Các công ty tìm kiếm AI + X (1)

Tìm kiếm các chuyên gia AI + X

Thị trường nhân sự hiện tại đang có nhu cầu cao đối với các nhân sự có kỹ năng AI. Nhưng bạn có thể tưởng tượng rằng các nhà tuyển dụng muốn tìm được một người hiểu cả AI và di truyền học, AI và năng lượng, hay AI và tâm lý học sẽ khó hơn như thế nào không? Hãy gọi những nghề nghiệp mới nổi này là “AI + X”.

Các doanh nghiệp lớn đang đầu tư hàng triệu USD để thuê các cá nhân AI + X và đào tạo các chuyên gia của họ về AI. Các nhà khoa học, kỹ sư và nhà phân tích từ nhiều lĩnh vực khác nhau có khả năng tính toán và lập trình tốt có thể nhanh chóng tiếp thu những kiến ​​thức cơ bản của AI: máy học, khoa học dữ liệu và/hoặc kỹ năng kỹ thuật phần mềm. Các cá nhân AI + X có thể làm việc hiệu quả, cho phép các công ty nắm bắt các cơ hội kinh doanh mới nhanh chóng hơn. Đào tạo một kỹ sư hệ thống điện về AI có thể mất hàng tháng, nhưng đào tạo một học viên AI để hiểu hệ thống điện có thể mất nhiều năm trước khi có kết quả. Rõ ràng là đào tạo một chuyên gia từ một lĩnh vực khác để phát triển các kỹ năng AI là một khoản đầu tư tốt hơn nhiều.

Giải quyết các vấn đề trong thế giới thực với AI đòi hỏi chuyên môn sâu về chủ đề liên quan

Là một chuyên gia AI + X, bạn hoàn toàn đủ điều kiện để xây dựng các mô hình ứng dụng cho các lĩnh vực chuyên môn. Trong y học, bạn có thể xây dựng một mô hình với độ chính xác là 95% để đánh giá xem một bệnh nhân có cần phải phẫu thuật ung thư hay không do thực hiện phẫu thuật sẽ gây nguy hiểm đến bệnh nhân. Là một nhà khoa học dữ liệu, bạn không thể biết con số đó là tốt hay xấu. Nhưng nếu bạn cũng là người hiểu về ung thư, bạn sẽ hiểu tác động của kết quả 5% chưa chuẩn xác còn lại đối với bệnh nhân, cũng như những vấn đề mà bệnh viện hoặc bác sĩ chỉ định thực hiện những phẫu thuật không cần thiết phải đối mặt. Bạn sẽ biết số liệu và kết quả nào có thể chấp nhận được và mô hình phải được tối ưu hóa hơn nữa ở đâu. Đặc điểm này là một phần quan trọng trong việc xây dựng và triển khai các mô hình AI thành công và chỉ có thể xảy ra khi bạn có chuyên môn về lĩnh vực liên quan.

Tại Đại học Stanford, trong lớp học sâu (Deep Learning) của hai giảng viên Andrew Ng và Kian Katanforoos, hai phần ba sinh viên của họ đến từ các chuyên ngành bên ngoài khoa khoa học máy tính - từ kỹ thuật hóa học đến vật lý thiên văn và luật. Trên thực tế, những sinh viên không thuộc khoa khoa học máy tính có thành tích ngang bằng và thường tốt hơn những sinh viên theo học bằng khoa học máy tính, miễn là họ có đủ nền tảng về các kỹ năng cơ bản. Nhiều người trong số họ đã giành được các giải thưởng và một số thậm chí đã công bố kết quả của họ trên các tạp chí đầu ngành.

Đội ngũ giảng viên của Stanford đã tìm ra ba lý do chính cho việc sinh viên không thuộc ngành khoa học máy tính lại tạo ra hiệu quả tốt trong việc cung cấp các dự án AI chất lượng cao, đó là:

Chuyên môn về chủ đề/lĩnh vực liên quan: Điều này cho phép các sinh viên không thuộc khoa học máy tính hiểu dữ liệu của họ và giải thích kết quả nhanh chóng. Để hình dung mức độ quan trọng của điều này, hãy tưởng tượng một người không nói tiếng Hindi đang cố gắng xây dựng bộ tổng hợp chuyển văn bản thành giọng nói tiếng Hindi. Điều đó hầu như không thể. Tuy nhiên, Dinesh Chaudhary đã làm được điều đó trong 10 tuần vì anh ấy là người bản xứ.

Quyền truy cập vào dữ liệu: Họ có quyền truy cập nhanh hơn vào dữ liệu dành riêng cho ứng dụng so với sinh viên khoa học máy tính, qua mạng lưới của họ, chẳng hạn như từ các phòng thí nghiệm. Tương tự như vậy, nếu bạn là một kỹ sư kết cấu cho một công ty dầu khí, bạn sẽ có nhiều lợi thế hơn trong lĩnh vực mà một kỹ sư học máy tại một công ty công nghệ không bao giờ có được.

Thời gian và Đam mê: Những sinh viên này có xu hướng dành nhiều thời gian hơn cho các dự án AI của họ bởi vì đó không chỉ là một cách tiếp cận mới lạ, thường là mang tính đột phá, đối với lĩnh vực chuyên môn của họ mà còn vì họ cảm thấy yêu thích những gì họ làm.

Nếu được đào tạo phù hợp, các chuyên gia về chủ đề/lĩnh vực liên quan có thể giải quyết hiệu quả các vấn đề trong thế giới thực bằng AI trong vài tháng. Trong bối cảnh kinh doanh, đây có thể là yếu tố cho phép các công ty có thể xác định xu hướng trong dữ liệu họ đang khai thác trong điều kiện tài chính không quá sung túc hoặc sớm hơn các đối thủ chậm chân.

Cơ hội của các chuyên gia AI +X trong ngành năng lượng

Điện là một loại hàng hóa có thể được mua, bán và trao đổi trên thị trường mở. Để các thị trường này hoạt động hiệu quả, một lượng lớn dữ liệu - từ dự báo thời tiết đến cân bằng cung/cầu lưới điện - phải được người bán, người mua phân tích liên tục. Những người có vị trí tốt nhất để hiểu dữ liệu này luôn có lợi thế cạnh tranh trên thị trường.

Hình ảnh phòng vận hành lưới điện California (2)

Vào năm 2018, nhóm DeepMind của IBM bắt đầu áp dụng thuật toán học máy cho 700 MW công suất điện gió của Google ở miền Trung Hoa Kỳ. Nguồn điện này đủ để cung cấp năng lượng cho một thành phố cỡ trung bình. Bằng cách sử dụng mạng Neuron nhân tạo khai thác dữ liệu dự báo thời tiết và dữ liệu lịch sử phát điện, nó có thể dự đoán hợp lý sản lượng điện gió trước 36 giờ. Trong vòng chưa đầy một năm sau đó, các thuật toán máy học của DeepMind đã giúp tăng doanh thu của nguồn năng lượng gió này lên khoảng 20% ​​so với các kịch bản cơ bản.

Gần một nửa số người sử dụng điện ở Hoa Kỳ có đồng hồ đo điện thông minh, cung cấp dữ liệu về mức tiêu thụ năng lượng cá nhân để cho phép người dùng tự điều chỉnh việc sử dụng năng lượng. Các đồng hồ thông minh tích hợp AI và các giải pháp nhà thông minh tuy vẫn chưa phổ biến nhưng đã thể hiện lợi ích tiềm năng cho việc tăng hiệu quả sử dụng năng lượng của người dùng đầu cuối. Các thiết bị giám sát năng lượng này giao tiếp với các thiết bị gia đình khác, tiết kiệm tiền cho chủ sở hữu bằng cách giảm lãng phí năng lượng. Ví dụ như các thiết bị này điều khiển điều hòa không khí, khuyến nghị sạc xe điện trong giờ với chi phí điện thấp hơn, điều khiển ánh sáng và quản lý các thiết bị điện tối ưu.

AI có thể cải thiện công nghệ lưu trữ năng lượng hiện có bằng cách giúp tích hợp các công nghệ riêng biệt dễ dàng hơn, bao gồm lưới điện nhỏ với năng lượng tái tạo, bộ lưu trữ năng lượng quy mô lớn, thủy điện tích năng…. Vai trò của lưu trữ năng lượng trong các lưới điện hiện đại đang tăng lên nhanh chóng cùng với sự gia tăng của các nguồn năng lượng bất ổn định như gió và mặt trời, khiến các nhà quản lý lưới điện trở nên căng thẳng hơn trong việc cân bằng cung và cầu. Khi công nghệ được cải thiện và chi phí giảm xuống, lưu trữ năng lượng thông minh sẽ đóng vai trò lớn hơn trong các dịch vụ phụ trợ của lưới điện - các chức năng giúp người vận hành lưới điện cân bằng và hỗ trợ việc truyền năng lượng từ máy phát điện đến người tiêu dùng.

Đối với các nhà máy điện, AI cũng được ứng dụng trong việc nâng cao hiệu suất, dự báo lịch bảo trì, sửa chữa, điển hình là thông qua công nghệ song sinh số, một công nghệ mới được phát triển gần đây, tích hợp các mô hình mô phỏng khác nhau trên mọi khía cạnh vật lý của đối tượng cùng với các tiến bộ của phân tích dữ liệu và mô hình dự báo dùng học máy.  

Hình ảnh 3D của bản sao số (Internet)

Một ứng dụng đáng chú ý khác của công nghệ AI là việc tạo ra các robot tự động có thể thay thế con người trong các tình huống nguy hiểm. Những cỗ máy không người điều khiển này có thể khảo sát các đường dây điện cao thế trên đất liền hoặc tuần tra dưới đáy biển để tìm các nguồn tài nguyên quý giá, khai thác và báo cáo vị trí tiềm năng mà không gây nguy hiểm đến tính mạng con người.

Trong bối cảnh hệ thống năng lượng toàn cầu trở nên thiếu bền vững trước đại dịch COVID-19, việc nâng cao hiệu quả kinh tế (thay vì tăng trưởng kinh tế) đã trở thành một trọng tâm mới hiện nay. Để đạt được mục tiêu đó, các bên tham gia thị trường đang sử dụng máy học để cải thiện khả năng dự đoán, tăng tính minh bạch trong giao dịch năng lượng, tích hợp các nguồn năng lượng tái tạo, quản lý mạng lưới và lưu trữ thông minh, đồng thời cũng sử dụng máy bay không người lái và robot trong ngành năng lượng.

Một robot giám sát trong trạm biến áp (2)

Sự hội tụ của công nghệ AI mạnh và lĩnh vực năng lượng sẽ có tác động mạnh mẽ và sâu rộng đối với người tiêu dùng toàn cầu. Như Bill Gates đã nói với những sinh viên tốt nghiệp trên khắp thế giới vào năm 2017:

“Nếu tôi khởi nghiệp ngày hôm nay và tìm kiếm cơ hội tương tự để tạo ra ảnh hưởng lớn trên thế giới, tôi sẽ cân nhắc những lĩnh vực này. Một là trí tuệ nhân tạo. Chúng ta mới chỉ bắt đầu khai thác tất cả các cách giúp cuộc sống của mọi người trở nên hiệu quả và sáng tạo hơn. Thứ hai là năng lượng, bởi vì làm cho nó sạch, giá cả phải chăng và đáng tin cậy sẽ là yếu tố cần thiết để chống lại đói nghèo và biến đổi khí hậu”.

(Lược dịch và tổng hợp)

Trần Huỳnh Ngọc

Tài liệu tham khảo:

1. AI+X: Don’t Switch Careers, Add AI
2. Get Smart: AI And The Energy Sector Revolution