3 thách thức của startup trí tuệ nhân tạo

Đơn cử, chat bot (robot trò chuyện) có thể đảm nhiệm tác vụ cơ bản được thực hiện bởi đại diện dịch vụ khách hàng, hoặc một chương trình khác có thể được dùng để quét hàng trăm hình ảnh y tế, tìm điểm bất thường, giúp bác sĩ tiết kiệm thời gian. Tuy nhiên, cái khó không nằm ở việc tạo ra chương trình AI mà ở ba thách thức dưới đây.

Drew Perez, CEO hãng Adatos, nhận định: “Tôi cho rằng AI là quá mức cần thiết cho phần lớn trường hợp sử dụng. Cuối cùng thì AI vẫn phải có lời”. Ông Perez nói thêm rằng lợi ích, lợi nhuận từ AI không đến tức thời trong nhiều trường hợp. Hãng startup của ông sử dụng AI để nghiên cứu hình ảnh vệ tinh, hình ảnh máy bay không người lái của đất nông nghiệp, từ đó đánh giá các yếu tố như số lượng cây, điều kiện đất đai, sức khỏe thực vật.

Chuyên gia này cho biết hầu hết các chương trình AI hiện tại đều đang trong giai đoạn ở “phòng thí nghiệm” hoặc “đổi mới”. Ngay cả khi có điều kiện phù hợp, chẳng hạn như có đủ sức mạnh tính toán, đủ dữ liệu, đủ tài năng và cả văn hóa sẵn sàng chấp nhận công nghệ, lợi nhuận đến từ AI vẫn không hoàn toàn được đảm bảo.

“Bạn có thể trải qua cả năm và phát hiện ra rằng với 1 triệu USD, mình kiếm được vài trăm ngàn USD”, ông Perez dẫn ví dụ cho thấy rằng thị trường chứng khoán đem về lợi nhuận trên khoản đầu tư tốt hơn là rót vốn cho AI. Trừ phi một doanh nghiệp có thể tìm ra ứng dụng cho chương trình AI, đem về “hàng trăm triệu USD”, công nghệ này hầu như vẫn chỉ là thử nghiệm.

Xây dựng chương trình AI có thể không khó khăn, song doanh nghiệp cần lượng dữ liệu chất lượng cao rất lớn để đào tạo thuật toán. Đây vừa là thách thức, vừa là cơ hội. Nó là cơ hội vì khối lượng dữ liệu lớn có thể được dùng để đào tạo, cải thiện những gì chương trình AI có thể làm theo cách hiệu quả hơn. Đơn cử, thuật toán có thể nghiên cứu hàng triệu lần quét y tế não người để học về sự bất thường, rồi tự động phát hiện bất thường trong hình ảnh y tế trong tương lai.

Song thách thức là làm sao khiến nhiều người thấy thoải mái sử dụng dữ liệu đó, nhà sáng lập Steve Leonard của hãng gia tốc startup SGInnovate cho hay. Ông Leonard cho rằng thông tin ẩn danh có lợi trong trường hợp này. Khả năng cung cấp dữ liệu chất lượng cao của chính phủ được xác định bởi độ thoải mái của người dân trong việc chia sẻ dữ liệu cá nhân.

Một thách thức không nhỏ khác là làm sạch các bộ dữ liệu có thể được dùng để huấn luyện chương trình AI. Cách đây 2 năm, IBM ước tính rằng chi phí cho dữ liệu chất lượng kém đạt 3.100 tỉ USD/năm chỉ ở Mỹ. Dữ liệu xấu có thể tốn kém vì việc dọn dẹp mất nhiều thời gian, công sức. Doanh nghiệp khó lòng sinh lời ngay lập tức.

Giới quản lý đóng vai trò quan trọng trong cả việc tạo môi trường cho doanh nghiệp đổi mới và bảo vệ quyền dữ liệu của người tiêu dùng. “Đây là động thái cân bằng tốt”, CEO Tan Kiat How của Cơ quan Phát triển Truyền thông Infocomm Singapore (IMDA) cho hay. Một trong các chức năng của IMDA là điều chỉnh sử dụng dữ liệu cá nhân ở Singapore.

Châu Âu ban hành luật Bảo vệ dữ liệu chung (GDPR) hồi tháng 5. Nhiều doanh nghiệp phải cập nhật điều khoản dịch vụ để minh bạch hơn thông tin họ giữ. Nhiều chuyên gia cho rằng luật GDPR có thể cung cấp hướng dẫn cho khu vực, quốc gia khác áp dụng cùng chương trình bảo vệ dữ liệu. Đây là yếu tố có thể hạn chế đổi mới và tăng trưởng trong nhiều công nghệ dựa trên việc thu thập, sử dụng dữ liệu.

Theo chuyên gia Leonard, giúp nhiều người nhận biết về lợi ích của AI là yếu tố quan trọng. Điều này có thể giúp họ sẵn sàng chia sẻ dữ liệu cá nhân theo cách mà doanh nghiệp có thể dùng để đào tạo chương trình AI.

Theo thanhnien.vn