Trong vài năm trở lại đây, mọi người nói nhiều về cuộc cách mạng công nghiệp lần thứ tư. Người ta gọi là cách mạng vì có sự thay đổi hẳn về chất và các phương thức sản xuất, có khả năng tạo ra những biến đổi sâu sắc và rộng lớn đối với toàn bộ nhân loại. Mọi cá nhân hiện tại (bạn) và tương lai (con cái bạn) đều bị hoặc được ảnh hưởng bởi cuộc cách mạng này, dù bạn có muốn hay không.

Chính vì vậy, việc nhận thức được những thách thức và cơ hội trong thời điểm này là quan trọng. Nhận thức và định hướng đúng thì mới có thể xây dựng kế hoạch học tập và hành động phù hợp.

1. Vì sao có cách mạng công nghiệp lần thứ tư?

Trước khi nói đến lần thứ tư, có lẽ ta nên lược qua ba cuộc cách mạng trước đó. Ba cuộc cách mạng trong lịch sử diễn ra ở ba thế kỉ trước. Ở thế kỉ thứ 18, việc phát minh ra các hệ thống máy móc cơ học đã thúc đẩy sự tự động hoá ở mọi ngành nghề, năng suất lao động nhảy vọt và khởi đầu cuộc cách mạng công nghiệp lần thứ nhất. Trong thế kỉ 19, việc phát minh ra các đầu máy hơi nước đã khởi đầu cuộc cách mạng công nghiệp lần thứ hai, tạo tiền đề cho các nước công nghiệp thống trị thế giới. Trong thế kỉ 20, sự tiến bộ của thế giới được đẩy lên một mức mới, với tốc độ cao chưa từng có nhờ một loạt những phát minh khoa học về điện, đài và tivi, điện thoại, máy tính và mạng Internet. Những phát minh này thúc đẩy sự tiến bộ của nhân loại theo cấp số nhân.

Còn bây giờ, chúng ta đang ở thế kỉ 21 và cuộc cách mạng công nghiệp lần thứ 4 đã và đang diễn ra. Cuộc cách mạng này được dự báo còn làm nhân loại thay đổi sâu sắc và toàn diện còn hơn cả ba cuộc cách mạng trước đó. Nhân tố quyết định cuộc cách mạng này chính là sự tiến bộ nhanh chóng trong lĩnh vực Trí tuệ Nhân tạo (AI – Artificial Intelligence) nói chung và Học Máy (ML – Machine Learning) nói riêng.

Những nghiên cứu về AI và ML đã bắt đầu từ những năm 1950 của thế kỉ trước nhưng chỉ thực sự tăng tốc từ đầu thế kỉ 21 cùng với sự bùng nổ về khối lượng dữ liệu và thông tin. Đường màu đỏ ở đồ thị trên Hình 1 (của GS Hiroshi Motoda, ĐH Osaka) thể hiện sự bùng nổ này. Lượng thông tin mà nhân loại tích luỹ từ thời đồ đá đến trước năm 2000 gia tăng chậm và không đáng kể. Tuy nhiên, từ năm 2000 trở lại đây thì nó gia tăng theo hàm mũ dốc gần như dựng đứng.

Dữ liệu chính là nhiên liệu cho các thuật toán học máy và trí tuệ nhân tạo, theo cách tương tự như xăng làm nhiên liệu cho động cơ. Nếu có ít xăng, động cơ nhỏ thì người ta chỉ sản xuất và chạy được xe máy, với tốc độ quãng trăm km mỗi giờ. Còn khi có nhiều xăng và chất lượng xăng cao, cùng với sự tiến bộ của khoa học kĩ thuật thì người ta có thể sản xuất động cơ lớn và vận hành máy bay, tàu vũ trụ bay với tốc độ hàng ngàn km mỗi giây.

Có thể nói chính sự bùng nổ khối lượng dữ liệu và các thuật toán thông minh là nhân tố quyết định sự phát triển nhanh của ML và AI. Và chính ML và AI là nhân tố dẫn dắt và quyết định cuộc cách mạng lần thứ 4 này.

2. Sự dịch chuyển việc làm

Trong suốt lịch sử nhân loại, thị trường việc làm được phân chia thành ba lĩnh vực chính là (1) nông nghiệp, (2) công nghiệp và (3) dịch vụ. Trong thế kỉ 18 đại đa số mọi người làm việc trong lĩnh vực nông nghiệp, chỉ có thiểu số làm trong lĩnh vực công nghiệp và dịch vụ. Khi cách mạng công nghiệp diễn ra thì việc làm được dịch chuyển mạnh sang công nghiệp và dịch vụ, chỉ một số ít vẫn còn làm nông nghiệp thuần tuý. Còn trong thời cách mạng mới, nhiều việc làm trong ngành công nghiệp cũng sẽ được tự động hoá hết, vì máy móc và thuật toán còn làm tốt hơn và năng suất hơn con người nhiều.

Có một điều thú vị là, các thuật toán AI đã, đang và sẽ thay thế không những các công việc đơn giản, cấp thấp, dễ tự động hoá như kiểu công nhân trong các dây chuyền máy móc, hay nhân viên môi giới giao dịch chứng khoán, mà còn cả những công việc đòi hỏi có trí tuệ như chơi cờ, chơi các trò chơi chiến thuật, nhận dạng mặt người, nhận dạng giọng nói, sáng tác nhạc, vẽ tranh, vân vân.

Vào năm 2013, hai nhà khoa học Carl Benedikt Frey và Michael A. Osborne của ĐH Oxford đã công bố một bài báo khoa học về chủ đề việc làm trong tương lai. Bạn có thể tải và đọc bài báo ở ĐÂY.

Tóm tắt sơ bộ thì trong bài báo này, họ nghiên cứu khả năng các ngành nghề khác nhau bị các thuật toán máy tính thống trị và thay thế trong vòng hai mươi năm tới. Họ khảo sát 702 nghề nghiệp khác nhau, tính xác suất chúng bị thay thế bằng cách tự động hoá.

Dưới đây là những nghề sẽ bị thay thế với xác suất cao nhất:

Những nghề như nhân viên tiếp thị (telesale, telemarketer), nhân viên bán bảo hiểm hay môi giới các thể loại là có xác suất cao nhất bị loại khỏi thị trường lao động.

Và những nghề với xác suất bị thay thế thấp nhất:

Những nghề cần kĩ năng cao hoặc ít mang lại lợi nhuận sẽ có nhiều cơ hội tồn tại hơn, ví dụ như nghề khảo cổ.

3. Chúng ta và con cái chúng ta nên học gì?

Hiện nay có thể nói chúng ta rất khó dự đoán sự phân bố chính xác của thị trường lao động vào những năm 2030 hoặc 2040. Tuy nhiên, có một điều khá chắc chắn là những nghề liên quan tới phân tích số liệu, lập trình máy tính và thuật toán, gọi chung là Khoa học Dữ liệu (DS – Data Science) sẽ càng ngày càng có nhu cầu lớn.

Một cách đại khái, khi điện và các máy móc cơ khí được phát minh, người ta đưa điện vào mọi ngành nghề, nói nôm na là điện khí hoá. Những người làm nghề điện khí hoá với chuyên môn sâu không bao giờ lo thất nghiệp. Còn tương lai, khi bạn hay con cái bạn có nghề thuật toán hoá, AI hoá thì bạn có cơ hội khoa học dữ liệu vào mọi ngành nghề, tạo ra giá trị mới.

Không phải ngẫu nhiên mà các trường đại học lớn trên thế giới trong vài năm trở lại đây đã mở một số ngành học mới hoàn toàn liên quan tới khoa học dữ liệu. Ở Việt Nam, trong hai năm trở lại đây một số đại học lớn như Đại học Khoa học Tự nhiên Hà Nội, Đại học Bách Khoa Hà Nội cũng đã mở các ngành và chuyên ngành mới là Khoa học Dữ liệu. Đây là những lựa chọn ngành học tốt và nóng, và nó có lí.

Nếu có dịp, trong một bài viết tiếp theo mình sẽ viết sơ sơ về lĩnh vực Data Science để giới thiệu với những bạn còn chưa rõ về nó.

Bài viết này nêu quan điểm cá nhân của tác giả. Có thể nhiều bạn không đồng ý và nêu quan điểm, nhận định khác. Tác giả rất hoan nghênh các bình luận, nhận xét và thảo luận liên quan.

Lê Hồng Phương
Phòng Thí nghiệm Khoa học Dữ liệu, Trường ĐH Khoa học Tự nhiên, ĐHQG Hà Nội
Theo Ereka

Tin liên quan: