Niki Parmar và Các Kiến Trúc Sư Ẩn Mình: Phụ Nữ Thay Đổi AI Đằng Sau Cánh Gà

Khi bàn về những đột phá mang tính cách mạng đã định hình trí tuệ nhân tạo hiện đại, ít ai có thể cưỡng lại việc nhắc đến Demis Hassabis, Sam Altman hoặc Elon Musk. Tuy nhiên, bên cạnh mỗi cái tên nổi bật thu hút sự chú ý của truyền thông, vẫn tồn tại những cá nhân xuất sắc âm thầm đóng góp, thậm chí còn mang tính nền tảng hơn cho sự phát triển của lĩnh vực này. Trong số những người tiên phong bị bỏ quên đó có nhiều phụ nữ xuất sắc, với công trình của họ đã thực sự viết lại giới hạn của AI. Niki Parmar là một ví dụ tiêu biểu: là một trong tám tác giả chính của kiến trúc Transformer, dấu ấn của cô đã in đậm hầu hết các mô hình ngôn ngữ lớn ngày nay, từ ChatGPT đến GPT-4, nhưng tên cô hiếm khi xuất hiện trong các cuộc thảo luận công nghệ phổ biến.

Mô hình lịch sử không phải là mới. Ada Lovelace viết chương trình máy tính đầu tiên trong lịch sử loài người, vậy có bao nhiêu người biết tên bà? Elaine Rich là tác giả của cuốn sách giáo trình đầu tiên về trí tuệ nhân tạo, nhưng bà vẫn còn phần lớn bị lãng quên trong nhận thức phổ thông. Hiện tượng “Hiệu ứng Matilda”— xu hướng hệ thống ghi nhận thành tựu khoa học của nam giới thay vì các nhà nghiên cứu nữ đã thực hiện công trình—tiếp tục làm méo mó hiểu biết của chúng ta về ai đã định hình tiến bộ công nghệ. Chính vì vậy, việc công nhận những phụ nữ này là điều vô cùng quan trọng.

ImageNet và Bình Minh của Học sâu: Quà tặng nền tảng của Fei-Fei Li

Cuộc cách mạng AI hiện đại có một khoảnh khắc khởi đầu rõ ràng: năm 2012, khi mạng học sâu có tên AlexNet đạt thành công chưa từng có trong các nhiệm vụ nhận diện hình ảnh. Tuy nhiên, ít ai truy nguyên nguồn gốc thực sự của bước đột phá này. Năm 2009, Fei-Fei Li, lúc đó là trợ lý giáo sư tại Đại học Princeton, đã đề xuất ImageNet—một ý tưởng mang tính cách mạng sẽ định hình lại cách các nhà nghiên cứu tiếp cận học máy. Thay vì viết mã thủ công các thuật toán để nhận diện chó hay mèo, cô đã nhận thức rằng nút thắt không phải là khả năng của thuật toán, mà là dữ liệu.

Sinh năm 1976 tại Bắc Kinh và lớn lên tại Thành Đô, Fei-Fei Li nhập cư vào Mỹ khi mới 12 tuổi, nói gần như không biết tiếng Anh. Trong vòng hai năm, cô đã thành thạo ngôn ngữ này đồng thời thể hiện năng khiếu toán học xuất sắc. Cô vào Princeton theo học bổng và gần như cuối tuần đều về nhà giúp quản lý công việc giặt ủi của gia đình. Đến năm 2007, dù gặp nhiều thử thách, cô đã trở thành trợ lý giáo sư.

Tầm nhìn của cô về ImageNet vừa đơn giản vừa táo bạo: tạo ra một cơ sở dữ liệu hình ảnh khổng lồ, có hệ thống gắn nhãn—dần dần đạt tới 15 triệu mẫu—để các nhà nghiên cứu có thể so sánh các phương pháp thuật toán một cách công bằng. Tuy nhiên, việc thực hiện đòi hỏi sự đổi mới. Các nỗ lực crowdsource ban đầu gặp vấn đề khi người lao động click ngẫu nhiên qua các nhiệm vụ. Fei-Fei đã chèn vào các hình ảnh kiểm tra—như ảnh golden retriever đã được xác nhận trước đó—để kiểm tra độ chính xác của người lao động. Cơ chế kiểm soát chất lượng này đã biến crowdsourcing thô sơ thành một nguồn dữ liệu đáng tin cậy.

Ảnh hưởng của nó không thể xem nhẹ. Chiến thắng của AlexNet tại cuộc thi ImageNet năm 2012 không phải là ngẫu nhiên; nó được thực hiện nhờ hạ tầng mà Fei-Fei Li đã xây dựng. Ngày nay, khi các nhà nghiên cứu mô tả các khoảnh khắc đột phá trong AI, họ thường hỏi: “Liệu đây có phải là khoảnh khắc ImageNet của nó không?”—một câu nói đã trở thành biểu tượng của các bộ dữ liệu mang tính bước ngoặt. Các phương tiện tự hành, nhận diện khuôn mặt, và phát hiện vật thể đều có nguồn gốc từ công trình này.

Niki Parmar: Thợ xây cuộc cách mạng Transformer

Làn sóng các mô hình ngôn ngữ lớn dường như đạt đỉnh cao khi ChatGPT xuất hiện, nhưng nguồn gốc thực sự của nó bắt nguồn từ một bài báo năm 2017: “Attention is All You Need,” do tám kỹ sư của Google viết. Kiến trúc Transformer mô tả trong bài báo này trở thành nền tảng để hầu hết các hệ thống AI đương đại được xây dựng. Tuy nhiên, điều đáng ngạc nhiên là nhiều người vẫn không biết rằng một trong các tác giả chính của bài báo là một phụ nữ: Niki Parmar.

Niki Parmar đến từ Ấn Độ, học tại Trường Công nghệ Máy tính ở Pune trước khi theo đuổi thạc sĩ khoa học máy tính tại Đại học Nam California từ năm 2013. Trong thời gian học đại học, cô phát hiện đam mê qua các khóa học trực tuyến đột phá của Andrew Ng và Peter Norvig về học máy và AI. “Tôi tò mò về sức mạnh kết hợp của dữ liệu, việc nhận dạng mẫu và tối ưu hóa,” cô từng nhớ lại. Sự tò mò này đã định hình con đường sự nghiệp của cô.

Sau khi tốt nghiệp năm 2015, Niki Parmar gia nhập bộ phận nghiên cứu của Google, ban đầu tập trung vào các thách thức nghiên cứu thuần túy. Đến năm 2017, cô đã trở thành một trong những kiến trúc sư chính định hình công nghệ nền tảng của AI. Về cách tiếp cận nghiên cứu đột phá, cô chia sẻ: “Lúc đầu, lượng thông tin xung quanh tôi quá lớn khiến tôi choáng ngợp. Tập trung vào một vấn đề cụ thể và khám phá sâu cùng đồng nghiệp giúp bạn đặt ra câu hỏi đúng đắn.” Triết lý này—độ sâu hơn là rộng, hợp tác hơn là cô lập—sẽ định hình các dự án sau này của cô.

Bài báo Transformer không chỉ là thành tựu học thuật của Niki Parmar; nó còn là bước đệm cho sự khởi nghiệp. Cô cùng đồng tác giả Ashish Vaswani, người được ghi nhận là tác giả đầu tiên của bài báo, thành lập công ty Adept AI. Công ty huy động được 350 triệu USD—một tín hiệu rõ ràng về niềm tin vào tầm nhìn của họ. Nhận thấy các lĩnh vực trọng tâm của mình, Niki Parmar còn đồng sáng lập Essential AI, quản lý như dự án chính của cô. Essential AI đã huy động 56,5 triệu USD từ các ông lớn công nghệ như AMD, Google và Nvidia, xác nhận hướng đi chiến lược của các nhà sáng lập trong cộng đồng hạ tầng và nghiên cứu AI.

Daniela Amodei: Đồng sáng lập Anthropic với tầm nhìn an toàn

Trong khi truyền thông thường nhấn mạnh rằng Anthropic được thành lập bởi “bảy nhà nghiên cứu rời khỏi OpenAI,” thì thực tế, điều này che giấu một sự thật quan trọng: Daniela Amodei, chủ tịch kiêm đồng sáng lập công ty, đã bị giảm thiểu trong các bài viết mặc dù vai trò của bà trong tầm nhìn và chiến lược của công ty là cực kỳ quan trọng. Thực tế, Anthropic được thành lập bởi hai anh em—Daniela và Dario Amodei—với kỹ năng bổ sung lẫn nhau, tạo nên một cấu trúc lãnh đạo cân đối hiếm có.

Hành trình nghề nghiệp của Daniela cho thấy một con đường không điển hình của một nhà điều hành công nghệ. Bà có bằng cử nhân văn học Anh, chính trị và văn học âm nhạc—một nền giáo dục nhân văn giúp bà phát triển khả năng tư duy chiến lược. Công việc chính trị và phi lợi nhuận thời kỳ đầu đã rèn luyện khả năng tổ chức và chiến lược của bà. Năm 2013, khi Stripe còn là một startup chưa nổi tiếng, Daniela gia nhập như một nhân viên sớm, rồi dần xây dựng nó thành một đế chế (được định giá trên 50 tỷ USD vào đỉnh cao).

Tại Stripe, bà đảm nhiệm các vai trò sau này trở nên thiết yếu tại OpenAI và Anthropic: tuyển dụng đội ngũ, quản lý rủi ro, điều phối liên ngành. Bà đã dẫn dắt các nhóm phân tích hơn 7000 vụ gian lận và vi phạm chính sách mỗi năm, giảm thiểu tổn thất xuống còn 72%—đưa công ty đến mức thấp nhất trong lịch sử. Sự xuất sắc vận hành và kỷ luật về rủi ro này trở thành dấu ấn của bà.

Năm 2018, bà gia nhập OpenAI với vai trò Phó Chủ tịch về An toàn và Chính sách, không chỉ làm việc với các nhóm an toàn kỹ thuật mà còn giám sát nhân sự, tuyển dụng, đào tạo và các sáng kiến về đa dạng, công bằng—đóng vai trò như một người đa năng trong lĩnh vực chuyên môn cao. Năm 2021, bà cùng anh trai sáng lập Anthropic, mang triết lý an toàn đặt lên hàng đầu vào một tổ chức mới, xây dựng dựa trên nguyên tắc rằng các hệ thống AI phải phù hợp với giá trị con người.

Mira Murati: Người lãnh đạo công nghệ thầm lặng của OpenAI

Từ năm 2022, Giám đốc Công nghệ của OpenAI là Mira Murati—một vị trí mà nhiều người trong giới công nghệ vẫn chưa biết đến. Mira gia nhập OpenAI từ năm 2018, được thăng chức lên Phó Chủ tịch cao cấp phụ trách nghiên cứu, sản phẩm và đối tác từ năm 2020, và đã dẫn dắt phát triển ChatGPT, DALL-E, GPT-4.

Sinh năm 1988 tại Albania, học tập tại Canada, nền tảng của Mira bắt nguồn từ kỹ thuật. Tại Dartmouth College, cô nổi bật khi chế tạo một chiếc xe đua hybrid trong một dự án của trường—một dấu hiệu sớm cho tư duy thực hành, giải quyết vấn đề của cô. Sau một thời gian ngắn làm trong ngành hàng không vũ trụ, cô gia nhập Tesla với vai trò Quản lý Sản phẩm cao cấp cho Model X, nơi cô bắt đầu quan tâm sâu sắc đến trí tuệ nhân tạo qua Autopilot.

Về động lực trí tuệ, cô từng nói: “Sự nhàm chán là động lực mạnh mẽ để theo đuổi và khám phá những giới hạn của mọi thứ.” Triết lý này đã hướng dẫn cô tại OpenAI, nơi cô vẫn tham gia sâu vào các dự án tham vọng nhất của công ty. Việc phát triển ChatGPT, có thể coi là thành tựu nổi bật của OpenAI, đã diễn ra dưới sự lãnh đạo kỹ thuật của cô. Năm 2023, khi Microsoft cam kết đầu tư 13 tỷ USD vào OpenAI—mối quan hệ mà Murati đã đàm phán và quản lý—giám đốc điều hành Satya Nadella đã ca ngợi cô vì “khả năng tập hợp đội ngũ có chuyên môn kỹ thuật, tầm nhìn kinh doanh và hiểu rõ tầm quan trọng của sứ mệnh AI.”

Ảnh hưởng của cô không chỉ dừng lại ở phát triển sản phẩm. Trong các khủng hoảng nội bộ—bao gồm các xung đột lãnh đạo đe dọa sự ổn định của tổ chức—tiếng nói của cô về các vấn đề then chốt luôn có trọng lượng lớn. Tuy nhiên, khác với một số đồng nghiệp bị đẩy ra ngoài lề, Mira vẫn giữ vững vị trí của mình trong OpenAI, tiếp tục định hướng kỹ thuật và chiến lược của công ty.

Timnit Gebru: Nhà đạo đức học kiên cường không im lặng

Quyết định gần đây của Google rút khỏi dự án Gemini về hình ảnh dựa trên văn bản do lo ngại đạo đức AI phản ánh một cuộc xung đột gay gắt trước đó: vụ tranh cãi năm 2020 liên quan đến Timnit Gebru, lúc đó là nhà nghiên cứu AI của Google, người đã công khai chỉ trích công ty về việc bà bị sa thải vì phản đối các vấn đề về thiên vị thuật toán.

Sinh năm 1983 tại Eritrea và Ethiopia, Timnit Gebru hoàn thành tiến sĩ kỹ thuật điện tại Stanford năm 2014, chuyên về thị giác máy tính và học máy. Thay vì theo đuổi con đường tối ưu hóa hiệu suất mô hình, bà dành thời gian nghiên cứu về công bằng, trách nhiệm giải trình, minh bạch và đạo đức trong hệ thống AI.

Công trình đột phá của bà cho thấy các hệ thống nhận diện khuôn mặt thương mại có độ chính xác thấp hơn rõ rệt khi nhận diện phụ nữ và người da màu—một khám phá có ảnh hưởng sâu rộng. Nghiên cứu của bà đã trực tiếp ảnh hưởng đến quyết định của Amazon dừng dịch vụ nhận diện khuôn mặt Rekognition, minh chứng cho việc nghiên cứu đạo đức có thể thúc đẩy trách nhiệm của các tập đoàn lớn.

Năm 2020, Gebru đồng tác giả một bài báo phê phán tác động môi trường của các mô hình ngôn ngữ lớn và thiếu đa dạng trong quá trình phát triển. Ban lãnh đạo AI của Google từ chối công bố bài báo, cho rằng nó “không đáp ứng tiêu chuẩn xuất bản của chúng tôi.” Trong cuộc xung đột sau đó, email công ty của bà bị vô hiệu hóa khi bà đang nghỉ phép—một hành động gây phản ứng dữ dội toàn cầu. Hơn 1500 nhân viên Google ký kiến nghị ủng hộ bà, cùng hơn 2000 nhà nghiên cứu, lãnh đạo phi lợi nhuận và đồng nghiệp trong ngành bên ngoài.

Dù thể hiện sự đoàn kết chưa từng có, Gebru cuối cùng rời Google. Thay vì biến mất khỏi ánh đèn sân khấu, bà thành lập DAIR (Viện Nghiên cứu AI Phân tán), một tổ chức độc lập nhằm chống lại ảnh hưởng quá lớn của các tập đoàn công nghệ lớn trong nghiên cứu và triển khai AI. Trên sứ mệnh của mình, bà nói rõ: “Tôi không thể chờ các tập đoàn lớn cuối cùng giải quyết các vấn đề do AI mang lại.”

Bức tranh toàn cảnh: Tại sao việc công nhận lại quan trọng

Thành tựu của năm người phụ nữ này—Fei-Fei Li, Niki Parmar, Daniela Amodei, Mira Murati và Timnit Gebru—đại diện cho nhiều hơn là những câu chuyện thành công cá nhân. Chúng phản ánh một mô hình hệ thống: cứ mỗi nhà công nghệ nam nổi bật nhận được sự chú ý lớn của truyền thông, thì có hàng loạt phụ nữ có năng lực ngang hoặc vượt trội đang làm việc trong bóng tối, bị đánh giá thấp và thường bị bỏ qua.

Thật thú vị, có một dòng chảy liên kết các nhân vật này. Timnit Gebru đã từng làm việc dưới sự hướng dẫn của Fei-Fei Li—một lời nhắc nhở rằng tiến bộ thường xây dựng qua các thế hệ, các tiền bối mở đường cho những người đi sau. Tuy nhiên, chu kỳ này vẫn còn mong manh và chưa đủ. Các rào cản cấu trúc—như thiếu đầu tư, giáo dục toán học chưa đủ cho phụ nữ, phân biệt đối xử tại nơi làm việc—vẫn đang kìm hãm tài năng nữ giới trên quy mô lớn.

Không thể giải quyết tất cả các bất bình đẳng hệ thống chỉ trong một bài viết. Chính vì vậy, Ngày Quốc tế Phụ nữ vẫn còn ý nghĩa, và các sáng kiến hỗ trợ phụ nữ trong công nghệ vẫn rất cần thiết. Nhưng trong ngày này, hãy dành chút thời gian nhớ về những kiến trúc sư của AI này. Ghi nhận đúng công lao của họ.