Kỹ sư Gen Z người Việt và hành trình đến với Google DeepMind

Trí tuệ nhân tạo (AI) đang phát triển với tốc độ nhanh chóng. AI không còn đơn thuần giúp con người tìm kiếm thông tin hay hoàn thành những công việc lặp lại. Ngày nay, các hệ thống này đã có thể hỗ trợ học tập, viết phần mềm và xử lý nhiều nhiệm vụ vốn cần đến khả năng suy luận của con người.

Thế nhưng, AI thật sự làm tốt đến đâu? AI thường mắc lỗi trong tình huống nào? Cần kiểm tra những gì trước khi giao nhiệm vụ cho AI?... Đây chính là công việc mà Pine Nguyễn đang theo đuổi tại Google DeepMind.

Tất cả bắt đầu từ một dự án sinh viên

Khi còn học tại Đại học California (Berkeley, Hoa Kỳ), chàng trai người Việt từng dẫn dắt một đội kỹ thuật để phát triển Berkeleytime-nền tảng hiện đã thu hút tới hơn 25 nghìn người dùng. Berkeleytime giúp sinh viên tìm hiểu môn học, sắp xếp kế hoạch học tập với nhiều tính năng nổi trội như hoạt động ổn định, cung cấp thông tin thật chính xác để bảo đảm thời khóa biểu toàn năm học của sinh viên. Không những vậy, Berkeleytime còn hỗ trợ sinh viên trong suốt quá trình học tập, giúp sinh viên dễ dàng chọn môn học, sắp xếp thời gian biểu cá nhân.

Sau Berkeleytime, Pine tiếp tục tham gia xây dựng các hệ thống phục vụ nhiều lĩnh vực khác nhau, từ các trường K-8 (mô hình trường học kết hợp bậc tiểu học và trung học cơ sở, tuyển sinh từ mẫu giáo tại Hoa Kỳ), mẫu giáo cho đến ngành sản xuất. Chính những kinh nghiệm này đã giúp Pine hiểu rõ hơn trách nhiệm của người phát triển công nghệ, trở thành nền tảng để chàng kỹ sư trẻ bước vào một bài toán phức tạp hơn: đánh giá cách AI làm việc.

Nền tảng Berkeley đến nay vẫn hoạt động, đóng vai trò quan trọng trong đời sống một bộ phận sinh viên tại Hoa Kỳ. (Ảnh: nhân vật cung cấp)

Hành trình đó của anh tiếp tục tại Mechanize-một công ty khởi nghiệp ở San Francisco, chuyên huấn luyện và đánh giá các hệ thống AI. Ban đầu, anh xây dựng những tình huống mô phỏng công việc thực tế để tìm ra các nhiệm vụ mà AI vẫn làm chưa tốt bằng con người.

Chẳng hạn, một trợ lý AI có thể được giao một đoạn mã chưa từng thấy, sau đó phải tự tìm lỗi, sửa lỗi và hoàn thành các yêu cầu tiếp theo. Qua đó, đội ngũ có thể quan sát AI hiểu yêu cầu ra sao, gặp khó khăn ở đâu và phản ứng thế nào trước những tình huống ngoài dự kiến.

Khi đảm nhận nhiều trách nhiệm hơn, Pine trở thành một trong những thành viên nòng cốt của Mechanize. Anh cùng đồng nghiệp đi sâu tìm hiểu những hạn chế trong cách AI hành xử. Có lúc mô hình vẫn hoàn thành nhiệm vụ nhưng lại bỏ sót yêu cầu, giải thích không rõ ràng hoặc đồng tình với người dùng một cách máy móc. Những vấn đề này có thể khó nhận ra lúc đầu, nhưng sẽ ảnh hưởng rõ rệt khi AI được sử dụng trong công việc hằng ngày.

Năm 2026 đánh dấu một bước ngoặt trong sự nghiệp của Pine Nguyễn. “Ông lớn công nghệ” Google hoàn tất một thỏa thuận về công nghệ và nhân sự với Mechanize. Khoảng hơn 10 nhân viên của công ty này sau đó đã chuyển sang Google, trong đó có Pine. Anh chính thức trở thành nhân sự của Google DeepMind.

Định hướng để AI đáng tin cậy hơn

Google DeepMind chính là phòng nghiên cứu AI của Google và cũng là đội ngũ đứng sau Gemini. Tại đây, Pine tham gia thành lập một nhóm kỹ sư với nhiệm vụ tiếp tục huấn luyện và điều chỉnh Gemini. Anh chủ động xây dựng các môi trường đánh giá, nhưng với nguồn lực lớn hơn và ở quy mô có thể ảnh hưởng đến người dùng trên toàn thế giới.

Những sự cố được OpenAI và Anthropic công bố gần đây cho thấy việc kiểm tra độ chính xác của AI không hề đơn giản. Nếu có lỗ hổng khi thử nghiệm, AI có thể tìm cách tận dụng điểm yếu của hệ thống, thậm chí thực hiện những hành động nằm ngoài dự tính của người phát triển. Sự việc này không chỉ làm dấy lên lo ngại về an toàn AI mà còn khiến nhiều người đặt nghi vấn: liệu các mô hình đang phát triển nhanh so với khả năng kiểm soát của con người?

“Muốn hiểu đúng khả năng của AI, trước hết cần có một bài kiểm tra phù hợp. Nhưng nếu yêu cầu không rõ ràng, nhiệm vụ không thể hoàn thành hoặc bài kiểm tra có kẽ hở, AI có thể tìm cách tận dụng kẽ hở đó để đạt kết quả mong muốn mà không thực sự giải quyết vấn đề. Điều này giống như một đề thi bị lỗi: người làm bài vẫn có thể đạt điểm cao, nhưng điểm số ấy chưa chắc phản ánh đúng năng lực”, Pine Nguyễn chia sẻ.

Đây thực tế chính là vấn đề Pine đang ngày đêm kiên trì xử lý. Anh tham gia xây dựng những bài kiểm tra mô phỏng các tình huống thực tế, đủ khó để bộc lộ những điểm AI còn yếu. Các bài kiểm tra được thực hiện trong môi trường có kiểm soát để đội ngũ có thể theo dõi cách AI xử lý từng nhiệm vụ.

Qua kết quả thu được, các kỹ sư sẽ biết AI đang làm tốt điều gì, thường mắc lỗi ở đâu và cần được cải thiện như thế nào. Tuy nhiên, đạt kết quả tốt trong một bài kiểm tra chưa có nghĩa là AI sẽ luôn đáng tin cậy khi được sử dụng ngoài thực tế. Với người dùng, điều quan trọng gần gũi hơn: AI có hiểu đúng yêu cầu, trả lời rõ ràng và biết thừa nhận khi chưa có đủ thông tin hay không. Vì vậy, mục tiêu trong công việc của Pine không chỉ là giúp AI đạt điểm cao hơn, mà còn giúp công nghệ này trở nên hữu ích và đáng tin cậy hơn trong học tập, công việc và cuộc sống hằng ngày.

Google Gemini là một trong những nền tảng trí tuệ nhân tạo lớn trên thế giới hiện nay. (Ảnh: Reuters)

Bí kíp dành cho người trẻ

Ở mỗi chặng đường, chàng kỹ sư Gen Z đều tự hỏi làm thế nào để công việc của mình tạo ra ảnh hưởng lớn hơn và giúp nhiều người hơn có cơ hội tạo ra giá trị. Từ Berkeleytime phục vụ một cộng đồng sinh viên đến AI, quy mô công việc của Pine Nguyễn ngày càng mở rộng. Mỗi cải tiến của mô hình mà anh theo đuổi có thể tác động đến người dùng ở nhiều quốc gia và lĩnh vực khác nhau.

Theo thống kê từ Google, ứng dụng Gemini hiện có tới hơn 1 tỷ người dùng mỗi tháng. Mỗi người tìm đến AI nói chung, Gemini nói riêng đều có những nhu cầu riêng: học kiến thức mới, giải quyết công việc, viết phần mềm, hỗ trợ hoạt động doanh nghiệp… Vì vậy, việc kiểm tra và cải thiện Gemini thực tế đang ảnh hưởng trực tiếp đến trải nghiệm hằng ngày của rất nhiều người.

“Hành trình của tôi không bắt đầu bằng một phát minh gây tiếng vang. Trái lại, tôi bước chân vào thế giới của AI bằng một sản phẩm đơn giản, dành riêng cho sinh viên. Con đường tiếp cận AI của tôi khá gần gũi với người trẻ Việt Nam. Không phải ai cũng cần bắt đầu bằng một ý tưởng thật hoành tráng. Đôi khi, sản phẩm chỉ cần giải quyết tốt những nhu cầu nhỏ, được làm thật nghiêm túc và không ngừng cải thiện sẽ có thể dẫn đến những cơ hội mà ban đầu người phát triển nó chưa từng nghĩ tới”, Pine Nguyễn chia sẻ.

Cũng theo anh, kiến thức chuyên môn là bước khởi đầu, nhưng để đi đường dài, người trẻ cần kiên trì và trách nhiệm. Các kỹ sư trẻ hoặc sinh viên ngành công nghệ ở Việt Nam hoàn toàn có thể bắt đầu từ những dự án nhỏ, tích lũy kinh nghiệm và từng bước góp mặt trong những công việc có tầm ảnh hưởng trên toàn thế giới.