Trước sự phát triển của công nghệ chiến lược, lượng dữ liệu chuyên ngành tăng vọt, đặt ra câu hỏi: Làm sao quản trị dữ liệu AI một cách hiệu quả, tránh dữ liệu rác và hỗ trợ ra quyết định một cách hiệu quả hơn? Để trả lời câu hỏi này, chúng ta hãy cùng tìm hiểu từ góc độ của PGS.TS Lê Hoàng Sơn - Phó Viện trưởng kiêm Giám đốc Trung tâm Nghiên cứu tiên tiến quốc tế về trí tuệ nhân tạo ứng dụng (AIRC), Viện Công nghệ thông tin, Đại học Quốc gia Hà Nội. Ông là một trong những gương mặt tiêu biểu của Việt Nam trong lĩnh vực Khoa học máy tính, đã có 6 năm liên tiếp nằm trong top 10.000 nhà khoa học xuất sắc nhất thế giới (2019-2024) và có nhiều sản phẩm công nghệ Trí tuệ nhân tạo ứng dụng trong Y tế, Giáo dục và Môi trường tại Việt Nam và các quốc gia phát triển tại Châu Âu và Hoa Kỳ. Một ví dụ cụ thể về việc áp dụng AI là kính thông minh ("smart glass") cho người khiếm thị. Kính này có chức năng VQA/VC (Vision Question Answering/Voice Command) giúp người dùng nhận biết môi trường xung quanh, hỗ trợ họ trong công việc và cuộc sống hàng ngày. Máy tính sử dụng các mô hình học sâu như CNN để phân tích nội dung hình ảnh và nhận diện vật thể, màu sắc, số lượng. Sau đó, hệ thống sẽ sử dụng Transformer - một công nghệ xử lý ngôn ngữ tiên tiến - để hiểu nội dung câu hỏi và kết nối nó với những gì được "thấy" trong ảnh. Các mô hình AI như VisualBERT hay BLIP-2 đang đóng vai trò cốt lõi trong việc phát triển những hệ thống VQA hiện đại, cho phép máy tính trả lời linh hoạt hơn, gần giống như con người. Hệ thống hỏi đáp trực quan AIRC-VL tại Viện Công nghệ Thông tin, ĐHQGHN ứng dụng công nghệ lõi về AI đa mô thức với Mô hình ngôn ngữ lớn tiếng Việt. Xu hướng nghiên cứu hiện nay về Trí tuệ nhân tạo (AI) có thể được khái quát như sau: 1. Multimodal & Multi-Environment AI (AI đa mô thức và đa môi trường). Ví dụ: Nghiên cứu về mô hình ngôn ngữ lớn và vừa, các hệ thống kết hợp IoT và camera, các hệ thống quan trắc thông minh, công nghệ dự báo đa mô thức. Đánh giá: Đây là hướng nghiên cứu hiện đại trong giai đoạn 2024-2025 trong đó 1/3 thiên về dữ liệu + 1/3 về mô hình + 1/3 thiên về mô thức tính toán định hướng sản phẩm công nghệ. 2. Knowledge Based Systems (Các hệ thống xử lý dựa trên tri thức chuyên gia). Ví dụ: Các mô hình lưu trữ và lập luận xấp xỉ trên dữ liệu lớn như: Đồ thị tri thức, Hệ thống kiến thức tự động hóa, Hệ thống tư duy nhân tạo. Đây là những hướng nghiên cứu quan trọng trong việc quản trị hiệu quả dữ liệu AI và ứng dụng vào cuộc sống hàng ngày.
Hệ thống hỏi đáp trực quan AIRC-VL tại Viện Công nghệ Thông tin, ĐHQGHN ứng dụng công nghệ lõi về AI đa mô thức với Mô hình ngôn ngữ lớn tiếng Việt. Hệ thống này không chỉ hỗ trợ người dùng trong việc xử lý thông tin từ nhiều nguồn khác nhau mà còn giúp họ đưa ra quyết định một cách hiệu quả hơn dựa trên dữ liệu được thu thập và phân tích.
Để quản trị dữ liệu AI một cách hiệu quả, cần xây dựng quy trình dữ liệu ("data pipeline") hiệu quả. Quy trình này bao gồm các bước như: thu thập dữ liệu ("data crawling"), tiền kiểm dữ liệu ("data trust validation"), tiền xử lý dữ liệu ("data pre-processing"), tổ chức và lưu trữ dữ liệu ("data warehouse") và trích rút ra bản thể dữ liệu ("data mart") trên nền tảng dashboard trực quan ("Smart Data Dashboard"). Quy trình này giúp đảm bảo chất lượng dữ liệu, tăng cường tính tin cậy và hiệu quả trong việc sử dụng dữ liệu.
Quá trình thu thập dữ liệu cần được thực hiện một cách hệ thống và chuyên nghiệp. Dữ liệu có thể được thu thập từ nhiều nguồn khác nhau như cảm biến IoT, camera, mạng xã hội, trang web, ứng dụng di động, v.v. Quy trình này đòi hỏi sự phối hợp giữa các bộ phận kỹ thuật, marketing và quản lý để đảm bảo dữ liệu được thu thập đầy đủ và chính xác.
Tiền kiểm dữ liệu là bước quan trọng tiếp theo trong quy trình. Bước này giúp xác định độ tin cậy của dữ liệu thông qua việc đánh giá chất lượng, tính nhất quán và độ chính xác của dữ liệu. Các công cụ phân tích thống kê và học máy có thể được sử dụng để thực hiện các kiểm tra này.
Tiền xử lý dữ liệu bao gồm các bước như làm sạch dữ liệu (data cleaning), chuẩn hóa dữ liệu (data normalization) và chuyển đổi dữ liệu (data transformation). Bước này giúp đảm bảo rằng dữ liệu đã được chuẩn bị sẵn sàng cho quá trình phân tích sâu hơn.
Tổ chức và lưu trữ dữ liệu là bước quan trọng để tạo ra kho dữ liệu ("data warehouse") hiệu quả. Dữ liệu cần được tổ chức theo cách thuận tiện cho việc truy xuất và sử dụng. Các công nghệ quản lý cơ sở dữ liệu (database management systems) như SQL Server, Oracle Database, hoặc NoSQL như MongoDB có thể được sử dụng để lưu trữ dữ liệu.
Trích rút ra bản thể dữ liệu ("data mart") là bước cuối cùng trong quy trình. Bản thể dữ liệu là tập hợp các thông tin đã được tổ chức và chuẩn hóa theo cách thuận tiện cho việc truy xuất và phân tích. Các công cụ như ETL (Extract, Transform, Load) có thể được sử dụng để tạo ra bản thể dữ liệu.
Nền tảng dashboard trực quan ("Smart Data Dashboard") giúp người dùng dễ dàng truy cập và hiểu thông tin từ các bản thể dữ liệu. Dashboard này cung cấp các biểu đồ, báo cáo và phân tích thực tế thời gian, giúp người dùng đưa ra quyết định một cách hiệu quả hơn.
Quá trình quản trị dữ liệu AI không chỉ dừng lại ở việc thu thập và lưu trữ dữ liệu mà còn bao gồm việc sử dụng công nghệ AI để phân tích và hiểu thông tin từ dữ liệu. Các mô hình học sâu như CNN (mạng nơ-ron tích chập) và Transformer được sử dụng để xử lý và phân tích nội dung hình ảnh, ngôn ngữ tự nhiên và các nguồn dữ liệu khác.
Ngoài ra, việc quản trị hiệu quả dữ liệu AI cũng đòi hỏi sự hợp tác giữa các nhóm chuyên môn khác nhau như kỹ thuật, kinh doanh và quản lý. Sự phối hợp chặt chẽ giữa các nhóm này sẽ giúp đảm bảo rằng quy trình quản trị dữ liệu được thực hiện một cách hiệu quả và đáp ứng nhu cầu của tổ chức.
Trong bối cảnh ngày càng phát triển của công nghệ AI, việc quản trị dữ liệu một cách hiệu quả trở thành yếu tố quyết định sự thành công trong nhiều lĩnh vực khác nhau. Việc áp dụng các quy trình quản lý dữ liệu hiệu quả không chỉ giúp giảm thiểu rác dữ liệu mà còn tăng cường khả năng đưa ra quyết định dựa trên thông tin chính xác và kịp thời, từ đó nâng cao hiệu suất hoạt động của tổ chức.
Theo bài viết của XU HƯỚNG 24
Bình luận