Thu hẹp khoảng cách AI (Phần 4)
Bridging the AI Divide (Part 4)
(Bridging the AI Divide, access via The Digital Economist)
Tác giả:
Melodena Stephens, Tiến sĩ
Maha Hosain Aziz, Tiến sĩ
Monica Lopez, Tiến sĩ
Cộng tác viên:
Sherman Kong, Vinayak Sharma & Ethan Nguyen
Biên tập:
Shruti Shankar Gaur, Tiến sĩ
(tiếp tục…)
4.0 Khuyến nghị
4.1 Thu hẹp thâm hụt ngân sách
Hạ tầng là một lĩnh vực tốn kém. Dù có yếu tố địa chính trị trong phát triển hạ tầng, tài chính lại là chìa khóa để thu hẹp khoảng cách số. Việc phát triển hạ tầng số mang lại nhiều lợi ích, có thể thấy qua việc giao hàng bằng drone (Zipline), tài chính vi mô cho tài chính toàn diện số (M-PESA) và các can thiệp y tế được cá nhân hóa cho bệnh tiểu đường (Sugar Clinics tại Mexico). Mỗi lợi ích này đều xuất phát từ tầm nhìn dài hạn và nguồn tài chính bền vững, để đảm bảo phạm vi dịch vụ được mở rộng, giúp cân bằng quyền tiếp cận và phân phối lợi ích toàn xã hội.
Thu hẹp khoảng cách tài chính đòi hỏi chúng ta:
Tạo cơ hội tiếp cận nguồn vốn cho hạ tầng (như nhượng quyền, trái phiếu, khoản vay, hợp tác công – tư).
Thúc đẩy chính sách toàn cầu nhất quán để dễ tiếp cận nguồn vốn đầu tư mạo hiểm (VC). Theo ước tính, 90% startup thất bại, trong đó 65% là các startup được VC đầu tư.
Các công nghệ tiên phong sử dụng AI là lĩnh vực rủi ro cao, đòi hỏi vốn lớn.
Sẽ tốt hơn nếu có nhiều người chơi hơn để đảm bảo cạnh tranh công bằng, thay vì chỉ có những "ông lớn" thâu tóm startup đầy tiềm năng hoặc mang tính thử thách.
Cũng cần nhấn mạnh rằng, các startup AI do nữ lãnh đạo cần được cấp vốn một cách xứng đáng trên toàn cầu.Triển khai chiến lược dài hạn với ngân sách đi kèm để xây dựng các cụm kinh tế bền vững có lợi thế riêng biệt. Thay vì chỉ sao chép mô hình thành công, các quốc gia hay thành phố nên hướng đến chiến lược “vùng trắng”, tức là tìm ra không gian chưa bị khai thác quá mức.
Một số chiến lược tài chính ở cấp độ toàn cầu có thể giúp thu hẹp khoảng cách hạ tầng số và chuỗi cung ứng AI. Tuy nhiên, như thế vẫn chưa đủ – các quốc gia cần hỗ trợ hệ sinh thái khởi nghiệp. Hiện nay, nhiều quốc gia đang sao chép lẫn nhau một cách mù quáng mà chưa có cái nhìn rõ ràng về lợi thế cạnh tranh của riêng mình trong cuộc đua AI. Nếu thiếu đi chiến lược cụ thể và có mục tiêu, họ sẽ không thể có được tầm nhìn tài chính dài hạn (15–30 năm) mà việc phát triển hạ tầng AI đòi hỏi.
4.2 Định giá công bằng cho nhân tài
Câu hỏi về việc AI sẽ tạo ra bao nhiêu việc làm mới và thay thế bao nhiêu việc làm hiện tại vẫn còn chưa rõ ràng. Điều này gây ra bất ổn lớn không chỉ với người lao động và gia đình họ, mà còn đối với chính phủ, nơi cần duy trì sự ổn định, an ninh và cung cấp dịch vụ xã hội. Khác với các cuộc cách mạng công nghiệp trước, cuộc cách mạng AI ảnh hưởng trực tiếp đến nhóm lao động trí óc (white-collar) và quản lý cấp trung. Điều này tác động đến việc chuyển giao tri thức, bởi AI không thể ghi nhận tri thức ngầm (tacit knowledge) và chính nó cũng có thể tạo ra các hệ thống đầy thiên lệch, bởi vốn không có sự rõ ràng về cách hệ thống AI được xây dựng và học tập.
Phần lớn các hệ thống AI đều phát triển dựa trên nền tảng hệ thống khác. Ví dụ: lượng truy cập API ngày càng gia tăng – hiện chiếm khoảng 83% tổng lưu lượng Internet. Vì thế, cần có một khuôn khổ định giá nhân tài toàn cầu, với các chính sách đảm bảo quyền được làm việc. Cụ thể, chúng ta cần:
Thực hiện các nghiên cứu dự báo để xác định những năng lực cần thiết trong tương lai từ góc nhìn liên ngành, dựa trên chiến lược cạnh tranh quốc gia.
Đầu tư vào phát triển nhân lực, tăng cường năng lực, kết nối liên ngành – điều này đòi hỏi cải cách visa và quy định di chuyển lao động giữa các quốc gia và ngành nghề.
Xác định chiến lược tái đào tạo toàn xã hội, đảm bảo an sinh cho thế hệ tương lai và phòng ngừa tình trạng nghèo đói khi về già.
4.3 Thúc đẩy phổ cập kiến thức AI, đạo đức AI và khởi nghiệp có trách nhiệm
Kiến thức AI, đạo đức và tinh thần khởi nghiệp có trách nhiệm cần đi đôi với nhau. Nếu không hiểu rõ AI có thể làm gì, không nên làm gì, thì khoảng cách AI sẽ luôn tồn tại. Để mở rộng AI một cách có trách nhiệm, chúng ta cần khởi nghiệp có trách nhiệm. Việc nâng cao kiến thức AI cần bắt đầu từ cấp tiểu học và tiếp tục đến đại học.
Kiến thức AI và đạo đức không nên bị nhầm lẫn với kỹ năng số (digital skills).Đây là một lĩnh vực liên ngành, đòi hỏi chương trình học liên kết đa lĩnh vực.
Vấn đề hiện tại là ai sẽ chịu trách nhiệm phổ cập kiến thức AI? Cần có một nỗ lực toàn chính phủ, toàn ngành, và toàn xã hội. Không ai nên bị bỏ lại phía sau – vì công nghệ thay đổi quá nhanh, việc học và đào tạo AI cũng cần được cập nhật tương ứng. Ví dụ: Sáng kiến ADVANTA(I)GE India của Microsoft hợp tác với TATA Strive cam kết nâng cao kỹ năng cho 2 triệu người Ấn Độ đến năm 2025, như một phần của chương trình Kỹ năng cho việc làm. Chương trình này hướng đến sinh viên đại học, học sinh ở vùng sâu vùng xa, cán bộ chính phủ và tổ chức phi lợi nhuận. Những chương trình như vậy cần được nhân rộng ra toàn cầu. Tăng tốc phổ cập kiến thức AI yêu cầu chúng ta phải:
Liên tục phát triển chương trình học về AI cho nhiều bên liên quan khác nhau, nhằm đảm bảo các quyết định có trách nhiệm và có ý nghĩa về công nghệ tiên phong như AI và các ngành nó ảnh hưởng đến.
Tiếp cận kiến thức AI theo góc nhìn liên ngành (transdisciplinary), vì kiến thức về AI không thể bị nhìn nhận một cách biệt lập theo từng ngành riêng lẻ.
Tài trợ cho các nghiên cứu liên ngành về tác động dài hạn của việc ứng dụng AI lên xã hội và quản trị.
4.4 Không chỉ tập trung vào rủi ro, mà cần cân nhắc đánh đổi
Dù hiện nay trọng tâm chủ yếu đang hướng vào các rủi ro, nhưng trước tác động rộng khắp của AI lên mọi lĩnh vực, các cuộc thảo luận nên chuyển sang các đánh đổi (trade-offs) trong quá trình ra quyết định liên quan đến AI. Ví dụ: năng suất và trách nhiệm được đo lường, quản lý ra sao? Chúng ta đang được gì và mất gì khi đánh đổi giữa tốc độ và độ chính xác? Hệ thống có thể giảm được thiên kiến đến đâu, và lợi ích – tổn thất nào xuất hiện khi ưu tiên sử dụng một bộ dữ liệu nào đó chỉ vì sự tiện lợi? Chúng ta nên ưu tiên bảo mật hay quyền riêng tư? Việc đưa tư duy “đánh đổi” vào sẽ giúp chúng ta chủ động hơn trong việc lựa chọn một cách có ý thức, rằng chúng ta sẵn sàng đánh đổi cái gì - lợi ích và chi phí cần bỏ ra - để các nhóm thiểu số cũng được hưởng lợi. Sự lựa chọn có ý thức này sẽ giúp thu hẹp các khoảng cách về tác động (impact gap), khoảng cách về tính minh bạch (transparency gaps), khoảng cách đạo đức (ethics gaps), tranh luận dữ liệu (data debates) và điều chỉnh lại sự thổi phồng AI quá mức. Cách tiếp cận mới này yêu cầu chúng ta:
Cân bằng giữa lợi ích ngắn hạn và tác động dài hạn, và theo dõi cả hai.
Tăng tính minh bạch đối với chuỗi cung ứng ngầm – cả thượng nguồn và hạ nguồn, đồng thời thừa nhận vai trò của chúng để ngăn chặn hiện tượng “tẩy trắng” (whitewashing).
Xác định các cấp độ trách nhiệm khác nhau trong tài trợ, nghiên cứu, triển khai, sử dụng và loại bỏ các hệ thống AI.
Dịch bởi ChatGPT 4o
Ảnh bìa bởi Gemini Flash 2.0
Hiệu đính bởi Phạm Khôi
(còn tiếp)