Samsung mang tính năng chia sẻ dữ liệu ‘chạm là xong’ lên One UI 9

Hình dung con đường, cách thiết kế chương trình công nghệ chiến lược
Bộ trưởng Khoa học và Công nghệ Nguyễn Mạnh Hùng nhận định Việt Nam đã hình dung ra khá đầy đủ con đường phát triển công nghệ chiến lược (CNCL).

Sau 9 tháng ban hành Danh mục Công nghệ chiến lược và tiến hành triển khai, ngoài việc chúng ta đã nghiên cứu phát triển được một số sản phẩm chiến lược, nhìn thấy nhiều hạn chế và tồn tại, điều quan trọng nhất là chúng ta đã hình dung ra khá đầy đủ con đường phát triển CNCL Việt Nam.

Thứ nhất: Ban hành danh mục CNCL phải kèm theo sản phẩm CNCL, công nghệ lõi, và phải sát với nhu cầu phát triển và lợi thế của đất nước.

CNCL là các hướng công nghệ ưu tiên; Sản phẩm CNCL là đầu ra để tạo lập thị trường; Công nghệ lõi là năng lực làm chủ và tự chủ công nghệ.

Có một điểm chú ý quan trọng là, xây dựng danh mục CNCL, sản phẩm CNCL, công nghệ lõi phải xuất phát từ các bài toán lớn quốc gia, chứ không phải xuất phát từ công nghệ. Công thức đúng là đi từ bài toán quốc gia tới sản phẩm chiến lược rồi tới công nghệ. Chương trình CNCL quốc gia phải bao quát đầy đủ các khâu từ nghiên cứu khoa học, tới phát triển công nghệ, phát triển sản phẩm, sản xuất đến thị trường, chứ không rời rạc như trước đây. Và phải kết hợp được cả hai công cụ của nhà nước là ngân sách và chính sách tạo thị trường. Thiết kế chương trình CNCL trước đây tập trung vào công nghệ và ngân sách là chính, chưa chú trọng các chính sách tạo thị trường.

Về danh mục CNCL, Chính phủ đã ban hành tháng 6/2025 và sẽ sửa đổi sau một năm ban hành. Chúng ta sẽ bổ sung các công nghệ chiến lược thuộc các dòng sản phẩm đang là chủ lực của Việt Nam, cả xuất khẩu và trong nước. Làm chủ các công nghệ lõi sẽ vừa tăng năng lực cạnh tranh, vừa tạo giá trị tăng thêm cho các sản phẩm chủ lực. Danh mục CNCL có thể chia làm ba loại, có ngắn hạn, có trung hạn và có dài hạn: 1-3 năm, 3-5 năm và 5-10 năm. 70-80% ngân sách và nguồn lực sẽ dành cho loại 1 và 2, như vậy sẽ vừa có kết quả nhanh, vừa xây năng lực dài hạn.

Kèm theo danh mục CNCL là danh mục các sản phẩm CNCL, danh mục các công nghệ lõi và lộ trình làm chủ đối với từng CNCL. Các sản phẩm CNCL phải kèm theo yêu cầu về tỷ lệ nội địa hóa, các công nghệ lõi phải tự chủ. Các danh mục này mới là mục tiêu cụ thể cần đạt được của chương trình CNCL, chứ không phải danh mục CNCL, nó hướng khoa học công nghệ tới mục tiêu cuối cùng là công nghệ lõi, sản phẩm và thị trường. Các doanh nghiệp tập trung vào các sản phẩm CNCL, các viện trường vào công nghệ lõi.

Thứ hai: Ban hành bộ tiêu chí, tiêu chuẩn, quy chuẩn về CNCL, công nghệ lõi và sản phẩm CNCL.

Tiêu chí lựa chọn CNCL cần phải được ban hành để lựa chọn hướng đi cho đúng.

Việc xây dựng và ban hành tiêu chuẩn phải đi trước (có thể là pre-standard) để định hướng phát triển công nghệ, tạo lập thị trường và thúc đẩy thương mại hóa.

Có tiêu chuẩn mới có thể đấu thầu, nghiệm thu và mua sắm. Tức là tiêu chuẩn giúp hình thành thị trường. Tiêu chuẩn là công cụ dẫn dắt công nghệ. Tiêu chuẩn cũng là điều kiện để sản xuất loạt. CNCL thường mới, rủi ro cao, nên tiêu chuẩn sẽ giúp kiểm soát chất lượng và tạo niềm tin cho thị trường. Tiêu chuẩn cũng giúp tham gia chuỗi toàn cầu.

Nhà nước phải ban hành tiêu chuẩn, gắn tiêu chuẩn với mua sắm công và đồng bộ tiêu chuẩn với chính sách thị trường. Không có tiêu chuẩn thì không có thị trường cho CNCL.

Thứ ba: Tìm ra một số cách triển khai CNCL mới có tính đột phá, ngoài các cách truyền thống.

1. Nhà nước tạo thị trường đủ lớn cho các sản phẩm CNCL. Nhà nước đặt mua số lượng đủ lớn, xây dựng chính sách để tạo ra nhu cầu lớn trên thị trường, cơ chế thử nghiệm nhanh đối với CNCL, sau đó doanh nghiệp bỏ tiền nghiên cứu. Đây là cách hỗ trợ đầu ra, dùng thị trường để phát triển CNCL. Cũng bằng cách này, nhà nước thu hút được đầu tư nghiên cứu từ khu vực xã hội, góp phần quan trọng đạt mục tiêu 2% GDP cả nước chi cho nghiên cứu, tức gấp 5 lần con số 2% ngân sách nhà nước chi cho khoa học công nghệ. Trung Quốc rất thành công theo cách này: với xe điện họ trợ giá; với UAV họ cho phép nhiều ứng dụng trong nông nghiệp; với năng lượng mặt trời, họ bắt buộc một tỷ lệ năng lượng tái tạo. Các sản phẩm CNCL như UAV, camera AI, thiết bị 5G, trợ lý ảo AI, blockchain có thể làm theo cách này.

2. Nhà nước chọn mặt gửi vàng, tức chọn tổng thầu công nghệ. Đối với các chương trình công nghệ quốc gia, dự án công nghệ lớn, rất phức tạp, dài hạn, 5-10 năm hoặc lâu hơn, nhà nước chọn nhà thầu công nghệ chính, chọn doanh nghiệp/viện trường chủ lực phát triển CNCL, và cấp ngân sách hoặc không cấp ngân sách nhưng cam kết đầu ra. Chương trình tên lửa của chúng ta là thực hiện theo cách doanh nghiệp tự bỏ tiền nghiên cứu, nhà nước cam kết mua nếu đạt tính năng tương đương và giá thấp hơn so với nhập ngoại. Còn chương trình sản xuất chip bán dẫn lại theo cách nhà nước cấp ngân sách. Các chương trình lớn khác như như lò hạt nhân module nhỏ, vũ trụ, lòng đất có thể làm theo cách này.

3. Nhà nước là người mua đầu tiên. Cách này áp dụng với các sản phẩm CNCL chưa có thị trường lớn, công nghệ lại khá phức tạp. Cần nhà nước hỗ trợ nghiên cứu và sau đó là người mua đầu tiên. Nhà nước xác định sản phẩm hoặc bài toán CNCL, mời các doanh nghiệp/viện/trường/startup tham gia. Không chỉ định ai. Chọn 3-5 nhóm làm sản phẩm mẫu, rồi giữ lại 1-2 đội có sản phẩm mẫu tốt nhất để tài trợ làm tiếp đến sản phẩm thương mại. Nếu công nghệ đạt yêu cầu, nhà nước thành người mua đầu tiên, tạo thành thị trường đầu tiên cho doanh nghiệp. Nhà nước đóng vai người mua đầu tiên là một trong những công cụ rất mạnh để phát triển CNCL. Các nước đã thành công với cách này là Mỹ, Trung Quốc, Hàn Quốc, EU. Cách này có thể áp dụng với vệ tinh tầm thấp, chế biến đất hiếm, robot nông nghiệp.

4. Phát triển CNCL cần sự đồng hành của người dùng

Sản phẩm CNCL cần có môi trường thử nghiệm, sự phản hồi liên tục của người dùng, đồng sáng tạo của người dùng. Có nghĩa là người dùng tham gia từ đầu, không phải xuất hiện ở cuối. Sự tham gia tích cực, hiệu quả và từ đầu của các đơn vị sử dụng sẽ góp phần quan trọng tạo nên thành công của các sản phẩm chiến lược. Bởi vậy, chương trình CNCL phải được thiết kế có sự tham gia của người dùng từ đầu.

Thứ tư: Ban hành kế hoạch hành động và giao nhiệm vụ

Xác định từng sản phẩm CNCL, từng công nghệ lõi sẽ phát triển theo cách nào, giao ai, bao giờ xong, cùng các điều kiện đi kèm như nhu cầu thị trường, nhà nước là người mua đầu tiên, ngân sách.

Sau khi mục tiêu, lộ trình, tiêu chuẩn, cách làm, cách đánh giá, thị trường và ngân sách đã được xác định thì việc giao bộ ngành chủ trì phát triển các sản phẩm CNCL là nên làm. Bộ Khoa học và Công nghệ (Bộ KH&CN) giữ vai trò điều phối quốc gia, kiến trúc, thiết kế chương trình CNCL, phân bổ ngân sách và đánh giá hiệu quả.

Thứ năm: Ban hành bộ tiêu chí đánh giá

Xác định bộ tiêu chí đánh giá tác động của CNCL đối với kinh tế - xã hội, đánh giá hiệu quả của chương trình CNCL, hay gọi là hạch toán như lời của Tổng Bí thư Tô Lâm, là việc bắt buộc phải làm.

Tiêu chí phải được thiết kế theo 4 tầng: Input (đầu vào) - Output (đầu ra trực tiếp, như bài báo, công nghệ) - Outcome (kết quả, như doanh thu) - Impact (tác động, như năng suất, tăng trưởng). Chương trình CNCL phải được đánh giá theo bộ tiêu chí phản ánh đầy đủ kết quả từ nghiên cứu đến thị trường, làm cơ sở cho việc phân bổ, điều chỉnh và giám sát nguồn lực.

Một số việc cần làm ngay

Thứ nhất, đối với các sản phẩm CNCL đã được các doanh nghiệp Việt Nam phát triển đạt tiêu chuẩn, cần có ngay chương trình mua sắm của chính phủ, và chính sách dùng hàng Việt Nam để tạo thị trường cho các sản phẩm CNCL này, như UAV, camera AI, 5G, trợ lý ảo.

Thứ hai, cho phép hình thành một số khu thử nghiệm đặc biệt, tại đây các thử nghiệm không phải xin phép. Các sandbox hiện nay rất chậm vì các thủ tục xin phép và mọi người cũng ngại quyết.

Thứ ba, ở cấp bộ ngành và địa phương, cần hình thành các trung tâm đổi mới sáng tạo và giao các trung tâm này đặt hàng doanh nghiệp/viện trường giải quyết các bài toán lớn của bộ ngành và địa phương góp phần trực tiếp vào tăng trưởng hai con số, chủ yếu theo cách chính quyền tạo thị trường và chính quyền là người mua đầu tiên. Để tránh trùng lặp và phổ biến nhanh ra toàn quốc các giải pháp thành công, nhà nước thống nhất một nền tảng số dùng chung để quản lý các bài toán và giải pháp.

Thứ tư, về phân bổ ngân sách khoa học công nghệ. Hiện nay, các bộ ngành vẫn phải đăng ký danh mục đề tài qua Bộ KH&CN rồi qua Bộ Tài chính cấp tiền, có đợt 1/đợt 2, tiền đợt 2 về đến người làm có khi đến tháng 6, tháng 7. Chúng ta có thể đổi mới bằng cách cấp một cục - gọi là block funding - vào thẳng quỹ khoa học công nghệ của các bộ ngành, ngay từ đầu năm, để họ chủ động phát triển công nghệ ứng dụng giải quyết các bài toán ngành. Bộ KH&CN giữ nền tảng số quốc gia quản lý các đề tài để tránh trùng lặp, đánh giá hiệu quả, và đảm bảo phù hợp chiến lược khoa học công nghệ từng giai đoạn. Đây là xu thế thế giới, nó giảm đến 80% thủ tục, tăng trách nhiệm các bộ/ngành, gắn được khoa học công nghệ với các bài toán của từng ngành. Quỹ KH&CN quốc gia thuộc Bộ KH&CN sẽ tập trung vào các nghiên cứu cơ bản, khoa học nền tảng, các đề tài liên ngành, và chương trình CNCL.

Nhà nước tạo ra việc lớn, bài toán quốc gia phải đủ rõ về mục tiêu, quy mô, người mua và mức độ tự chủ, tạo ra thị trường lớn, cơ chế tài chính thông thoáng, nhân sự linh hoạt, xây dựng hạ tầng nghiên cứu hiện đại, cơ chế phân chia lợi ích phù hợp, và việc lớn thì giao tổng thầu công nghệ, thì chúng ta sẽ thu hút được tinh hoa khoa học công nghệ toàn cầu tham gia giải quyết các bài toán lớn của Việt Nam, giúp Việt Nam phát triển và tự chủ CNCL.

Vừa qua, việc triển khai chương trình CNCL chưa được như mong muốn và kỳ vọng lý do chính là do cách tiếp cận, cách thiết kế chương trình chưa tốt, hơn là do thể chế. Nhưng 9 tháng qua đã giúp chúng ta hình thành ra con đường, cách thiết kế chương trình CNCL hiệu quả hơn, như đã trình bày ở trên, để thời gian tới sẽ tạo ra sự thay đổi về chất.

Bộ trưởng Nguyễn Mạnh Hùng

Nguồn: https://vnexpress.net/hinh-dung-con-duong-cach-thiet-ke-chuong-trinh-cong-nghe-chien-luoc-5056633.html

Trong bối cảnh AI đang trở thành một trong những công nghệ nền tảng của nền kinh tế số, các trường đại học phải thay đổi cách đào tạo để theo kịp nhu cầu của thị trường lao động. Chia sẻ với VnExpress bên lề sự kiện South Summit 2026 ngày 3-5/6 tại Madrid, bà Rafif Srour, Phó hiệu trưởng Trường Khoa học và Công nghệ - Đại học IE (Tây Ban Nha), đã phân tích những kỹ năng sinh viên cần trang bị, vai trò mới của giáo dục đại học và cách cân bằng giữa năng lực công nghệ với tư duy phản biện trong thời AI.

- Tháng trước, sinh viên ở Mỹ từng la ó bài phát biểu tốt nghiệp về AI của cựu CEO Google Eric Schmidt, cho thấy sự lo lắng ngày càng lớn về tác động của AI đối với tương lai. Phản ứng tương tự được ghi nhận trong sinh viên Đại học IE thế nào?

- Chúng tôi chưa ghi nhận phản ứng như vậy từ sinh viên của mình, nhưng chắc chắn đang chứng kiến những lo ngại ngày càng gia tăng xoay quanh AI và tương lai việc làm. Điều thú vị là mức độ lo lắng khác nhau đáng kể tùy từng giai đoạn trong hành trình học tập của sinh viên.

Sinh viên năm nhất nhìn chung khá hào hứng với AI. Các em xem đây là công nghệ mang tính trao quyền và chứa đựng nhiều cơ hội. Tuy nhiên, đồng thời nhiều em cũng đánh giá thấp tầm quan trọng của việc xây dựng nền tảng vững chắc về toán học, thống kê và tư duy thuật toán, bởi các công cụ AI hiện có thể tạo ra câu trả lời gần như lập tức. Một trong những thách thức giáo dục lớn nhất hiện nay của chúng tôi là giúp sinh viên hiểu rằng nền tảng kỹ thuật cốt lõi vẫn rất quan trọng, thậm chí có thể còn quan trọng hơn trước. Những sinh viên có nền tảng kỹ thuật mạnh thường đón nhận AI theo hướng tích cực hơn, bởi công nghệ này giúp mở rộng năng lực và tăng tốc quá trình học tập của họ.

Nhóm có mức độ lo lắng cao nhất là sinh viên chuẩn bị tốt nghiệp. Dù chưa có dữ liệu quy mô lớn, qua trao đổi với sinh viên và đối tác doanh nghiệp, tôi có thể cảm nhận những lo ngại về thị trường lao động. Việc tuyển dụng ở cấp độ entry-level (mới vào nghề) trong một số lĩnh vực công nghệ đang trở nên cạnh tranh hơn, và sinh viên bắt đầu đặt câu hỏi về việc sự nghiệp của họ sẽ thay đổi ra sao trong một nền kinh tế được dẫn dắt bởi AI.

Tôi cho rằng cảm xúc chủ đạo lúc này không phải sợ hãi, mà là sự bất định. Sinh viên hào hứng trước những khả năng AI mang lại, nhưng cũng đang cố gắng hình dung vai trò của mình sẽ ra sao trong một thế giới thay đổi rất nhanh.

- Bà nhắc đến một thế giới thay đổi rất nhanh, vậy các trường đại học đã thích nghi đủ nhanh với AI chưa hay nhiều nơi vẫn đang tiếp tục đào tạo cho "một thế giới không còn tồn tại"?

- Tôi nghĩ các trường đại học trên khắp thế giới đều đang đối mặt với cùng một bài toán. Thật không thực tế nếu tiếp tục giảng dạy theo đúng cách của 5 năm trước. Phần lớn tổ chức giáo dục đang cố gắng thích nghi, dù một số nơi có thể chuyển đổi nhanh hơn nhiều nơi khác.

Có những lý do mang tính cấu trúc khiến sự thay đổi trong môi trường học thuật diễn ra chậm hơn. Tuy nhiên, trường nào càng linh hoạt càng có lợi thế cạnh tranh trong việc thu hút và giữ chân sinh viên. Chẳng hạn tại IE, chúng tôi cập nhật chương trình đào tạo hàng năm cho các ngành khoa học dữ liệu, toán ứng dụng và khoa học máy tính, ở cả bậc đại học lẫn sau đại học. Những chủ đề như kiến trúc dữ liệu, mô hình ngôn ngữ lớn (LLM) hay agentic AI đã được tích hợp vào chương trình học.

Tuy nhiên, đó chỉ là những thay đổi dễ thấy nhất. Thách thức sâu xa hơn không đơn thuần là bổ sung các môn học liên quan đến AI, mà là phải tư duy lại toàn bộ mô hình sư phạm. AI không chỉ thay đổi những gì sinh viên cần học, mà còn thay đổi cách họ học, cách họ làm việc và cách họ tương tác với tri thức.

Một trong những điểm mạnh của IE là nhiều giảng viên cũng đang làm việc trong ngành công nghiệp, giúp đưa các thực tiễn mới và công nghệ mới nổi trực tiếp vào lớp học. Nhưng về lâu dài, sự chuyển đổi mà giáo dục đại học cần thực hiện sẽ vượt xa việc chỉ cập nhật nội dung môn học.

- AI thay đổi cách sinh viên học tập và làm việc. Đâu sẽ là những kỹ năng quan trọng nhất các trường đại học công nghệ cần giúp họ phát triển trong 5 năm tới?

- Bất kỳ cuộc thảo luận nào về các kỹ năng của tương lai cũng cần bắt đầu từ việc hiểu rõ đặc điểm của thế hệ sinh viên hiện nay. Các em đang lớn lên trong môi trường của những câu trả lời tức thì, khả năng tập trung ngắn và sự kích thích số liên tục. Vì vậy, với vai trò là những nhà giáo dục, chúng tôi cần củng cố những kỹ năng đòi hỏi chiều sâu thay vì tốc độ.

Tư duy phân tích chuyên sâu, khả năng tổng hợp và tư duy phản biện sẽ ngày càng trở nên quan trọng. Ngay cả khi các hệ thống AI có thể tạo ra bản tóm tắt hay đưa ra lời giải, sinh viên vẫn cần năng lực đánh giá thông tin, nhận diện những lập luận yếu và kết nối các ý tưởng giữa nhiều lĩnh vực khác nhau.

Trong tương lai, AI có thể trở nên giỏi hơn trong việc giải quyết vấn đề về mặt kỹ thuật, nhưng con người vẫn phải đặt đúng câu hỏi, loại bỏ nhiễu thông tin, xác định mục tiêu rõ ràng và đưa ra quyết định trong điều kiện bất định.

Tôi cũng tin khả năng làm việc nhóm, tính thích nghi và tư duy hệ thống sẽ trở thành những kỹ năng thiết yếu. Người thành công trong kỷ nguyên AI không nhất thiết ghi nhớ được nhiều thông tin nhất, mà có thể tích hợp tri thức, hợp tác hiệu quả và làm việc cùng các hệ thống thông minh.

- Trước nhu cầu đó, đặc biệt trong bối cảnh nhiều quốc gia thiếu hụt nhân lực AI, khoa học máy tính và khoa học dữ liệu, sai lầm phổ biến mà các trường đại học mắc phải khi vội vàng mở chương trình đào tạo AI là gì?

- Một trong những sai lầm lớn nhất là xem AI như một xu hướng nhất thời thay vì một lĩnh vực được xây dựng trên nền tảng kỹ thuật chuyên sâu. Thậm chí, tồn tại quan điểm rằng khoa học máy tính có thể trở nên lỗi thời vì AI. Theo tôi, ngược lại mới đúng. Những lĩnh vực này sẽ còn trở nên quan trọng hơn nữa.

AI vừa là một công cụ, vừa là một năng lực cốt lõi. Việc triển khai chương trình AI quá nhanh, trong khi chưa thực sự hiểu nhu cầu của ngành công nghiệp hay kỹ năng dài hạn sinh viên cần có thường dẫn tới các chương trình hời hợt, chỉ tập trung vào những ứng dụng đang "hot".

Một chương trình đào tạo AI bài bản cần nền tảng vững chắc về khoa học máy tính, toán học, thống kê, kỹ thuật hệ thống và tư duy thuật toán. Sinh viên không chỉ cần học cách sử dụng hệ thống AI, mà phải hiểu cách xây dựng, kiểm chứng và đánh giá chúng một cách phản biện.

Tôi cho rằng việc củng cố nền tảng khoa học máy tính đồng thời tích hợp kỹ thuật AI (AI engineering) một cách chiến lược là hướng đi bền vững hơn nhiều để đào tạo thế hệ nhân lực AI tiếp theo, bao gồm cả người sử dụng và người phát triển.

- Nhưng dù đã thay đổi chương trình đào tạo, nếu AI có thể tự động hóa công việc ở cấp độ entry-level, cơ hội nào cho sinh viên mới ra trường tích lũy kinh nghiệm?

- Đây là một trong những câu hỏi quan trọng nhất chúng ta cần đặt ra lúc này, và thành thật mà nói, cũng là một trong những mối lo lớn nhất của tôi.

Trước đây, vị trí entry-level cho phép kỹ sư hay chuyên viên phân tích trẻ xây dựng trực giác nghề nghiệp, phát triển chiều sâu kỹ thuật và học hỏi từ trải nghiệm thực tế. Nếu nhiều công việc trong số đó nay được tự động hóa, chúng ta có nguy cơ đối mặt khoảng trống chuyên môn trong tương lai, bởi thế hệ trẻ có thể mất đi cơ hội hình thành hiểu biết thực tiễn ở mức sâu.

Qua trao đổi với nhiều lãnh đạo doanh nghiệp, tôi nhận thấy mối lo này ngày càng phổ biến. Nhiều người bắt đầu e ngại trong tương lai chúng ta sẽ thiếu những kỹ sư thực sự hiểu hệ thống nền tảng, bởi quá nhiều quy trình đã được tự động hóa ngay từ đầu.

Theo tôi, một trong những giải pháp tốt nhất là tăng cường mạnh mẽ hơn sự gắn kết giữa doanh nghiệp và chương trình đào tạo đại học. Sinh viên cần tiếp cận môi trường thực tế sớm hơn thông qua dự án, phòng lab, chương trình thực tập, học tập ứng dụng và hợp tác với doanh nghiệp. Tại IE, đây cũng là điều chúng tôi đang chủ động thúc đẩy trong các chương trình STEM.

Thách thức hiện không còn đơn thuần là truyền đạt kiến thức, mà là làm sao tạo ra những con đường thực sự hiệu quả để sinh viên tích lũy kinh nghiệm trong một môi trường làm việc được tăng cường bởi AI.

- Là lãnh đạo tại một trường về khoa học công nghệ, bà nhìn nhận gì về quan điểm trong kỷ nguyên AI, lập trình có thể kém quan trọng hơn so với những kỹ năng như sáng tạo, tư duy hệ thống hay khả năng xác định vấn đề?

- Quan điểm này có phần đúng. Các hệ thống AI tiên tiến có thể tạo ra mã lập trình ở trình độ thậm chí vượt qua nhiều kỹ sư junior (cơ bản). Vì vậy, vai trò của lập trình viên chắc chắn sẽ thay đổi.

Tuy nhiên, điều đó không có nghĩa coding sẽ biến mất. Sinh viên vẫn cần đủ hiểu biết kỹ thuật để kiểm chứng, diễn giải, xử lý lỗi, tối ưu và đánh giá một cách phản biện các giải pháp do AI tạo ra. Coding trong tương lai có thể sẽ ít xoay quanh việc tự viết từng dòng lệnh, mà thiên về giám sát, điều phối và cải thiện hệ thống thông minh.

Đồng thời, những kỹ năng như tư duy hệ thống, sáng tạo, giao tiếp và xác định đúng vấn đề sẽ trở nên có giá trị hơn rất nhiều. Trong nhiều trường hợp, thách thức lớn nhất không còn là giải quyết một vấn đề về mặt kỹ thuật, mà là xác định đúng vấn đề cần giải quyết ngay từ đầu.

Kỹ sư của tương lai nhiều khả năng sẽ là người kết hợp được hiểu biết kỹ thuật với tư duy chiến lược và năng lực liên ngành.

- Nếu thiết kế một trường đại học từ đầu trong kỷ nguyên AI, bà sẽ làm gì khác đi?

- Tôi sẽ suy nghĩ lại về ba lĩnh vực lớn: cách đánh giá, phương pháp giảng dạy và mức độ gắn kết với doanh nghiệp.

Trước tiên, tôi cho rằng hệ thống đánh giá cần thay đổi một cách căn bản. Mô hình truyền thống - phụ thuộc nhiều vào ghi nhớ và các bài kiểm tra tiêu chuẩn hóa - đang dần trở nên kém phù hợp trong một thế giới mà AI có thể truy xuất và tạo ra thông tin gần như ngay lập tức.

Thứ hai, tôi sẽ thiết kế chương trình xoay quanh việc học ứng dụng, học theo dự án và học liên ngành ngay từ đầu. Sinh viên cần liên tục làm việc với các bài toán thực tế thay vì tách rời lý thuyết và thực hành.

Thứ ba, tôi sẽ tích hợp doanh nghiệp sâu hơn vào mô hình giáo dục. Các trường đại học không thể vận hành tách biệt khỏi tốc độ thay đổi của công nghệ. Đội ngũ giảng viên, hoạt động nghiên cứu và chương trình đào tạo cần kết nối chặt chẽ với thực tế đang thay đổi của thị trường.

Tuy nhiên, tôi vẫn sẽ duy trì việc đào tạo nghiêm ngặt về toán học, khoa học và tư duy phân tích. Kỷ nguyên AI không làm giảm tầm quan trọng của những nền tảng cốt lõi; nếu có, nó còn khiến chúng trở nên quan trọng hơn.

- Việt Nam có lực lượng sinh viên trẻ và rất quan tâm đến công nghệ. Theo bà, đâu là lợi thế lớn nhất của các thị trường mới nổi trong cuộc đua AI?

- Một trong những lợi thế lớn nhất của các thị trường mới nổi là sự linh hoạt.

Nhiều nền kinh tế mới nổi đang xây dựng các hệ sinh thái số mới thay vì phải hiện đại hóa những hệ thống và hạ tầng đã tồn tại hàng chục năm. Họ thường ít bị ràng buộc hơn bởi các cấu trúc tổ chức phân mảnh, quy trình cũ hay nền tảng công nghệ lỗi thời - những yếu tố có thể làm chậm đổi mới tại các thị trường phát triển hơn.

Điều này tạo ra cơ hội để triển khai các hệ thống AI-native (được thiết kế ngay từ đầu với AI là thành phần cốt lõi) nhanh hơn và linh hoạt hơn. Trong một số trường hợp, các thị trường mới nổi thậm chí có thể "nhảy cóc" qua những giai đoạn phát triển công nghệ truyền thống.

Ngoài ra còn có một lợi thế về mặt văn hóa. Dân số trẻ tại các thị trường mới nổi thường có khả năng thích nghi cao, tinh thần khởi nghiệp mạnh và động lực lớn trong việc tham gia các ngành công nghiệp dựa trên công nghệ. Khi kết hợp với khả năng tiếp cận ngày càng tốt hơn với hạ tầng số và các nền tảng tri thức toàn cầu, điều này tạo ra tiềm năng rất lớn cho đổi mới sáng tạo tốc độ cao.

Trong khi đó, các thị trường lâu đời đôi khi phải đối mặt với sức ì lớn hơn trong quá trình chuyển đổi, bởi họ phải cập nhật, tự động hóa và tái cấu trúc hệ thống hiện có ở quy mô lớn. Ngược lại, thị trường mới nổi có cơ hội thiết kế những hệ thống hoàn toàn mới ngay từ đầu với AI là yếu tố cốt lõi.

Tin Gốc: Vnexpress

Trong những năm gần đây, không chỉ đơn thuần là một thiết bị mới lạ, smartwatch đã trở thành một sản phẩm phổ biến. Những chiếc đồng hồ này mang lại nhiều lợi ích thiết thực, từ việc theo dõi sức khỏe đến việc giảm sự phụ thuộc vào smartphone thông qua việc nhận thông báo trực tiếp. Tuy nhiên, trước khi quyết định đầu tư vào một chiếc smartwatch, người dùng cần cân nhắc một số chi phí tiềm ẩn có thể phát sinh trong quá trình sử dụng.

Đầu tiên, người dùng nên xem xét ngân sách của mình. Nếu không đủ khả năng chi trả cho một chiếc Apple Watch hoặc không sử dụng các sản phẩm của Apple, có nhiều lựa chọn smartwatch chạy Android với giá cả phải chăng hơn. Việc tham khảo bảng xếp hạng các thương hiệu smartwatch có giá hợp lý sẽ giúp người dùng tìm ra sản phẩm phù hợp với nhu cầu và ngân sách của mình. Đừng quên tính toán các chi phí dài hạn liên quan đến việc sở hữu thiết bị để tránh hối tiếc sau này.

Một yếu tố quan trọng khác là gói dữ liệu. Một số smartwatch, đặc biệt là các mẫu LTE, cho phép người dùng thực hiện cuộc gọi và gửi tin nhắn mà không cần đến điện thoại. Tuy nhiên, không phải tất cả các thiết bị đều yêu cầu gói dữ liệu riêng, và điều này phụ thuộc vào quốc gia cũng như nhà cung cấp dịch vụ. Mặc dù gói dữ liệu riêng thường không quá đắt, đây vẫn là một khoản chi phí tiềm ẩn mà người dùng cần cân nhắc.

Ngoài ra, vấn đề quyền riêng tư cũng là một mối quan tâm lớn. Nghiên cứu cho thấy nhiều công ty sản xuất smartwatch không cung cấp chính sách bảo mật rõ ràng khiến người dùng lo ngại về việc dữ liệu cá nhân có thể bị chia sẻ với bên thứ ba. Nếu quan tâm đến quyền riêng tư, hãy kiểm tra kỹ các chính sách bảo mật trước khi quyết định mua.

Cuối cùng, một số tính năng theo dõi sức khỏe có thể yêu cầu người dùng đăng ký dịch vụ hoặc ứng dụng bổ sung, như Fitbit. Mặc dù một số tính năng có thể sử dụng miễn phí, nhưng để tận dụng tối đa khả năng của thiết bị, người dùng có thể cần phải chi thêm cho các dịch vụ này.

Hãy cân nhắc kỹ lưỡng các chi phí tiềm ẩn và tìm hiểu cách sử dụng hoặc tái chế smartwatch cũ nếu người dùng đã có một chiếc trước đó.

Tin Gốc: Thanh Niên