Hai, ba năm trước, một con robot biết nhảy vẫn nghe như chuyện viễn tưởng: động tác cứng, thiếu tự nhiên, khó đi xa hơn những màn trình diễn thử nghiệm. Rồi trong một chương trình tìm kiếm tài năng tại Mỹ, robot hình người của Unitree bước ra sân khấu, nhảy cùng vũ công thật, thực hiện cả backflip và cú xoay 360 độ. Trên sân khấu Tương Lai của Future Fest Day 7, hãy cùng hiểu cảm giác của nhiều kỹ sư trẻ: "Thời của robot đã đến rất gần."

Host Mai Trang cũng nhắc lại ấn tượng ấy: chỉ từ năm ngoái đến năm nay, mức cải tiến của robot đã đủ khiến người xem phải dừng lại. Phiên tọa đàm quy tụ bốn góc nhìn khác nhau về cùng một làn sóng:

NCS Nguyễn Minh Tuấn -Nghiên cứu sinh Tiến sĩ ngành Khoa học Máy tính tại VinUni · - Học viên cao học ngành Khoa học Máy tính tại UIUC
NCS Võ Hoàng Nhật Khang - Nghiên cứu sinh Tiến sĩ ngành Xử lý Ngôn ngữ Tự nhiên (Natural Language Processing) tại Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)
NCS Phạm Phước Minh Quang - Nghiên cứu sinh Tiến Sĩ, ngành Robotics tại Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)
ThS. Phạm Việt Hùng - Chuyên gia Chiến lược AI cấp cao tại Satalia · - Thạc sĩ Quản trị Kinh doanh (MBA), Trường Kinh doanh London

Bốn góc nhìn về một ngành đang tăng tốc

Câu hỏi mở màn rất đơn giản: điều gì khiến các anh thấy thú vị nhất ở ngành này?

Với ThS. Việt Hùng, đó là tốc độ. Cứ khoảng mười năm, công nghệ lại có một bước nhảy lớn làm thay đổi thị trường. Nhưng lần này, AI không chỉ nằm trong chatbot hay phần mềm; nó bắt đầu đi vào những ứng dụng có thể nhìn thấy trong đời sống.

Với NCS Minh Tuấn, điểm đáng chú ý là ý nghĩa thực tế của robot: làm những việc nguy hiểm, nặng nhọc, lặp lại, để con người dành thời gian cho sáng tạo, thiết kế và ra quyết định.

Với NCS Nhật Khang, đó là khoảnh khắc "wow" khi nhìn robot biểu diễn trên sân khấu. Còn với NCS Minh Quang, nếu ChatGPT thay đổi cách thế giới xử lý công việc phần mềm, thì robot là bước đưa AI vào sản xuất, lắp ráp và những môi trường vật lý phức tạp.

Từ hiểu một cốc nước đến cầm được cốc nước

NCS Minh Quang phân biệt AI phần mềm và AI vật lý bằng một ví dụ gần gũi. AI phần mềm có thể nhận diện và giải thích một cốc nước. Nhưng khi bước vào đời thực, robot phải biết cầm cốc đó với lực vừa đủ để không làm vỡ, di chuyển thế nào nếu bề mặt trơn, điều chỉnh ra sao khi cảm biến báo sai lệch.

Nói cách khác, AI vật lý không chỉ "hiểu" vật thể. Nó phải suy luận và hành động trong một thế giới có lực, ma sát, trọng lượng, va chạm và rủi ro. Đó là bước nhảy lớn của kỹ thuật.

ThS. Việt Hùng bổ sung bằng ký ức từ hai mươi năm trước, khi ông thăm nhà máy của một hãng xe lớn: nhà máy rất rộng nhưng mỗi xưởng chỉ có vài kỹ sư. Theo ông, nhà máy gần như tự động hóa hoàn toàn không còn là chuyện xa. Robot biết nhảy cũng không chỉ là video trên mạng; ông vừa chứng kiến trực tiếp vì văn phòng đang hợp tác với một hãng công nghệ lớn.

Điều đáng chú ý nằm ở kiến trúc hệ thống. "Bộ não" của robot hiện phần lớn vẫn chạy trên đám mây, chưa nằm trọn trong thiết bị. Vì vậy, để một robot vận hành được, cần nhiều lớp năng lực: thiết kế phần cứng, xây dựng mô hình AI, xử lý dữ liệu, điện toán đám mây, tích hợp hệ thống và cả kỹ sư sản phẩm, người trả lời câu hỏi: robot này giải quyết vấn đề gì?

Đó là lý do robotics trở thành một ngành rộng. Ba nghiên cứu sinh trong phiên đã đại diện cho ba nhánh rất khác nhau, nhưng vẫn chỉ là một phần nhỏ của hệ sinh thái.

Cơ hội ngay tại Việt Nam — và tấm bản đồ bốn năm

Trước khi nói về lộ trình học, NCS Minh Tuấn nhấn mạnh rằng cơ hội không ở đâu xa. Việt Nam có nhiều nhà máy may mặc, dệt may, bao bì, thực phẩm, nơi công nhân vẫn phải kiểm tra sản phẩm bằng mắt. Một hệ thống camera kết hợp AI có thể phát hiện xước bề mặt, thiếu ốc, dán nhãn sai hoặc sai barcode, từ đó giảm lỗi và giảm khối lượng công việc thủ công.

Nhóm của anh cũng làm dự án "bản sao số" (digital twin) để mô phỏng giao thông và môi trường đô thị tại một khu vực ở Đông Nam Á, phục vụ dự báo tắc nghẽn và ô nhiễm không khí.

Các vị trí nghề nghiệp trong lĩnh vực này khá cụ thể: machine learning engineer, AI engineer tích hợp phần mềm vào hệ thống robot, robotics software engineer làm việc với các framework như ROS, hoặc kỹ sư perception phụ trách camera, cảm biến và cách robot hiểu môi trường.

Sau đó là phần nhiều tân sinh viên cần nhất: lộ trình bốn năm. Minh Tuấn khuyên không nên bắt đầu bằng những từ khóa đang "hot" như humanoid robot, reinforcement learning hay foundation models. Năm nhất nên xây nền: Python, C++, Git, Linux, đại số, giải tích, xác suất và kiến thức cơ bản về hệ thống robot. Năm hai đi vào robotics: ROS, perception, navigation, và công cụ mô phỏng như Gazebo để thử nghiệm trước khi chạm vào robot thật. Đến những năm sau, khi đã có nền và biết mô phỏng, sinh viên mới nên làm việc với robot thật.

Sợi chỉ đỏ xuyên suốt là dự án cá nhân. Mỗi năm nên tự xây một dự án riêng, vì chỉ khi làm ra sản phẩm, người học mới hiểu kiến thức trên lớp hoặc từ khóa học online được dùng như thế nào.

"Không học trường top, liệu có cơ hội làm robot?"

Câu hỏi từ khán giả nhận được câu trả lời thẳng thắn từ NCS Nhật Khang, người đang ở một môi trường nghiên cứu AI cạnh tranh. Anh nói khi gặp những người làm kỹ thuật giỏi, anh không quá quan tâm họ đến từ trường top hay không. Điều quan trọng là khi họ trình bày một vấn đề, họ có hiểu sâu hay không.

Theo anh, không nhất thiết phải học ở một trường kỹ thuật danh tiếng mới có thể đi vào robotics. Một người không xuất phát từ môi trường kỹ thuật vẫn có cơ hội nếu có quyết tâm và một lộ trình rõ: năm nhất xây nền, năm hai học chuyên ngành và làm dự án, đầu năm ba tìm thực tập và tự mở cơ hội. Anh không hứa ai cũng thành công, nhưng ít nhất người học sẽ biết mình đang muốn trở thành ai.

Một câu hỏi thực dụng hơn được đặt ra: nên học mô phỏng trước hay mua kit robot để làm thật từ sớm? NCS Minh Quang nghiêng về mô phỏng. Theo anh, trước hết phải vững kiến thức nền. Sau đó có thể học qua các khóa online và thực hành trên môi trường mô phỏng đã được thiết lập sẵn. Kit robot thường đắt; các kit rẻ giúp làm quen tay nhưng không hỗ trợ nhiều cho dự án lớn. Còn robot hiện đại như robot hình người hoặc robot chó thì chi phí vượt quá khả năng của nhiều cá nhân, thậm chí nhiều trường đại học.

Host Mai Trang đúc kết: hãy chọn phương án phù hợp với điều kiện hiện có. Khi chưa có thiết bị thật, mô phỏng là cách học hợp lý; khi có điều kiện, hãy bổ sung trải nghiệm với kit hoặc robot thật.

Vấn đề khó nhất không nằm trong dòng code

Khoảnh khắc đáng nhớ của phiên đến từ chia sẻ của ThS. Việt Hùng. Ông đang tham gia một dự án AI lớn với một tập đoàn Big Tech, hơn sáu mươi người, trải dài từ California đến Úc, gồm nhiều chuyên môn khác nhau: AI, phần mềm, phần cứng, sản phẩm. Điều khiến đội ngũ đau đầu nhất không phải là kỹ thuật, mà là phối hợp giữa con người.

Từ đó, ông nêu hai kỹ năng mềm quan trọng nhất với một kỹ sư AI. Thứ nhất, phải hiểu sản phẩm được làm ra để làm gì, giải quyết vấn đề nào, và vai trò của mình nằm ở đâu trong dự án. Thứ hai, phải làm việc được với người khác: truyền đạt rõ ý mình, hiểu ý người khác, và giữ nhịp làm việc chung.

Khi một kỹ sư hiểu mình nằm ở đâu trong chuỗi giá trị của sản phẩm, người đó sẽ biết cách trở nên hữu dụng trong bất kỳ dự án nào.

Ông cũng quay lại câu hỏi về trường top: tên trường có giá trị, nhưng không phải tất cả. Một người có thể không học trường danh tiếng, nhưng nếu biết tìm mentor, tham gia dự án mình quan tâm, tạo ra sản phẩm hoặc nghiên cứu chứng minh năng lực, thì vẫn có cơ hội đi xa. Để đi đến cuối một dự án, cần cả kỹ năng kỹ thuật lẫn kỹ năng làm việc với con người.

Kinh nghiệm thực chiến khi còn đi học

Làm thế nào để có kinh nghiệm thực tế khi vẫn còn ngồi trên giảng đường? NCS Minh Quang cho rằng cơ hội nhiều hơn ta nghĩ. Nhiều giáo sư trong và ngoài nước sẵn lòng hướng dẫn nếu sinh viên thật sự chủ động và có đam mê. Ngoài ra còn có các chương trình như trại hè AI miền Trung, nơi học sinh và sinh viên được tiếp cận kiến thức AI, làm việc với mentor và mở rộng mạng lưới.

Từ khóa khép phiên của host Mai Trang là sự chủ động. Nếu thật sự yêu thích robotics và AI vật lý, hãy chủ động tìm giáo sư, tham gia trại hè, bước vào cộng đồng học thuật và kỹ thuật. Robot có thể đã biết nhảy, nhưng bước đầu tiên trên con đường nghề nghiệp vẫn phải là bước chân của chính người học.

Đúc kết từ phiên thảo luận

AI vật lý là bước đưa trí tuệ nhân tạo vào đời thực: không chỉ hiểu cốc nước, mà phải cầm được cốc nước, với lực, cảm biến và suy luận vật lý.
Hệ sinh thái nghề nghiệp rất rộng: thiết kế robot, "bộ não" trên cloud, dữ liệu, perception, phần mềm robot, kỹ sư sản phẩm. Mỗi mảng là một hướng chuyên sâu.
Lộ trình bốn năm: năm nhất xây nền với Python, C++, Git, Linux và toán; năm hai học ROS, perception, navigation, Gazebo; các năm sau mới đi sâu vào robot thật. Mỗi năm nên có một dự án riêng.
Không học trường top vẫn có cơ hội. Điều quyết định là quyết tâm, lộ trình rõ, mentor phù hợp và sản phẩm chứng minh năng lực.
Nên ưu tiên mô phỏng trước khi đầu tư kit robot đắt tiền. Khi có điều kiện, bổ sung trải nghiệm với thiết bị thật.
Trong dự án AI lớn, vấn đề khó nhất thường là con người: hiểu mục đích sản phẩm, hiểu vai trò của mình và phối hợp được với người khác.