Trí Tuệ Nhân Tạo Vị Nhân Sinh (Human-Centered AI), Đột Phá Về Trí Tuệ Không Gian (Spatial Intelligence) Và Kỷ Nguyên Robot Tương Tác 3D

1. Bối Cảnh Và Tổng Quan Cuộc Trò Chuyện

Giáo sư Fei-Fei Li (Lý Phi Phi) là một trong những nhà khoa học máy tính có tầm ảnh hưởng sâu sắc nhất trong lịch sử phát triển của AI. Bà là người tạo ra ImageNet vào năm 2009 — tập dữ liệu hình ảnh khổng lồ đã kích hoạt cuộc cách mạng Học sâu (Deep Learning) và mở ra kỷ nguyên bùng nổ của Thị giác Máy tính (Computer Vision).

Hiện nay, bà là Đồng Giám đốc Viện AI Vị nhân sinh thuộc Đại học Stanford (Stanford Institute for Human-Centered AI – HAI), đồng thời là nhà sáng lập của startup nổi tiếng World Labs. Trong bối cảnh ngành công nghiệp AI đang bị cuốn vào cuộc đua cuồng nhiệt về mô hình ngôn ngữ và năng lượng tính toán thô, Giáo sư Fei-Fei Li mang đến một định hướng mang tính khai phóng: Đưa con người trở lại vị trí trung tâm của sự phát triển AI, đồng thời đưa AI vượt ra khỏi màn hình phẳng để làm chủ “Trí tuệ Không gian” (Spatial Intelligence) trong thế giới thực.

2. Chi Tiết Nội Dung Phỏng Vấn

Phóng viên (PV): Xin chào Giáo sư Fei-Fei Li. Với tư cách là người đặt nền móng cho cuộc cách mạng dữ liệu thị giác qua dự án ImageNet, bà đánh giá thế nào về sự chuyển dịch của AI từ việc “nhìn và nhận diện” hình ảnh 2D sang khái niệm mà bà vừa đề xuất gần đây: “Trí tuệ Không gian” (Spatial Intelligence)?

Prof. Fei-Fei Li: Để hiểu được tầm quan trọng của Trí tuệ Không gian, hãy nhìn lại lịch sử tiến hóa của sinh học. Cách đây 540 triệu năm, trong Kỷ Băng Hà Cambrian, các sinh vật trên Trái Đất chủ yếu trôi nổi trong đại dương mà không có thị giác. Sự xuất hiện của mắt — khả năng xử lý ánh sáng và chuyển đổi thành hình ảnh không gian — đã tạo ra một vụ nổ về đa dạng sinh học (Cambrian Explosion). Thị giác cho phép sinh vật không chỉ “nhận biết” mà còn có thể “hành động”: di chuyển, săn bắt, lẩn tránh nguy hiểm và tương tác với môi trường xung quanh.

Trong AI, chúng ta đã mất nhiều thập kỷ dạy máy tính “nhìn” các bức ảnh 2D tĩnh — nhận diện đâu là con mèo, cái xe hay khuôn mặt. Tuy nhiên, thế giới thực của chúng ta không phải là những bức ảnh 2D phẳng. Nó là một không gian 3D động, tuân theo các quy luật vật lý, thời gian và sự tương tác liên tục.

+-----------------------------------------------------------------------+
|                 BƯỚC TIẾN CỦA THỊ GIÁC MÁY TÍNH (COMPUTER VISION)     |
|                                                                       |
|  GIAI ĐOẠN 1: Nhận diện 2D Tĩnh (ImageNet / Traditional CV)           |
|  [Bức ảnh 2D] ---> [Dán nhãn: "Cái ly", "Bàn ăn"]                     |
|                                                                       |
|  GIAI ĐOẠN 2: Trí tuệ Không gian 3D (Spatial Intelligence)            |
|  [Môi trường 3D] ---> [Hiểu hình học, độ sâu, lực vật lý & thời gian] |
|                  ---> [Điều khiển Tay/Chân robot thao tác chính xác]  |
+-----------------------------------------------------------------------+

Trí tuệ Không gian (Spatial Intelligence) là năng lực của AI trong việc hiểu, suy luận và tạo ra các không gian 3D phức tạp, bao gồm khả năng ước tính độ sâu, nhận biết các thuộc tính vật lý của vật thể (như khối lượng, ma sát, độ dính), và dự đoán cách các vật thể sẽ tương tác khi có tác động lực.

Nếu các Mô hình Ngôn ngữ Lớn (LLM) giúp máy tính học cách “nói và viết”, thì Trí tuệ Không gian chính là chìa khóa giúp máy tính có thể “sống và hành động” trong thế giới thực.

PV: Sự bùng nổ của Trí tuệ Không gian sẽ mở ra những ứng dụng đột phá nào trong các ngành công nghiệp thực tế, thưa Giáo sư?

Prof. Fei-Fei Li: Trí tuệ Không gian sẽ là mảnh ghép còn thiếu để đưa AI từ không gian ảo (Virtual Space) vào môi trường vật lý (Physical World). Hai lĩnh vực sẽ chịu tác động sâu sắc nhất bao gồm:

Robot Tự chủ & Robot Sinh hoạt (Embodied AI): Robot hiện nay trong các nhà máy chủ yếu hoạt động theo các đường dẫn lập trình sẵn cứng nhắc. Khi gặp một vật thể lạ hoặc môi trường bị xáo trộn, chúng hoàn toàn bất lực. Với Trí tuệ Không gian, robot sẽ hiểu được cấu trúc hình học của căn phòng, biết cách gắp một quả trứng mềm mà không làm vỡ, hoặc tự dọn dẹp một căn bếp bừa bộn. Điều này mở ra kỷ nguyên cho các robot hỗ trợ người già, robot dọn dẹp gia đình và robot cứu hộ trong thảm họa.
Y tế & Phẫu thuật Chính xác (Precision Healthcare): Trong phòng mổ, Trí tuệ Không gian cho phép AI dựng lại mô hình 3D thời gian thực của cơ quan nội tạng bệnh nhân từ hình ảnh siêu âm hay CT, hỗ trợ bác sĩ phẫu thuật nhìn xuyên qua các lớp mô để di chuyển dao mổ chính xác tới từng milimet, giảm thiểu tối đa rủi ro tổn thương thần kinh và mạch máu.

PV: Bên cạnh các nghiên cứu kỹ thuật, bà là người sáng lập Viện Stanford HAI với triết lý “Trí tuệ Nhân tạo Vị nhân sinh” (Human-Centered AI). Triết lý này cần được hiểu và áp dụng như thế nào trong thực tế?

Prof. Fei-Fei Li: Tên gọi “Human-Centered AI” không phải là một khẩu hiệu truyền thông, mà là một nguyên tắc thiết kế kỹ thuật và đạo đức dựa trên ba trụ cột cốt lõi:

Thứ nhất: AI phải phản ánh đa dạng giá trị con người (Reflect Human Values). AI không được tự quyết định những điều mang tính đạo đức hay phẩm giá con người. Nó phải được xây dựng để tôn trọng quyền riêng tư, sự đa dạng văn hóa và không thiên vị.
Thứ hai: AI phải nâng cao năng lực con người (Augment, Not Replace). Mục tiêu tối thượng của AI không phải là tạo ra những cỗ máy sa thải con người, mà là tạo ra những công cụ đòn bẩy giúp bác sĩ chữa bệnh tốt hơn, giáo viên dạy học hiệu quả hơn, kỹ sư thiết kế nhanh hơn và người lao động bớt vất vả hơn.
Thứ ba: AI phải được nghiên cứu một cách liên ngành (Interdisciplinary Approach). Phát triển AI không thể chỉ dành riêng cho các kỹ sư máy tính hay các nhà toán học. Nó bắt buộc phải có sự tham gia của các nhà tâm lý học, xã hội học, triết học, luật sư và các nhà chính sách. Chúng ta không thể hiểu được tác động của AI đối với con người nếu không lắng nghe những người nghiên cứu về con người.

PV: Với tư cách là một nhà giáo dục và nhà lãnh đạo công nghệ nữ hiếm hoi ở đỉnh cao thế giới, bà nhìn nhận thế nào về bài toán Bình đẳng giới và Sự đa dạng (Diversity) trong ngành AI hiện nay?

Prof. Fei-Fei Li: Đây là vấn đề tôi luôn đau đáu. Công nghệ AI sẽ định hình tương lai của toàn bộ nhân loại. Nếu những người ngồi trong phòng lab sáng tạo ra AI chỉ thuộc về một giới tính, một chủng tộc hay một tầng lớp xã hội nhất định, thì hệ thống AI đó chắc chắn sẽ mang theo những điểm mù và định kiến (bias) của nhóm người đó.

Khi chúng tôi thành lập tổ chức phi lợi nhuận AI4ALL, mục tiêu là đưa các học sinh cấp ba thuộc các nhóm yếu thế — đặc biệt là nữ giới và các sắc tộc thiểu số — tiếp cận với nghiên cứu AI từ sớm.

Chúng ta không thể xây dựng một công nghệ “vị nhân sinh” nếu lực lượng tạo ra công nghệ đó không đại diện cho toàn thể nhân loại. Sự đa dạng trong đội ngũ phát triển AI không chỉ là câu chuyện bình đẳng xã hội, mà là điều kiện bắt buộc để đảm bảo tính an toàn và toàn diện của chính công nghệ.

PV: Trước sự cạnh tranh quyết liệt giữa các tập đoàn Big Tech thương mại và các viện nghiên cứu học thuật, bà có lo ngại rằng môi trường nghiên cứu mở và khách quan đang bị thu hẹp?

Prof. Fei-Fei Li: Tôi rất lo ngại. Hiện nay, tài nguyên tính toán (Compute) và dữ liệu đang tập trung quá nhiều vào tay một số ít tập đoàn thương mại lớn. Các nhà nghiên cứu tại các trường đại học hay các tổ chức phi lợi nhuận đang gặp rất nhiều khó khăn để tiếp cận hạ tầng tính toán ngang tầm nhằm thử nghiệm các ý tưởng mới.

Nếu tất cả các hướng nghiên cứu AI đều bị chi phối bởi động cơ lợi nhuận ngắn hạn của doanh nghiệp, chúng ta sẽ bỏ lỡ những nghiên cứu nền tảng có giá trị dài hạn cho xã hội (như AI cho biến đổi khí hậu, AI cho giáo dục vùng sâu vùng xa, hay nghiên cứu an toàn AI thuần túy).

Chính vì vậy, tôi luôn kêu gọi các chính phủ (như dự án National AI Research Resource – NAIRR tại Mỹ) cần đầu tư ngân sách công mạnh mẽ để xây dựng hạ tầng tính toán quốc gia dành riêng cho giới nghiên cứu học thuật, đảm bảo rằng tri thức AI luôn được giữ vững tính trung lập, mở và phục vụ cho lợi ích công cộng.

3. Phân Tích Chuyên Sâu & Đánh Giá Chiến Lược

Tầm nhìn của Giáo sư Fei-Fei Li mở ra một chương mới cho sự phát triển của công nghệ toàn cầu:

Sự dịch chuyển sóng công nghệ (Wave Shift):
- Sóng AI thứ nhất (2012–2022): Học máy và Học sâu tập trung vào xử lý dữ liệu phẳng (văn bản, âm thanh, hình ảnh 2D).
- Sóng AI thứ hai (2023–Hiện tại): Generative AI và LLMs xử lý ngôn ngữ và suy luận văn bản.
- Sóng AI thứ ba (Tương lai sắp tới): Spatial Intelligence và Embodied AI — AI làm chủ không gian 3D, hiểu thế giới vật lý và vận hành thông qua các hệ thống robot tự chủ.
Chiến lược cân bằng giữa Đổi mới và Đạo đức:
- Tư duy “Human-Centered” đòi hỏi các doanh nghiệp khi triển khai AI không chỉ đo lường chỉ số ROI (Lợi nhuận đầu tư) hay Tốc độ (Speed), mà phải đưa các chỉ số về Đạo đức, Tính minh bạch, Độ an toàn riêng tư và Tác động xã hội vào khung đánh giá năng lực sản phẩm (KPIs).

4. Kết Luận Chung Toàn Bộ Chuỗi Phỏng Vấn

Chuỗi 6 bài phỏng vấn chuyên sâu với các chuyên gia hàng đầu thế giới và Việt Nam (Yann LeCun, Sam Altman, Andrew Ng, Geoffrey Hinton, TS. Bùi Hải Hưng, Fei-Fei Li) đã vẽ nên bức tranh toàn cảnh, đa chiều và sâu sắc nhất về Trí tuệ Nhân tạo ở thời điểm hiện tại:

Về Mặt Kỹ Thuật: AI đang tiến hóa vượt khỏi giới hạn của các mô hình ngôn ngữ đơn thuần để tiến tới Mô hình Thế giới (World Models), Chuỗi suy luận sâu (Inference-time Compute), Data-Centric AI và Trí tuệ Không gian 3D (Spatial Intelligence).
Về Mặt Kinh Tế & Lao Động: AI Agent và quy trình tự chủ đang tái định hình thị trường lao động trí óc. Giá trị không còn nằm ở việc ghi nhớ kiến thức, mà nằm ở Tư duy đòn bẩy, Khả năng thích ứng và Sự kết hợp giữa Trí tuệ Con người và AI.
Về Mặt An Toàn & Chủ Quyền: Rủi ro mất kiểm soát và nguy cơ sinh tồn đòi hỏi sự thắt chặt quản trị quốc tế, trong khi các quốc gia như Việt Nam cần chủ động tự chủ Dữ liệu bản địa và Nguồn nhân lực chất lượng cao để bảo vệ chủ quyền số.
Triết Lý Cốt Lõi: Dù công nghệ có phát triển nhanh đến đâu, mục tiêu cuối cùng của AI vẫn phải là Vị nhân sinh (Human-Centered) — phục vụ, nâng tầm và bảo vệ cuộc sống của con người.