[Nhập môn Deep Learning] Làm nghiên cứu AI là làm cái quái gì? (phần 1)

Giới thiệu

Rất khó để phân định cụ thể làm nghiên cứu AI là làm cái gì vì bản chất việc nghiên cứu là đã đi sâu (rất sâu) vào các câu hỏi để tìm hướng giải quyết. Hơn nữa, nghiên cứu nhánh này lại có thể vay mượn, tham khảo các công việc của nhánh khác để phát triển cho nhánh của mình. Ví như, tôi từng nghe việc Stephen Hawking nói chuyện với các nhà hoá học và sinh học để đi đến các phần cốt lõi của thuyết vạn vật (có lẽ là trong cuốn thế giới The Universe in a NutshellBook by Stephen Hawking). Tuy vậy, nhìn từ góc độ bài toán lớn (theo hướng ứng dụng), ta vẫn có thể khá rạch ròi một số phân nhánh của việc nghiên cứu AI ở hiện tại, cụ thể là năm 2025 sau công nguyên.

Trí tuệ nhân tạo (AI) là một trong những lĩnh vực công nghệ phát triển nhanh nhất, với vai trò ngày càng quan trọng trong việc giải quyết các vấn đề phức tạp và thúc đẩy đổi mới. Đến năm 2025, AI đã trở thành một công cụ mạnh mẽ, được ứng dụng trong nhiều lĩnh vực như y tế, khoa học, giáo dục, kinh doanh, và quốc phòng. Báo cáo này tổng hợp các nhánh nghiên cứu chính của AI hiện nay, dựa trên các xu hướng và phát triển gần đây, nhằm cung cấp một cái nhìn toàn diện về trạng thái hiện tại của lĩnh vực này.

Hình 1: Fun meme, just to attract you. Source in image.

Các nhánh nghiên cứu chính của AI

Dưới đây là các nhánh nghiên cứu chính của AI vào năm 2025, được xác định dựa trên các nguồn thông tin đáng tin cậy từ các tổ chức như MIT Technology Review, PwC, và AAAI.

1. Học máy và Học sâu (Machine Learning và Deep Learning)

Học máy và học sâu là nền tảng của hầu hết các ứng dụng AI. Chúng bao gồm các thuật toán và mô hình cho phép máy tính học từ dữ liệu và cải thiện hiệu suất theo thời gian. Trong năm 2025, các mô hình học sâu như mô hình ngôn ngữ lớn (LLMs) và mô hình đa phương tiện (multimodal models) đang được phát triển mạnh mẽ. Những mô hình này có khả năng xử lý nhiều loại dữ liệu khác nhau (văn bản, hình ảnh, âm thanh, v.v.), mở ra các ứng dụng mới trong nhiều lĩnh vực. Thực tế, đây là những nghiên cứu bao trùm toàn ngành AI. Tuy nhiên, khả năng cao là ta nên để nó riêng ra vì có rất nhiều nghiên cứu thuần về học máy và học sâu. Tức là, làm thế nào để mô hình học tốt hơn chẳng hạn.

Xu hướng nổi bật: Các mô hình đa phương tiện có khả năng tích hợp nhiều loại dữ liệu, như Google DeepMind's Genie và Genie 2 (DeepMind Genie). Ứng dụng: Tạo nội dung tự động, phân tích dữ liệu lớn, và hỗ trợ ra quyết định. Thách thức: Đòi hỏi lượng lớn tài nguyên tính toán và dữ liệu chất lượng cao.

2. Xử lý ngôn ngữ tự nhiên (NLP)

NLP tập trung vào việc giúp máy tính hiểu và tạo ra ngôn ngữ con người. Với sự phát triển của các mô hình ngôn ngữ lớn, NLP đã đạt được những tiến bộ đáng kể trong dịch thuật, tóm tắt văn bản, và tạo văn bản tự động. Đến năm 2025, các mô hình NLP có khả năng suy luận từng bước (step-by-step reasoning) đang được nghiên cứu để cải thiện độ chính xác trong các nhiệm vụ phức tạp như toán học, vật lý, và logic. Khi tôi mới bắt đầu đọc nghiên cứu AI thì thực chất ngành NLP khá yếm thế so với ngành computer vision (thị giác máy tính). Nhưng càng về sau này và đến lúc này, ngành NLP gần như có số người nghiên cứu và số báo ra hàng ngày nhiều nhất trong tất cả (không có số liệu, chỉ là cảm nhận khi đọc báo hàng ngày, xin bạn đọc thông cảm.

Xu hướng nổi bật: Các mô hình như OpenAI's o1 và o3 (OpenAI o1) và Google DeepMind's Mariner agent. Ứng dụng: Chatbot, trợ lý ảo, và phân tích cảm xúc. Thách thức: Giảm thiểu thiên kiến trong dữ liệu ngôn ngữ và đảm bảo tính chính xác.

3. Thị giác máy tính

Thị giác máy tính liên quan đến việc xử lý và hiểu dữ liệu hình ảnh, bao gồm nhận dạng khuôn mặt, phân loại ảnh, và phát hiện đối tượng. Trong năm 2025, thị giác máy tính thường được tích hợp với các modal khác trong các mô hình đa phương tiện, cho phép AI hiểu và tương tác với thế giới thực một cách toàn diện hơn.

Xu hướng nổi bật: Ứng dụng trong xe tự lái và giám sát an ninh. Ứng dụng: Nhận dạng hình ảnh y tế, phân tích video, và thực tế tăng cường. Thách thức: Xử lý dữ liệu hình ảnh trong điều kiện ánh sáng kém hoặc môi trường phức tạp.

4. Robot và Hệ thống tự động

Nghiên cứu về robot và hệ thống tự động tập trung vào việc phát triển các hệ thống có khả năng hoạt động độc lập, thường được gọi là AI agentic. Những hệ thống này có thể thực hiện các nhiệm vụ mà không cần can thiệp liên tục từ con người, từ điều khiển xe tự lái đến quản lý tài nguyên trong các môi trường phức tạp. Agentic AI là một xu hướng nóng trong năm 2025, với tiềm năng ứng dụng trong nhiều lĩnh vực. Khá thú vị là có nhiều demo của các công ty lớn hiện tại thực ra lại là do có người điều khiển (theo nguồn tin "thất thiệt" mà tôi biết được về robot của tỉ phú X). Chính vì thế, ngành này vẫn còn rất nhiều đất phát triển. Đặc biệt là việc đưa môi trường học của máy tính từ trên giả lập ra ngoài đời thực thông qua robot là bước đi vô cùng đáng mong chờ.

Xu hướng nổi bật: AI agentic có khả năng thực hiện các nhiệm vụ độc lập (MIT Sloan). Ứng dụng: Robot công nghiệp, xe tự lái, và quản lý chuỗi cung ứng. Thách thức: Đảm bảo an toàn và độ tin cậy của các hệ thống tự động.

Tạm dừng cợt nhả, hãy thử coi một demo cự ấn tượng đến từ Dynamic Boston - Một công ty có bề dày trong việc phát triển robot. (Funfact: Huyndai mua lại khá nhiều cổ phần của công ty này r, dù nó sinh ra ở Mỹ).

5. AI trong y tế

AI đang cách mạng hóa y tế thông qua các ứng dụng như chẩn đoán hình ảnh y tế, cá nhân hóa điều trị, và phát triển thuốc mới. Các công cụ AI giúp giảm thời gian và chi phí nghiên cứu, đồng thời cải thiện độ chính xác trong chẩn đoán bệnh. Đến năm 2025, AI được dự đoán sẽ tự động hóa khoảng 28% công việc của nhân viên y tế, với tiềm năng tiết kiệm chi phí lên đến 360 tỷ USD mỗi năm (Exploding Topics).

Xu hướng nổi bật: Hơn 650 thiết bị AI đã được FDA phê duyệt, chủ yếu trong lĩnh vực chẩn đoán hình ảnh. Ứng dụng: Phân tích hình ảnh y tế, dự đoán bệnh, và phát triển vaccine. Thách thức: Đảm bảo quyền riêng tư của dữ liệu bệnh nhân và tuân thủ quy định y tế.

6. AI cho khám phá khoa học

AI đang được sử dụng để tăng tốc độ khám phá khoa học trong nhiều lĩnh vực, từ sinh học đến khoa học vật liệu. Ví dụ, AlphaFold đã giúp dự đoán cấu trúc protein, mở ra những khả năng mới trong thiết kế thuốc và hiểu biết về sinh học (Nobel Prize). Trong năm 2025, AI tiếp tục đóng vai trò quan trọng trong việc giải quyết các vấn đề phức tạp, chẳng hạn như thiết kế vật liệu bền vững và phát triển thuốc cứu mạng.

Xu hướng nổi bật: Các dự án như Meta's materials science datasets và Hugging Face's LeMaterial (Hugging Face). Ứng dụng: Nghiên cứu sinh học, vật lý, và khoa học không gian. Thách thức: Thiếu dữ liệu chất lượng cao và nhu cầu hợp tác liên ngành.

7. AI đạo đức và Quản trị AI

Với sự phát triển nhanh chóng của AI, việc đảm bảo rằng công nghệ này được phát triển và sử dụng một cách có trách nhiệm là rất quan trọng. Nghiên cứu về AI đạo đức tập trung vào việc giảm thiểu thiên kiến, bảo vệ quyền riêng tư, và đảm bảo an toàn trong các ứng dụng AI. Đến năm 2025, các chủ đề như AI for social good và sustainable AI đã trở thành trọng tâm của nhiều hội nghị AI lớn (AAAI Panel).

Xu hướng nổi bật: Tăng cường quản trị AI minh bạch và độc lập (PwC Responsible AI). Ứng dụng: Phát triển chính sách AI, giảm thiểu thiên kiến, và bảo vệ dữ liệu. Thách thức: Cân bằng giữa đổi mới và quy định.

8. Cơ sở hạ tầng AI và Phần cứng

Nghiên cứu về cơ sở hạ tầng AI bao gồm phát triển phần cứng chuyên dụng như GPU và các kiến trúc đám mây hỗ trợ AI. Những tiến bộ này cho phép xử lý dữ liệu lớn và đào tạo mô hình AI phức tạp hơn. Trong năm 2025, Nvidia vẫn là nhà lãnh đạo trong lĩnh vực này, nhưng các đối thủ như Amazon, Broadcom, và AMD cũng đang đầu tư mạnh mẽ, dẫn đến sự cạnh tranh gay gắt (MIT Technology Review).

Xu hướng nổi bật: Cạnh tranh trong sản xuất chip AI và phát triển kiến trúc đám mây. Ứng dụng: Hỗ trợ đào tạo mô hình AI và triển khai ứng dụng thời gian thực. Thách thức: Giảm sự phụ thuộc vào các nguồn cung chip từ nước ngoài.

9. AI đa ngành

AI đang ngày càng được tích hợp với các lĩnh vực khác như tâm lý học, xã hội học, triết học, và kinh tế học để giải quyết các vấn đề phức tạp của xã hội. Sự hợp tác liên ngành là chìa khóa để áp dụng AI một cách hiệu quả và đạo đức. Đến năm 2025, 95% các nhà nghiên cứu AI quan tâm đến việc làm việc với các chuyên gia từ các lĩnh vực khác (AAAI Panel).

Xu hướng nổi bật: Hợp tác giữa AI và các ngành khoa học xã hội.Ứng dụng: Giải quyết các vấn đề xã hội như biến đổi khí hậu và bất bình đẳng.Thách thức: Vượt qua rào cản về ngôn ngữ và phương pháp luận giữa các ngành.

10. AI trong kinh doanh và công nghiệp

AI đang biến đổi cách các doanh nghiệp vận hành, từ tự động hóa quy trình đến tạo ra các mô hình kinh doanh mới. Các ngành công nghiệp khác nhau, từ tài chính đến sản xuất, đang sử dụng AI để cải thiện hiệu quả và sáng tạo. Trong năm 2025, AI được dự đoán sẽ tạo ra các mô hình kinh doanh mới, tương tự như cách internet đã làm thay đổi thế giới kinh doanh (PwC Predictions).

Xu hướng nổi bật: AI đa phương tiện giảm 50% thời gian phát triển sản phẩm trong các ngành như ô tô và hàng không vũ trụ.Ứng dụng: Tự động hóa chuỗi cung ứng, cá nhân hóa trải nghiệm khách hàng, và phân tích dữ liệu kinh doanh.Thách thức: Thiếu kỹ năng AI trong lực lượng lao động và chi phí triển khai cao.

Bảng tóm tắt các nhánh nghiên cứu AI

Kết luận

Đến năm 2025, AI đã trở thành một lĩnh vực nghiên cứu đa dạng và phức tạp, với nhiều nhánh phát triển song song. Từ học máy và NLP đến robot và AI đạo đức, mỗi nhánh đều đóng góp vào việc phát triển công nghệ này. Sự tiến bộ trong AI không chỉ mang lại những ứng dụng thực tiễn mà còn đặt ra những thách thức về đạo đức và quản trị. Việc tiếp tục nghiên cứu và hợp tác liên ngành sẽ là chìa khóa để tận dụng tối đa tiềm năng của AI trong khi đảm bảo nó được sử dụng một cách có trách nhiệm.