Bài viết là công trình của nhóm tác giả Jan-Mou Li, Paul Schmitt, Wei Tong, Majed Mohammed, Akshay Chalana và Arpan Kusari, cùng sự tham gia đóng góp của Edward Griffor thuộc Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST). Đội ngũ tác giả có nền tảng trải rộng từ kỹ thuật an toàn hệ thống tự hành (Reynolds and Moore), nghiên cứu AI ứng dụng (General Motors), an toàn chức năng và an toàn AI trong ô tô (Aptiv), triển khai AI thực tiễn (Saphira AI), đến nghiên cứu học thuật về xe tự hành và AI vật lý (Đại học Michigan).

Nội dung bài viết xoay quanh khái niệm "embodied AI" (tạm dịch: AI hiện thân) - tức các hệ thống AI có khả năng cảm nhận, ra quyết định và hành động thông qua một thiết bị vật lý vận hành trong thế giới thực, khác với AI phần mềm thuần túy chỉ đưa ra khuyến nghị hoặc phân loại thông tin. Các ví dụ điển hình gồm xe tự hành, robot di động trong kho vận, cánh tay robot trong sản xuất, drone kiểm tra hạ tầng và robot hỗ trợ trong y tế.

Bài viết nhấn mạnh rằng embodied AI đang bước vào giai đoạn chuyển tiếp quan trọng nhờ những tiến bộ về học máy, cảm biến chi phí thấp, điện toán biên (edge computing) và công cụ mô phỏng - nhưng đồng thời cũng làm gia tăng trách nhiệm, bởi lỗi trong thế giới vật lý có thể dẫn đến hậu quả an toàn nghiêm trọng hơn nhiều so với lỗi phần mềm thuần túy.

Một luận điểm trung tâm của bài viết là embodied AI cần được nhìn nhận như một thách thức mang tính hệ thống (systems challenge), chứ không đơn thuần là bài toán thuật toán hay phần mềm. Sự an toàn khi triển khai không chỉ phụ thuộc vào mô hình AI, mà còn phụ thuộc vào cảm biến, độ bền phần cứng, giới hạn thiết kế vận hành, tương tác với con người, an ninh mạng và quy trình tổ chức. Nhóm tác giả xác định tám nhóm thách thức triển khai chính: đảm bảo an toàn trong môi trường biến động khó dự đoán trước; thu hẹp khoảng cách giữa trình diễn thử nghiệm (demonstration) và triển khai thực tế - trong đó nêu rõ 10 thách thức phần cứng then chốt được xác định trong báo cáo tiêu chuẩn SAE J3329, cùng vấn đề "khoảng cách Sim-to-Real" khi mô phỏng không khớp với giới hạn phần cứng thực tế; chất lượng và khả năng tổng quát hóa của dữ liệu huấn luyện; niềm tin và tương tác của con người; tiêu chuẩn, quy định và trách nhiệm giải trình; mức độ sẵn sàng của tổ chức; bản chất hệ thống của bài toán; và các ràng buộc phần cứng liên quan đến cân bằng giữa độ chính xác và hiệu suất tiêu thụ năng lượng.

Về khía cạnh dữ liệu, bài viết đặc biệt lưu ý vai trò của embodied AI đối với các doanh nghiệp vừa và nhỏ (SME): khác với robot công nghiệp cứng nhắc truyền thống, các tác nhân AI linh hoạt có thể được "dạy" nhanh để đảm nhận nhiều vai trò khác nhau, giúp một robot di động duy nhất có thể bù đắp tình trạng thiếu nhân sự. Để giải quyết các ràng buộc về quyền riêng tư dữ liệu theo những quy định nghiêm ngặt như Đạo luật AI của Liên minh châu Âu, các tổ chức được khuyến nghị áp dụng học liên kết riêng tư (Private Federated Learning), phương pháp giữ việc huấn luyện và diễn giải dữ liệu nhạy cảm tại hệ thống tính toán cục bộ, chỉ tổng hợp các trọng số mô hình đã được ẩn danh cho hệ thống toàn cục, qua đó vừa bảo toàn tính phong phú của dữ liệu vừa bảo vệ quyền riêng tư người dùng.

Về niềm tin con người, các diễn giả cho rằng robot và xe tự hành cần giao tiếp ý định thông qua các hành vi vật lý trực quan, tương tự cách con người giao tiếp bằng ngôn ngữ cơ thể, thay vì chỉ dựa vào đèn hoặc còi báo hiệu bên ngoài. Việc chuẩn hóa các hành vi này dựa trên các hệ ký hiệu sẵn có (ví dụ tiêu chuẩn MIL-STD-2525) được xem là có thể giảm đáng kể chi phí đào tạo và tăng niềm tin của công chúng.

Từ những phát hiện này, nhóm tác giả đúc kết tám khuyến nghị thực tiễn mang tính đồng thuận: bắt đầu từ bài toán vận hành cụ thể thay vì công nghệ; xác định sớm ranh giới vận hành (operating boundaries); đánh giá toàn bộ vòng đời hệ thống thay vì xem triển khai AI là một lần ra mắt sản phẩm; kết hợp đổi mới AI với kỷ luật an toàn kỹ thuật đã được kiểm chứng; ưu tiên xây dựng niềm tin của con người; xây dựng đội ngũ liên chức năng giữa kỹ thuật, vận hành, an toàn và chính sách; chủ động tham gia xây dựng tiêu chuẩn thay vì chờ đợi quy định hoàn thiện; và cuối cùng, tiến bước một cách thận trọng nhưng không được trì hoãn, bởi sự chần chừ không phải là một chiến lược. Thông điệp cốt lõi mà báo cáo đưa ra là: lợi thế cạnh tranh trong kỷ nguyên embodied AI sẽ ngày càng đến từ năng lực thực thi, tức khả năng tích hợp AI vào sản phẩm đáng tin cậy một cách an toàn - chứ không chỉ đơn thuần từ sự vượt trội về mặt thuật toán.

Ban Truyền thông