Tháng trước, Innotech Capitals – một quỹ đầu tư mạo hiểm quốc tế chuyên về thương mại điện tử, đã đầu tư vào Glever – một nền tảng công nghệ có sự tham gia của trí tuệ nhân tạo (AI).
Tuy số tiền không được tiết lộ nhưng người ta biết rằng, Innotech Capitals đã nhìn thấy tiềm năng ở Glever, nơi có khả năng biến một số gợi ý thành một bản hồ sơ cá nhân một cách chuyên nghiệp chỉ bằng vài cái click chuột.
Trong một thế giới nơi Alphabet, Amazon và những nhà đầu tư đang ngày trở thành “ông lớn” nhờ áp dụng AI vào công việc kinh doanh của mình thì vẫn còn nhiều cơ hội dành cho các startup “lách” vào bằng cách khai thác thêm những ứng dụng mới của AI.Xiaoxin Yin, nhà sáng lập và CEO của Resure Technology Inc – công ty mẹ Glever dù rất hào hứng về triển vọng của trí tuệ nhân tạo cũng không quên chỉ ra những thách thức của lĩnh vực này.
Thứ nhất, để có một sản phẩm với những tính năng hoàn chỉnh và thực sự “thông minh”, họ phải xử lý tốt dữ liệu. Và điểm hạn chế lớn nhất là ở sự phức tạp của nó. Năm 2017, dữ liệu toàn cầu đạt tới 20 zettabyte và con số này tăng lên theo từng giây. 90% dữ liệu là phi cấu trúc, điều đó có nghĩa là các cỗ máy chỉ có thể hiểu được khoảng 10% còn lại. Điều đó khiến khoảng cách giữa dữ liệu sẵn có với dữ liệu mà các hệ thống AI hiện tại có thể xử lý được ngày một lớn. Khả năng xử lý dữ liệu phi cấu trúc là thách thức cho những nhà công nghệ khi nâng cấp hoặc tạo mới các nền tảng AI hữu dụng.
Việc có nhiều dữ liệu phi cấu trúc cũng đồng nghĩa với việc nhiều nhà nghiên cứu phải tập trung vào việc thu thập và “làm sạch” dữ liệu thay vì tạo dựng và huấn luyện các mẫu hình cho máy tính. Các hệ thống AI, thậm chí cả những hệ thống cơ bản nhất, cũng dùng những thuật toán “khát dữ liệu” (data-hungry algorithms) để giải quyết các vấn đề cơ bản và vấn đề chất lượng dữ liệu sẽ tiếp tục là một trong những vấn đề đảm bảo chất lượng của hệ thống AI, nó có thể vượt ngoài tầm tay của các công ty khởi nghiệp fintech (công ty công nghệ về tài chính).
Thứ hai, vấn đề bảo mật dữ liệu và tính cá nhân của dữ liệu ban đầu là trọng yếu nhưng sau đó có thể trở thành vấn đề “nhỏ”. Nếu tất cả những gì chúng ta học được từ vụ scandal dữ liệu Facebook là việc thương mại hóa dữ liệu cá nhân thì chúng ta cần cảnh giác trước một thực tế: các công ty thương mại đã chuyển hướng sang các “bể” chứa dữ liệu nhiều tiềm năng như các mạng xã hội lớn – nơi lưu giữ gần như mọi chi tiết về cuộc sống hằng ngày của chúng ta.
Chẳng hạn, Google lưu trữ một bảng kê chi tiết về dữ liệu vị trí, sở thích cá nhân… trong mỗi lần người ta truy cập vào nền tảng của nó, thậm chí là các video Youtube yêu thích của họ từ nhiều năm.Vì thế, các mạng xã hội là kho dữ liệu lớn để các doanh nghiệp tìm cách đưa công cụ AI của mình vào khai thác thông tin. Ngay cả các nhà quản lý cũng dần làm quen với việc sử dụng dữ liệu lớn, ví dụ như cuộc điều tra về chính sách bảo mật của Facebook cũng dựa trên công cụ này.
Thậm chí với việc sẽ cho ra đời Quy định về bảo vệ dữ liệu chung (GDPR), EU cũng hi vọng giúp cho mọi người có thể kiểm soát được dữ liệu của mình, nhưng điều đó khó mà tồn tại được trong không gian kỹ thuật số hiện nay. Sự thắt chặt dữ liệu cá nhân càng được thúc đẩy thì các hệ thống xử lý dữ liệu có cài đặt AI sẽ khó “cựa quậy” hơn.
Do đó các startup phải đầu tư thêm chi phí đầu vào để nâng cấp các thuật toán của mình, tạo dựng cơ sở hạ tầng cần thiết nhằm hỗ trợ sự hoạt động của AI. Một số chuyên gia cho rằng những chi phí phát sinh này có thể vượt quá tầm của nhiều doanh nghiệp nhỏ và startup fintech. Tuy nhiên các rào cản hiện hữu này cũng sẽ là cơ hội để xây dựng các hệ thống AI sáng giá bởi một khi hiểu được thách thức về dữ liệu và bám sát AI, chúng ta có thể nhận thấy chúng ta có thể bắt đầu một bước tiến bộ mới.
Theo KH&PT