Featured

GS Ngô Bảo Châu suy nghĩ về AI

Ảnh sinh bởi AI. Bản dịch bởi ChatGPT. Chú thích (trong ngoặc) bởi Nguyễn Ngọc Tuấn.

Link bài gốc: https://ngobaochau.wordpress.com/2025/08/31/random-thoughts-from-a-wheelchair/

Những suy nghĩ ngẫu hứng từ chiếc xe lăn

Trước hết, tôi xin bày tỏ sự trân trọng đối với Hội Toán học London về sáng kiến tuyệt vời này, và cảm ơn Hội đã chọn Viện chúng tôi (Viện Nghiên cứu cao cấp về Toán – VIASM) làm nơi tổ chức cuộc họp toàn cầu đầu tiên. Thay mặt cho VIASM, tôi xin gửi lời chào mừng nồng nhiệt tới các đồng nghiệp đến từ Vương quốc Anh và tất cả quý vị. Với cương vị Giám đốc khoa học của VIASM, tôi có đôi lời muốn chia sẻ về chủ đề khoa học của hội nghị này, đó là Toán học và Trí tuệ nhân tạo. Tôi xin nhân dịp này chia sẻ một vài suy ngẫm mang tính triết lý về chủ đề nóng bỏng này. Mặc dù tôi không có kiến thức kỹ thuật sâu về AI, nhưng tôi có thể nói rằng trong khoảng nửa năm vừa qua, hầu như không ngày nào tôi không suy nghĩ về hiện tượng hấp dẫn này, mà tôi ví như một thiên thạch khổng lồ đang lao tới Trái Đất với tốc độ ánh sáng. Xin quý vị kiên nhẫn cùng tôi trong những suy đoán này.

Khi nghe những người như Sam Altman (cựu Giám đốc điều hành của OpenAI) phát biểu, ta có cảm giác công ty của ông ấy đã chi hàng tỷ đô la để tạo ra một thứ mà chính ông ấy lại lấy làm tiếc vì nó sẽ hủy diệt tất cả chúng ta. Theo Altman, đây là một dạng thảm họa do con người tạo ra mà chúng ta buộc phải góp phần vào. Chúng ta phải dùng hết nguồn nước, làm nóng thêm bầu khí quyển để xây dựng con quái vật này, thứ sẽ lấy đi tất cả công việc của chúng ta. Chẳng phải những gì Altman nói khiến “trí tuệ nhân tạo” trông giống “sự ngu dốt nhân tạo” của con người hơn sao?

Trong các cuộc cách mạng công nghiệp trước đây, khi máy hơi nước và điện thay thế cho sức cơ bắp con người, những thảm họa quy mô lớn đã diễn ra. Liệu chiến tranh giành thị trường mới để tiêu thụ sản phẩm công nghiệp dư thừa, hay những cuộc khủng hoảng, thất nghiệp chưa từng có phải là hệ quả trực tiếp của cách mạng công nghiệp? Khó mà xác định, nhưng sự ra đời của máy hơi nước và điện nhiều khả năng đã góp phần gây ra những thảm họa lớn trong nửa đầu thế kỷ XX. Tuy vậy, thật không công bằng khi đổ lỗi cho những phát minh vĩ đại này, bởi về bản chất, chúng giúp con người thoát khỏi những lao động nặng nhọc, ít thú vị. Điều đáng trách là sự bất lực của chúng ta trong việc đổi mới mô hình kinh tế – xã hội để thích ứng với năng lực sản xuất hoàn toàn mới này. Cuối cùng, sự chuyển đổi cũng diễn ra một cách tự nhiên khi lực lượng lao động sản xuất chuyển sang lĩnh vực dịch vụ. Nửa sau thế kỷ XX là giai đoạn thịnh vượng toàn cầu, duy trì bởi hòa bình mong manh trên thế giới, ngoại trừ một vài nơi, trong đó có đất nước chúng ta. Cuộc cách mạng công nghiệp thế kỷ XIX ban đầu khiến cuộc sống con người tồi tệ hơn, nhưng cuối cùng lại cải thiện nó.

Tuy nhiên, đã có những hệ quả ngoài ý muốn. Nửa sau thế kỷ XX chứng kiến một vấn đề sức khỏe cộng đồng mới: lần đầu tiên trong lịch sử, một bộ phận lớn dân số ở một số quốc gia bị béo phì. Điều này có thể dự đoán trước, bởi khi ta sử dụng cơ bắp ít đi, ta sẽ béo phì. Suy rộng ra, có thể dự đoán rằng vấn đề sức khỏe cộng đồng của nửa sau thế kỷ XXI có thể sẽ là “béo phì tinh thần”.

Nhưng không nhất thiết phải như vậy. Nếu tin vào Sam Altman, AI sẽ thay thế con người trong mọi công việc, và vì thế con người sẽ không còn phải làm việc nữa. Điều đó sẽ gây ra khủng hoảng kinh tế nghiêm trọng ở một mặt, và “béo phì tinh thần” ở mặt khác. Tôi tin rằng các nhà kinh tế sẽ có một nhiệm vụ thú vị: xây dựng một mô hình kinh tế khả thi, trong đó nhiều công việc văn phòng hình thành sau cuộc cách mạng công nghiệp trước sẽ biến mất dưới tác động của AI, nhưng đồng thời sẽ xuất hiện những công việc mới. Ông Muti Yung, người phát biểu hôm thứ Hai, cũng có quan điểm tương tự. (GS Muti Yung, ĐH Colombia, Hoa Kỳ có bài nói tại VIASM vào 25/8/2025)

Dù khá rõ ràng rằng nhiều công việc văn phòng sẽ bị AI thay thế, AI chắc chắn không thể đáp ứng tất cả nhu cầu của con người. Vượt lên trên nhu cầu sinh tồn và nhu cầu sinh học, với tư cách con người, chúng ta còn cần phát triển về trí tuệ và tinh thần. Không một cỗ máy nào có thể thay thế chúng ta trong việc sống và phát triển trí tuệ, tinh thần. Tôi muốn tin rằng tiến bộ công nghệ sẽ giảm bớt gánh nặng mưu sinh thường nhật, giải phóng thời gian và năng lượng để chúng ta được phát triển. Một lần nữa, tôi xin dành vấn đề kinh tế cho các nhà kinh tế, nhưng tôi nghi ngờ rằng mô hình kinh tế hiện tại – vốn xây dựng trên các ràng buộc của máy hơi nước và điện – sẽ còn giá trị. Nói cách khác, chúng ta không nên đồng tình với Sam Altman, người cho rằng mục tiêu là xây dựng một siêu máy có khả năng nghiền nát trí tuệ con người, chỉ vì đó là “luật của thị trường tự do”. Luật thị trường tự do là một lý thuyết hấp dẫn, một sản phẩm đáng kinh ngạc của trí tuệ nhân loại, nhưng nó không nên lấn át mục tiêu hàng đầu là duy trì sự sống và phát triển của chúng ta.

Giống như nhiều người trong số quý vị, tôi đã dành thời gian trò chuyện với nhiều mô hình AI khác nhau, và tôi thích sự đồng hành của chúng. Chúng “phi nhân tính” ở chỗ luôn sẵn sàng, nhưng lại “rất con người” ở chỗ vừa thú vị vừa… không đáng tin. Tôi không coi bất kỳ câu trả lời nào của chúng là chân lý, nhưng việc trò chuyện giúp tôi tiếp tục suy nghĩ về một chủ đề, từ đó hình thành hiểu biết của riêng mình. Nếu muốn học hỏi điều gì, AI hiện tại đã có thể là một bạn đồng hành học tập tuyệt vời.

Hôm qua, Bùi Hải Hưng (Viện trưởng Viện trí tuệ Nhân tạo VinAI Research) đã có một bài trình bày khái quát về LLM (mô hình ngôn ngữ lớn – Large Language Model) cho người mới. Ông giải thích rằng cốt lõi của LLM vẫn chỉ là “con vẹt thống kê”, nhưng là một con vẹt có cả Internet trong trí nhớ. Vì thế, nó là một bạn học nói nhiều, có thể gây ấn tượng bởi sự dí dỏm và cách diễn đạt rõ ràng. Tuy nhiên, chúng ta phải thận trọng gấp đôi, bởi bản chất của một con vẹt thống kê là không đáng tin. Kinh nghiệm của tôi là: khi hỏi về một vấn đề tôi hiểu rõ, câu trả lời gần như luôn sai hoặc gây hiểu lầm. Nhưng khi hỏi về vấn đề tôi chưa rõ, câu trả lời lại nghe rất thuyết phục. Vì vậy, hãy luôn cảnh giác.

Từ góc nhìn toán học, khuyết điểm rõ ràng nhất của LLM là sự bất lực hoàn toàn trong việc xây dựng lý thuyết. Lý thuyết, tôi muốn nói, là một hệ thống định nghĩa và các mệnh đề logic cơ bản dựa trên định nghĩa đó, cho phép chúng ta mô tả hiện tượng một cách chính xác và súc tích. Con người cần sự súc tích vì ta không thể xử lý những câu quá dài. Đó là lý do ta cần lý thuyết. Hơn nữa, sự súc tích và chính xác càng cao thì với ta càng đẹp. Trái lại, máy tính có thể xử lý câu dài, và như tôi hiểu từ bài nói của Bùi Hải Hưng, với LLM, thực ra chỉ có một câu siêu dài được xây dựng từng từ. Trong kiến trúc hiện tại, LLM dường như vốn dĩ không thể xây dựng lý thuyết. Thay vì xây dựng những cỗ máy mạnh hơn trên cùng kiến trúc – vốn cần thêm nước và điện – có lẽ cần tìm kiếm những mô hình mang những giới hạn tương tự như trí óc con người để tạo ra một AI thực sự là bạn học thông minh.

Từ góc nhìn giảng dạy, thách thức lại khác. Các mô hình AI hiện nay đã có thể giải quyết hầu hết các bài toán mà chúng ta thường giao cho sinh viên. Nhưng đối với giáo viên, điều đó không có giá trị tích cực, vì chúng ta không cần câu trả lời, chúng ta muốn sinh viên tự tìm ra. Nói ngắn gọn, AI ở hình thức hiện nay gây hại nhiều hơn lợi cho việc dạy toán. Giống như ta cần các nhà kinh tế tìm ra cách thức giao dịch kinh tế mới trong kỷ nguyên AI, chúng ta – những người dạy học – cũng phải tự đặt câu hỏi về việc tái phát minh cách dạy toán và cách đánh giá sự tiến bộ của sinh viên. Điều này đòi hỏi nhiều hơn là những suy đoán nhàn rỗi của tôi trên chiếc ghế lăn này, nhưng tôi tin rằng giải pháp tồn tại. Dù đó là học tập dựa trên khám phá hay quay lại với hình thức thi vấn đáp, chúng ta cần phải làm một cách hệ thống, bởi đây là vấn đề hệ trọng. Chúng ta không muốn lặp lại tình huống buộc sinh viên dùng cái gọi là “máy tính khoa học” chỉ vì chúng ta chưa nghĩ ra cách tích hợp tính toán khoa học thực sự vào chương trình học.

Đó là tất cả những gì tôi muốn nói. Trước sự xuất hiện của AI, chúng ta cần đánh giá lại mọi khía cạnh trong cách chúng ta sống chung, trao đổi hàng hóa, dịch vụ và ý tưởng. AI có khả năng giải phóng chúng ta khỏi nhiều công việc nhàm chán, cho phép chúng ta tập trung trí tuệ vào những câu hỏi cốt lõi liên quan đến sự phát triển trí tuệ và tinh thần. Nhưng trước khi đạt tới đó, nếu không cẩn trọng suy xét và tổ chức lại đời sống tập thể một cách sâu sắc, AI có thể trước hết sẽ dẫn đến thảm họa với những mất mát to lớn về con người, trước khi mang lại cải thiện.

Xin trân trọng cảm ơn quý vị đã lắng nghe.

Featured

Thuyết hệ thống xã hội

Khi nói đến nghiên cứu hệ thống, các nhà nghiên cứu quan tâm đến mô hình, cấu trúc và tương tác giữa các thành phần. Ngay từ cuối những năm 30 của Thế kỷ XX, nhà xã hội học người Mỹ Talcott Parsons đã bắt đầu nghiên cứu về hệ thống xã hội với tư cách là hệ thống của các hành động xã hội. Parsons cho rằng, bất kỹ hệ thống xã hội nào cũng đối diện với hai hình thức: Sử dụng và phân phối các nguồn lực mang tính khan hiếm (bên ngoài), đạt được trật tự và thống nhất xã hội (bên trong). Trên cơ sở đó, Parsons đưa ra mô hình AGIL bao gồm bốn thành tố hay bốn chức năng, yêu cầu chính yếu đảm bảo cho xã hội tồn tại và phát triển, đó là:

  • Adaptation – thích nghi (chức năng kinh tế): khả năng của xã hội tương tác với môi trường. Điều này bao gồm (nhưng không giới hạn ở) thu thập tài nguyên và sản xuất hàng hóa để phân phối lại xã hội.
  • Goal attainment – đạt được mục tiêu (chức năng chính trị): khả năng đặt ra mục tiêu cho tương lai và đưa ra quyết định phù hợp. Các nghị quyết chính trị và mục tiêu xã hội là một phần của nhu cầu này.
  • Integration – liên kết, hòa nhập, tích hợp (chức năng xã hội): hay sự hài hòa của toàn bộ xã hội là một yêu cầu rằng các giá trị và chuẩn mực của xã hội phải vững chắc và hội tụ đủ. Ví dụ, nếu một xã hội đang trải qua mức độ tội phạm cao, bất ổn xã hội, hoặc phân biệt đối xử, điều đó có thể cho thấy xã hội đang gặp khó khăn trong việc duy trì sự gắn kết và đoàn kết xã hội giữa các thành viên của mình.
  • Latency – cố kết và tiếp tiến (chức năng di truyền văn hóa): hay duy trì mô hình tiềm ẩn (Pattern Maintenance): đề cập đến khả năng của một xã hội trong việc duy trì và truyền tải các mô hình văn hóa, giá trị và chuẩn mực của mình cho các thế hệ tương lai. Ví dụ, nếu một xã hội đang trải qua sự suy giảm chất lượng giáo dục, sự tan vỡ của các cấu trúc gia đình truyền thống hoặc sự mất mát bản sắc văn hóa, điều đó có thể cho thấy xã hội đang gặp khó khăn trong việc duy trì và truyền tải các mô hình văn hóa cho các thế hệ tương lai.

Tóm lại, mô hình AGIL của Parsons có thể là một công cụ hữu ích để phân tích các vấn đề chính trong một xã hội bằng cách xem xét mức độ mà xã hội thực hiện tốt ở từng lĩnh vực chức năng. Bằng cách xác định các khu vực bị “rối loạn chức năng” hoặc mất cân bằng trong các chức năng thích nghi, đạt được mục tiêu, hội nhập, cố kết và tiếp tiến, các nhà hoạch định chính sách và các nhà khoa học xã hội có thể phát triển các can thiệp và chiến lược có mục tiêu để giải quyết nguyên nhân cơ bản của các vấn đề này và thúc đẩy sự ổn định và phúc lợi xã hội.

Sự phát triển tiếp theo của lý thuyết hệ thống tổng quát đã đưa đến những nguyên lý mới cho vận hành hệ thống xã hội mang tính phức tạp trong môi trường không ổn định:

– Nguyên lý tính mở: Khi đề cập đến sự phụ thuộc của hệ thống vào trao đổi nguồn lực với môi trường xung quanh.

– Nguyên lý đa chiều: Các quá trình trong hệ thống diễn ra không đồng bộ. Trong nhiều hoàn cảnh, các quá trình trong cùng một hệ thống có thể trái chiều và mâu thuẫn với nhau.

– Nguyên lý tính hợp trội: Vào bối cảnh không gian, thời gian nhất định, hệ thống có thể đạt được sự chuyển biến trạng thái (phát triển) mang tính đột phá chứ không tiệm tiến.

Featured

Các ứng dụng của Mạng Bayes trong AI

Mạng Bayes có thể được sử dụng cho nhiều ứng dụng trong AI và học máy (machine learning – ML). Trong bài “Mạng Bayes: Chìa khóa để khai mở tiềm năng thực sự của AI” ta đã xem xét một số ví dụ về ứng dụng của mạng Bayes trong AI qua các lĩnh vực chăm sóc sức khỏe, xe tự lái. Dưới đây là một số nhóm các cách sử dụng phổ biến của mạng Bayes: [1]

1. Suy diễn xác suất (hay Suy diễn Bayes): Mạng Bayes cho phép suy diễn xác suất, có nghĩa là chúng có thể trả lời các truy vấn về phân bố xác suất của các biến qua các bằng chứng quan sát được. Mạng Bayes có thể giúp tính toán xác suất hậu nghiệm của các biến không được quan sát dựa trên sự phụ thuộc xác suất trong mạng.

2. Chẩn đoán và hỗ trợ quyết định: Mạng Bayes được sử dụng rộng rãi trong các hệ thống hỗ trợ quyết định và chẩn đoán y tế. Bằng cách quan sát các triệu chứng hoặc bằng chứng, mạng Bayes có thể tính toán xác suất của các bệnh hoặc tình trạng khác nhau, hỗ trợ quá trình chẩn đoán. Mạng Bayes cũng có thể hỗ trợ việc ra quyết định bằng cách xem xét các xác suất và lợi ích gắn với các lựa chọn khác nhau.

3. Mô hình hóa dự đoán: Mạng Bayes có thể được sử dụng cho các nhiệm vụ mô hình hóa dự đoán. Với các biến quan sát được, mạng Bayes có thể giúp dự đoán giá trị của các biến không quan sát được hoặc ước tính xác suất của chúng. Điều này làm cho chúng hữu ích trong nhiều lĩnh vực khác nhau, chẳng hạn như dự báo thời tiết, phân tích tài chính và phân tích hành vi khách hàng.

4. Đánh giá và quản lý rủi ro: Mạng Bayes có giá trị trong việc đánh giá và quản lý rủi ro. Chúng có thể mô hình hóa sự phụ thuộc giữa các yếu tố rủi ro và ước tính xác suất của các kết quả hoặc sự kiện khác nhau. Điều này rất hữu ích trong các lĩnh vực như bảo lãnh bảo hiểm, quản lý dự án [2] và phân tích rủi ro môi trường.

5. Phát hiện bất thường: Mạng Bayes còn có thể được sử dụng cho các nhiệm vụ phát hiện bất thường. Bằng cách tìm hiểu hành vi bình thường của một hệ thống hoặc quy trình, chúng có thể phát hiện những sai lệch hoặc bất thường so với các mô hình dự kiến. Điều này rất hữu ích trong an ninh mạng, phát hiện gian lận và giám sát các quy trình công nghiệp.

6. Xử lý ngôn ngữ tự nhiên: Mạng Bayes cũng được ứng dụng trong các tác vụ xử lý ngôn ngữ tự nhiên. Chúng có thể được sử dụng cho các tác vụ như gắn thẻ một phần lời nói (part-of-speech), nhận dạng thực thể được đặt tên và phân tích ngữ nghĩa. Mạng Bayes có thể biểu diễn được sự phụ thuộc giữa các yếu tố ngôn ngữ và suy diễn những cách diễn giải hoặc cấu trúc có khả năng xảy ra nhất.

7. Mô hình hóa môi trường: Mạng Bayes được sử dụng trong mô hình hóa môi trường để hiểu các hệ thống phức tạp và đánh giá tác động môi trường. Chúng có thể được dùng để lập mô hình tương tác giữa các biến số như khí hậu, các hệ sinh thái và hoạt động của con người, từ đó đưa ra các dự đoán và phân tích kịch bản.

8. Tin sinh và gen: Mạng Bayes được sử dụng trong tin sinh học (bioinformatics) và gen để mô hình hóa và phân tích các tương tác di truyền và protein. Chúng có thể giúp hiểu được các mạng điều hòa gen, tương tác protein-protein và các mối liên hệ giữa bệnh-gen.

Hình bài: Các ứng dụng của mạng Bayes [1].

Xem toàn bộ tài liệu về mạng Bayes trong AI tại đây.

Nguồn tham khảo:

[1] https://www.leewayhertz.com/bayesian-networks-in-ai/

[2] http://luanvan.moet.gov.vn/?page=1.18&view=37045

Featured

Mạng Bayes: Chìa khóa để khai mở tiềm năng thực sự của AI

Mạng Bayes đại diện cho một công cụ mạnh mẽ để khai thác tiềm năng thực sự của AI. Bằng cách cho phép các hệ thống AI suy luận trong điều kiện bất định, học hỏi từ dữ liệu hạn chế và mô hình nhân quả, mạng Bayes có thể giúp vượt qua một số thách thức chính mà nghiên cứu AI ngày nay phải đối mặt.

Đọc được bài dịch trên VnExpress nhưng thấy nội dung dịch chưa rõ, chưa sát ý nên xin được dịch lại bài này.

Trí tuệ nhân tạo (AI) đã trải qua một chặng đường dài kể từ khi ra đời, với các kỹ thuật học máy và học sâu thúc đẩy những tiến bộ nhanh chóng trong lĩnh vực này. Tuy nhiên, bất chấp những tiến bộ ấn tượng, vẫn còn nhiều thách thức phải vượt qua trước khi AI thực sự có thể phát huy hết tiềm năng của mình. Một cách tiếp cận đầy hứa hẹn để giải quyết những thách thức này là sử dụng mạng Bayes, một mô hình đồ họa xác suất mạnh mẽ có khả năng mở ra các cấp độ hiểu biết và lý luận mới trong các hệ thống AI.

Mạng Bayes, được đặt theo tên của nhà toán học thế kỷ 18 Thomas Bayes, là một đồ thị có hướng biểu diễn một tập các biến và sự ràng buộc có điều kiện giữa chúng(*). Nói một cách đơn giản hơn, chúng cung cấp một cách để mô hình hóa các mối quan hệ phức tạp giữa các biến bằng cách nắm bắt cấu trúc xác suất cơ bản của dữ liệu. Điều này cho phép các hệ thống AI suy luận trong điều kiện bất định, học tập từ nguồn dữ liệu hạn chế và đưa ra quyết định sáng suốt dựa trên dữ kiện sẵn có.

Một trong những ưu điểm chính của mạng Bayes là khả năng xử lý sự bất định (uncertainty) và thông tin khuyết thiếu. Trong nhiều tình huống thực tế, các hệ thống AI phải đưa ra quyết định dựa trên dữ liệu khuyết thiếu hoặc bị nhiễu. Các kỹ thuật máy học truyền thống, chẳng hạn như mạng thần kinh, thường gặp khó khăn trong các tình huống này vì chúng yêu cầu lượng lớn dữ liệu được đào tạo để đạt được mức độ chính xác cao. Ngược lại, Mạng Bayes có thể đưa ra dự đoán chính xác ngay cả khi phải đối mặt với hạn chế dữ liệu, vì chúng có thể kết hợp kiến thức trước đó và cập nhật thông tin khi có bằng chứng mới. (**)

Một lợi ích khác của mạng Bayes là khả năng cung cấp AI có thể hiểu và giải thích được. Khi các hệ thống AI ngày càng được tích hợp nhiều hơn vào cuộc sống hàng ngày của chúng ta, điều quan trọng là chúng ta phải hiểu lý do đằng sau các quyết định của chúng. Cấu trúc đồ họa của mạng Bayes cho phép hình dung rõ ràng mối quan hệ giữa các biến, giúp con người dễ dàng hiểu được quá trình ra quyết định hơn. Sự minh bạch này rất cần thiết để xây dựng niềm tin vào các hệ thống AI và đảm bảo rằng chúng được sử dụng một cách có trách nhiệm và có đạo đức.

Hơn nữa, mạng Bayes có thể được sử dụng để mô hình hóa quan hệ nhân quả – một khía cạnh quan trọng trong lý luận và ra quyết định của con người. Mặc dù các kỹ thuật học máy truyền thống có thể xác định mối tương quan giữa các biến, nhưng chúng thường gặp khó khăn trong việc xác định mối quan hệ nhân quả làm nền tảng cho những mối tương quan này. Bằng cách mô hình hóa rõ ràng các mối quan hệ nhân quả, mạng Bayes có thể giúp các hệ thống AI hiểu rõ hơn về cơ chế cơ bản của các hệ thống phức tạp và đưa ra các quyết định sáng suốt hơn.

Trong những năm gần đây, mối quan tâm về mạng Bayes trong cộng đồng nghiên cứu AI đang gia tăng trở lại. Điều này một phần là do sự phát triển của các thuật toán và kỹ thuật tính toán mới giúp làm việc với mạng Bayes quy mô lớn dễ dàng hơn. Ngoài ra, sự sẵn có ngày càng tăng của dữ liệu và độ phức tạp ngày càng tăng của các ứng dụng AI đã làm nổi bật nhu cầu về khả năng suy luận và ra quyết định phức tạp hơn.

Một lĩnh vực mà mạng Bayes đã thể hiện nhiều hứa hẹn là lĩnh vực chăm sóc sức khỏe. Bằng cách mô hình hóa mối quan hệ phức tạp giữa các triệu chứng của bệnh nhân, tiền sử bệnh và các lựa chọn điều trị, mạng Bayes có thể giúp các bác sĩ đưa ra chẩn đoán và khuyến nghị điều trị chính xác hơn. Điều này có khả năng cải thiện đáng kể kết quả của bệnh nhân và giảm chi phí chăm sóc sức khỏe.

Một ứng dụng đầy hứa hẹn khác của mạng Bayes là trong lĩnh vực xe tự lái. Bằng cách mô hình hóa các tương tác phức tạp giữa các phương tiện, người đi bộ và môi trường, mạng Bayes có thể giúp cải thiện độ an toàn và độ tin cậy của ô tô tự lái. Điều này đặc biệt quan trọng do mức độ không chắc chắn và khó lường cao liên quan đến các tình huống lái xe trong thế giới thực.

Tóm lại, mạng Bayes đại diện cho một công cụ mạnh mẽ để khai thác tiềm năng thực sự của AI. Bằng cách cho phép các hệ thống AI suy luận trong điều kiện bất định, học hỏi từ dữ liệu hạn chế và mô hình nhân quả, mạng Bayes có thể giúp vượt qua một số thách thức chính mà nghiên cứu AI ngày nay phải đối mặt. Khi lĩnh vực này tiếp tục phát triển, có khả năng chúng ta sẽ thấy mạng Bayes đóng vai trò ngày càng quan trọng trong việc phát triển các hệ thống AI thông minh, minh bạch và đáng tin cậy.

Link bài gốc trên Digital Technology Guru.

Bình luận, chú thích của người dịch:

(*) Thực ra theo [1] mạng Bayes là một đồ thị dạng đặc biệt, ngoài các nút (các biến) và đồ thị biểu diễn mối quan hệ giữa các nút, thì mỗi nút còn gắn với một bảng phân phối xác suất. Hình dưới đây biểu diễn rõ điều đó qua ví dụ về mạng Bayes đơn giản gồm 3 biến (giả sử việc chậm tiến độ một công việc nào đó – delay in task, có quan hệ nhân quả với khả năng đúng hạn của nhà thầu phụ – subcontract, và chất lượng nhân viên – staff quality)

(**) Chính vì vậy mạng Bayes còn được gọi là mạng niềm tin Bayes (Bayesian Belief Networks), do “niềm tin” trước đó được cập nhật khi có bằng chứng mới.

Mạng Bayes dựa trên Định lý hay luật Bayes, với công thức nổi tiếng ở dạng đơn giản biểu diễn xác suất giữa các biến như sau:

P(R/S) = P(S/R)*P(R)/P(S)

Quy tắc Bayes ở trên được hiểu theo nghĩa cập nhật niềm tin (xác suất hậu nghiệm của từng trạng thái có thể có của một biến, nghĩa là các xác suất trạng thái sau khi xem xét tất cả các bằng chứng có sẵn) về giả thuyết R dưới góc độ bằng chứng mới S. Vì vậy, niềm tin hậu nghiệm P(R/S) được tính bằng cách nhân niềm tin trước đó P(R) với khả năng P(S/R) rằng S sẽ xảy ra nếu R đúng.[1]

Công thức trên cũng có tính đối xứng (hai chiều) nên có thể biết hoặc tiên đoán 1 đại lượng sau nếu biết hoặc giả định các đại lượng khác.

(***) Thomas Kehler, thành viên của Global Enlightenment Mountain, Giám đốc Khoa học của CrowdSmart nhận xét về bài viết như sau [2]:

“Bài báo đưa ra quan điểm cực kỳ quan trọng – Mạng Bayes trao quyền cho một thế hệ AI mới, mở ra cơ hội đưa trí tuệ tập thể của con người vào. Trong 8 năm qua, trọng tâm công việc của tôi và công việc của CrowdSmart là sử dụng Mạng niềm tin Bayes* như một phương tiện tích hợp thế hệ AI hiện tại với trí tuệ tập thể của con người. Judea Pearl, người đóng góp quan trọng ban đầu cho Mạng niềm tin Bayes, đã tuyên bố ‘Bạn thông minh hơn dữ liệu của mình’. Cho đến nay, với tất cả những tiến bộ vượt bậc mà chúng tôi đã đạt được trong lĩnh vực AI, việc học tập đều dựa trên dữ liệu chúng tôi đã tạo ra, tức dữ liệu của chúng tôi. Hãy nghĩ về việc sức mạnh của AI hiện tại và trí tưởng tượng chung của con người cùng nhau sáng tạo. Đó là tương lai và Mạng Bayes đóng vai trò quan trọng trong tương lai đó.”

Trí tuệ nhân tạo (AI) đã đi được một chặng đường dài kể từ khi ra đời, với các kỹ thuật học máy và học sâu thúc đẩy những tiến bộ nhanh chóng trong lĩnh vực này. Tuy nhiên, dù có những tiến bộ ấn tượng nhưng vẫn còn nhiều thách thức cần vượt qua trước khi AI thực sự có thể phát huy hết tiềm năng của mình. Một cách tiếp cận đầy hứa hẹn để giải quyết những thách thức này là sử dụng mạng Bayes, một mô hình đồ họa xác suất mạnh mẽ có tiềm năng mở ra những cấp độ hiểu biết và lý luận mới trong các hệ thống AI.

(****) Bài rất dài nhưng chi tiết về mạng Bayes trong AI có thể xem tại [3] hoặc xem tài liệu tiếng Việt dạng PDF tại đây.

Các nguồn tham khảo:

[1] http://luanvan.moet.edu.vn/?page=1.18&view=37045 

[2] https://bostonglobalforum.org/news/global-enlightenment-mountains-thomas-kehler-bayesian-networks-empower-a-new-generation-of-ai/ 

[3] https://www.leewayhertz.com/bayesian-networks-in-ai/ 

Featured

4 VÍ DỤ VỀ PHÂN TÍCH KINH DOANH TRONG THỰC TẾ

Bài viết này về một số ứng dụng gần đây của phân tích dữ liệu trong thế giới kinh doanh. Bài viết hé lộ cách thức các tập đoàn sử dụng các hiểu biết từ dữ liệu để tối ưu quá trình ra quyết định của họ.

Subscribe to continue reading

Subscribe to get access to the rest of this post and other subscriber-only content.

Bộ trưởng Bộ Giáo dục và Đào tạo Hoàng Minh Sơn: Cơ hội rất lớn cho giáo dục

Khởi đầu cho nhiệm kỳ mới, Bộ trưởng Bộ Giáo dục và Đào tạo Hoàng Minh Sơn có một chia sẻ với Tuổi Trẻ về những nhận định của ông về thách thức và cơ hội của giáo dục.

Hoàng Minh Sơn - Ảnh 1.
Nữ sinh Trường THPT Trần Phú (phường Phú Thọ Hòa, TP.HCM) trong ngày khai giảng năm học mới 2025-2026 – Ảnh: THANH HIỆP

Những gì ông sẽ nỗ lực ở vị trí “tư lệnh ngành”?

Cơ hội cho đại học

* Trong bối cảnh cần đẩy mạnh đào tạo nhân lực chất lượng cao, nhiều cơ sở đại học đã có nhiều nỗ lực đầu tư vào các ngành mạnh, tăng cường nghiên cứu khoa học, ứng dụng, hợp tác quốc tế nhưng đó vẫn là những nỗ lực đơn lẻ. Ở nhiệm kỳ của mình, ông có dự định gì trong việc đề xuất, triển khai để tạo cơ hội hình thành các trường/nhóm trường mạnh có sức cạnh tranh trong khu vực, quốc tế, đồng thời thúc đẩy việc đào tạo nhân lực chất lượng cao?

– Nghị quyết số 57 và số 71 của Bộ Chính trị đã mở ra một cơ hội chưa từng có cho hệ thống giáo dục nói chung và các cơ sở giáo dục đại học nói riêng với những chủ trương, quyết sách và cam kết nguồn lực đầu tư mạnh mẽ.

Nghị quyết 57 đã xác định các mục tiêu và nhiệm vụ, giải pháp cụ thể để phát triển một số cơ sở giáo dục đại học trọng điểm ngang tầm khu vực và thế giới, trở thành các trung tâm khoa học công nghệ và đào tạo nhân tài quốc gia, nhất là trong các lĩnh vực khoa học cơ bản, kỹ thuật then chốt và công nghệ chiến lược. 

Thực hiện các nghị quyết của Bộ Chính trị và Chính phủ, Bộ Giáo dục và Đào tạo đã xây dựng kế hoạch nhiệm vụ cụ thể, đồng thời tham mưu Chính phủ trình Quốc hội ban hành bốn văn bản luật và hai nghị quyết, trong đó có những cơ chế, chính sách đột phá và chương trình mục tiêu quốc gia.

Hoàng Minh Sơn - Ảnh 2.
Học sinh Hà Nội tìm hiểu về thiên văn. Đây là một hoạt động trải nghiệm có thể đưa vào buổi 2 trong hướng dẫn của Bộ GD-ĐT – Ảnh: VĨNH HÀ

Để cụ thể hóa các chủ trương thành hành động, giải pháp cụ thể, trong thời gian qua bộ đã chủ trì và cũng như phối hợp trình Thủ tướng Chính phủ phê duyệt quy hoạch mạng lưới cơ sở giáo dục đại học, nhiều đề án phát triển các cơ sở giáo dục đại học trọng điểm, đề án và chương trình phát triển nguồn nhân lực chất lượng cao trong các lĩnh vực trọng điểm. 

Chương trình mục tiêu quốc gia về hiện đại hóa, nâng cao chất lượng giáo dục và đào tạo cũng có một cấu phần quan trọng, đó là đầu tư trọng điểm cho khoảng 30 cơ sở giáo dục đại học, trong đó phấn đấu có ít nhất 8 đại học thuộc nhóm đầu khu vực châu Á. Hiện nay bộ cũng đang hoàn thiện trình Chính phủ một số nghị định về cơ chế tài chính, tự chủ đại học và chính sách học bổng cho giáo dục đại học và giáo dục nghề nghiệp.

Như vậy có thể nói cơ sở chính trị, pháp lý với hệ thống cơ chế, chính sách và nguồn lực đã được thiết kế khá đầy đủ. Với tư cách là bộ trưởng, trong thời gian tới tôi sẽ tập trung chỉ đạo tổ chức thực hiện một cách quyết liệt và hiệu quả kế hoạch nhiệm vụ đã xác định, đồng thời kịp thời đề xuất các giải pháp phù hợp với thực tiễn thay đổi, đặc biệt chú trọng gắn kết giữa đào tạo nhân lực chất lượng cao với phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia.

Hoàng Minh Sơn - Ảnh 3.
Học sinh ở đặc khu Trường Sa trong niềm vui đến trường – Ảnh: NGỌC ÁNH

* Hành trình giao tự chủ cho đại học đã có một bước tiến dài, tuy nhiên còn có nhiều vấn đề bất cập. Nhưng dường như giai đoạn vừa qua việc tự chủ mới chỉ là trông đợi vào đóng góp xã hội, tự chủ là trường tự lo, là càng xã hội hóa càng nhiều càng thành công. Quan điểm của ông về tự chủ đại học là như thế nào? Theo ông, việc gì cần cấp bách xử lý để thúc đẩy việc này?

– Trong thời gian 8 đến 10 năm trở lại đây, chính sách tự chủ đại học đã tạo ra một sự chuyển biến mạnh mẽ trong toàn hệ thống giáo dục đại học. Các cơ sở giáo dục đại học, cả công lập và tư thục, đã rất chủ động, nỗ lực huy động các nguồn lực, tăng cường năng lực, mở rộng quy mô, nâng cao chất lượng đào tạo và nghiên cứu. 

Tuy nhiên để có năng lực cạnh tranh quốc tế và đáp ứng tốt yêu cầu nguồn nhân lực khoa học, công nghệ cho phát triển đất nước, những sự nỗ lực của riêng các cơ sở giáo dục đại học là không đủ khi nguồn thu chủ yếu dựa vào học phí và chính sách xã hội hóa.

Đây là một điểm nghẽn lớn đã được chỉ ra trong nghị quyết 71 của Bộ Chính trị: “quan niệm về tự chủ và xã hội hóa giáo dục chưa phù hợp; nguồn lực đầu tư cho giáo dục còn thấp, chính sách phân bổ và sử dụng nguồn lực chưa hiệu quả, cơ chế tài chính thiếu bền vững”. 

Từ đó, nghị quyết 71 khẳng định “Nhà nước giữ vai trò chủ đạo, lấy đầu tư công dẫn dắt, thu hút nguồn lực xã hội cho hiện đại hóa toàn diện hệ thống giáo dục quốc dân”, “Bảo đảm quyền tự chủ đầy đủ, toàn diện cho các cơ sở giáo dục đại học, cơ sở giáo dục nghề nghiệp không phụ thuộc vào mức độ tự chủ tài chính”. 

Phần nhiệm vụ và giải pháp của nghị quyết cũng đã nêu rõ “…chi cho giáo dục đại học đạt ít nhất 3% tổng chi ngân sách nhà nước. Thống nhất chủ trương xây dựng và triển khai chương trình mục tiêu quốc gia mới về hiện đại hóa, nâng cao chất lượng giáo dục và đào tạo giai đoạn 2026-2035; ưu tiên đầu tư cho giáo dục đại học”.

Như vậy, quan điểm về tự chủ đại học và chủ trương tăng mạnh đầu tư cho giáo dục đại học đã được khẳng định rõ trong nghị quyết của Đảng. Nội dung này cũng đã được thể chế hóa trong Luật Giáo dục đại học và Luật Giáo dục nghề nghiệp mới được 

Quốc hội ban hành cuối năm 2025. Vấn đề còn lại là quản trị thực thi, trong đó đặc biệt là phân bổ và sử dụng hiệu quả nguồn lực đầu tư từ Nhà nước cũng như huy động nguồn lực từ xã hội.

Bộ trưởng Bộ Giáo dục và Đào tạo Hoàng Minh Sơn: Cơ hội rất lớn cho giáo dục - Ảnh 1.

Với tư cách là bộ trưởng, trong thời gian tới tôi sẽ tập trung chỉ đạo tổ chức thực hiện một cách quyết liệt và hiệu quả kế hoạch nhiệm vụ đã xác định, đồng thời kịp thời đề xuất các giải pháp phù hợp với thực tiễn thay đổi, đặc biệt chú trọng gắn kết giữa đào tạo nhân lực chất lượng cao với phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia.

Bộ trưởng Hoàng Minh Sơn

Hoàng Minh Sơn - Ảnh 4.
Đội tuyển học sinh Việt Nam dự thi Olympic hóa học quốc tế Mendeleev (IMChO) lần thứ 60 giành 2 huy chương vàng, 2 huy chương bạc. Tất cả các thành viên trong đội tuyển đều có giải. – Ảnh: BỘ GD-ĐT

Nhà nước cần tài trợ, đặt hàng đại học

* Ông từng bày tỏ quan điểm các trường tự chủ nhưng Nhà nước vẫn cấp kinh phí “đặt hàng” cơ sở đại học để triển khai các dự án mang tính trọng điểm. Nhưng trên thực tế vấn đề này vẫn đang gặp khó khăn. Theo ông, cần giải quyết những gì từ cơ chế và năng lực của các cơ sở đại học để hiện thực hóa được điều này?

– Chúng ta nói nhiều và kỳ vọng nhiều vào đổi mới cơ chế tài chính đại học thông qua “đặt hàng” các cơ sở giáo dục đại học. Tuy nhiên cơ chế đặt hàng đào tạo hiện nay mới được thực hiện ở phạm vi rất hẹp do một số vấn đề vướng mắc, chủ yếu xuất phát từ cách tiếp cận “đặt hàng theo đầu vào”. 

Hiện nay Bộ Giáo dục và Đào tạo đang chủ trì xây dựng nghị định của Chính phủ có nội dung về cơ chế đặt hàng theo đầu ra. Theo đó, Nhà nước và doanh nghiệp sẽ đặt hàng và chi trả cơ sở đào tạo theo số người tốt nghiệp thực tế được nhận vào làm việc tại nơi làm việc và trong lĩnh vực theo nhu cầu đặt hàng.

Đối với nghiên cứu khoa học và phát triển công nghệ, chúng ta cần phân biệt rõ giữa “tài trợ” và “đặt hàng”. Khác với tài trợ nghiên cứu khi mà sản phẩm đầu ra chủ yếu do nhóm nghiên cứu quyết định bảo đảm phù hợp với mục đích tài trợ, vấn đề mấu chốt đối với đặt hàng nghiên cứu và phát triển là cần xác định rõ yêu cầu kết quả đầu ra là gì và ai có nhu cầu cũng như trách nhiệm đặt hàng. 

Cũng cần nhìn nhận sứ mạng và năng lực nghiên cứu của các cơ sở giáo dục đại học chủ yếu là để tạo ra tri thức và công nghệ mới. Nhiều kết quả nghiên cứu có thể chuyển hóa thành giải pháp và sản phẩm ứng dụng, mang lại giá trị thương mại trong thực tế, nhưng đó là một chặng đường dài và cần có sự tham gia, đồng hành và hợp tác chặt chẽ của doanh nghiệp.

Vì vậy Nhà nước cần tài trợ và đặt hàng đại học để nâng cao năng lực nghiên cứu, đồng thời tạo ra tri thức và công nghệ mới nhưng doanh nghiệp thì cần hợp tác với đại học để kết quả nghiên cứu được chuyển hóa thành sản phẩm và giải pháp thực tế.

Hoàng Minh Sơn - Ảnh 6.
PGS.TS. Bùi Hồng Thuỷ – Khoa Công nghệ Sinh học ĐH Quốc tế, ĐH Quốc gia TP.HCM – hướng dẫn thực hành sinh viên tại Phòng thí nghiệm về tế bào và gen – Ảnh: BÍCH NGỌC

Giáo dục phổ thông: 3 việc sẽ phải làm tốt

* Theo quan điểm của ông, vấn đề nào của giáo dục phổ thông hiện nay cần được ưu tiên quan tâm. Và trong nhiệm kỳ của mình, những việc ông sẽ ưu tiên làm nhằm hướng đến đảm bảo công bằng về tiếp cận giáo dục, nâng chất lượng giáo dục và từng bước giải quyết các tiêu cực đang để kéo dài?

– Đối với giáo dục phổ thông, vấn đề lớn nhất cần được quan tâm đó là đầu tư đủ trường lớp, cơ sở vật chất và đội ngũ giáo viên đạt chuẩn.

Bên cạnh đó là chế độ chính sách đối với đội ngũ giáo viên và đối với những học sinh thuộc đối tượng, khu vực có điều kiện khó khăn. Đồng thời cần nhanh chóng xây dựng nền tảng giáo dục thông minh quốc gia, ứng dụng trí tuệ nhân tạo có kiểm soát và cung cấp miễn phí cho học sinh ở mức độ cơ bản, tạo điều kiện cho từng em có lộ trình học tập cá thể hóa.

Làm tốt được ba việc này chúng ta sẽ cơ bản giải quyết được vấn đề công bằng trong tiếp cận, nâng cao chất lượng giáo dục và giảm thiểu tiêu cực trong thi cử, dạy thêm học thêm.

Hoàng Minh Sơn - Ảnh 5.
Học sinh chúc mừng giáo viên nhân Ngày Nhà giáo Việt Nam 20-11 – Ảnh: NHƯ HÙNG

Hướng tới học thật, thi thật

* Câu chuyện về áp lực thi cử, tiêu cực trong thi cử vẫn tồn tại nhiều năm qua và có xu hướng tăng hơn. Theo ông, cần các giải pháp cụ thể, sâu sát ra sao để hướng tới việc “học thật, thi thật”?

– Có hai nguyên nhân sâu xa dẫn tới áp lực thi cử, tiêu cực trong thi cử. Thứ nhất, chênh lệch giữa nhu cầu học tập với khả năng đáp ứng của các nhà trường dẫn tới các gia đình và học sinh phải chạy đua học thêm, cạnh tranh thi cử để giành suất học, giành chỗ học tốt.

Thứ hai, việc đánh giá kết quả học tập, công tác tuyển sinh và tuyển dụng phụ thuộc nhiều vào điểm số các kỳ thi cũng sẽ làm tăng áp lực và hiện tượng tiêu cực trong thi cử.

Qua ví dụ cải tiến công tác tuyển sinh đại học trong những năm gần đây cho thấy khi cung và cầu đã cân đối và phương thức, tiêu chí tuyển sinh đa dạng hơn, áp lực thi cử và tiêu cực đã giảm hẳn.

Bên cạnh ba giải pháp ưu tiên tôi nêu trong câu hỏi trước, chúng ta cần tiếp tục cải tiến chương trình, phương thức đánh giá kết quả học tập. Các cơ quan nhà nước cũng cần đổi mới mạnh mẽ phương thức, tiêu chí tuyển dụng dựa trên đánh giá năng lực thực chất thay vì chủ yếu dựa trên điểm số và bằng cấp. Các giải pháp đồng bộ này sẽ góp phần giải quyết căn cơ hướng tới giải quyết nhiều vấn đề bức xúc trong thực tiễn và hướng tới học thật, thi thật.

Vĩnh Hà (Nguồn: Tuổi trẻ)

Các yêu cầu lãnh đạo trong kỷ nguyên mới

KNVM – Bài phát biểu của Tổng Bí thư Tô Lâm tại Hội nghị ngày 7/2/2026 mang tính bước ngoặt, thể hiện một tư duy quản trị hiện đại, quyết liệt và bám sát thực tiễn.

Dưới đây là một số nhận định chi tiết và sự liên hệ với các yêu cầu lãnh đạo trong kỷ nguyên mới:

Nội dung trọng tâm của bài phát biểu

Bài phát biểu có nội dung tập trung vào việc xóa bỏ khoảng cách giữa lý luận và thực thi. Thông điệp xuyên suốt là: “Điểm nghẽn không nằm ở đường lối, mà nằm ở năng lực tổ chức thực hiện”. Có thể nhìn nhận 3 quan điểm sau:

Tính quyết liệt và minh bạch: Yêu cầu “Người nào không đáp ứng nhiệm vụ phải biết tự rút lui” là một tuyên bố mạnh mẽ về văn hóa từ chức và trách nhiệm cá nhân. Nó không còn là lời kêu gọi chung chung mà là một yêu cầu hành chính và đạo đức cụ thể.

Chuyển đổi tư duy quản trị: Tổng Bí thư nhấn mạnh việc chuyển từ “mệnh lệnh hành chính” sang “quản trị dựa trên kết quả”. Đây là bước tiến từ quản lý truyền thống sang quản trị hiện đại, nơi hiệu quả thực tế và sự hài lòng của người dân là thước đo tối thượng.

Tập trung vào “điểm nghẽn”: Bài phát biểu thẳng thắn thừa nhận những hạn chế về nội sinh của nền kinh tế (năng suất, công nghệ, kỷ cương) thay vì chỉ liệt kê thành tích.

Liên hệ với phong cách và yêu cầu lãnh đạo hiện đại

Bài phát biểu này phản ánh chính xác các xu hướng lãnh đạo quốc tế và yêu cầu cấp thiết đối với cán bộ trong bối cảnh hiện nay:

Lãnh đạo dựa trên kết quả (Result-Oriented Leadership)

Lãnh đạo hiện đại không đánh giá qua “báo cáo hay” mà qua “sản phẩm thực”.

Để làm được điều này thì phải định lượng được kết quả.

Tổng Bí thư yêu cầu các mục tiêu phải “đo đếm được” và người dân phải được “thụ hưởng trực tiếp”. Điều này đòi hỏi lãnh đạo phải có kỹ năng thiết kế KPI và khung kiểm soát thực thi chặt chẽ.

Lãnh đạo kiến tạo và thích ứng (Adaptive Leadership)

Trong bối cảnh thế giới biến đổi phức tạp, lãnh đạo không chỉ là người điều hành mà phải là người khai thông nguồn lực.

Do đó cần phải khắc phục tư duy “nặng về quản lý, nhẹ về kiến tạo”.

Bài phát biểu nhấn mạnh việc Quốc hội và Chính phủ phải tạo ra môi trường pháp lý thuận lợi, tháo gỡ rào cản cho đổi mới sáng tạo thay vì tạo thêm thủ tục.

Trách nhiệm giải trình và văn hóa liêm chính (Accountability)

Đây là cốt lõi của thông điệp “tự rút lui”.

Lãnh đạo hiện đại cần sự dũng cảm để nhận trách nhiệm khi không đạt mục tiêu.

Việc phê phán tình trạng “nói nhiều làm ít” và yêu cầu cá nhân không đáp ứng nhiệm vụ phải nhường chỗ cho người có năng lực hơn chính là sự áp dụng tiêu chuẩn đạo đức công vụ cao nhất.

Quản trị dựa trên dữ liệu và công nghệ (Data-driven governance)

Lãnh đạo hiện đại phải sử dụng công nghệ để giám sát và ra quyết định.

Tổng Bí thư yêu cầu đánh giá dựa trên “dữ liệu, chỉ số và hệ thống giám sát thời gian thực”. Điều này đòi hỏi người lãnh đạo hiện đại phải có tư duy chuyển đổi số (digital mindset).

Các yêu cầu đối với đội ngũ lãnh đạo kỷ nguyên mới

Dựa trên tinh thần của bài phát biểu, chân dung người lãnh đạo hiện đại cần hội đủ các yếu tố:

  1. Dám nghĩ, dám làm, dám chịu trách nhiệm: Phải có bản lĩnh vượt qua sự “an toàn giả tạo” đồng thời dám loại bỏ các nhân tố trì trệ, cản trở phát triển để tạo đột phá.
  2. Tư duy hệ thống và liên ngành: Xóa bỏ tư duy “cục bộ địa phương”, biết phối hợp nguồn lực liên vùng, liên ngành, và đôi khi là liên cấp.
  3. Lấy con người làm trung tâm: Mọi chính sách phải trả lời được câu hỏi: “Nó mang lại lợi ích gì cho dân?”
  4. Kỹ năng thực thi (Execution skills): Không chỉ giỏi tham mưu mà phải giỏi tổ chức, biết tháo gỡ “điểm nghẽn” ngay khi nó xuất hiện.
  5. Khả năng điều hành hệ thống dựa vào dữ liệu và công nghệ: Nếu lãnh đạo truyền thống là người giỏi “điều hành con người”, thì lãnh đạo hiện đại còn phải giỏi điều hành hệ thống dựa trên công nghệ.

Bài phát biểu đã quán triệt và xác lập một “luật chơi” mới cho đội ngũ cán bộ: Năng lực thực tế là tấm vé duy nhất để giữ vị trí lãnh đạo.

Điều này tạo ra động lực tự thân để bộ máy vận hành hiệu quả hơn, đồng thời thực thi các cơ chế sàng lọc những nhân tố trì trệ, giúp quốc gia không bỏ lỡ các thời cơ phát triển.

Có một “ngân hàng ký ức” mang tên giấc ngủ: Đừng để học sinh bị phá sản

Quan điểm của Walker về giấc ngủ và giáo dục là chúng ta không thể “ép” não bộ học tập nếu không cung cấp đủ “nhiên liệu” là giấc ngủ. Ông kêu gọi các nhà giáo dục cần nhìn nhận giấc ngủ là một phần của chương trình học chứ không phải là đối thủ của nó. Walker cổ súy việc lùi thời gian bắt đầu học tại trường như cách các trường ở châu Âu đã áp dụng.

Trong cuốn sách Why We Sleep, Matthew Walker dành một chương riêng để phân tích sự xung đột giữa hệ thống giáo dục hiện đại và nhu cầu sinh học của học sinh, sinh viên. Theo ông, hệ thống giáo dục hiện nay đang tạo ra một cuộc “khủng hoảng thiếu ngủ” thầm lặng trong giới trẻ.

Dưới đây là những quan điểm chính của ông về mối quan hệ giữa giấc ngủ và giáo dục:

1. Giấc ngủ là “ngân hàng” lưu trữ kiến thức

Walker ví bộ não giống như một chiếc ổ cứng. Giấc ngủ đóng hai vai trò sống còn đối với việc học:

  • Trước khi học: Giấc ngủ chuẩn bị cho bộ não khả năng tiếp nhận thông tin mới. Thiếu ngủ khiến các tế bào thần kinh ở vùng hồi hải mã (hippocampus) — nơi lưu trữ ký ức tạm thời – trở nên “đầy tải”, khiến thông tin mới không thể lọt vào.
  • Sau khi học: Giấc ngủ giúp “đóng băng” các ký ức mới, chuyển chúng từ vùng lưu trữ ngắn hạn dễ mất sang vùng lưu trữ dài hạn an toàn hơn (vỏ não). Nếu bạn học xong mà không ngủ đủ, dữ liệu đó sẽ dễ dàng bị xóa sạch.

2. Sự tàn phá của việc “thức đêm cày cuốc” (Cramming)

Nhiều sinh viên tin rằng thức xuyên đêm trước kỳ thi là cách hiệu quả. Walker bác bỏ điều này bằng số liệu thực nghiệm:

  • Những người thức đêm có khả năng ghi nhớ thông tin kém hơn 40% so với những người ngủ đủ.
  • Về mặt sinh học, việc thiếu ngủ làm suy yếu khả năng hình thành các liên kết thần kinh mới (tính dẻo của não).

3. “Trận chiến” với đồng hồ sinh học của thanh thiếu niên

Đây là quan điểm gây tranh cãi nhất nhưng có cơ sở khoa học mạnh mẽ của Walker:

  • Sự dịch chuyển nhịp sinh học: Thanh thiếu niên có nhịp sinh học bị đẩy lùi muộn hơn so với người lớn. Việc bắt một học sinh cấp 2 hay cấp 3 dậy lúc 6:00 sáng tương đương với việc bắt một người lớn dậy lúc 4:00 sáng.
  • Hệ quả: Khi đi học quá sớm, não bộ của học sinh vẫn đang ở trạng thái ngủ sâu hoặc ngủ REM. Điều này dẫn đến tình trạng “thây ma” trong các tiết học đầu tiên, làm giảm hiệu suất học tập và gia tăng các vấn đề tâm lý như lo âu, trầm cảm.

4. Đề xuất cải cách: Lùi giờ bắt đầu học

Walker cực lực ủng hộ việc lùi giờ vào lớp muộn hơn (ví dụ từ 7:30 sang 8:30 hoặc 9:00). Ông dẫn chứng các trường học áp dụng điều này đã thấy kết quả tức thì:

  • Điểm số trung bình (GPA) tăng lên rõ rệt.
  • Tỷ lệ học sinh đi học muộn và nghỉ học giảm.
  • Sức khỏe tâm thần cải thiện.
  • Đặc biệt: Tỷ lệ tai nạn giao thông ở học sinh tự lái xe đến trường giảm tới 70%.

5. Giấc ngủ và sự sáng tạo trong nghiên cứu

Đối với cấp độ giáo dục cao hơn (đại học và sau đại học), Walker nhấn mạnh vai trò của giấc ngủ REM. Đây là giai đoạn não bộ thực hiện “trị liệu tâm lý” và “kết nối tri thức”. Những ý tưởng đột phá thường đến sau một giấc ngủ ngon vì não bộ lúc đó đang xây dựng các liên kết logic mà khi tỉnh táo chúng ta không thấy được.

Đọc bài review cuốn sách Why We Sleep tại đây: https://knvm.vn/2026/02/05/matthew-walker-tai-sao-chung-ta-lai-ngu-why-we-sleep/

GS Ngô Bảo Châu: Thu hút nhân tài không thể chờ tự ứng cử

VnExpress – Hơn 36 năm kinh nghiệm tại môi trường học thuật quốc tế, GS Ngô Bảo Châu cho rằng để xây dựng nội lực khoa học, Việt Nam cần chủ động săn đón và mời gọi nhân tài về nước, kết hợp với đào tạo tại chỗ để nuôi dưỡng nguồn nhân lực từ bên trong.

Dù sống và làm việc tại Mỹ, GS Ngô Bảo Châu – nhà Toán học Việt Nam đầu tiên giành huy chương Fields, giải thưởng Toán học cao quý nhất thế giới – dành nhiều tâm huyết cho sự phát triển của toán học nói riêng và khoa học nói chung tại Việt Nam. 15 năm qua, ngoài đảm nhiệm vị trí Giám đốc khoa học Viện Nghiên cứu cao cấp về Toán (VIASM), ông tham gia, chủ trì nhiều hội thảo học thuật, xuất bản sách, và đóng góp ý kiến cho các chủ trương, chính sách phát triển khoa học trong nước.

Trong bối cảnh Việt Nam xác định khoa học, công nghệ, đổi mới sáng tạo là động lực chủ yếu của mô hình phát triển mới, GS Ngô Bảo Châu chia sẻ với VnExpress về các kế hoạch ấp ủ trong tương lai, kinh nghiệm thu hút nhân tài, và mong muốn xây dựng một nền khoa học tầm vóc quốc tế bắt đầu từ đào tạo nghiên cứu sinh trong nước.

GS Ngô Bảo Châu - nhà Toán học Việt Nam đầu tiên giành huy chương Fields, giải thưởng Toán học cao quý nhất thế giới - tại một tọa đàm năm 2022. Ảnh: Nhân vật cung cấp
GS Ngô Bảo Châu – nhà Toán học Việt Nam đầu tiên giành huy chương Fields, giải thưởng Toán học cao quý nhất thế giới. Ảnh: Nhân vật cung cấp

Nuôi dưỡng “tế bào gốc” cho nền khoa học

– Sau khi giành giải thưởng Fields năm 2010, GS được Chính phủ mời về làm Giám đốc khoa học của Viện nghiên cứu cao cấp về Toán (VIASM), chung tay cùng các nhà khoa học trong nước phát triển nền toán học. Sau 15 năm, ông đánh giá liệu VIASM đã có thể so sánh với một khoa toán mạnh của trường đại học lớn trên thế giới?

– Viện không được thiết kế để tạo ra một khoa toán mạnh, cũng không có kinh phí cho đội ngũ cơ hữu. Mục đích ban đầu khi thành lập VIASM là hỗ trợ các nhà khoa học trong nước và từ đó sẽ tạo ra nhiều khoa Toán mạnh.

Trải qua hơn 15 năm, tôi nghĩ ít nhất giấc mơ của thế hệ đầu tiên xây dựng Viện đã thành hiện thực. Mức độ đầu tư của Nhà nước cho Viện còn khá khiêm tốn, nhưng nhờ cơ chế thông thoáng hơn so với các cơ sở hàn lâm ở Việt Nam, VIASM đã có một số dấu ấn nhất định, được cộng đồng khoa học quốc tế biết đến.

Đa số các nhà khoa học trong trường đại học ở Việt Nam rất thiếu thốn về cơ sở vật chất, không có hỗ trợ cho nghiên cứu sinh, không có khả năng, kinh phí mời các nhà khoa học quốc tế về cộng tác. Trong 15 năm qua, Viện đã hỗ trợ kết nối các giáo sư quốc tế đến Việt Nam, tạo ra điểm gặp gỡ học thuật cho giới toán học trong và ngoài nước.

Điều quan trọng là VIASM đã tạo dựng được uy tín cao trong cộng đồng nhà khoa học châu Á và thế giới. Viện cũng xây dựng mạng lưới học giả hội tụ (VIASM Convergence Fellows Program), tức các nhà khoa học thành danh ở nước ngoài về Việt Nam làm việc, với vị trí đồng cơ hữu trong một số tháng nhất định và liên tục nhiều năm. Năm 2026 cũng sẽ có 6-7 học giả hội tụ như thế.

Tuy nhiên, đã đến lúc VIASM cần được đầu tư mạnh mẽ hơn, và xây dựng một hướng đi mới để bứt phá. Tôi cũng không thể đảm nhiệm công việc Giám đốc Khoa học của Viện suốt đời, sẽ có lúc cần chuyển giao cho những người trẻ tiếp quản. Thế nên, 2-3 năm nay, tôi và Ban Giám đốc của Viện tích cực chuẩn bị cho thế hệ kế cận, chủ động mời họ tham gia các công việc của Viện.

– Sau nhiều năm làm việc ở Pháp, rồi sang Mỹ, và gần đây có thông tin cho rằng GS sẽ trở về châu Á để bắt đầu sự nghiệp mới. Kế hoạch của ông thế nào?

– Với tôi, cuộc sống giống như một vòng tròn nhưng không quay lại chỗ cũ sau mỗi vòng quay. 18 năm đầu tôi sinh ra và trưởng thành ở Việt Nam, rồi sang Pháp học và làm việc 18 năm, qua Mỹ cũng đã 18 năm, tới giờ trên con đường trở lại châu Á. Trước đây, tôi không có ý định rời Mỹ dù nhận nhiều lời mời, nhưng một năm qua, tôi bắt đầu thay đổi ý định. Tôi sẽ chính thức bắt đầu công việc ở Đại học Hong Kong từ tháng 6/2026.

Lý do đầu tiên là bố mẹ tôi cũng lớn tuổi nên tôi muốn chuyển về gần Việt Nam hơn. Thêm nữa, nhiều năm qua, một việc tôi rất muốn làm, song chưa thể thực hiện vì thiếu thời gian, cơ hội, đó là trực tiếp đào tạo học sinh, sinh viên trong nước.

Ở Mỹ, mỗi năm tôi về Việt Nam nhiều lắm được hai lần, dịp hè khoảng 2-3 tháng, còn mùa đông xuân thì 2-3 tuần. Trong khi, tôi vẫn đảm trách vị trí Giám đốc Khoa học của VIASM, nên khi về nước thường phải xử lý cả các công việc liên quan đến quản lý, rất mất thời gian.

Nếu ở Hong Kong, 1-2 tuần tôi có thể bay về nước một lần. Tôi dự định trực tiếp đào tạo cho học sinh, sinh viên và các nghiên cứu sinh Việt Nam – điều tôi luôn ấp ủ. Ngoài ra, tôi cũng kỳ vọng xây dựng một mạng lưới nghiên cứu Toán ở châu Á, tập hợp các nhà khoa học trong khu vực. Về Hong Kong, tôi có thể hiện thực hóa ước muốn này.

GS Ngô Bảo Châu (áo xanh, ngồi giữa) cùng các nhà khoa học quốc tế tại hội thảo thường niên của VIASM năm 2023. Ảnh: VIASM
GS Ngô Bảo Châu (áo xanh, ngồi giữa) cùng các nhà khoa học quốc tế tại hội thảo thường niên của VIASM năm 2023. Ảnh: VIASM

– Một nền khoa học mạnh phải đào tạo được những người giỏi, tầm cỡ thế giới. Toán học Việt Nam nhiều năm qua chủ yếu dừng ở mức độ tôn vinh các học sinh đoạt giải Toán quốc tế, còn đội ngũ nghiên cứu tên tuổi khá ít ỏi. Theo GS, làm sao để khắc phục tình trạng này?

– Tôi nghĩ nhiều nhà quản lý cho rằng trong đào tạo cần phải có tự chủ, phải có hạch toán thu chi. Vì thế, các nghiên cứu sinh được nhìn nhận như một nguồn thu tài chính, phải trả học phí. Tư duy đó rất thô sơ.

Trên thế giới, doanh thu của các trường đại học đến từ đào tạo sinh viên, thạc sĩ, nghiên cứu và các khoản tài trợ. Còn nghiên cứu sinh là nơi cần đầu tư, vì đó là những người đang học cách tạo ra tri thức. Đây là công đoạn có thể so sánh với tế bào gốc trong phát triển khoa học, xứng đáng được đầu tư.

Cách đây hơn 5 năm, khi xây dựng Chương trình trọng điểm quốc gia phát triển Toán học giai đoạn 2021-2030, chúng tôi đã đề nghị Nhà nước có học bổng cho nghiên cứu sinh, nhưng đề nghị này đã bị bác do Nghị định về học bổng không có đối tượng sau đại học.

Vì vậy, tôi rất mừng khi Nghị quyết 57 (về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia) đề cập đến sự cần thiết có cơ chế, chính sách hấp dẫn thu hút học sinh, sinh viên giỏi trong các lĩnh vực then chốt, nhất là ở trình độ sau đại học. Mới đây, tôi được biết đã có chủ trương miễn học phí và cấp học bổng ngay từ năm nay cho nghiên cứu sinh tại một số đại học trọng điểm (Đại học Quốc gia Hà Nội, Đại học Quốc gia TP HCM, Đại học Đà Nẵng, và Đại học Bách Khoa Hà Nội – PV). Đây là một hướng đi hoàn toàn đúng, nhưng giá mà điều này được thực hiện từ 5 năm trước!

Tôi hy vọng ngay trong năm 2026, chương trình đào tạo tiến sĩ Toán học xuất sắc phối hợp giữa VIASM và Đại học Quốc gia Hà Nội sẽ được thông báo và chính thức tuyển sinh. Chương trình đặt mục tiêu đào tạo những tiến sĩ có trình độ tương đương các trường, viện tiên tiến trên thế giới, với sự tham gia của các nhà toán học hàng đầu Việt Nam ở trong và ngoài nước.

Tuyển người giỏi phải chủ động

– Nhiều năm qua, Trung Quốc đã thực hiện quyết liệt chương trình thu hút nhân tài từ các nước trên thế giới với sự trở về của hàng loạt học giả nổi tiếng. Không chỉ trải thảm đỏ mời gọi nhà khoa học xuất thân từ Trung Quốc, họ còn tích cực chiêu mộ các giáo sư quốc tế tiếng tăm. Theo ông, điều gì giúp Trung Quốc thành công trong thu hút nhân tài?

– Những năm qua, Trung Quốc đầu tư rất lớn vào khoa học công nghệ, nhất là các ngành mũi nhọn như trí tuệ nhân tạo (AI). Trong cuộc trò chuyện tình cờ giữa tôi với một giáo sư người Pháp từ năm 2018, ông cho biết toàn bộ đầu tư của Pháp về AI mấy năm qua chỉ bằng mức đầu tư của một thành phố Trung Quốc trong một năm. Không chỉ Nhà nước, các công ty tư nhân Trung Quốc và nhiều quốc gia khác cũng đầu tư thành lập các viện nghiên cứu về Toán.

Trong khoa học cơ bản, hơn 15 năm nay, Trung Quốc đã chuẩn bị rất bài bản để tích cực thu hút nhà khoa học tên tuổi khắp thế giới. Ví dụ như kế hoạch Ngàn người tài (Thousand Talents Plan – TTP) được khởi xướng từ năm 2008 nhằm chiêu mộ những bộ óc thông minh đang học tập hoặc làm việc tại nước ngoài.

Ban đầu, việc này khá khó khăn vì không phải ai cũng hào hứng, nhất là các nhà khoa học trẻ. Bởi khi đã thành danh ở quốc tế, họ vẫn cần môi trường nghiên cứu lớn như Mỹ để phát triển. Nhưng dần dần, kế hoạch đã thành công rực rỡ.

Bên cạnh việc đưa ra những lợi ích vật chất như lương bổng, tài trợ để thực hiện nghiên cứu, xây dựng các trung tâm khoa học, tôi nhận thấy sự quyết tâm của lãnh đạo từng trường đại học. Với họ, việc chiêu mộ thành công một nhân tài là thành tích lớn của trường và dành nhiều thời gian, trực tiếp tham gia công việc này. Họ không chờ các nhân tài tự ứng cử.

Nhiệm vụ tìm kiếm nhân tài được giao cho hiệu trưởng, và họ hiểu rõ rằng chỉ có thu hút được những người giỏi thì mới có thể xây dựng đội ngũ khoa học chất lượng. Các nhà khoa học hàng đầu được mời về sẽ trở thành thỏi nam châm để thu hút những tên tuổi lớn khác.

Giờ đây, ở những trường lớn như Đại học Thanh Hoa, Đại học Bắc Kinh, đội ngũ nhà nghiên cứu trẻ không thua kém gì các đại học lớn nhất Mỹ, với số lượng áp đảo hơn. Nghiên cứu khoa học về Toán của Trung Quốc thay đổi rõ rệt trong 5 năm gần đây. Và quan trọng, kế hoạch thu hút nhân tài của họ chưa dừng lại, mà ngày càng quyết liệt hơn.

– Từ kinh nghiệm cá nhân, theo ông làm thế nào thu hút người tài?

– Tôi giữ vị trí Trưởng khoa Toán ở Đại học Chicago (Mỹ) gần ba năm nay, vì thế cũng đúc rút thêm nhiều kinh nghiệm trong việc tuyển mộ người tài.

Để tuyển được một nhà khoa học giỏi rất khó vì tỷ lệ cạnh tranh rất cao. Họ luôn có sẵn 3 – 4 trường đại học lớn mời chào. Mỗi trường có một gói đề xuất khác nhau về tài chính, bao gồm lương và quỹ hoạt động khoa học, họ được toàn quyền sử dụng, không phải hỏi ý kiến. Đó là lợi ích về vật chất, bắt buộc phải cạnh tranh.

Khi các quyền lợi vật chất là như nhau, thì người ta sẽ xét những yếu tố khác quan trọng không kém, như cơ hội phát triển khoa học, có nghiên cứu sinh giỏi, có sinh viên giỏi. Ở Đại học Chicago, chúng tôi có không khí khoa học sôi nổi, thường mời các nhà khoa học hàng đầu đến trao đổi. Bên cạnh chỗ dựa tài chính vững chắc, điểm khác biệt là tạo được môi trường mà ở đó nhà khoa học được thực hiện đúng thiên chức của mình, đó là tìm ra tri thức mới và đào tạo các nhà khoa học tương lai.

Khi lựa chọn về Hong Kong, dù hiểu rằng môi trường khoa học chưa bằng các đại học lớn ở Mỹ, nhưng tôi chấp nhận đánh đổi. Tôi nghĩ ở tuổi mình thì phải tự tạo ra không khí đó, chứ không chỉ thụ hưởng.

GS Ngô Bảo Châu chia sẻ tại Hội thảo kỷ niệm 50 năm Việt Nam tham dự Olympic Toán học quốc tế (1974-2024). Ảnh: VIASM
GS Ngô Bảo Châu chia sẻ tại Hội thảo kỷ niệm 50 năm Việt Nam tham dự Olympic Toán học quốc tế (1974-2024). Ảnh: VIASM

– Không chỉ muốn thu hút nhân tài, Việt Nam cũng mong muốn có các nghiên cứu khoa học tầm cỡ thế giới. Theo ông, Việt Nam cần làm gì để đạt mục tiêu này?

– Về cơ bản, cách đánh giá chất lượng công trình khoa học hiện nay tại Việt Nam chủ yếu dựa vào các chỉ số như số lượng công bố nằm trong một bảng xếp hạng quốc tế. Những chỉ số đó chỉ cho phép đánh giá xem mình ở vị trí trên trung bình hay không. Vì thế, nếu chúng ta theo đuổi các chỉ số này, sẽ không bao giờ vươn lên vị trí dẫn đầu.

Tôi nghĩ không nên đặt trọng tâm vào các con số, mà phải thay bằng các cách thức khác, thực ra lại dễ kiểm chứng hơn.

Nếu muốn đánh giá một nền khoa học có đủ tầm quốc tế, chúng ta hãy xem những nghiên cứu sinh mà họ đào tạo có đủ khả năng cạnh tranh quốc tế hay không.

Với đội ngũ giảng viên, hiện nhiều trường còn chưa đủ giáo sư cơ hữu. Do đó, chúng ta nên xây dựng cơ chế bán thời gian, đưa nhà khoa học nước ngoài về nước. Điểm mấu chốt là phải đào tạo ở Việt Nam, chứ không chỉ gửi ra nước ngoài. Chúng ta cần xây dựng nội lực từ trong nước.

Đại học muốn có nghiên cứu sinh giỏi cần đầu vào là sinh viên giỏi, và để có sinh viên giỏi cần chuẩn bị từ lớp dưới. Lứa học sinh chuyên toán có rất nhiều em giỏi, năng lực giải toán ấn tượng, nhưng đa số không được tiếp xúc với toán cao cấp hay nghiên cứu về toán. Do đó, thời gian tới, tôi muốn tổ chức các khóa học/seminar định kỳ, mục tiêu để các em sinh viên, học sinh làm quen với nghiên cứu toán cơ bản. Đó chính là nhóm nghiên cứu sinh tương lai sau này.

– Việt Nam đặt mục tiêu trở thành cường quốc khoa học công nghệ, nhất là về trí tuệ nhân tạo (AI). Tổng Bí thư Tô Lâm cũng từng nhấn mạnh phải quan tâm đến khoa học cơ bản, và đặc biệt là toán học lý thuyết thì mới có được AI, công nghệ sinh học, lượng tử… Theo Giáo sư, toán học có thể đóng góp vào mục tiêu này thế nào?

– Bối cảnh hiện nay chứng kiến sự trỗi dậy mạnh mẽ của AI. Các trường đại học trên thế giới đều có sự chuyển dịch mạnh mẽ. Mức độ đầu tư vào AI ngày càng khủng khiếp. Dẫu phát triển nhanh chóng, nó vẫn còn rất nhiều ẩn số, nhất là độ tin cậy.

Các công ty AI hiện đang đầu tư vào toán học với chi phí khổng lồ. Hiệu quả được đánh giá thông qua việc AI có thể giải toán được hay không. Việc tạo ra các thuật toán để giải quyết các bài toán mở là thước đo rất quan trọng để xác định mức độ tinh xảo, rủi ro, khả năng suy luận của AI.

Tôi nghĩ rằng, với sự phát triển của AI như bây giờ, nếu không đầu tư mạnh mẽ vào các môn khoa học về toán (Mathematical Sciences) chắc chắn chúng ta sẽ bị tụt hậu. Đó là vấn đề cấp thiết cho tương lai của bất kỳ nước nào, không chỉ riêng Việt Nam.

Với Việt Nam, tôi thấy sự chuyển mình rất mạnh mẽ những năm gần đây. Đặc biệt, giới khoa học rất phấn khởi với Nghị quyết 57. Bản thân tôi cũng rất vui và cho rằng đây là hướng đi đúng đắn và chúng ta không có lựa chọn nào khác. Tôi hy vọng rằng những chính sách này sẽ sớm được triển khai, hiện thực hóa.

Thành Nam – Mây Trinh – Lộc Chung
Nguồn: VnExpress

Matthew Walker – “Tại sao chúng ta lại ngủ” (Why We Sleep)

Cuốn sách “Tại sao chúng ta lại ngủ” (Why We Sleep) của Giáo sư Matthew Walker là một trong những công trình nghiên cứu toàn diện nhất về giấc ngủ. Walker không chỉ giải thích cơ chế sinh học mà còn đưa ra lời cảnh báo đanh thép về “đại dịch thiếu ngủ” đang tàn phá sức khỏe hiện đại.

1. Hai “ông chủ” điều hành giấc ngủ

Để hiểu tại sao chúng ta ngủ và thức, Walker giới thiệu hai cơ chế chính:

  • Nhịp sinh học (Circadian rhythm): Một chiếc đồng hồ nội tâm kéo dài khoảng 24 giờ, giúp xác định khi nào bạn muốn thức và khi nào bạn muốn ngủ, điều khiển bởi hormone Melatonin. Metatonin báo hiệu cho cơ thể biết khi nào cần đi ngủ dựa trên ánh sáng môi trường.
  • Áp lực ngủ (Sleep pressure): Một hợp chất hóa học tên là Adenosine tích tụ trong não mỗi giây bạn thức giấc. Khi nồng độ Adenosine đủ cao, bạn sẽ cảm thấy cực kỳ buồn ngủ. Caffein hoạt động bằng cách “tạm khóa” các thụ thể Adenosine (vị trí chào đón Adenosine bên trong não bộ), đánh lừa não bộ rằng bạn chưa mệt.

2. Cấu trúc của giấc ngủ: NREM và REM

Giấc ngủ không phải là một trạng thái đồng nhất mà là một chu kỳ lặp lại (mỗi chu kỳ khoảng 90 phút) gồm hai loại chính:

  • Ngủ NREM (giấc ngủ mắt không chuyển động nhanh – Non-Rapid Eye Movement sleep, hay còn gọi là Ngủ sâu): Giúp “dọn dẹp” và lưu trữ thông tin, chuyển ký thực từ bộ nhớ ngắn hạn sang bộ nhớ dài hạn. Đây là giai đoạn phục hồi thể chất.
  • Ngủ REM (giấc ngủ mắt chuyển động nhanh – Raid Eye Movement – hay còn gọi là Ngủ mơ): Giai đoạn não bộ hoạt động mạnh mẽ như khi thức. Đây là lúc chúng ta sáng tạo, giải quyết các xung đột cảm xúc và kết nối các ý tưởng rời rạc lại với nhau.

3. Hậu quả kinh hoàng của việc thiếu ngủ

Walker khẳng định: “Giấc ngủ càng ngắn, vòng đời càng ngắn.” Việc thiếu ngủ (dưới 7-8 tiếng mỗi đêm) dẫn đến những hệ lụy:

  • Sức khỏe tâm thần: Tăng nguy cơ trầm cảm, lo âu và suy giảm khả năng kiểm soát cảm xúc.
  • Bệnh nan y: Liên quan trực tiếp đến ung thư, Alzheimer, tiểu đường tuýp 2 và các bệnh tim mạch.
  • Hệ miễn dịch: Chỉ sau một đêm ngủ 4 tiếng, các tế bào tiêu diệt tự nhiên (sát thủ chống ung thư) giảm tới 70%.
  • An toàn: Thiếu ngủ gây ra tình trạng “vi giấc ngủ” (micro-sleep), là nguyên nhân gây ra nhiều vụ tai nạn giao thông hơn cả rượu bia và chất kích thích cộng lại.

4. Những kẻ thù của giấc ngủ hiện đại

Cuốn sách chỉ ra những yếu tố đang “đánh cắp” giấc ngủ của chúng ta:

  1. Ánh sáng xanh: Từ màn hình điện thoại/laptop ức chế sản sinh Melatonin.
  2. Nhiệt độ: Phòng quá ấm khiến cơ thể khó hạ nhiệt độ lõi để đi vào giấc ngủ (nhiệt độ lý tưởng là khoảng 18.3°C).
  3. Rượu và Thuốc ngủ: Walker nhấn mạnh rượu không giúp bạn ngủ ngon, nó chỉ làm bạn “bất tỉnh”. Nó tiêu diệt giấc ngủ REM. Thuốc ngủ cũng chỉ tạo ra trạng thái an thần giả tạo, không mang lại giá trị phục hồi như giấc ngủ tự nhiên.

=> 5 Lời khuyên để có giấc ngủ ngon nhất:

  • Tuân thủ lịch trình: Đi ngủ và thức dậy vào cùng một thời điểm mỗi ngày (kể cả cuối tuần).
  • Giữ không gian mát mẻ: Cơ thể cần giảm nhiệt độ để bắt đầu ngủ.
  • Hạn chế ánh sáng: Tắt bớt đèn một tiếng trước khi ngủ.
  • Tránh Caffein và Rượu: Đặc biệt là vào buổi chiều và tối.
  • Đừng nằm trên giường nếu không ngủ được: Nếu sau 20 phút vẫn tỉnh táo, hãy dậy làm việc gì đó nhẹ nhàng dưới ánh sáng mờ cho đến khi thấy buồn ngủ trở lại.

“Giấc ngủ là nỗ lực của mẹ thiên nhiên nhằm chống lại cái chết.” – Matthew Walker

5. Quan điểm giấc ngủ và giáo dục:

Quan điểm của Walker là chúng ta không thể “ép” não bộ học tập nếu không cung cấp đủ “nhiên liệu” là giấc ngủ. Ông kêu gọi các nhà giáo dục cần nhìn nhận giấc ngủ là một phần của chương trình học chứ không phải là đối thủ của nó. Walker cổ súy việc lùi thời gian bắt đầu học tại trường như cách các trường ở châu Âu đã áp dụng.

Xem bài chi tiết về quan điểm của Walker về giấc ngủ và giáo dục tại đây: https://knvm.vn/2026/02/06/co-mot-ngan-hang-ky-uc-mang-ten-giac-ngu-dung-de-hoc-sinh-bi-pha-san/

TS Nguyễn Sĩ Dũng: CHÀO 2026 – CHÀO KỶ NGUYÊN VƯƠN MÌNH!

(Chinhphu.vn) – Chào 2026 – năm khởi đầu của một kỷ nguyên mới – kỷ nguyên vươn mình của một dân tộc anh hùng. Cả nước đã cùng nhau vượt qua bao khó khăn thách thức của năm 2025 để cùng bước vào năm mới 2026 với bao điều tốt đẹp và một niềm tin mãnh liệt vào tương lai tươi sáng đang ở phía trước.

Năm 2025 khép lại với vai trò của một năm chuẩn bị quan trọng về tư duy phát triển, về thể chế, về các định hướng chiến lược lớn. Bước sang 2026, Việt Nam đứng trước yêu cầu chuyển từ chuẩn bị sang triển khai, từ hoạch định sang tổ chức thực hiện. Những quyết sách lớn được xác lập tại Đại hội XIV sẽ trở thành nền tảng để toàn hệ thống chính trị và toàn xã hội bước vào chặng đường hành động mới, với mục tiêu nâng cao chất lượng phát triển và năng lực cạnh tranh quốc gia, quốc gia hùng cường và thịnh vượng, người dân ấm no hạnh phúc hơn.

Chính trong bối cảnh đó, 2026 có thể được nhìn nhận như năm khai mở kỷ nguyên vươn mình – kỷ nguyên bắt đầu bằng việc xác lập tầm nhìn nhiệm kỳ mới, và được hiện thực hóa bằng những chuyển động cải cách thực chất ngay từ những ngày tháng đầu tiên.

Vươn mình không phải là một cố gắng mang tính thời điểm. Đó là tâm thế, trạng thái phát triển của một quốc gia khi đã tích lũy đủ nền tảng, đủ trải nghiệm và đủ bản lĩnh để chuyển từ “đi nhanh” sang “đi xa”, từ thích ứng với hoàn cảnh sang chủ động kiến tạo tương lai. Sau gần bốn thập kỷ Đổi mới, Việt Nam đang đứng trước thời cơ và vận hội mới.

2026 trước hết là năm khai mở về tư duy phát triển. Tư duy ấy được thể hiện ở sự dịch chuyển rõ nét từ quản lý sang kiến tạo, từ điều hành nặng về mệnh lệnh sang điều hành dựa trên luật lệ, dữ liệu và hiệu quả. Phát triển không còn được hiểu chủ yếu là mở rộng quy mô, mà là nâng cao chất lượng tăng trưởng, năng suất lao động và sức bền của nền kinh tế. Đi nhanh vẫn quan trọng, nhưng đi vững, đi bền và đi đúng hướng mới là điều quyết định trong bối cảnh cạnh tranh toàn cầu ngày càng gay gắt – phát triển nhanh nhưng phải bền vững, tăng trưởng cao nhưng phải đi cùng ổn định, tiến bộ và công bằng xã hội.

2026 đồng thời là năm khai mở những động lực phát triển mới. Những động lực ấy không đến từ một yếu tố đơn lẻ, mà từ sự cộng hưởng của nhiều trụ cột. Đó là một thể chế tiếp tục được hoàn thiện theo hướng minh bạch, ổn định, lấy hiệu quả và phục vụ phát triển làm thước đo. Đó là khoa học-công nghệ, đổi mới sáng tạo và chuyển đổi số từng bước trở thành năng lực nền tảng của nền kinh tế, chứ không chỉ là lĩnh vực hỗ trợ.

Cùng với đó là vai trò ngày càng rõ nét của khu vực kinh tế tư nhân, của đội ngũ doanh nhân, trí thức, người lao động sáng tạo- những chủ thể trực tiếp tạo ra của cải vật chất, việc làm và sức sống cho nền kinh tế. Khi các rào cản được tháo gỡ, khi môi trường kinh doanh trở nên minh bạch, công bằng hơn và có thể dự đoán, những nguồn lực đang tiềm ẩn, chưa được phát huy hết trong xã hội sẽ được khơi thông mạnh mẽ hơn, bất kỳ ai có mong muốn, đều có cơ hội để làm giàu, đóng góp vào phát triển đất nước.

Đại hội XIV được kỳ vọng sẽ tiếp tục củng cố những định hướng lớn ấy, tạo ra khuôn khổ chính sách và niềm tin cần thiết để các động lực mới phát huy hiệu quả ngay từ những năm đầu nhiệm kỳ.

CHÀO 2026 - CHÀO KỶ NGUYÊN VƯƠN MÌNH!- Ảnh 3.
Người dân hân hoan chào đón năm mới 2026 – Ảnh: TTXVN

2026 là năm khai mở về niềm tin xã hội. Không có kỷ nguyên phát triển nào có thể hình thành nếu thiếu niềm tin. Niềm tin của người dân vào sự nhất quán, công bằng và hiệu lực của chính sách. Niềm tin của doanh nghiệp vào một môi trường đầu tư ổn định, minh bạch và được bảo vệ bằng pháp luật. Niềm tin của xã hội rằng nỗ lực chân chính sẽ được ghi nhận, sáng tạo sẽ được khuyến khích và cống hiến sẽ được trân trọng.

Chào đón năm 2026, chúng ta cũng ý thức rõ rằng con đường phía trước không chỉ có thuận lợi. Thế giới đang biến động nhanh chóng, khó lường; cạnh tranh chiến lược gia tăng; các thách thức về kinh tế, môi trường và an ninh phi truyền thống ngày càng phức tạp. Nhưng chính trong bối cảnh đó, bản lĩnh của một quốc gia càng được tôi luyện và khẳng định.

Chào 2026 – năm khai mở kỷ nguyên vươn mình của đất nước! Năm 2026 mở ra không chỉ như một mốc thời gian mới, mà như một lời cam kết với tương lai: Cam kết biến những định hướng lớn của nhiệm kỳ mới thành hành động cụ thể, biến khát vọng phát triển thành kết quả có thể đo đếm trong đời sống của nhân dân. Một kỷ nguyên vươn mình được tạo nên bằng sự bền bỉ của cải cách, sự chính trực của điều hành và sự đồng lòng của toàn xã hội.

Lịch sử không hỏi chúng ta đã ước mơ điều gì, mà hỏi chúng ta đã dám làm gì để đạt cho được ước mơ ấy.

TS. Nguyễn Sĩ Dũng

Nguồn: Báo Điện tử Chính phủ.

Mục tiêu và giải pháp trọng tâm về giáo dục đại học Việt Nam trong Nghị quyết 71/NQ-TW

Thay mặt Bộ Chính trị, ngày 22/8/2025, Tổng Bí thư Tô Lâm đã ký ban hành Nghị quyết của Bộ Chính trị về đột phá phát triển giáo dục và đào tạo (Nghị quyết số 71-NQ/TW). Sau đây là tổng hợp các mục tiêu và giải pháp trọng tâm về giáo dục đại học Việt Nam được nêu trong Nghị quyết 71-NQ/TW:

🎯 Mục tiêu về giáo dục đại học:

Đến năm 2030

  • Sắp xếp và nâng cấp mạng lưới cơ sở GDĐH và GD nghề nghiệp;
    • 100% cơ sở GDĐH và ít nhất 80% cơ sở GD nghề nghiệp đạt chuẩn quốc gia.
    • 20% cơ sở đạt trình độ hiện đại tương đương các nước phát triển châu Á.
  • Tỷ lệ thanh niên theo học sau trung học phổ thông đạt 50%, trong đó 24% có trình độ cao đẳng, đại học trở lên.
  • Tỷ lệ SV theo học các ngành khoa học cơ bản, kỹ thuật, công nghệ ≥ 35%.
  • Ít nhất 6.000 NCS, 20.000 SV theo chương trình tài năng.
  • Nâng tầm đại học trở thành trung tâm nghiên cứu, đổi mới sáng tạo, khởi nghiệp quốc gia và vùng.
  • Thu hút ít nhất 2.000 giảng viên giỏi từ nước ngoài.
  • Tăng 12%/năm công bố khoa học quốc tế; 16%/năm số sáng chế.
  • Có ≥ 8 trường đại học vào top 200 châu Á, ≥ 1 trường vào top 100 thế giới theo lĩnh vực.

Đến năm 2035

  • Hệ thống GDĐH hiện đại, chất lượng, công bằng.
  • 2 cơ sở GDĐH lọt top 100 thế giới trong một số lĩnh vực.

Tầm nhìn 2045

  • Việt Nam có hệ thống GDĐH hiện đại, công bằng, chất lượng, thuộc top 20 quốc gia hàng đầu thế giới.
  • Có ít nhất 5 trường đại học thuộc nhóm 100 đại học hàng đầu thế giới (theo lĩnh vực).
  • GDĐH là động lực cung cấp nhân lực, nhân tài KH-CN cho đất nước phát triển, thu nhập cao.

🛠 Giải pháp trọng tâm về giáo dục đại học

  1. Hoàn thiện thể chế và quản trị đại học
    • Sắp xếp, tái cấu trúc mạng lưới cơ sở GDĐH; giải thể, sáp nhập trường không đạt chuẩn.
    • Xóa bỏ cấp trung gian; nghiên cứu sáp nhập viện nghiên cứu vào ĐH.
    • Tăng quyền tự chủ toàn diện cho ĐH (nhân sự, tài chính, tuyển dụng GS/PGS…).
    • Đổi mới cơ chế tài chính: phân bổ NSNN dựa trên sứ mạng, chất lượng, hiệu quả; dành ≥ 3% NSNN cho GDĐH.
  2. Đầu tư trọng điểm
    • Hiện đại hóa hạ tầng, phòng thí nghiệm, trung tâm nghiên cứu tại các trường trọng điểm.
    • Phát triển 3–5 đại học tinh hoa theo mô hình đại học nghiên cứu đẳng cấp quốc tế.
    • Khuyến khích phát triển các khu đô thị công nghệ cao – đại học, mô hình đại học đổi mới sáng tạo.
  3. Phát triển đội ngũ giảng viên và nhân lực nghiên cứu
    • Tăng cường bồi dưỡng, hỗ trợ giảng viên học tập nâng cao trong và ngoài nước.
    • Chính sách ưu đãi vượt trội để thu hút giảng viên, nhà khoa học quốc tế.
    • Thực hiện chế độ giảng viên đồng cơ hữu, huy động người giỏi tham gia giảng dạy và nghiên cứu.
  4. Đổi mới chương trình và phương thức đào tạo
    • Chuẩn hóa theo chuẩn quốc tế; tích hợp kiến thức AI, phân tích dữ liệu, khởi nghiệp.
    • Gắn đào tạo sau đại học với nghiên cứu KH-CN và đổi mới sáng tạo.
    • Đổi mới tuyển sinh theo hướng đánh giá năng lực, kiểm soát chuẩn đầu vào, đầu ra.
  5. Thúc đẩy hệ sinh thái đổi mới sáng tạo & khởi nghiệp
    • Gắn kết Nhà nước – Nhà trường – Doanh nghiệp.
    • Hỗ trợ giảng viên, sinh viên triển khai startup, spin-off, dự án đổi mới sáng tạo.
  6. Hội nhập quốc tế sâu rộng
    • Hợp tác liên kết với các đại học uy tín, doanh nghiệp lớn quốc tế.
    • Thu hút đầu tư nước ngoài vào GDĐH.
    • Khuyến khích các ĐH Việt Nam mở phân hiệu, văn phòng đại diện ở nước ngoài.
    • Đẩy mạnh hợp tác đào tạo xuyên biên giới, giáo dục số.

👉 Tóm lại, giáo dục đại học được xác định là nòng cốt để phát triển nhân lực trình độ cao, dẫn dắt nghiên cứu – đổi mới sáng tạo, với mục tiêu đưa Việt Nam vào nhóm top 20 quốc gia hàng đầu thế giới về giáo dục vào năm 2045.

Các loại thông tin cần thiết trong một doanh nghiệp hiệu quả

Bài viết này mô tả các loại dữ liệu khác nhau mà một doanh nghiệp hiệu quả cần. Các loại dữ liệu doanh nghiệp mà chúng ta sẽ thảo luận bao gồm: dữ liệu chiến lược (strategic data), dữ liệu chiến thuật (tactical data), dữ liệu lịch sử (historical data), và dữ liệu giao dịch (transactional data).

  • Dữ liệu chiến lược là loại dữ liệu được sử dụng bởi ban lãnh đạo cấp cao để đưa ra các quyết định và cần thiết cho việc lập kế hoạch dài hạn. Loại dữ liệu này có thể bao gồm thông tin như môi trường kinh doanh, dự báo kinh doanh, dự báo doanh số, dự báo nhà cung cấp và các loại thông tin khác ảnh hưởng đến toàn bộ doanh nghiệp, giúp đưa ra những quyết định có tác động sâu rộng. Loại dữ liệu này liên quan đến các quyết định có tầm nhìn xa, từ 1 năm, 5 năm, đến 10 hoặc 20 năm. Khi doanh nghiệp có thể đưa ra quyết định dựa trên loại dữ liệu này, họ có thể thiết lập các mục tiêu chiến thuật, dẫn đến phần tiếp theo: dữ liệu chiến thuật.
  • Dữ liệu chiến thuật là loại dữ liệu được các nhà quản lý sử dụng để vận hành doanh nghiệp hàng ngày. Dữ liệu này cần thiết để đạt được các mục tiêu ngắn hạn, được đặt ra nhằm giúp doanh nghiệp từng bước tiến tới các mục tiêu dài hạn. Nó có thể bao gồm dữ liệu ở cấp độ đơn vị hoặc nhóm, chẳng hạn như dữ liệu chỉ liên quan đến nhóm tiếp thị hoặc đơn vị bán sản phẩm cụ thể.
  • Dữ liệu lịch sử bao gồm tất cả các dữ liệu chiến lược và chiến thuật trong quá khứ. Loại dữ liệu này cần thiết để hiểu xu hướng và thiết lập các tiêu chuẩn. Ví dụ, làm sao bạn biết mình đang nhận được một mức giá tốt nếu không biết dữ liệu lịch sử về giá mà nhà cung cấp đã từng cung cấp? Hoặc làm sao bạn biết giá thuê bất động sản hợp lý nếu không biết giá thị trường trước đây? Dữ liệu lịch sử cũng rất quan trọng để hiểu doanh nghiệp đã ở đâu, từ đó đưa ra quyết định tốt hơn về nơi doanh nghiệp sẽ đi tới.
  • Dữ liệu giao dịch là dữ liệu mô tả một sự kiện hoặc giao dịch xảy ra trong quá trình vận hành doanh nghiệp. Tất cả mọi thứ liên quan đến hoạt động kinh doanh, từ việc lập hóa đơn cho khách hàng, trả lương cho nhân viên, đến số lượng hàng tồn kho, đều thuộc loại dữ liệu này. Nếu bạn có một doanh nghiệp với hàng tồn kho vật lý, dữ liệu giao dịch bao gồm cả số lượng tồn kho. Dữ liệu này không chỉ hữu ích làm tham chiếu để đưa ra các quyết định trong tương lai, mà còn cần thiết cho các mục đích báo cáo tài chính và thuế.

Trên đây các loại dữ liệu khác nhau mà một doanh nghiệp hiệu quả cần.

Bạn đọc có thể đọc thêm bài Phân loại thông tin.

Đề xuất hệ thống (system proposal)

Đề xuất hệ thống là một tài liệu kết hợp các tư liệu được tạo ra từ quá trình hoạch định và phân tích hệ thống.

Một đề xuất hệ thống thường bao gồm tóm tắt mục tiêu của hệ thống (executive summary), các yêu cầu của hệ thống, kế hoạch triển khai, phân tích khả thi, định nghĩa các yêu cầu và các mô hình (sơ đồ) phân tích diễn tả hệ thống mới. Các mô hình phân tích bao gồm phân tích chức năng, phân tích cấu trúc và phân tích hành vi. Tùy thuộc vào từng tổ chức và khách hàng mà có thể có thêm những đặc tả chi tiết hơn kèm theo. Ví dụ Bộ Thông tin và Truyền thông của Việt Nam, Bộ Quốc phòng Mỹ, NASA, IEEE/ANSI đều có những mẫu rất chi tiết cần phải tuân thủ.

Phần tóm tắt mục tiêu của hệ thống cung cấp tất cả thông tin quan trọng theo một mẫu cô đọng. Nó có thể coi là tóm tắt của cả đề xuất hệ thống. Mục tiêu của tóm tắt này là để giúp cho những lãnh đạo cấp cao bận rộn có thể nhanh chóng đọc qua và xác định xem phần nào của đề xuất hệ thống họ cần lưu ý đọc kỹ hơn. Phần tóm tắt này thường không dài quá một trang giấy. Nó thường bao gồm một phần mô tả vấn đề mà hệ thống cần giải quyết, các thông tin nền tảng cần thiết để hiểu vấn đề đó và để hiểu giải pháp được đề xuất, một mô tả của các lựa chọn giải pháp khác đã được cân nhắc và loại bỏ, và các điểm chính của giải pháp được đề xuất.

Dưới đây là một mẫu tham khảo cho đề xuất hệ thống:

1. Mục lục

2. Tóm tắt mục tiêu

Bản tóm tắt các thông tin quan trọng nhất của bản đề xuất này để những lãnh đạo quản lý bận rộn có thể đọc nhanh chóng nắm được nội dung chính, đồng thời quyết định xem phần nào của bản đề xuất họ sẽ cần đọc kỹ hơn.

3. Yêu cầu nghiệp vụ

Kết quả của quá trình hoạch định hệ thống, bao gồm các ý tưởng chung cho hệ thống mới (nhu cầu về nghiệp vụ, hệ thống mới hỗ trợ các nhu cầu nghiệp vụ để tạo ra giá trị cho doanh nghiệp như thế nào), xác định phạm vi dự án, và kế hoạch triển khai ban đầu.

4. Kế hoạch triển khai

Bản kế hoạch triển khai: từ kế hoạch triển khai ban đầu được rà soát cập nhật sau khi hoàn thành quá trình phân tích.

5. Phân tích khả thi

Bản phân tích khả thi được rà soát bằng cách sử dụng các thông tin có được từ quá trình phân tích.

6. Định nghĩa yêu cầu

Danh sách những yêu cầu nghiệp vụ chức năng và phi chức năng cho hệ thống.

7. Phân tích chức năng

Các biểu đồ trường hợp sử dụng, các biểu đồ hoạt động, và các mô tả trường hợp sử dụng dùng để thể hiện những quy trình cơ bản hoặc chức năng bên ngoài mà hệ thống cần hỗ trợ.

8. Phân tích cấu trúc

Các biểu đồ lớp và các biểu đồ đối tượng để mô tả các khía cạnh cấu trúc của hệ thống cần xây dựng. Phần này cũng có thể bao gồm cả phân tích cấu trúc của hệ thống hiện tại cần được thay thế.

9. Phân tích hành vi

Các biểu đồ hoạt động, biểu đồ trình tự, biểu đồ hành vi-trạng thái, và ma trận CRUDE để mô tả hành vi nội bộ của hệ thống cần xây dựng. Phần này cũng có thể bao gồm cả phân tích hành vi của hệ thống hiện tại cần được thay thế.

10. Các phụ lục

Bao gồm các thông tin bổ sung liên quan đến bản đề xuất hệ thống, thường được sử dụng để củng cố thêm giải pháp đề xuất. Các phụ lục này có thể là kết quả của thăm dò hay phỏng vấn, các báo cáo và thống kê ngành…

Nguồn tham khảo: Alan Dennis, Barbara Wixom, David Tegarden (2020), Systems Analysis and Design: An Object-Oriented Approach with UML, 6th Edition, Wiley.