Nhưng mua một chiếc xe hơi chỉ có 3 bánh, không có vô lăng là lãng phí gấp bội. Thực tế chúng ta đã và đang mua sắm vô số xe hơi ba bánh không có vô lăng. Một trong các lý do là chúng ta chưa biết thế nào là kiến trúc một chiếc xe hơi. Xe hơi có thể không có chắn bùn, không kính, sơn loang lổ sứt sẹo, có thể không có điều hòa nhiệt độ, nhưng phải là một cái xe hơi chạy được. Chúng ta có thể bắt bỏ tù chủ đầu tư sắm một xe hơi cổ lỗ chạy được, nhưng hoàn toàn không có cơ chế trừng phạt thậm chí không biết các chủ đầu tư sắm xe hơi 3 bánh không vô lăng.

Đầu tư vào công nghệ thông tin thực tế chỉ là trang trí cho thủ trưởng, không dựa trên nhu cầu thật sự, do đó người ta không quan tâm tới chất lượng công trình. Giao thầu dự án là một cơ hội ngoại giao thể hiện lòng tốt, duy trì quan hệ của chủ đầu tư hoặc cấp quản lý ngân sách, gần như bố thí cho các nhà thầu. Để có được ân sủng, các nhà thầu phải "lại quả" tới 30-40% cũng là đúng logic "Không có bữa trưa miễn phí".

Chúng ta rất nhanh nhẹn nhận thức ra chính quyền kiến tạo, cách mạng công nghệ 4.0. Nhưng với hiện đại hóa nền hành chính, chúng ta đã chém gió rất nhiều và không làm gì cả, không có lý do gì để tin rằng chúng ta sẽ làm gì hơn việc chém gió. Ngày nay việc lỡ hẹn với việc hiện đại hóa nền hành chính công đang mang lại những hậu quả rõ nét mà có lẽ sẽ mất nhiều năm, nhiều tiền của để khắc phục.

Những đại án tham nhũng đang diễn ra mà chúng ta bắt buộc phải cho củi tươi vào lò, nếu phân tích kỹ tức là hệ thống quyết định có vấn đề một cách hệ thống. Chúng ta không thể ra quyết định tùy hứng, bốc thuốc, hoặc theo cảm tính cá nhân, dựa trên chỉ đạo bằng miệng. Ngân sách trống rỗng chúng ta mới nói tới cải cách về thuế và thu nhập, đáng lẽ phải nói tới quản lý chi tiêu công từ lâu. Hiện nay chúng ta lại có xu hướng đổ hết các chi tiêu lên đầu các doanh nghiệp, từ nghiên cứu khoa học, cứu trợ bão lụt, phát triển vùng sâu vùng xa, cung cấp dịch vụ y tế, văn hóa, giáo dục. Bộ máy quan liêu cồng kềnh, thiếu hiệu quả, ăn lương ngân sách ngày một phình to. Chúng ta đã không nghĩ tới việc tiết giảm quy trình, nâng hiệu quả bằng sử dụng công nghệ. Mỗi khi có phong trào cắt giảm là bộ máy hành chính lại phình to, các cơ quan hoạt động sự nghiệp đang làm việc thực sự lại teo tóp. Cắt giảm không có nguyên tắc nào chỉ làm hoạt động thiếu hiệu quả và sau "cơn mưa" các vị trí mới lại mọc lên như nấm. Trong khi đó các Viện, Trung tâm chỉ lèo tèo vài người giống hệt xe hơi không vô lăng.

VIEBOOKS 1

VIEBOOKS - UNLIMITED BUSINESS OPPORTUNITY FOR KNOWLEDGE AND BOOK LOVERS - CƠ HỘI KINH DOANH VÔ TẬN CHO NGƯỜI YÊU SÁCH VÀ TRI THỨC The social network Viebooks for books and knowledge will be launched shortly and will bring unlimited business opportunities for book and knowledge lovers. You can read books, acquire knowledge in any fields and any languages on Viebooks. At the same time, in just two minutes, you can open book stores, libraries, learning and education centers, learning material warehouses and news channels to provide knowledge to community. Not only that, Viebooks encourages you to create any new business like printing on demand, editing, digitalization, translation, notarization, gift and greeting services. Viebooks is an environment for entertainment and doing business Mạng xã hội về sách và tri thức Viebooks sắp chính thức ra mắt sẽ đem lại những cơ hội kinh doanh không giới hạn cho những người yêu sách và tri thức. Bạn có thể đọc sách, tìm tòi tri thức mọi lĩnh vực bằng mọi thứ tiếng. Đồng thời, chỉ trong hai phút bạn có thể mở nhà sách, thư viện, trung tâm đào tạo, kho học liệu và các kênh tin để cung cấp tri thức cho cộng đồng. Không chỉ như thế, Viebooks khuyến khích bạn tạo ra mọi dịch vụ kinh doanh như in ấn theo yêu cầu, soạn thảo, số hóa văn bản, dịch thuật, công chứng, tặng quà và chúc mừng. Viebooks là một môi trường giải trí và kinh doanh.

Nhàn đàm: Công nghiệp hát rong kể chuyện

Qua nhiều tỉnh ở Việt Nam, thấy nhân dân sống còn nghèo, tôi cứ băn khoăn không biết làm thế nào với những người này, có thể thu tiền làm CNTT từ họ. Hay nói rộng hơn, có thể thu tiền gì từ họ, ngoài đồ ăn, cái mặc, chỗ ở, thuốc thang và xa hơn một chút là học hành. Nếu thị trường mua không có, thì cũng khó có thể giúp họ có được thu nhập để nâng cao đời sống. Nói cho cùng, họ cũng phải bắt đầu thu nhập từ môi trường xung quanh. Vấn đề của các tỉnh đều là tìm ra sản phẩm công nghiệp. Tỉnh nào cũng nói thị trường trong tỉnh không có, muốn tìm cách bán ra tỉnh ngoài, nhưng cũng dựng hàng rào ngăn chặn sản phẩm của tỉnh khác vào tỉnh mình. Quay đi quay lại, cuối cùng lại trở về bán tài nguyên. Tỉnh nào không có tài nguyên thì bán đất. Đất mỗi ngày một cạn mà công nghiệp, sản phẩm không có, tương lai sẽ không biết bán cái gì. Tôi tán thành bán tài nguyên, nếu như nhằm vào mục tiêu tạo vốn, đầu tư vào công nghiệp, để trong tương lai có sản phẩm bán được.

Có lẽ vấn đề của cả nước Việt Nam cũng như vậy. Rất ít sản phẩm được thị trường trong và ngoài nước chấp nhận. Tôi đã từng đi dự một hội chợ sản phẩm công nghệ và hoàn toàn thất vọng. Mặt hàng bán chạy nhất là trái vải của Bắc Giang và bánh đậu xanh của Hải Dương. Cách sản phẩm có hàm lượng công nghệ cao nhất là quy trình nuôi tôm và nén mùn cưa thành củi. Có lẽ khó khăn không nằm ở việc làm một sản phẩm cụ thể, mà ở chỗ vòng quay của hệ thống không trơn tru. Động vào chỗ nào cũng phải thắng được lực ì của cả hệ thống. Làm một việc thành công ở Việt Nam là phải vác lên vai toàn bộ các vấn đề của xã hội. Thành thử chỉ các công ty lớn mới có hy vọng thành công vì mới bõ công xây dựng một bộ máy toàn diện để giải quyết chừng đó vấn đề.

Tuy nhiên, xem ra các đại gia cũng chỉ say sưa lợi dụng thương quyền để đào mỏ, chứ không phải là muốn giải quyết đến gốc của vấn đề để phát triển lâu dài. Vì vậy, các khẩu hiệu luôn luôn đổi mới được đưa ra, giống anh con rể bắt chước bố vợ đủ thứ trong tiếu lâm Việt Nam, mà không làm chuyện gì cho ra hồn.

Xem ra, để làm ăn lớn có lẽ nên bắt đầu từ thị trường nước ngoài. Thị trường nước ngoài nếu thành công lâu dài và ổn định sẽ dần dần tạo ra thị trường trong nước. Thực sự thì trong CNTT, xu hướng gia công là xu hướng duy nhất thành công ở quy mô công nghiệp, sau khi đã thử nghiệm các ý tưởng như game, thương mại điện tử, mạng xã hội,.... không mấy thành công. Đến như đại gia Viettel, trước nguy cơ bão hòa thị trường Viễn thông trong nước đã bắt đầu tìm ra nước ngoài.

Có điều, chỉ là ra nước ngoài thôi thì vẫn chưa phải là một chiến lược cụ thể. Rõ ràng gia công không phải là một hướng lâu dài, do không thể hình thành thương hiệu. Không có thương hiệu thì không thể có khách hàng lâu dài và không thể có sản phẩm công nghiệp có tầm cỡ. Gia công mà không để ý tới sản phẩm thì cũng không hơn gì bán tài nguyên, trong đó con người cũng là một dạng tài nguyên. Có thể gia công là một giải pháp tốt nhất hiện nay mà chúng ta có, nhưng không thể là đích đi tới. Cũng như bán hoa hậu, người mẫu, than đá, dầu mỏ, đều phải hướng tới mục tiêu trong tương lai, là phải có sản phẩm công nghiệp.

Tôi nhớ, hình như Tố Hữu có lần được hỏi sẽ làm gì sau khi thôi chức Phó Thủ tướng, ông đã trả lời "Tôi sẽ đi hát rong kể chuyện". Cũng có thể ngài Phó Thủ tướng -Thi Sĩ phụ trách kinh tế hoàn toàn không có một ý tưởng nào về công nghiệp. Nhưng tôi chợt nghĩ: Tại sao lại không có công nghiệp hát rong kể chuyện. Nếu chúng ta thử tính xem doanh thu do di sản của ông già hát rong kể chuyện mù Homer, hay chàng nghệ sĩ Shakespeare đã tạo ra cho nhân loại là bao nhiêu, có lẽ toàn bộ doanh thu của ngành công nghiệp CNTT chỉ là con muỗi. La Quán Trung ngày xưa, Trương Nghệ Mưu ngày nay cũng là những người hát rong kể chuyện. Hát rong kể chuyện Harry Potter, Lords of the Ring tạo ra doanh thu khổng lồ mà bất cứ ngành công nghệp nào cũng phải ao ước.

Việt Nam có thể hát rong kể chuyện gì cho thế giới để thay vào các cố gắng thi hoa hậu, thi Olympics, làm game, đá bóng nhại theo tiqui-taka, gia công phần mềm.... không thể nào thành công nghiệp quy mô quốc gia được. Đừng tưởng hát rong kể chuyện không có vai trò lớn. Người ta mua hàng Trung Quốc, du lịch Trung Quốc, đầu từ vào Trung Quốc cũng bắt đầu từ các câu chuyện hát rong kể chuyện Đèn Lồng Đỏ treo Cao, Ngoạ hổ Tàng Long, Tam Quốc, Hồng Lâu Mộng,.... Trước khi  các thương hiệu Sony, NEC, Canon, Honda, Toyotta,... của Nhật trở thành quen thuộc, thế giới đã say sưa nghe Kurosava hát rong kể chuyện về con người và văn hóa Nhật bản. Có thể nói văn hóa dẫn đường và cũng là người bảo tiêu quan trọng nhất cho hàng hóa công nghiệp. Chúng ta sẽ kể chuyện gì đây và sẽ kể thể nào?  

Các bài toán về khoa học máy tính (1) Dùng biểu thức chính quy hay tìm kiếm nhị phân

Nguyễn Ái Việt - Từ tuần này sẽ đề ra một số bài toán không khó về mặt kỹ thuật, nhưng có tính gợi mở những ý tưởng ứng dụng mới và đòi hỏi sáng tạo về kỹ thuật.

Tuần này sẽ bắt đầu bằng một bài toán về xử lý ngôn ngữ tự nhiên, nhưng xử lý đặc thù tiếng Việt. Lý do 1: xử lý tiếng Việt là lĩnh vực công nghệ mà người Việt phải quan tâm hàng đầu, vì không thể chờ đợi người nước ngoài làm hộ. Lý do 2: Một kỹ sư lập trình trước tiên phải thành thạo xử lý chuỗi text. Bài toán này vừa là một bài tập xử lý chuỗi, đánh giá tốc độ tính toán có quy mô một dự án nhỏ, nhưng có thể áp dụng cho xử lý tiếng Việt

 Bài toán: So sánh tốc độ tính toán xác định một chuỗi ký tự có phải là âm tiết tiếng Việt hay không theo hai cách:
   i) Sử dụng một danh sách các âm tiết tiếng Việt (gồm khoảng gần 70 nghìn âm tiết, theo cơ sở dữ liệu của công ty VIEGRID JSC) đã được sắp xếp theo trật tự từ điển và sử dụng tìm kiếm nhị phân để xem chuỗi ký tự có nằm trong danh sách hay không.
  ii)  Sử dụng một biểu thức chính quy (REGEX) về một âm tiết tiếng Việt và một thuật toán match biểu thức chính quy.

Nghiên cứu và phát triển trong đại học – Ngô Quang Hưng

By HỌC THẾ NÀO • 22/09/2014 HTN: Tham luận cuả GS Ngô Quang Hưng (ĐH bang New York tại Buffalo, Mỹ) tại Hội thảo VED 2014. Slides báo cáo có thể xem và download tại đây: Research and Development in Universities
Nghiên cứu và phát triển (R&D) là một thành tố tối quan trọng trong một trường đại học hiện đại. R&D không những quan trọng về mặt kinh tế, phát triển khoa học nói chung và kỹ năng nghiên cứu nói riêng, mà còn đóng vai trò thiết yếu trong việc cải thiện chất lượng giáo dục.
Trong bài viết này, tôi sẽ chia sẻ một vài thu thập, quan sát, và kinh nghiệm cá nhân về việc làm R&D trong đại học. Các ví dụ và quan sát sẽ chủ yếu xoay quanh ngành Khoa Học Máy Tính, vì đó là ngành mà tôi làm việc và có chút ít hiểu biết. Tôi hy vọng rằng các quan sát này có thể phần nào có tính phổ quát và trở nên hữu dụng trong nhiền ngành khác nữa. Cuối cùng, bài viết nêu ra một vài ý tưởng cho việc cải thiện cả chất lẫn lượng của R&D trong các trường đại học ở Việt Nam.
(Tác giả xin chân thành cảm ơn các thành viên Nhóm Đối Thoại Giáo Dục, các anh Lương Thành Nam, Cao Hoàng Trụ, Võ Hưng Sơn, và Nguyễn Xuân Long, đã đóng góp các ý kiến quý báu cho bài viết này. Lỗi trong bài là lỗi của cá nhân tôi, không phải của họ.)
Nghiên cứu và phát triển (R&D) là gì?
Để có một ngôn ngữ nhất quán cho toàn bộ bài viết về ý nghĩa của cụm từ R&D, trước hết chúng ta thống nhất ngữ nghĩa của cụm từ R&D sẽ được dùng cho bài viết này.
Chữ D — phát triển — thì đã tương đối rõ: phát triển một sản phẩm mới hoặc một bộ phận nào đó cấu thành một sản phẩm cụ thể. Trong ngành máy tính thì một sản phẩm mới có thể là một phần mềm mới giải quyết một vấn đề cụ thể, ví dụ như phần mềm điều khiển không lưu. Một bộ phận của một thành phẩm có thể là một con chip, hay một thư viện thuật toán giải quyết các bài toán tối ưu trong vận trù học, mà dùng nó ta có thể giải quyết các vấn đề ách tắc giao thông hay vận chuyển và đóng gói hàng hóa.
Chữ R — nghiên cứu — thì có nhiều tầm mức, và có thể nôm na chia thành hai loại chính, phỏng theo (adaptation) và sáng tạo (innovation). Hai loại nghiên cứu này cũng phù hợp với hai loại nhóm R&D ở các công ty, tập đoàn. Một loại nhóm R&D bao gồm chủ yếu là các kỹ sư, loại còn lại cần được gầy dựng bởi một nhóm các nhà khoa học nghiên cứu. Những nghiên cứu mang tính sáng tạo cao hơn tất nhiên là có rủi ro cao hơn, nhưng khi thành công thì lợi tức đầu tư cũng lớn hơn.
Ý nghĩa kinh tế của R&D
Các nghiên cứu kinh tế cho thấy lợi tức đầu tư công vào R&D thường là khá cao, khoảng 30% đến 100% hoặc hơn nữa, theo các báo cáo của phòng nghiên cứu Kinh Tế Quốc Gia Mỹ (NBER), của các nhà kinh tế Charles Jones và John Williams của Stanford, hoặc của ngân hàng dự trữ liên bang của San Francisco.
Nhiều trường đại học ở Mỹ có các phòng chuyển giao công nghệ làm việc rất tốt. Ở các trường hàng đầu có một “văn hóa” làm chuyển giao công nghệ lâu đời, kết hợp công tư nhuần nhuyễn, thì lợi tức của họ thật sự là đáng ghen tị. Stanford sở hữu bằng sáng chế thuật toán Page-Rank của Google, một công nghệ mang tính đột phá ngành sinh học phân tử (DNA tái tổ hợp — recombinant DNA), cùng với thu nhập từ nhiều công ty khởi nghiệp của sinh viên họ, thu về trung bình 60-100 triệu USD mỗi năm trong 40 năm qua. NYU đồng sở hữu bằng sáng chế thuốc Remicate trị thấp khớp, cùng với các sáng chế khác đã thu về 157 triệu năm 2006 (tổng chi phí nghiên cứu là 210 triệu, lời 75%). Nhưng ta không cần lấy các ví dụ từ các đại học đỉnh của thế giới như MIT, Stanford, Berkeley. Đại học Wake Forest năm 2006 thu về 60 triệu (trên tổng chi phí 146 triệu); phần nào nhờ hệ thống V.A.C., một hệ thống tạo chân không cơ học giúp hồi phục vết thương. Đại học Florida có nước Gatorade, v.v.

Trong các ngành XH hội học như kinh tế, chính trị, ngoại giao thì R có ý nghĩa rất lớn về mặt làm chính sách. Ví dụ như trong công cuộc đổi mới giáo dục của chúng ta, chỉ tính trong 3 tháng qua thôi là báo chí đã đăng đầy các dự án, dự thảo về thay đổi quy chế tuyển sinh, cơ chế tự chủ, trang bị máy tính bảng, vân vân. Nhưng ít khi ta thấy một công trình nghiên cứu khoa học nghiêm túc đi kèm, đánh giá lợi hại của các dự án dự thảo mới. Các tranh luận trên báo chí phần nhiều mang tính định tính, và kể cả khi có ít định lượng thì cũng manh mún. Dân chúng không biết đâu mà lường là nên theo cái nào, làm cái nào đúng, cái nào không nên.
Một điều không thể chối cãi là R&D đã mang lại các công nghệ và sản phẩm mang tính đột phá, như Internet, hay vaccines và các thiết bị y tế, v.v., những thứ đã trực tiếp cải thiện cuộc sống sinh học, cuộc sống vật chất, và cuộc sống tinh thần của nhiều tỉ người trên trái đất. R&D ở các trường đại học cũng đã giúp khởi nghiệp nhiều nghìn công ty, tạo công ăn việc làm cho nhiều triệu người. Những đóng góp này không thể dễ dàng quy thành đô la.
Ý nghĩa khoa học của R&D
Ở đa số các ngành khoa học (có lẽ chỉ loại trừ Toán lý thuyết), thì làm R&D có ảnh hưởng rất tích cực đến sự phát triển của khoa học và của sự nghiệp khoa học của những nhà nghiên cứu tham gia làm R&D.

R&D giúp các nhà nghiên cứu định hình một tầm nhìn và nhận thức đúng đắn về các đề tài lý thuyết và phạm vi ứng dụng của chúng. Các kết quả lý thuyết hầu như bao giờ cũng bị trói trong một bộ các giả thiết đơn giản hóa vấn đề (như môi trường chân không trong Vật Lý, hay thuật toán chạy trong bộ nhớ chính của máy tính). Các bộ giả thiết đơn giản này đôi khi vẫn xấp xỉ thực tế rất tốt và khi đó kết quả lý thuyết có tính ứng dụng trực tiếp cao. Nhưng đôi khi, chúng xa thực tế đến mức trở thành vô dụng. Nếu không làm D, nhà nghiên cứu sẽ có khả năng sẽ sống và thác trong tháp ngà của mình, bất kể chỉ số ảnh hưởng của họ cao đến mức nào. (Các cư dân trong tháp ngà trích dẫn lẫn nhau!)
R&D không chỉ giúp chúng ta phát triển ứng dụng hoặc phủ định các kết quả lý thuyết, mà còn truyền cảm hứng cho chúng ta về những hướng nghiên cứu hoàn toàn mới, được bắt rễ chắc chắn từ những bài toán thực tế và những nhu cầu có thật, hoặc của xã hội, hoặc của các công nghệ liên quan. Ví dụ, mấy năm qua tôi viết chương trình hiện thực hóa một thuật toán của mình cho cơ sở dữ liệu, nhưng lại phát hiện ra nó làm việc tốt hơn rất nhiều nếu dùng để tính một số mô hình đồ thị thống kê, một vấn đề hoàn toàn khác.
Làm R&D cũng giúp cho các nhà nghiên cứu dễ tìm nguồn tài trợ để làm nghiên cứu cơ bản, từ cả các cơ quan tài trợ khoa học cơ bản của nhà nước lẫn từ doanh nghiệp tư nhân. Một đề án nghiên cứu, dù là nghiên cứu khoa học cơ bản, mà có cơ sở ứng dụng vững chắc bao giờ cũng “nặng ký” hơn nhiều các đề tài trên trời, với các động cơ ứng dụng “vẽ vời” ra cho kêu. Điều này hoàn toàn đúng ở Mỹ, và tôi hy vọng nó cũng sẽ phổ biến ở Việt Nam.
Ý nghĩa giáo dục của R&D

Các giảng viên hay giáo sư đã từng làm D bao giờ cũng có khả năng giảng dạy hứng khởi hơn rất nhiều so với những người giảng bài chay. Họ biết cái gì dùng được trên thực tế, những giả thiết nào là những giả thiết đơn giản hóa để gói gọn bài học, và những giả thiết nào hoàn toàn sai thực tế. Họ biết cách thiết kế các bài tập nắm bắt được tinh thần của một vấn đề thực tế, thiết lập ngữ cảnh cho bài tập để sinh viên hiểu tại sao bài tập này lại hữu dụng cho việc phát triển kỹ năng của họ.
Sâu sắc hơn một chút, khi ta có các dự án R&D mà một nhóm sinh viên được làm việc trực tiếp, tham gia giải quyết một góc của một vấn đề thực tế, thì đây là môi trường huấn luyện tuyệt vời cho các kỹ sư tương lai: khi ra trường họ đã có sẵn kinh nghiệm thực tế để làm việc. Ngược lại, phần nghiên cứu của R&D cho sinh viên các trải nghiệm làm nền tảng để họ có thể phát triển thành các nhà nghiên cứu độc lập nếu họ muốn theo đuổi con đường hàn lâm. Tất cả các sinh viên tôi đã từng tham gia hướng dẫn làm R&D, đại học hay sau đại học, đều nói rằng việc tham gia một dự án R&D dạy cho họ những kinh nghiệm quí báu hơn việc học chay rất nhiều lần.
Tham gia dự án R&D liên kết với doanh nghiệp là một dòng rất có giá trong resume của cả sinh viên lẫn chủ nhiệm đề tài.
Tại sao R&D trong trường đại học mà không phải ở các tập đoàn hay công ty?
Do các áp lực thị trường và lợi nhuận thường là ngắn hạn, khu vực tư nhân (private sector) có xu hướng không hoặc ít đầu tư vào R&D đúng nghĩa. Ở Mỹ chẳng hạn, đầu tư vào R&D từ các công ty tư chỉ khoảng 1/4 con số “tối ưu”, nói chung. Tất nhiên, khi nói riêng thì có các ngoại lệ như các chàng khổng lồ tương đối rủng rỉnh kiểu Microsoft, Facebook, Google, IBM, có hệ thống R&D rất sung mãn; và các ngành công nghiệp “sống” bằng R&D như ngành dược, và các công nghệ đột phá như công nghệ sinh học, công nghệ nano. Ở những ngành này thì các cty tư nhân có thể chi trả đến 75% chi phí cho R&D. Một lý do nữa mà các cty đầu tư ít vào R&D là trong một số công nghiệp thì quá dễ để các đối thủ copy ý tưởng. Trong ngành máy tính chẳng hạn, hệ thống bảo hộ bằng sáng chế ở Mỹ là một hệ thống hoàn toàn mục ruỗng, làm cản trở sáng tạo, tốn tiền tỉ cho các luật sư. Do đó, hệ thống bằng sáng chế không giải quyết được vấn đề sở hữu trí tuệ, làm các cty tư nhân ít đầu tư theo diện rộng vào R&D hơn.
Ở các đại học ta thường có nhân lực giá rẻ, kỹ năng nghiên cứu và kiến thức cao, tiếp cận được với những phát kiến mới nhất của nhận loại. Nhân lực ở đại học sở hữu tốt kỹ năng thực hiện chữ R trong R&D.
Chỉ có môi trường đại học, mà về mặt lý tưởng nó dung dưỡng tuyệt đối sự tự do tìm tòi, độc lập khỏi các áp lực thị trường ngắn hạn, mới có nhiều khả năng ươm các phát kiến mang tính đột phá.
Cuối cùng, như đã nói ở trên, R&D trong các đại học có ý nghĩa lớn về giáo dục, về khoa học, về phát triển sự nghiệp cho sinh viên, giảng viên, và giáo sư, và còn đóng góp về kinh tế cho trường, địa phương, quốc gia, và đôi khi cả nhân loại.
Hệ sinh thái R&D ở các đại học Mỹ
Hai nguồn tài trợ chính cho nghiên cứu trong các đại học ở Mỹ là từ các cty tư nhân và từ các quỹ tài trợ nghiên cứu quốc gia như (NSF, DARPA, DoD, DoE, DoT, NIH, v.v.) đều có nhận thức sâu sắc về chữ D trong R&D. Tài trợ từ các cty tư nhân thì hiển nhiên họ mong muốn thành quả tiến đến các sản phẩm cụ thể. Còn các quỹ tài trợ khoa học quốc gia cũng chịu áp lực lớn khi phải giải trình trước quốc hội về hiệu quả của các đầu tư vào nghiên cứu khoa học.

Ở mỗi trường đại học thì các phòng chuyển giao công nghệ đều có kinh nghiệm giúp đăng ký bằng sáng chế và giúp kết nối các nguồn nhân lực vật lực để tạo các công ty khởi nghiệp. Nhìn chung, ý tưởng thì có thể thiếu chứ môi trường và tài nguyên phục vụ cho thương mại hóa ý tưởng thì họ làm tương đối tốt, kể cả ở các trường ít danh tiếng.
Một quan sát tôi nhận thấy trong ngành máy tính là quan hệ trực tiếp giữa các giáo sư và các công ty tư nhân rất chặt chẽ và chất lượng. Tất nhiên khi một cty cần kết quả nghiên cứu từ một nhóm nghiên cứu thì họ tài trợ; nhưng các cty cũng rất hay “nuôi quân” để tìm các nhân viên chất lượng cho họ trong tương lai. Ngoài việc nhận tài trợ trực tiếp từ các công ty tư nhân, thì một GS trong trường đại học cũng có thể nhận tài trợ từ quỹ NSF thông qua một công ty tư nhân qua các dự án SBIR/STTR, vốn dùng để kích thích các nghiên cứu có tính rủi ro cao nhưng có khả năng mang lại hiệu quả thương mại lớn.
Ngược lại, các đề án phát triển và tài trợ nghiên cứu gầy dựng từ các chính trị gia, nhất là các chương trình từ các tiểu bang hay địa phương, thì lại có vẻ hoang phí hơn rất nhiều. Phần vì các chương trình này thường không có tính bền vững về mặt thời gian, các chính trị gia hay dùng chúng để làm bậc thang chính trị. Phần vì sự quan liêu của các chương trình địa phương cồng kềnh hơn các chương trình liên bang đã qua nhiều năm thử thách như NSF hay DARPA.
Một điều đáng lưu ý là budget của các quỹ nghiên cứu từ bên Quốc Phòng (DARPA, DoD, US Army, US Airforce) rất lớn, rất fluid (nội DARPA không thôi đã có đến 3 tỉ, gầng bằng nửa NSF). Và DARPA dùng phần lớn tiền đó tài trợ cho các dự án lớn ở các phòng Labs và các đại học, với các program managers tài năng, kiến thiết ra các chương trình thiết yếu cho quốc phòng. Ngoài ra họ có một hệ thống thẩm định đề tài khá chặt chẽ (đến mức cồng kềnh — nên những ai làm KH cơ bản có thể không thích thú lắm). Ví dụ, nếu anh phán là anh làm phần mềm bảo mật, họ sẽ có một đội-đỏ (red team) gồm vài hackers có kinh nghiệm đến “thử” phần mềm của anh. Phương pháp nghiệm thu bằng “đội-đỏ” này được phát triển từ văn hóa tổ chức quân đội Mỹ.
Hiện trạng phát triển R&D trong các đại học Việt Nam
Ở Việt nam đã có nhiều khởi xướng nhân vật lực từ trung ương, địa phương, đến các trường đại học để thúc đẩy R&D và tạo doanh nghiệp từ R&D. Nhiều trường đại học có các trung tâm sở hữu trí tuệ, chuyển giao công nghệ, trung tâm ươm tạo công nghệ và doanh nghiệp.  Khi xưa thì cơ sở hạ tầng, nay thì cả đào tạo, hướng dẫn, đăng ký bản quyền, dịch vụ đỡ đầu, và huy động vốn cũng đã được các trung tâm ươm tạo cho vào danh sách dịch vụ của họ.
Luật KH&CN được Quốc hội thông qua và có hiệu lực từ năm 2014 cũng có rất nhiều điểm tích cực: đầu tư từ ngân sách nhà nước ít nhất 2%, bắt buộc các doanh nghiệp phải dành phần lợi nhuận để tái đầu tư cho R&D, mô hình quản lý quỹ phát triển KH&CN có nhiều thông thoáng, có hình thức “đặt hàng” nghiên cứu cho các nhà khoa học, cụ thể hóa rất nhiều chính sách đãi ngộ về lương và bổng cho các nhà nghiên cứu.
Cộng các nguồn kinh phí từ nhà nước xuống địa phương, vốn tài trợ nước ngoài (ví dụ như dự án FIRST), thì tổng kinh phí cho R&D ở VN không phải là ít. (Các con số tôi đọc được biến thiên từ 0,2% đến 2% GDP, từ 600 tỉ đến 1000 tỉ một năm, nhưng lại được xan ra 1600 trung tâm và các viện nghiên cứu, nuôi 60 nghìn nhân sự.) Cũng có không ít các ví dụ làm R&D tốt từ các trường đại học và phát triển thành doanh nghiệp thành công, như Sơn Kova chẳng hạn.
Tuy nhiên, do nhiều yếu tố khách quan và chủ quan, phát triển R&D ở các đại học VN còn yếu.
Số lượng các trung tâm ươm tạo còn hạn chế. Trong khi ở TQ có khoảng trên dưới 700 trung tâm ươm tạo, tạo được 45000 công ty; Hàn quốc trên dưới 300 trung tâm, tạo được 5000 công ty, thì ở ta có khoảng trên dưới 15 trung tâm, tạo được 50 công ty.
Các Đại học của ta đều quá tải, dẫn đến tình trạng các giảng viên, đặc biệt là giảng viên trẻ, bị quá tải đến mức khủng khiếp về mặt giảng dạy. Họ không có thời gian để phát triển kỹ năng nghiên cứu, phát triển các mối quan hệ với các doanh nghiệp để tìm tòi đề tài nghiên cứu. Sinh viên ta tương đối thụ động, do thụ hưởng nền giáo dục từ chương lâu năm, ít năng động hơn so với sinh viên các nước phát triển khi đối mặt với các đề tài mở. Cho một bài toán được thiết lập chặt chẽ với các giả thiết kiểu môi trường chân không, khí lý tưởng, thì giải cái rụp; nhưng chỉ hơi ra ngoài lề thì không biết bắt đầu từ đâu, kể cả khi họ đã có đủ kỹ năng toán học và công nghệ để giải quyết.
Một điểm quan trọng nữa là các dự án R&D đều cần làm việc theo nhóm thì mới làm được việc lớn, mà kỹ năng mềm của chúng ta nhìn chung là yếu. Làm việc với các doanh nghiệp thì kỹ năng mềm của giảng viên, giáo sư, cũng cực kỳ quan trọng; đó là những kỹ năng phần nào mang tính văn hóa. Không chỉ giao tiếp thuần túy, còn cần khả năng lãnh đạo dự án, huy động vốn, kỹ năng quản lý công nghệ và kinh doanh. Cũng phải nhắc đến cả khả năng ngoại ngữ, cả đọc hiểu lẫn giao tiếp. Tôi biết nhiều giáo sư ở các đại học phương Tây hoặc Brazil, có quan hệ rất tốt với các đối tác là các công ty ngoại quốc, Âu Mỹ, và nhờ đó tìm được các tài trợ lớn.

Về mặt cơ chế thì chưa có các cơ chế cụ thể để cho lợi ích của các bên (faculty, nhà nước, và nhà trường) được khớp với nhau. Ví dụ, ở Mỹ một faculty có thể xin tài trợ và dùng tiền tài trợ trả cho trường để “buy out” các lớp mà họ dạy. Dùng tiền này, trường và khoa có thể tìm người khác dạy thay các lớp thuộc về trách nhiệm của faculty, và nhờ đó faculty này có thời gian nghiên cứu. Nhìn chung giảng viên chúng ta ít có incentives để làm R&D thật sự, nguyên nhân mấu chốt là vấn đề tài chính: làm thì phi phỏng, không được bao nhiêu, và thu nhập không ổn định. Do đó nhiều người chọn con đường đi dạy thêm để có thu nhập ổn định. Vấn đề “lương sống được” vẫn là vấn đề then chốt. Không ai có thể nuôi một gia đình bằng cách dạy dự án khoa học.
Về tài trợ từ nhà nước, thì tiêu chí đánh giá nghiệm thu dự án chưa tạo động cơ tốt nhất để làm R&D. Luật KH&CN 2014 của quốc hội chưa có tiêu chí đánh giá rõ ràng về cách đánh giá và nghiệm thu đề tài. Ví dụ, tập trung đánh giá dựa vào các con số thô sơ như tổng số bài ISI, hay chỉ số ảnh hưởng, chưa đề cao tầm quan trọng và sự khó khăn của việc phát triển một sản phẩm phần mềm có giá trị xã hội cao. Và phải nói thẳng đây là cách đánh giá lười biếng, làm dễ cho người quản lý, nhưng cản trở tiến trình khoa học. Gầy dựng một sản phẩm có tính phổ dụng trong xã hội và trong nghiên cứu khoa học thường là tiêu tốn thời gian và công sức lao động rất lớn so với việc viết một bài báo ISI chẳng ai đọc.
Về tài trợ từ tư nhân, thì hiện có một sự khủng hoảng niềm tin của các doanh nghiệp vào khả năng nghiên cứu và phát triển của nhân lực hàn lâm. Một mặt, ta phải công nhận là sự mất niềm tin này có cơ sở khi mà R&D từ các trường đại học của ta còn rất yếu; có rất ít bằng chứng cho thấy khả năng nghiên cứu và phát triển các sản phẩm có tính sáng tạo khoa học cao, hoặc tính ứng dụng xã hội phổ biến. Mặt khác, sự mất niềm tin này cũng do nhiều doanh nghiệp thiếu một tầm nhìn về mặt đầu tư nghiên cứu, theo đuổi các mục tiêu tài chính ngắn hạn. Có những ví dụ cho thấy một sinh viên vào làm cho doanh nghiệp, giải quyết được vấn đề cho doanh nghiệp, nhưng doanh nghiệp lại không hiểu được rằng để có giải pháp đó thì sinh viên đã tham gia các dự án nghiên cứu “không có thành phẩm cụ thể” trong một thời gian dài.
Khi thật sự có các sáng tạo mới, thì lý ra các phòng chuyển giao công nghệ như ở Trung Tâm sở Hữu Trí Tuệ và Chuyển Giao Công Nghệ (iptc) của đại học quốc gia có thể đóng vai trò làm cầu nối giữa thầy trò và cách doanh nghiệp, đem lại lợi tức cho các bên tham gia, thì có hiện tượng nhóm nghiên cứu “đi đêm” để bán công nghệ ra ngoài mà không tuân theo giao kết khi nhận tiền đầu tư từ trường hay thành phố. Khi mà tình trạng chất lượng R&D còn yếu kém, thì sự thiếu chế tài sẽ làm cho các vườn ươm công nghệ/doanh nghiệp sống ngắc ngoải, trong khi đáng lý ra vai trò của các phòng chuyển giao công nghệ rất quan trọng cho việc phát triển R&D.
Nói tóm lại, có ba yếu tố cấp bách gây cản trở cho sự phát triển R&D hài hòa ở VN:

• Các tiêu chí đánh giá nghiệm thu đề tài, thăng công tiến chức, đều chưa được cụ thể hóa và đôi khi đi ngược lại với động cơ làm R&D của giới hàn lâm.
• Mặt bằng trình độ làm R&D ở các đại học còn kém, bị quá tải về mặt giảng dạy, và ít có incentives thật sự để giảng viên làm R&D, dẫn đến chất lượng R&D kém.
• Thiếu một sự giao lưu ý tưởng và niềm tin giữa khu vực tư nhân và giới hàn lâm.

Một vài đề xuất

1. Tiêu chí đánh giá đề tài và cá nhân làm R&D

Như đã nói ở trên, có hai mô hình làm R&D chính, mô hình nghiên cứu phỏng theo (adaptation) thì chữ D mạnh hơn chữ R, mô hình sáng tạo (innovation) thì chữ R mạnh hơn chữ D. Ở những nước kém phát triển như Việt Nam, thì khi đánh giá đề tài ta cần biết rõ nhánh nào nên đề cao mô hình nghiên cứu phỏng theo, và nhánh nào đề cao mô hình nghiên cứu sáng tạo. Những lãnh vực mà nhân lực của ta có khả năng “nhảy cóc” so với thế giới hoặc cấp thiết cho quốc gia thì nên đánh giá đề tài bằng sự sáng tạo của nó. Những lãnh vực ta còn yếu thì cần phải rất chú trọng đến tác dụng xã hội của đề tài.
Phân chia rạch ròi nhánh nào nên adapt, nhánh nào nên innovate cần rất nhiều công sức tỉ mẩn, dữ liệu khoa học, nằm quá phạm vi và khả năng của người viết bài này. Ở đây chỉ xin nêu một vài ví dụ.
Ở ngành y dược, đầu tư để sáng tạo thường là cực kỳ lớn. Trong khi nó, nếu ta mô phỏng được một loại thuốc đã có sẵn trên thị trường thế giới để cho phù hợp với thủy thổ và y sinh của dân địa phương thì hiệu quả xã hội và kinh tế rất lớn. Tương tự như vậy, các ngành làm phân bón, thức ăn gia cầm, thuốc trừ sâu trong điều kiện kinh tế đất nước nặng về nông nghiệp, hay thực phẩm trong sự bùng nổ dân số VN, đều tạo ra các thị trường đặc trưng nội địa có quy mô rất lớn mà chỉ một ít mô phỏng cũng có tác động mạnh mẽ.
Trong khi đó, ngành Khoa Học Máy Tính còn non trẻ, với chi phí truy cập vào các tài liệu, bài giảng, hội nghị hiện đại rất rẻ, thì sẽ có rất ít lý do để ta đánh giá cao chất lượng R&D của một đề tài “Việt Hóa” một phần mềm quản trị doanh nghiệp.
Trong lãnh vực quốc phòng, khi điều kiện tiếp xúc trực tiếp với công nghệ tiên tiến bị giới hạn bởi bí mật quân sự, thì sáng tạo là chỉ tiêu đánh giá rất quan trọng. Một phần chi phí quốc phòng nên được dùng cho các trường đại học nghiên cứu các công nghệ tiên tiến dành cho quốc phòng. DARPA của Mỹ chi rất nhiều tiền cho các trường đại học Mỹ làm các dự án của họ.
Chúng ta không nên bám theo một số chỉ số định lượng có vẻ khách quan nhưng lại hời hợt về khả năng đánh giá như số bài báo ISI hay chỉ số ảnh hưởng. Có chăng thì các chỉ số này chỉ nên mang tính chất tham khảo. Ta cần đánh giá của chuyên gia. Trong ngành Máy Tính, có tình trạng các quí vị trong tháp ngà “sáng tạo” ra các vấn đề không có tính phổ quát, giải quyết chúng bằng các kỹ thuật tầm thường, và trích dẫn lẫn nhau. Tạp chí ISI hẳn hòi. Trong khi đó, làm được một loại phân bón mới, cho dù chỉ là mô phỏng từ nước ngoài, cũng có giá trị tốt hơn hẳn cả về mặt xã hội lẫn về mặt khoa học. Ở Mỹ không có chuyện dùng “số bài báo” để đánh giá nghiệm thu đề tài. Như vậy, ở đây ta cũng có vấn đề niềm tin giữa cơ quan tài trợ và giới làm R&D.
Đó là nói về đánh giá đầu ra, đầu nghiệm thu. Còn đánh giá đầu vào của các đề án thì, một lần nữa, ta cũng cần chuyên gia: cần những người làm R giỏi, để biết về mặt ý tưởng thì có gì sáng tạo không, những người làm D giỏi, để biết về mặt thực tế thì có khó khăn không, và đại diện kỹ thuật của ngành công nghiệp liên đới, để hiểu phạm vi ứng dụng của đề tài.
Một cách định trị giá trị kinh tế của một đề tài là ta dùng cơ chế tài trợ dùng vốn đối ứng (matching funds) giữa nhà nước và doanh nghiệp. Ví dụ, một nhóm R&D phải tự tìm cho mình một doanh nghiệp cam kết tài trợ x% kinh phí cho đề tài, rồi một quỹ tài trợ của nhà nước sẽ “match” (100-x)% còn lại. Cơ chế này đảm bảo là đề tài đã được “thực tế” đánh giá có khả năng ứng dụng, nhưng lại cũng cho doanh nghiệp được chia sẻ bớt rủi ro tài chính cho các đề tài mà phần sáng tạo cao. Ví dụ, chính phủ Úc có chính sách giảm thuế và hỗ trợ chi phí cho doanh nghiệp hợp tác làm R&D với đại học. Ở Mỹ có các chương trình SBIR/STIR. ..
Cơ chế vốn đối ứng này ở ta đã có mấy năm nay. Nhưng lại có tình trạng doanh nghiệp ngần ngại khẳng định là sản phẩm có tiềm năng, vì nó vẫn chưa thành thành phẩm, mà cơ quan tài trợ nhà nước đã bảo “nếu anh kinh doanh được thì sao không tài trợ toàn bộ dự án?”

2. Cải thiện chất lượng R&D

Bây giờ giả sử ta đã tìm được nguồn tài trợ, thế thì làm thế nào để tăng chất lượng R&D? Vấn đề lớn nhất là vấn đề chất lượng của nhân lực.
Để cải thiện trình độ nhân lực làm R&D thì ta cần tạo điều kiện và động cơ cho họ làm R&D, và tạo ra cơ chế rất mềm dẻo để có thể điều phối nhân lực phù hợp với dự án. (Tất nhiên là dưới các qui chuẩn đánh giá chất lượng đề tài như đã nêu ở trên.)
Điều kiện và động cơ cho các giảng viên, giáo sư, làm R&D bao gồm:

• Quỹ thời gian: phải có các cơ chế giảm tải giảng dạy, ví dụ như cơ chế “buy out”, dùng tiền đề án để trả cho người dạy thay. Từng trường cũng nên có các cơ chế riêng giảm tải giảng dạy và các công việc hành chính khác, để các các nhân xuất sắt tập trung nghiên cứu.
• Quỹ tài chính: đầu tư từ các doanh nghiệp, địa phương, và nhà nước, cộng với những incentive lớn hơn về mặt tài chính nếu nghiên cứu thành công. Sự giúp đỡ của các vườn ươm, phòng chuyển giao công nghệ và phòng quản lý sở hữu trí tuệ của các trường đóng vai trò quan trọng trong việc hướng dẫn faculty về mặt tài chính, quản lý nhân sự, và tìm tài trợ.
• Động cơ thăng tiến trong nghề: đánh giá thăng tiến cấp bực, chức danh giáo sư, cũng cần mềm giẻo trong việc đánh giá các đóng góp R&D. Nếu ta chỉ đếm bài báo “tạp chí quốc tế” đề đánh giá thì nhiều khả năng sẽ tạo ra perverse incentive.

Đó là nói về việc đánh giá các nhân lực sẵn có. Để thật sự cải cách về chất nhân lực làm nghiên cứu và phát triển thì cách bổ dụng nhân sự ở các đại học VN. Xin xem thêm bài “Xây dựng đội ngũ giảng dạy và nghiên cứu khoa học” trong cùng kỷ yếu hội nghị.
Tính mềm dẻo của việc điều phối nhân lực là cực kỳ quan trọng. Ví dụ ở Mỹ thì chuyện nghỉ không lương sang một trường khác vài năm làm nghiên cứu — dùng tiền dự án trả lương hoàn toàn — rất là phổ biến. Tại vì có nhiều dự án ta cần một expertise nhất định, và tính mềm dẻo trong việc tìm nhân sự làm tăng chất lượng dự án lên rất nhiều.  Ở ta có các ví dụ khởi sắc như Viện Khoa Học và Công Nghệ Tính Toán, Viện JVN chỗ anh Dương Nguyên Vũ, hay Viện VIASM chỗ anh Ngô Bảo Châu, có tính mềm dẻo (tương đối) về nhân sự, thu hút được nhiều tài năng và có các seminars/workshops với nhiều nhà khoa học giỏi tham gia báo cáo. Những mô hình tương đối tự chủ như vậy nên được nhân rộng ra hơn.
Một cách nữa để tăng hàm lượng tri thức cả nghiên cứu lẫn thực tế ở các trường đại học lớn là ta chuyển phần lớn các phòng/trung tâm nghiên cứu trực thuộc các Bộ, xáp nhập các viện nghiên cứu đó vào các trường đại học. Làm như vậy thì những người làm R&D giỏi ở các Viện đó có thể tham gia giảng dạy, tăng cường chất lượng đại học, giảm tải giảng dạy cho những giảng viên sẵn có. Rồi mối liên kết đến các dự án của các Bộ, ngành, cũng sẽ thu hút được thêm các đề tài về cho các trường đại học.

3. Cải thiện niềm tin giữa các doanh nghiệp và giới làm R&D hàn lâm

Có ba vấn đề cốt lõi của việc xây dựng niềm tin của các doanh nghiệp VN vào giới nghiên cứu hàn lâm.

• Vấn đế thứ nhất là nhìn chung các doanh nghiệp chưa tin vào khả năng giải quyết các vấn đề thực tiễn. Điều này một phần là do hệ quả của sự yếu kém về năng lực R&D nói chung của giới hàn lâm.
• Vấn đề thứ hai là sự thiếu vắng một kênh giao tiếp giữa các doanh nghiệp và giới hàn lâm. Kể cả khi có kênh giao tiếp, được tạo ra bởi các vườn ươm công nghệ chẳng hạn, thì lại có giới hạn về nhận thức của các doanh nghiệp và giới hạn về kỹ năng mềm của giới hàn lâm. Do đó, vấn đề thực tế là bên A có thể giải quyết được, nhưng bên B lại không biết rằng bên A có thể giải quyết được.
• Vấn đề thứ ba là sự theo đuổi các mục tiêu tài chính ngắn hạn của cách doanh nghiệp làm giới hạn tầm nhìn và giới hạn các quy hoạch đầu tư dài hơi hơn vào R&D.

Đó là chưa nói tới việc đầu tư tư nhân vào nghiên cứu có khả năng yêu cầu độc quyền công nghệ, gây khó khăn cho việc đăng tải bài báo khoa học của giảng viên, giáo sư.
Các vấn đề này làm cho bên có expertise và bên có nhu cầu bị “trật giuộc” với nhau. Ví dụ, một thực tế đáng lưu ý là có tình trạng giảng viên trẻ đi học nước ngoài về lại đi làm thuê (R&D) cho các cty nước ngoài. Thế là ta bị chảy máu chất xám từ bên trong.
Bên cạnh việc tổ chức cách kênh giao tiếp mà các trung tâm chuyển giao công nghệ đóng vai trò thiết yếu, thì các giảng viên và giáo sư đại học cần phải “pro-active” hơn trong việc giao hảo với các doanh nghiệp, tạo dựng những kênh giao tiếp cá nhân, tạo niềm tin giữa những con người cụ thể và những công việc cụ thể. Ví dụ, hầu hết các hội nghị hay tạp chí hàng đầu thế giới đều rất coi trọng những lời giải cho những vấn đề thực tế, có dữ liệu thực tế. Những nghiên cứu với dữ liệu thật thường được đánh giá rất cao so với những nghiên cứu dùng dữ liệu “tổng hợp” hoặc tự tạo. Do đó, incentive của người làm nghiên cứu là đi tìm các vấn đề thực tế có dữ liệu thực tế, còn incentive của doanh nghiệp là có một vấn đề cụ thể được giải quyết.
Một động cơ thứ hai cho các doanh nghiệp hợp tác và đầu tư vào một dự án R&D “trên trời” là nguồn vốn nhân lực. Họ sẽ có truy cập đến những sinh viên giỏi, được tham gia và huấn luyện “miễn phí” trong một dự án R&D, cho dù có tính rủi ro cao thì doanh nghiệp nhiều khả năng là sẽ tự tạo cho mình được các nhân viên tương lai, đã làm qua một dự án cụ thể có lợi cho doanh nghiệp.
Một chương trình R&D được hợp tác như vậy có thể bắt đầu từ một vài sinh viên làm internship. Ở đây ta cần sự chủ động của cả sinh viên lẫn thầy/cô hướng dẫn để sinh viên này phát triển niềm tin, chứng minh cho doanh nghiệp nọ thấy rằng một dự án R&D sẽ có ảnh hưởng trực tiếp đến bottom-line của công ty. Đây cũng là cách mà doanh nghiệp tuân thủ luật KH&CN đã được quốc hội thông qua. Niềm tin xây dựng qua những con người cụ thể, bằng những công việc cụ thể, sẽ có khả năng phát triển bền vững.
Cuối cùng, niềm tin cũng có thể được xây dựng bằng tiền. Mỹ có các chương trình SBIR, STTR để thúc đẩy R&D và chuyển giao công nghệ giữa các trường đại học và doanh nghiệp. SBIR tài trợ cho các nghiên cứu rủi ro cao của các doanh nghiệp nhỏ. STTR tài trợ cho doanh nghiệp làm chuyển giao công nghệ. Và hợp tác kiểu này tự động  mang các kỹ năng quản lý, gây quỹ, bán hàng, marketing v.v. đến với nhà nghiên cứu.
Tham khảo
[1] http://info.crunchbase.com/2013/08/entrepreneurs-and-universities/
[2] http://web.mit.edu/industry/industry-collaboration.html
[3] http://www.forbes.com/2008/09/12/google-general-electric-ent-tech-cx_mf_0912universitypatent.html
[4] http://unctad.org/en/Docs/iteiia20056_en.pdf
[5] http://tiasang.com.vn/Default.aspx?tabid=112&News=3670&CategoryID=43
[6] http://vanban.chinhphu.vn/portal/page/portal/chinhphu/hethongvanban?class_id=1&mode=detail&document_id=169383
[7] http://www.nature.com/gim/journal/v14/n2/full/gim201159a.html
[8] http://www.icsu.org/publications/cfrs/scientific-relations-between-academia-and-industry-building-on-a-new-era-of-interactions-for-the-benefit-of-society/download-report