Tại hội nghị "Định hướng nghiên cứu và phát triển trí tuệ nhân tạo (AI) cho đô thị thông minh"trong khuôn khổ Tuần lễ đổi mới sáng tạo và chuyển đổi số TP HCM,ênnênbắtđầuvớidữliệunhỏđểthửnghiệmmôhìbongdaplus.vb tổ chức sáng 14/10, những khó khăn về hạ tầng tính toán đã được nhiều sinh viên đề cập. Theo Nguyễn Hải Nam, sinh viên Đại học Công nghệ thông tin TP HCM, việc huấn luyện các mô hình AI hiện nay nhờ sự hỗ trợ lớn dữ liệu lớn và hạ tầng tính toán. Tuy nhiên, tài nguyên tính toán là thách thức lớn với sinh viên khi làm các mô hình AI.

Theo Nam, có những nghiên cứu huấn luyện mô hình AI với dữ liệu lớn nhưng máy chủ chỉ với 1 GPU. Điều này khiến nam sinh cho rằng phải mất nhiều năm mới hoàn thành mô hình vì hạ tầng yếu. "Sinh viên có những mô hình, ý tưởng lớn, tuy nhiên khi thực hiện ở những phòng nghiên cứu nhỏ sẽ khó có cơ hội hơn nếu không có hạ tầng tính toán", Nam nói.

TS Lê Thành Sách, Giảng viên khoa khoa học và kỹ thuật máy tính, Đại học Bách khoa TP HCM thừa nhận, hạ tầng tính toán là công cụ đắc lực cho việc huấn luyện mô hình AI. Đây là hệ thống lưu trữ dữ liệu và máy chủ với GPU. Hiện trong nước có một số doanh nghiệp lớn đã đầu tư máy chủ với nhiều GPU, phục vụ huấn luyện mô hình cho các nghiên cứu về AI. Tại Đại học Quốc gia TP HCM vài năm trở lại đây đã có những đầu tư ban đầu về hạ tầng tính toán. Tuy nhiên "so với hệ thống hàng ngàn GPU của một số doanh nghiệp khác trên thế giới, thì hạ tầng ở Việt Nam chưa thể sánh bằng", TS Sách nói.

Theo TS Sách, với nhu cầu lớn của người dùng, các hạ tầng tính toán trong trường đại học khó đáp ứng đủ cho tất cả các nghiên cứu. Hiện trong nước cũng chưa có đơn vị nào cho thuê các hệ thống GPU, trong khi một số hãng của thế giới đã có dịch vụ này. Nhiều nghiên cứu AI hiện nay ở trong nước phải thuê dịch vụ tính toán của nước ngoài.

Với các nghiên cứu sinh viên, TS Sách khuyên các bạn nên đặt vấn đề giải quyết các bài toán ứng dụng AI ở quy mô nhỏ, thực tiễn và có thể sử dụng các công cụ miễn phí. "Sinh viên không nên vội vàng đặt những bài toán dữ liệu lớn, cần hạ tầng tính toán mạnh, sẽ gặp khó khăn", ông nói. Khi giải quyết tốt các bài toán nhỏ, chứng minh được hiệu quả, sinh viên có thể tham gia các dự án lớn hơn cùng với thầy cô để có nguồn lực thực hiện.

TS Nguyễn Thanh Bình, Trưởng bộ môn ứng dụng tin học, Đại học Khoa học Tự nhiên TP HCM, cho rằng sinh viên nên làm các mô hình nhỏ, phù hợp cho khả năng tính toán của máy chủ có từ 2 - 4 GPU. Lúc đó sinh viên có thể xin các vốn đầu tư từ doanh nghiệp, hoặc hợp tác với các viện nghiên cứu lớn có tiềm lực hơn để các nghiên cứu có thể tiến xa hơn. Ngoài hạ tầng tính toán, sinh viên nghiên cứu AI cần đầu tư các kỹ năng nghiên cứu, có kinh nghiệm để định hình hướng đi trong lĩnh vực này.

Hà An

  Trở lại Khoa họcTrở lại Khoa học