Trong bối cảnh Trí tuệ Nhân tạo Tạo sinh (Generative AI) và các Mô hình Ngôn ngữ Lớn (LLM) đang tạo ra cuộc cách mạng công nghiệp mới, việc làm chủ công nghệ lõi trở thành mệnh lệnh chiến lược. Tại Khoa Trí tuệ Nhân tạo – Học viện Công nghệ Bưu chính Viễn thông (PTIT), định hướng đào tạo đang dịch chuyển mạnh mẽ từ việc chỉ ứng dụng các công cụ có sẵn sang việc nghiên cứu, kiến trúc và tối ưu hóa các mô hình AI từ con số không, đặc biệt tập trung vào các bài toán mang tính bản địa hóa cao như Xử lý ngôn ngữ tự nhiên tiếng Việt.

Sự bùng nổ của hàng loạt nền tảng AI tạo sinh trên thế giới đặt ra một thách thức lớn cho các cơ sở đào tạo đại học: Sinh viên tốt nghiệp sẽ chỉ là những người “lắp ráp” phần mềm dựa trên API của các tập đoàn công nghệ lớn (Tech Giants), hay sẽ là những kỹ sư đủ năng lực tự xây dựng, huấn luyện và làm chủ các mô hình AI độc lập? Khoa Trí tuệ Nhân tạo (PTIT) kiên định lựa chọn con đường thứ hai, thông qua một chiến lược đào tạo và nghiên cứu chuyên sâu, bao quát từ tầng dữ liệu đến tầng kiến trúc hạ tầng.

1. Chuyển đổi từ “Người sử dụng” sang “Nhà kiến tạo” công nghệ

Tại Khoa Trí tuệ Nhân tạo, triết lý đào tạo cốt lõi là giúp sinh viên thấu hiểu bản chất Toán học và nguyên lý hệ thống đằng sau mỗi thuật toán. Thay vì chỉ học cách viết câu lệnh (prompt) để tạo ra một đoạn văn bản hay một bức ảnh, sinh viên được yêu cầu “mổ xẻ” các kiến trúc mạng nơ-ron tiên tiến nhất hiện nay như Transformer, Diffusion Models hay Graph Neural Networks.

Các học phần cốt lõi được thiết kế nghiêm ngặt để sinh viên nắm vững cách dữ liệu được mã hóa (embedding), cơ chế tự chú ý (self-attention) hoạt động ra sao trong không gian toán học nhiều chiều, và cách hàm mất mát (loss function) được tối ưu hóa qua từng chu kỳ huấn luyện. Tư duy đi từ gốc rễ này giúp sinh viên Khoa AI không bị lạc hậu khi xu hướng công nghệ thay đổi, mà luôn sẵn sàng thích nghi và sáng tạo ra những kiến trúc mới ưu việt hơn.

2. Trọng tâm nghiên cứu Xử lý Ngôn ngữ Tự nhiên (NLP) tiếng Việt

Một trong những hướng nghiên cứu mũi nhọn đang được Khoa Trí tuệ Nhân tạo đẩy mạnh là Xử lý ngôn ngữ tự nhiên (NLP), với trọng tâm là xây dựng các mô hình ngôn ngữ dành riêng cho tiếng Việt (Vietnamese LLMs). Dù các siêu mô hình quốc tế có sức mạnh tính toán lớn, chúng vẫn thường bộc lộ điểm yếu khi xử lý các sắc thái văn hóa, từ lóng, hay cấu trúc ngữ pháp phức tạp đặc thù của người Việt.

Các nhóm nghiên cứu sinh và sinh viên tại Khoa đang trực tiếp tham gia giải quyết các bài toán học thuật hóc búa như:

• Xây dựng bộ dữ liệu ngữ liệu lớn (Corpus): Làm sạch, gán nhãn và chuẩn hóa dữ liệu tiếng Việt từ nhiều nguồn văn bản đặc thù như báo chí, văn bản pháp luật, y tế để làm nguồn “thức ăn” chất lượng cao cho AI.

• Tinh chỉnh siêu tham số (Fine-tuning): Áp dụng các kỹ thuật tiên tiến như LoRA (Low-Rank Adaptation) để huấn luyện các mô hình lớn trên hạ tầng phần cứng có hạn của phòng Lab mà vẫn đảm bảo độ chính xác vượt trội.

• Hệ thống Hỏi đáp tri thức chuyên sâu (RAG – Retrieval-Augmented Generation): Kết hợp mô hình ngôn ngữ với cơ sở dữ liệu nội bộ của tổ chức để tạo ra các trợ lý ảo có khả năng truy xuất thông tin chính xác, triệt tiêu hiện tượng “ảo giác” (hallucination) thường gặp ở AI.

3. Tối ưu hóa tài nguyên phần cứng – Bài toán thực tế của kỹ sư AI

Huấn luyện AI không chỉ là câu chuyện của thuật toán tối ưu, mà còn là bài toán về quản trị phần cứng và chi phí vận hành. Khoa Trí tuệ Nhân tạo đặc biệt chú trọng rèn luyện cho sinh viên kỹ năng triển khai mô hình (Model Deployment) trong các điều kiện giới hạn về tài nguyên máy tính.

Sinh viên được thực hành chuyên sâu các kỹ thuật lượng tử hóa mô hình (Model Quantization) để thu gọn kích thước của mạng nơ-ron mà không làm suy giảm hiệu năng. Kỹ thuật này giúp các mô hình AI khổng lồ có thể chạy mượt mà trên các máy chủ nội bộ (on-premise) của doanh nghiệp hoặc thậm chí trên các thiết bị di động cá nhân (Edge AI). Đây là kỹ năng “sống còn” được các tập đoàn công nghệ đánh giá cực kỳ cao, bởi nó quyết định trực tiếp đến tính khả thi và chi phí khi đưa sản phẩm AI ra thị trường.

4. Định hình tư duy AI An toàn (Safe AI) và Đạo đức công nghệ

Sức mạnh công nghệ càng lớn, trách nhiệm đạo đức càng cao. Song song với việc phát triển năng lực lập trình, Khoa Trí tuệ Nhân tạo PTIT luôn lồng ghép vấn đề AI An toàn (Safe AI) vào chương trình giảng dạy. Sinh viên được trang bị các phương pháp kiểm định tính công bằng của thuật toán, loại bỏ thiên kiến (bias) trong bộ dữ liệu, và thiết lập các hàng rào bảo mật kỹ thuật để ngăn chặn mô hình AI bị tấn công thao túng (Adversarial Attacks) hoặc bị lợi dụng sinh ra các nội dung độc hại.

Với chiến lược đầu tư chiều sâu vào nghiên cứu công nghệ lõi và phát triển toàn diện kỹ năng sinh viên, Khoa Trí tuệ Nhân tạo – PTIT không chỉ cung cấp nguồn nhân lực chất lượng cao cho thị trường lao động, mà còn hướng tới mục tiêu trở thành một trung tâm nghiên cứu AI hàng đầu, đóng góp thiết thực vào sự tự chủ công nghệ của quốc gia trong kỷ nguyên số.