AI nguồn mở: Động lực hay thách thức mới cho phát triển bền vững?

Từ dân chủ hóa công nghệ đến thúc đẩy các mục tiêu phát triển bền vững

Trong vài năm trở lại đây, sự xuất hiện của các mô hình AI nguồn mở như Llama, Mistral, Qwen hay DeepSeek đã làm thay đổi đáng kể bức tranh phát triển AI toàn cầu. Nếu trước đây các công nghệ AI tiên tiến chủ yếu nằm trong tay một số tập đoàn công nghệ lớn sở hữu nguồn lực dữ liệu và năng lực tính toán vượt trội, thì hiện nay nhiều tổ chức nghiên cứu, doanh nghiệp nhỏ và các quốc gia đang phát triển cũng có cơ hội tiếp cận những nền tảng AI có hiệu năng ngày càng cao.

Theo các nhà nghiên cứu, xu hướng nguồn mở đang góp phần mở rộng phạm vi ứng dụng AI trong nhiều lĩnh vực liên quan đến các Mục tiêu Phát triển bền vững (SDGs) của Liên hợp quốc. Từ năm 2018 - 2024, số lượng ứng dụng AI phục vụ SDGs đã tăng khoảng 300%, với nhiều đóng góp trong giám sát nông nghiệp, quản lý tài nguyên thiên nhiên, bảo tồn hệ sinh thái và ứng phó biến đổi khí hậu.

Một trong những lợi thế lớn nhất của AI nguồn mở là giúp giảm chi phí tiếp cận công nghệ. Khác với các hệ thống AI độc quyền, mô hình nguồn mở cho phép cộng đồng nghiên cứu và doanh nghiệp tùy chỉnh, phát triển hoặc triển khai các ứng dụng mới mà không phải đầu tư từ đầu toàn bộ hệ thống. Điều này tạo điều kiện để các trường đại học, viện nghiên cứu và doanh nghiệp khởi nghiệp tham gia sâu hơn vào hệ sinh thái AI.

Trong lĩnh vực môi trường, các mô hình nguồn mở đang được sử dụng để giám sát hệ sinh thái, theo dõi biến đổi khí hậu và hỗ trợ dự báo thiên tai. Trong lĩnh vực xã hội, AI nguồn mở được nghiên cứu nhằm hỗ trợ giáo dục, chăm sóc sức khỏe và cung cấp các dịch vụ tư vấn cho những khu vực còn thiếu nguồn lực chuyên môn. Đối với lĩnh vực kinh tế, việc tiếp cận các mô hình AI tiên tiến với chi phí thấp hơn giúp nhiều doanh nghiệp nhỏ và vừa có thêm cơ hội tham gia vào quá trình chuyển đổi số.

Nhờ những lợi ích này, AI nguồn mở được xem là một công cụ quan trọng góp phần dân chủ hóa công nghệ và thu hẹp khoảng cách phát triển giữa các quốc gia.

Những chi phí ít được nhìn thấy

Dù mang lại nhiều lợi ích, AI nguồn mở không phải không có những mặt trái. Một trong những nghịch lý đáng chú ý là việc giảm chi phí tiếp cận công nghệ không đồng nghĩa với giảm chi phí vận hành. Quá trình huấn luyện, tinh chỉnh và triển khai các mô hình AI quy mô lớn vẫn đòi hỏi hạ tầng tính toán mạnh, bao gồm chip chuyên dụng, trung tâm dữ liệu và nguồn điện năng lớn.

Trong nhiều trường hợp, việc nhiều tổ chức cùng phát triển các mô hình có chức năng tương tự có thể dẫn tới tình trạng sử dụng tài nguyên chưa tối ưu. Thay vì khai thác các nền tảng dùng chung, nhiều đơn vị phải đầu tư hạ tầng riêng, làm gia tăng mức tiêu thụ năng lượng và lượng phát thải carbon của toàn hệ sinh thái AI.

Bên cạnh các vấn đề về môi trường, tính mở của AI cũng làm gia tăng những lo ngại liên quan đến an toàn và an ninh mạng. Khi mã nguồn, trọng số mô hình hoặc các thành phần kỹ thuật được công khai rộng rãi, các đối tượng xấu có thể khai thác công nghệ để tạo nội dung giả mạo, phát tán thông tin sai lệch hoặc phát triển các công cụ tấn công mạng.

Các chuyên gia cũng lưu ý rằng nhiều mô hình được gắn nhãn “nguồn mở” hiện nay vẫn thiếu các cơ chế kiểm toán độc lập hoặc các quy định rõ ràng về giấy phép sử dụng. Điều này khiến việc giám sát chất lượng và quản lý rủi ro trở nên phức tạp hơn.

Khi nguồn mở không đồng nghĩa với công bằng

Về lý thuyết, AI nguồn mở cho phép bất kỳ ai cũng có thể tiếp cận công nghệ. Tuy nhiên, khả năng tiếp cận mã nguồn không đồng nghĩa với khả năng tiếp cận dữ liệu, năng lực tính toán hay nguồn nhân lực chất lượng cao.

Hiện nay, phần lớn trung tâm dữ liệu quy mô lớn, năng lực sản xuất chip AI và các kho dữ liệu phục vụ huấn luyện mô hình vẫn tập trung tại một số ít quốc gia và tập đoàn công nghệ lớn. Điều này khiến nhiều quốc gia đang phát triển dù có thể sử dụng các mô hình nguồn mở nhưng vẫn phụ thuộc đáng kể vào hạ tầng công nghệ bên ngoài.

Một số nhà nghiên cứu gọi hiện tượng này là “AI colonialism” (chủ nghĩa thực dân AI), khi quyền kiểm soát dữ liệu, nền tảng số và năng lực tính toán tiếp tục tập trung vào một số trung tâm công nghệ toàn cầu. Trong bối cảnh đó, tính mở của mô hình chưa chắc đã đồng nghĩa với sự phân bổ công bằng về quyền lực công nghệ.

Theo các chuyên gia, nếu không có các cơ chế hỗ trợ phù hợp, khoảng cách giữa những quốc gia sở hữu hạ tầng AI và những quốc gia chủ yếu sử dụng AI có thể tiếp tục gia tăng trong những năm tới.

Hướng tới một hệ sinh thái AI nguồn mở bền vững

Trước những cơ hội và thách thức đan xen, các nhà nghiên cứu cho rằng AI nguồn mở cần được đặt trong một khuôn khổ quản trị phù hợp nhằm bảo đảm công nghệ này phục vụ hiệu quả các mục tiêu phát triển bền vững.

Nghiên cứu đề xuất bốn nhóm giải pháp bao gồm: Tích hợp các tiêu chí bền vững trong toàn bộ vòng đời AI; xây dựng hệ thống đánh giá định lượng tác động của AI đối với SDGs; tăng cường các cơ chế minh bạch, kiểm toán và giám sát; đồng thời thúc đẩy chia sẻ tri thức và hợp tác quốc tế trong phát triển hạ tầng AI.

Có thể thấy, AI nguồn mở đang mở ra cơ hội chưa từng có để mở rộng khả năng tiếp cận công nghệ và thúc đẩy đổi mới sáng tạo trên phạm vi toàn cầu. Tuy nhiên, trong bối cảnh AI ngày càng trở thành hạ tầng quan trọng của nền kinh tế số, thách thức không chỉ nằm ở việc làm cho công nghệ trở nên dễ tiếp cận hơn, mà còn ở việc xây dựng các cơ chế quản trị phù hợp để những lợi ích mà AI mang lại được phân bổ rộng rãi và bền vững hơn trong tương lai./.

Xuân Bình