Ngày 19/10, tại TP Hồ Chí Minh, Ủy ban Tiêu chuẩn Đo lường Chất lượng quốc gia (Bộ Khoa học và Công nghệ) tổ chức Hội thảo APEC về quản lý trí tuệ nhân tạo (AI). Diễn ra trong hai ngày 19 - 20/10, các đại biểu tập trung trao đổi kinh nghiệm quản lý, áp dụng tiêu chuẩn quốc tế và các cơ chế bảo đảm độ tin cậy của AI.
Hội thảo được tổ chức trong khuôn khổ hợp tác của Diễn đàn Hợp tác Kinh tế châu Á - Thái Bình Dương (APEC). Nội dung trọng tâm là triển khai các tiêu chuẩn liên quan đến AI, trong đó có các tiêu chuẩn do Tiểu ban kỹ thuật ISO/IEC JTC 1/SC 42 về trí tuệ nhân tạo xây dựng, nhằm hỗ trợ ứng dụng công nghệ an toàn và có khả năng tương tác giữa các nền kinh tế.
Phát biểu khai mạc hội thảo, ông Trần Hậu Ngọc, Phó Chủ tịch Ủy ban Tiêu chuẩn Đo lường Chất lượng quốc gia, nhấn mạnh AI mở ra cơ hội nâng cao năng suất, cải tiến sản xuất và phát triển sản phẩm, dịch vụ mới. Tuy nhiên, công nghệ này cũng đặt ra thách thức về an toàn, tính minh bạch, trách nhiệm giải trình và bảo vệ dữ liệu.
Theo ông Ngọc, áp dụng tiêu chuẩn quốc tế kết hợp với đánh giá sự phù hợp và các cơ chế bảo đảm kỹ thuật giúp củng cố niềm tin đối với ứng dụng AI. Đây cũng là cơ sở góp phần giảm khác biệt về yêu cầu kỹ thuật, tạo thuận lợi cho hợp tác và thương mại giữa các nền kinh tế.
Đối với Việt Nam, ông cho rằng cần thúc đẩy xây dựng tiêu chuẩn, nâng cao năng lực đánh giá sự phù hợp và phát triển hạ tầng chất lượng phục vụ công nghệ mới. Hợp tác trong APEC tạo điều kiện chia sẻ kinh nghiệm, hỗ trợ triển khai các nhiệm vụ này phù hợp với điều kiện của từng nền kinh tế. Ông Ngọc đề nghị các đại biểu làm rõ khó khăn và nhu cầu nâng cao năng lực, nhất là đối với doanh nghiệp siêu nhỏ, nhỏ và vừa, để xây dựng khuyến nghị quản lý AI dựa trên tiêu chuẩn.
Ở góc độ chuyên môn, bà Aurélie Jacquet, Giám đốc Ethical AI Consulting, đề cập cách chuyển các nguyên tắc thành hoạt động quản lý cụ thể. Các nguyên tắc bao gồm bảo đảm lợi ích cộng đồng, sự công bằng, quyền riêng tư và bảo mật, tính minh bạch cùng trách nhiệm giải trình.
Theo bà Aurélie Jacquet, quản trị AI cần xem xét đồng thời dữ liệu, thuật toán và tổ chức sử dụng công nghệ. Hoạt động phòng ngừa phải đi cùng các biện pháp giảm thiểu, khắc phục rủi ro và sự tham gia của xã hội.
Để chuẩn bị ứng dụng AI, tổ chức cần có dữ liệu và kiến trúc công nghệ phù hợp. Bà Jacquet giới thiệu các tiêu chuẩn hỗ trợ từng phần việc, như bộ ISO/IEC 5259 về chất lượng dữ liệu phục vụ phân tích và học máy, ISO/IEC 8183:2023 về khung vòng đời dữ liệu và ISO/IEC 42001:2023 về hệ thống quản lý AI.
Việc quản lý rủi ro cần được duy trì trong suốt quá trình vận hành. Bà Jacquet đề cập yêu cầu xác định mức biến động hiệu năng có thể chấp nhận, theo dõi hệ thống và điều chỉnh biện pháp kiểm soát khi cần thiết. Cách tiếp cận này gắn quản lý AI với hoạt động giám sát thường xuyên.
Ở góc độ chính sách, bà Claire McFarland, Quản lý cấp cao phụ trách quốc tế, tư vấn và triển khai dự án thuộc Standards Australia, phân tích ba hướng tiếp cận phổ biến trong APEC: xây dựng quy định riêng cho AI; áp dụng khuôn khổ pháp luật hiện có; sử dụng hướng dẫn, tiêu chuẩn và cơ chế tự nguyện hoặc tự quản lý.
Theo bà McFarland, các nền kinh tế có xu hướng kết hợp pháp luật hiện hành với hướng dẫn về AI, quy định chuyên ngành, tiêu chuẩn và cơ chế bảo đảm kỹ thuật. Bà đưa ra tám khía cạnh để xem xét thực tiễn quản lý AI, gồm mô hình quản lý, phân biệt mức độ rủi ro, trách nhiệm giải trình, tính minh bạch, giám sát của con người, tiêu chuẩn và bảo đảm kỹ thuật, hỗ trợ nâng cao năng lực, khả năng tương thích quốc tế.
Về kiểm chứng độ tin cậy, ông Jason Chan, Phó Chủ tịch phụ trách Dữ liệu và Đổi mới sáng tạo của UL Solutions, trình bày cách đối chiếu các tuyên bố về AI với bằng chứng cụ thể. Chẳng hạn, tuyên bố một hệ thống minh bạch cần được hỗ trợ bằng tài liệu, dữ liệu, mã nguồn và hồ sơ phù hợp với phạm vi đánh giá.
Ông Jason Chan chia bằng chứng thành các lớp về dữ liệu, mô hình, giải thích và vận hành. Các nội dung cần xem xét bao gồm nguồn gốc và quyền riêng tư của dữ liệu; kiến trúc, quá trình huấn luyện và xác nhận mô hình; phương pháp giải thích, giới hạn hệ thống và hồ sơ sự cố.
Quy trình kiểm chứng bắt đầu từ việc xác định tuyên bố và phạm vi hệ thống, sau đó thu thập bằng chứng, đánh giá kỹ thuật, ghi nhận kết quả và những điểm cần bổ sung, hoàn thiện. Kết quả xác minh phụ thuộc vào mức độ đáp ứng các tiêu chí đã xác định.
Trong quá trình đánh giá, ông Jason Chan đề cập yêu cầu xác định tập dữ liệu, chỉ số hiệu năng, mô hình và các tham số, đồng thời theo dõi các biện pháp kiểm soát khi triển khai. Đối với quyền riêng tư, bằng chứng cần bao quát vòng đời dữ liệu, từ thu thập, lưu trữ, xử lý đến huấn luyện và sử dụng.
