PGS Gwanghyun Jo - Trường đại học Hanyang (Hàn Quốc) - chia sẻ kinh nghiệm về AI trong nghiên cứu - Ảnh: TRỌNG NHÂN
Ngày 6-10, Trường đại học Kinh tế - Luật (Đại học Quốc gia TP.HCM) tổ chức hội thảo quốc tế về Phát triển bền vững trong kinh tế, kinh doanh và luật năm 2026 (SEBL 2026), với chủ đề "Kinh tế xanh và quản trị bền vững: Động lực tăng trưởng mới cho khu vực tư nhân".
Giữ cả những kết quả chưa tốt
Chia sẻ tại hội thảo, PGS Gwanghyun Jo - Trường đại học Hanyang (Hàn Quốc), tổng biên tập tạp chí Journal of Information and Communication Convergence Engineering (tạm dịch: Tạp chí Kỹ thuật hội tụ thông tin và truyền thông) - đề cập nhiều đến trách nhiệm của nhà nghiên cứu khi sử dụng AI.
Theo ông, công cụ có thể hỗ trợ viết bài, nhưng tác giả vẫn phải kiểm tra toàn bộ nội dung, nguồn trích dẫn và hình ảnh, bảo đảm công trình có đóng góp nguyên bản.
Ông kể trong một nghiên cứu ứng dụng học máy, kết quả mô hình chưa như mong đợi khiến ông muốn tiếp tục cải thiện. Tuy nhiên, tác giả liên hệ của công trình đề nghị giữ nguyên kết quả và trình bày trung thực. Những hạn chế đó vẫn có thể cung cấp chất liệu để phân tích, thảo luận trong bài báo.
Từ trải nghiệm này, ông lưu ý người nghiên cứu tránh cố làm kết quả trông tốt hơn. Công bố cần phản ánh đúng những gì nghiên cứu thu được, kể cả kết quả chưa tốt.
Ông Jo lưu ý kết quả đánh giá AI có thể bị sai lệch nếu nhà nghiên cứu dùng đi dùng lại cùng một bộ dữ liệu để kiểm tra rồi chỉnh sửa mô hình. Qua mỗi lần sửa dựa trên kết quả kiểm tra, mô hình có thể đạt điểm cao hơn trên bộ dữ liệu đó. Tuy nhiên, điểm số này có thể khiến người nghiên cứu đánh giá quá cao khả năng của mô hình.
Ngay cả khi không dùng trực tiếp bộ dữ liệu kiểm tra để huấn luyện AI, việc xem kết quả rồi sửa mô hình vẫn khiến dữ liệu này tác động đến quá trình nghiên cứu. Vì vậy, nó không còn là một phép kiểm tra độc lập. Theo ông, sai sót này có thể xảy ra ngoài ý muốn.
Ông đề nghị giữ riêng một bộ dữ liệu để đánh giá cuối cùng, không dùng kết quả từ đó để lựa chọn hay điều chỉnh mô hình. Chỉ sau khi hoàn tất việc huấn luyện và chốt mô hình, nhà nghiên cứu mới dùng bộ dữ liệu này để đánh giá.
Ông cũng gợi ý dùng AI kiểm tra mã nguồn nhằm phát hiện những chỗ dữ liệu kiểm tra có thể đã được dùng sai mục đích. Khi đưa ra nhận định, AI cần chỉ rõ bằng chứng trong mã nguồn; nếu chưa có đủ bằng chứng thì phải báo để người nghiên cứu kiểm tra thêm. Trách nhiệm xác minh vẫn thuộc về nhà nghiên cứu.
Giám sát AI theo rủi ro thực tế
PGS Dominik Bierecki - Trưởng bộ môn luật tư, Trường đại học Pomeranian tại Słupsk - Ảnh: TRỌNG NHÂN
PGS Dominik Bierecki - Trưởng bộ môn luật tư, Trường đại học Pomeranian tại Słupsk (Ba Lan), tổng biên tập tạp chí Prawo i Więź (tạm dịch: Pháp luật và sự gắn kết) - cho rằng mức giám sát AI cần tương xứng với khả năng xảy ra và mức độ nghiêm trọng của rủi ro.
Theo ông, kiểm soát quá lỏng có thể khiến quyền con người không được bảo vệ, còn quá chặt có thể cản trở những ứng dụng hữu ích. AI có thể gây nguy cơ đối với quyền riêng tư và bình đẳng, nhưng cũng có thể hỗ trợ người khuyết tật, giúp người dân tiếp cận y tế, giáo dục và công lý.
PGS Bierecki lưu ý phân loại rủi ro trước khi đưa AI vào sử dụng chưa đủ, bởi khả năng của hệ thống có thể thay đổi sau khi triển khai.
Ông đề nghị bổ sung đánh giá tác động, theo dõi trong quá trình sử dụng và rà soát định kỳ để cập nhật mức giám sát. Với quyết định tự động ảnh hưởng đến con người, cần quan tâm khả năng giải thích và xem xét lại kết quả.
SEBL 2026 là hội thảo quốc tế trao đổi nghiên cứu về phát triển bền vững trong các lĩnh vực kinh tế, kinh doanh và luật. Các tham luận chính cùng 11 phiên chủ đề về thương mại, chuỗi cung ứng, tài chính xanh, chuyển đổi số, khung pháp lý và trách nhiệm giải trình trong phát triển bền vững.
Phát biểu khai mạc, PGS.TS Hoàng Công Gia Khánh - Hiệu trưởng Trường đại học Kinh tế - Luật - cho biết SEBL 2026 nhận hơn 320 bài nghiên cứu gửi về, tăng hơn 60 bài so với năm trước, với đại biểu đến từ 18 quốc gia. Các nhà khoa học sẽ tập trung tìm hiểu cách kinh tế xanh và quản trị bền vững có thể trở thành động lực tăng trưởng mới cho khu vực kinh tế tư nhân.
Liệu AI có thể cho bạn lời giải với bài toán kẹt xe?Tiến sĩ Phạm Việt Hùng (Đại học RMIT Việt Nam) nhận định để giải quyết bài toán kẹt xe, hiểu lý do tại sao giao thông ùn tắc quan trọng không kém việc dự báo nơi sẽ kẹt xe.