Thế giới đã quen với những mô hình trí tuệ nhân tạo như ChatGPT. Những mô hình này đã mang lại sự phấn khích cho toàn cầu về tiềm năng phát triển của AI. Trong tương lai, các mô hình AI đang dần được điều chỉnh để thực hiện nhiệm vụ trong từng lĩnh vực cụ thể, đặc biệt là trước những thách thức đến từ biến đổi khí hậu.
Chẳng hạn, một công ty nông nghiệp đã phát triển nền tảng agri-fintech (công nghệ tài chính trong lĩnh vực nông nghiệp), tích hợp AI chỉ dẫn cho nông dân sản xuất quy mô nhỏ hoạt động quản lý, bao gồm cách tối ưu hóa các nguồn lực sẵn có và phòng ngừa bệnh cây trồng. Độ tin cậy của thông tin được cung cấp bởi nền tảng này được đảm bảo nhờ vào công nghệ máy học (một nhánh quan trọng của AI).
Công nghệ máy học cũng giúp nông dân dự đoán lượng nguyên liệu cần thiết để chăm sóc cây trồng, từ đó tối ưu hóa chi phí vận hành.
Viamo cũng là một nền tảng hoạt động dựa trên AI. Được triển khai thông qua nền tảng mạng di động, nền tảng này hỗ trợ nông dân ở những khu vực hạn chế kết nối Internet áp dụng các hoạt động nông nghiệp bền vững. Phần mềm này truyền tải thông tin quan trọng đến nông dân nhờ vào các công nghệ đã được thiết lập sẵn như: kỹ thuật đọc, hiểu ngôn ngữ, mô hình ngôn ngữ lớn cùng với các tính năng chuyển lời nói thành văn bản và văn bản thành giọng nói.
Trong khi đó, ClimateGPT là phần mềm cung cấp cho người dùng những hiểu biết toàn diện về biến đổi khí hậu.
Các mô hình AI dành riêng cho từng ngành đặc biệt hữu ích đối với châu Á và Thái Bình Dương, khu vực dễ bị tổn thương trước các hiện tượng thời tiết khắc nghiệt do biến đổi khí hậu. Người dùng cũng có thể tự tạo ra một mô hình thông báo về khả năng xảy ra lũ lụt hoặc hạn hán ở khu vực cụ thể tại một thời điểm xác định.
Vậy làm thế nào để tận dụng hiệu quả công nghệ này nhằm cải thiện khả năng phục hồi trái đất nơi chúng ta đang sống? Ưu điểm của các mô hình này là không tiêu tốn quá nhiều tài nguyên, khác với những công cụ khác đòi hỏi phải tài trợ hàng triệu USD, nguồn nhân lực và sự hỗ trợ của chính phủ.
Bất kể là cá nhân hay tổ chức đều có thể tự xây dựng một mô hình cho từng lĩnh vực cụ thể. Việc xây dựng đơn giản hay phức tạp phụ thuộc vào kích thước tập dữ liệu cũng như mức độ phức tạp của mô hình. Nhưng ở bước đầu với những mô hình đơn giản chỉ, người dùng có thể chỉ cần một chiếc máy tính xách tay và tập dữ liệu vừa phải.
Một mô hình AI có thể được tạo lập bằng nhiều bước, từ xác định phạm vi và mục tiêu để thiết lập các thông số và mục tiêu cụ thể, cho đến chuẩn bị dữ liệu để đào tạo mô hình và chia nó thành các đơn vị nhỏ hơn. Tiếp đó, người dùng có thể sử dụng các phần mềm như: GitHub và Hugging Face, để tùy chỉnh mô hình, thay vì làm mọi thứ từ đầu.
Sau khi tùy chỉnh, mô hình cần phải được huấn luyện dựa trên dữ liệu thu thập được, thông qua việc đánh giá và tinh chỉnh liên tục nhằm đảo bảo tính chính xác và mạch lạc. Việc huấn luyện có thể phải lặp lại nhiều lần để tối ưu hóa khả năng phản ứng thông tin của mô hình. Giai đoạn thử nghiệm beta với nhiều nhóm người dùng khác nhau sẽ giúp đánh giá chính xác chức năng của mô hình, từ đó giúp nâng cao độ tin cậy trước khi triển khai rộng rãi hơn.
Tùy thuộc vào mức độ phức tạp của mô hình, tài nguyên và dữ liệu sẵn có cũng khả năng lập trình của người sử dụng, việc thử nghiệm mô hình sẽ mất vài giờ đến vài tuần cho đến khi hoàn toàn sẵn sàng để triển khai.
Tương tự với các công nghệ khác, AI cũng có những hạn chế và rủi ro. Nhằm phòng ngừa những rủi ro về AI, các khuôn khố, quy chuẩn đối với công nghệ này đang được thiết lập và yêu cầu các bên phải tuân thủ. Trong một hoặc hai năm tới, các mô hình AI nhỏ cần phải được phát triển dựa trên các khuôn khổ này, tương tự như những quy định quản lý hoạt động vận hành thương mại điện tử, mạng xã hội hay hạn chế thông tin xấu trên môi trường mạng.
Việc phát triển các mô hình AI theo từng lĩnh vực cụ thể phụ thuộc vào lượng lớn dữ liệu. Dữ liệu chất lượng kém sẽ dẫn đến việc mô hình AI đưa ra các phân tích không chính xác. Ngoài ra, sai lệch trong dữ liệu có thể được phản ánh qua những thông tin mà AI cung cấp. Chẳng hạn, việc sử dụng dữ liệu thiếu nhảy cảm về khía cạnh giới tính có thể tác động tiêu cực tới phụ nữ, những người phải đối mặt với những thách thức đặc biệt trong thời kỳ khủng hoảng.
AI có thể giúp các tổ chức đẩy nhanh tiến độ thực hiện nhiệm vụ. Trong bối cảnh biến đổi khí hậu ngày càng nghiêm trọng, các mô hình AI có thể được sử dụng để đẩy nhanh tiến độ hành động vì khí hậu, thích ứng với biến đổi khí hậu nhằm giải quyết các vấn đề hiện nay về thích ứng, cũng như phản ánh tác động chung của biến đổi khí hậu trên trái đất.
Các mô hình này có thể phản ánh xu hướng toàn cầu, hoặc điều chỉnh để sử dụng phục vụ các quốc gia khác nhau, qua đó mang lại sự khác biệt trong nỗ lực của từng nước nhằm đối phó với tác động từ biến đổi khí hậu.
Ở thời điểm khi triển vọng AI đang ngày một nhận được sự quan tâm từ toàn cầu, các mô hình chuyên biệt dành cho một số lĩnh vực then chốt, điển hình như biến đổi khí hậu, sẽ mang đến những triển vọng đầy hứa hẹn. Những mô hình này có thể trở thành một phần quan trọng của các giải pháp AI nhằm tạo ra một hướng đi mới cho sự bền vững và thúc đẩy khả năng phục hồi của hành tinh.
*Ozzeir Khan hiện là Giám đốc mảng nông nghiệp và sáng tạo số thuộc Bộ phân IT của Ngân hàng Phát triển châu Á (ADB).
