Cổng thông tin hội nhập kinh tế quốc tế thành phố Hồ Chí Minh

Báo cáo này là một phần trong chuỗi chuyên đề của Viện Brookings: “Kế hoạch cho tương lai của trí tuệ nhân tạo”, nhằm phân tích những thách thức mới cho hệ thống thương mại quốc tế, và các giải pháp chính sách tiềm năng dựa trên việc ứng dụng trí tuệ nhân tạo và các công nghệ mới nổi khác.

Trí tuệ nhân tạo (AI) có khả năng đem lại một diện mạo mới cho hoạt động thương mại quốc tế. Từ lâu, ứng dụng cụ thể của AI trong một số lĩnh vực như phân tích thông tin và dịch thuật đã giúp giảm bớt các rào cản trong thương mại. Đồng thời, có những thách thức trong quá trình phát triển AI mà các quy tắc thương mại quốc tế có thể giải quyết, chẳng hạn như cải thiện việc tiếp cận các dữ liệu toàn cầu để đào tạo những hệ thống AI. Báo cáo dưới đây cung cấp một cái nhìn tổng quát về một số cơ hội chính từ việc ứng dụng AI trong thương mại, cũng như các khía cạnh mà những quy tắc thương mại có thể hỗ trợ để phát triển AI.

AI nào?

Trước khi xem xét những tác động của AI lên thương mại, cần làm rõ AI mà chúng tôi muốn nói tới trong báo cáo này là AI nào. Có 2 loại AI với sự khác biệt lớn: AI hẹp (narrow AI) - như các dịch vụ dịch thuật, chatbot, và xe không người lái; và AI rộng (general AI) - “là những hệ thống tự-học có thể tích lũy kinh nghiệm giống như não bộ con người, và thực hiện tất cả các nhiệm vụ với hiệu quả vượt trội hơn con người”. AI rộng đang làm dấy lên lo ngại về sự sinh tồn của loài người. Chẳng hạn, người ta lo lắng làm thế nào để mục tiêu của hệ thống AI đi đúng với mục tiêu của loài người nhằm ngăn ngừa các kết quả thảm khốc. Dẫu vậy, AI vẫn là một công nghệ cần được tiếp tục phát triển trong tương lai xa.

Để hiểu được tầm quan trọng của AI hẹp đối với thương mại, trước tiên hãy cùng tóm qua những phần cốt lõi của công nghệ này. Cụ thể, AI hẹp dựa trên công nghệ “máy học” (machine- learning), tức là sử dụng một lượng lớn dữ liệu và các thuật toán mạnh mẽ để đưa ra các dự báo cho tương lai với độ chính xác ngày một tăng. Dữ liệu được dùng cho học máy có thể là những dữ liệu giám sát được – tức dữ liệu với các dữ kiện đi kèm, như nhãn dán – hoặc dữ liệu không giám sát được - những dữ thô chưa được xác định mẫu hình và không được báo trước. AI hẹp còn bao gồm công nghệ học củng cố (reinforcement learning) - tức các thuật toán máy học sẽ chủ động chọn, và thậm chí là tạo ra dữ liệu huấn luyện cho riêng mình.

Một phát triển quan trọng của AI hẹp chính là Mạng Nơron sâu (Deep Neural Network, DNN) - mô phỏng lại mạng noron sinh học của não người. Mạng DNN bao gồm nhiều lớp, mỗi lớp lại bao gồm nhiều đơn vị xử lý (gọi là node hoặc nút). Đầu ra của lớp này trở thành đầu vào của lớp tiếp theo. Mỗi lớp có độ tách biệt cao, cho phép việc tối ưu hóa từng lớp cho từng loại dữ liệu (ví dụ như hình ảnh) và cho phép việc kết nối lớp này với các lớp dữ liệu khác (ví dụ như văn bản). DNN kết nối nhiều nhiệm vụ học máy để tạo ra một cơ chế học máy phục vụ cho một mục đích chung nhất, cho phép AI có thể sắp xếp các loại dữ liệu lộn xộn thành dạng dữ liệu mà con người có thể hấp thu được – như hình ảnh, âm thanh và văn bản.

AI hẹp cũng bao gồm các công cụ đặc trưng, như công cụ out-of-sample validation (công cụ đánh giá dữ liệu không nhìn thấy được) để đánh giá mô hình, thuật toán gradient descent để huấn luyện các mô hình sắp xếp dữ liệu, và công cụ GPUs (bộ xử lý hình ảnh) vốn được phát triển cho các trò chơi video nhưng đã tỏ ra rất phù hợp để hỗ trợ cho các dạng tính toán khổng lồ song song cần thiết để huấn luyện các mạng Nơron.

Để khởi động hệ thống AI trong thực tế đòi hỏi phải có tập hợp dữ liệu lớn. Lúc này, số lượng trở thành vấn đề quan trọng, bởi vì học máy cần phải sử dụng càng nhiều các kết quả trong quá khứ càng tốt để đưa các dự đoán cho tương lai. Có nghĩa là, tiếp cận các dữ liệu bất thường và ít phổ biến trở nên quan trọng.

Tác động của AI đến tăng trưởng kinh tế và thương mại quốc tế

Sự tiến bộ của công nghệ AI sẽ ảnh hưởng đến thương mại quốc tế theo nhiều cách. Đầu tiên, AI tác động đến các yếu tố vĩ mô và các yếu tố có liên quan đến thương mại. Lấy ví dụ, AI làm tăng năng suất, từ đó làm tăng trưởng kinh tế và mở ra cơ hội mới cho thương mại quốc tế. Tốc độ tăng trưởng năng suất toàn cầu hiện nay còn chậm và do nhiều nguyên nhân khác nhau. Một trong những nguyên nhân là, nền kinh tế cần thời gian để đưa vào và tận dụng hiệu quả các công nghệ mới, đặc biệt là với các công nghệ phức tạp và có mức độ ảnh hưởng kinh tế sâu rộng như AI. Thời gian cần thiết bao gồm: thời gian để xây dựng hạ tầng sản xuất đủ lớn để tạo ra tác động tổng hợp; và thời gian cho việc đầu tư nhân lực và tập quán kinh doanh để khai thác triệt để AI.

Ngoài ra, AI còn ảnh hưởng đến kiểu hình và chất lượng của tăng trưởng kinh tế, từ đó, ảnh hưởng đến hoạt động thương mại quốc tế. Lấy ví dụ, AI có thể đẩy nhanh quá trình chuyển đổi sang nền kinh tế dịch vụ. Đây là kết quả tất yếu trước các lo ngại về ảnh hưởng của AI lên việc làm, vì AI sẽ đẩy mạnh tự động hóa và đẩy nhanh quá trình mất việc của lực lượng công nhân cổ cồn xanh có tay nghề thấp trong các ngành sản xuất. Đồng thời, AI cũng sẽ làm nổi bật các kĩ năng làm việc đặc biệt, bởi vì công nghệ này được sử dụng để gia tăng giá trị cho sản xuất và sản phẩm. AI sẽ dẫn đến sự mở rộng hơn nữa của tỷ phần dịch vụ trong sản xuất cũng như trong thương mại quốc tế.

Các ứng dụng cụ thể của AI trong thương mại quốc tế

AI và chuỗi giá trị toàn cầu

AI đã có tác động đến tiến trình phát triển của chuỗi giá trị toàn cầu và cách quản lý các chuỗi này. AI được dùng để cải thiện các dự đoán xu hướng cho tương lai, ví dụ như các thay đổi trong nhu cầu tiêu dùng, và được ứng dụng để quản lý các rủi ro đi kèm trong chuỗi cung ứng. Bằng việc cho phép doanh nghiệp quản lý tốt hơn các đơn vị sản xuất phân tán và phức tạp, AI đã cải thiện được hiệu quả chung của chuỗi giá trị. Ví dụ, doanh nghiệp có thể sử dụng AI để cải tiến việc quản lý kho, dự báo nhu cầu, và cải tiến độ chính xác cho mô hình sản xuất và phân phối tức thời (just-in-time). Công nghệ robot có thể gia tăng năng suất và hiệu quả của quy trình đóng gói và kiểm tra hàng tồn. Doanh nghiệp cũng có thể ứng dụng AI để cải thiện công đoạn kiểm kê và bảo quản các tài sản trong chuỗi cung ứng.

Xu hướng ứng dụng AI ngày một tăng trong sản xuất sẽ tác động đến sự phát triển của chuỗi cung ứng. Ví dụ, khái niệm công nghiệp 4.0 khởi nguồn từ Đức dựa trên các cảm biến (sensors), Internet vạn vật (IoT), và hệ thống không gian mạng ảo (cyber-physical-systems) kết nối máy móc, nguyên liệu, nhà cung cấp và khách hàng. Từ đó, doanh nghiệp có thể dự đoán nhu cầu bảo trì của máy móc, tăng tính liên kết giữa các công ty trong chuỗi cung ứng, và có khả năng sản xuất dựa trên các yêu cầu riêng biệt của khách hàng, thậm chí với số lượng nhỏ. Các tiến bộ trên có thể tăng cường và mở rộng chuỗi giá trị. Ví dụ, sản xuất thông minh, tập trung vào kết nối, có thể giúp mở cửa các chuỗi cung ứng cho sự tham gia cụ thể hơn bởi các nhà cung ứng dịch vụ đặc biệt trong các lĩnh vực như R&D, thiết kế, robot, và phân tích dữ liệu được thiết kế cho các nhiệm vụ trong chuỗi cung ứng.

Ngoài ra, AI cũng có thể tạo ra xu hướng dẫn tới sản xuất ở nước ngoài. Việc ứng dụng tự động hóa rộng ngày một rộng rãi, cộng với sự phát triển leo thang của công nghệ in 3D có thể giảm nhu cầu mở rộng chuỗi cung ứng – đặc biệt trong các sản phẩm phụ thuộc vào nhiều lao động giá rẻ. Kết quả trên có thể tăng tốc quá trình mà Dani Rodrik mô tả là “công nghiệp hóa sớm” ở các nước đang phát triển.

Thương mại sử dụng các nền tảng kỹ thuật số

Một lĩnh vực khác đã ứng dụng AI đó là các nền tảng số như eBay. Đặc biệt đối với các doanh nghiệp nhỏ, các nền tảng số sẽ cung cấp cơ hội chưa từng có để tiếp cận thị trường toàn cầu. Lấy ví dụ ở Mỹ, 97% doanh nghiệp nhỏ xuất khẩu qua eBay.

Các dịch vụ dịch thuật được phát triển trên nền tảng AI sẽ thúc đẩy hơn nữa việc sử dụng các nền tảng số trong thương mại quốc tế. Lấy ví dụ, nhờ vào dịch vụ dịch thuật điện tử của eBay, số lượng đơn hàng xuất khẩu dựa trên eBay sang khu vực Mỹ Latinh nói tiếng Tây Ban Nha đã tăng 17.5% (và tăng 13.1% về mặt giá trị). Khi khoảng cách giữa hai quốc gia giảm 10%, doanh số thương mại sẽ tăng 3.51% - vậy thì, khi doanh thu bán hàng qua eBay tăng 13.1%, dịch thuật tự động của eBay đã làm giảm khoảng cách giữa 2 nước là 35%.

Đàm phán thương mại

AI cũng có tiềm năng giúp cải thiện kết quả của các cuộc đàm phán thương mại. Ví dụ, AI có thể phân tích tốt hơn các quỹ đạo kinh tế của từng đối tác đàm phán dưới các giả định khác nhau, bao gồm: các kết quả do đàm phán thương mại dẫn tới (các mẫu hình tăng trưởng dưới các hình thức tự do hóa thương mại khác nhau), các kết quả này sẽ bị ảnh hưởng như thế nào trong bối cảnh có nhiều người chơi và các rào cản thương mại được điều chỉnh xuống ở các tỷ lệ khác khau, cũng như dự đoán phản ứng trong thương mại từ những nước không tham gia đàm phán. Brazil đã thiết lập một Sáng kiến Công nghệ & Thương mại – sử dụng AI để cải thiện đàm phán thương mại.

Phát triển các quy tắc thương mại để hỗ trợ AI

Ngoài ảnh hưởng của AI lên mẫu hình thương mại quốc tế, các quy tắc thương mại được phản ánh trong hiệp định WTO và các Hiệp định thương mại tự do khác (FTAs) cũng đóng một vai trò quan trọng trong việc hỗ trợ phát triển AI. Phần tiếp theo phát thảo một số lĩnh vực trọng yếu mà các quy tắc thương mại sẽ có thể góp phần quan trọng để phát triển và triển khai AI trên toàn cầu.

Các cam kết tự do hóa dòng chảy thương mại trên toàn cầu, nhưng trong Hiệp định Đối tác Toàn diện và Tiến bộ xuyên Thái Bình Dương (CPTPP) và, gần đây hơn, là Hiệp định Mỹ-Mexico-Canada (USMCA) sẽ khuyến khích AI phát triển. Như đã nói ở trên, việc tiếp cận lượng lớn dữ liệu là cần thiết để huấn luyện các hệ thống AI. Xây dựng hệ thống AI có thể phản ứng trước các thử thách đa dạng và trả lời các câu hỏi từ các nhóm dân cư khác nhau đòi hỏi dữ liệu đầu vào phải là toàn cầu. Lấy một ví dụ tương đối dễ hiểu, để phát triển AI nhận diện giọng nói đòi hỏi phải có một lượng lớn dữ liệu giọng nói với đầy đủ các từ lóng và ngữ điệu địa phương cũng như các từ ít thông dụng. Kết quả là, các biện pháp địa phương hóa dữ liệu làm hạn chế khả năng di chuyển của dữ liệu trên toàn cầu sẽ giảm khả năng phát triển AI.

Hơn nữa, AI được phát triển dựa trên các công nghệ số khác, bao gồm: điện toán đám mây, dữ liệu lớn và internet vạn vật. Các công nghệ số này cũng phụ thuộc vào dòng chảy dữ liệu xuyên biên giới. Điều này có nghĩa là, các biện pháp nội địa hóa dữ liệu làm hạn chế việc chuyển giao dữ liệu trên toàn cầu sẽ tấn công AI một cách trực tiếp - vì làm AI tiếp nhận được ít dữ liệu hơn, và một cách gián tiếp - vì tấn công các công nghệ nền tảng bên trong AI.

Hạn chế dòng chảy dữ liệu xuyên quốc gia sẽ tác động mạnh nhất đến các nước nhỏ (thường là những nước đang phát triển). Mỹ và Trung Quốc - hai quốc gia với dân số đông - lại ít phụ thuộc vào việc tiếp cận dữ liệu của các nước bên ngoài để phát triển các công nghệ AI phục vụ cho thị trường trong nước. Tuy nhiên, để phát triển AI trong các lĩnh vực như chăm sóc sức khỏe, các nước với dân số nhỏ sẽ phải cần đến dữ liệu sức khỏe của toàn cầu. Hạn chế trong việc tiếp cận dữ liệu sẽ làm giảm độ chính xác và tính thích đáng của hệ thống AI ở những nước này.

Để cải thiện quyền tiếp cận dữ liệu nhằm phục vụ cho mục đích phát triển AI, đòi hỏi các chính phủ - kho chứa các bộ dữ liệu lớn - phải công khai dữ liệu. Vấn đề này đã đạt được bước tiến nhờ vào hiệp định USMCA. Theo USMCA, các bên tham gia thừa nhận tầm quan trọng của việc tiếp cận thông tin chính phủ cho phát triển kinh tế và xã hội, và cam kết sẽ giúp cho mọi người được dữ liệu của chính phủ dễ dàng hơn, dưới dạng mở và máy có thể đọc được.

Quyền riêng tư và AI

Mức độ tự do hóa dòng chảy của dữ liệu được cam kết trong các hiệp định thương mại còn tùy thuộc vào mục tiêu chính sách công của mỗi nước. Duy trì các tiêu chuẩn bảo vệ quyền riêng tư cho người dân trong nước là nguyên nhân chính khiến các chính phủ hiện nay phải giảm quyền tự do của các dòng chảy dữ liệu. Lấy ví dụ, Quy định Bảo hộ Dữ liệu Chung của EU (GDPR) đã cấm việc chuyển giao dữ liệu cá nhân đến các nước mà Ủy ban EU cho là "không đủ điều kiện".

Quy định hạn chế xử lý và sử dụng dữ liệu cá nhân trong GDPR có thể tác động xấu đến quá trình phát triển năng lực cho AI. Ví dụ, theo GDPR, dữ liệu cá nhân chỉ có thể sử dụng cho mục đích thu thập, có nghĩa là, dữ liệu cá nhân được thu thập trong một giao dịch không thể được sử dụng để huyến luyện AI cải thiện chất lượng cung cấp dịch vụ. Các yêu cầu trong GDPR khiến các doanh nghiệp phải giảm thiểu lượng dữ liệu thu thập và giảm thời gian lưu trữ dữ liệu, đây cũng là một rào cản cho việc phát triển các bộ dữ liệu dùng để huấn luyện AI.

Mặt khác, quyền riêng riêng sẽ cần phải được bảo hộ mạnh mẽ hơn nữa nếu con người sẽ có thể tin tưởng sống cuộc sống trên mạng, bao gồm việc cung cấp lượng lớn dữ liệu cá nhân cho quá trình học hỏi của AI. Từ khía cạnh này có thể thấy không cần phải đánh đối giữa phát triển AI và bảo vệ quyền riêng tư. Thách thức quan trọng sẽ lã, phải thiết kế các quy định bảo mật sao cho không tạo ra các sự hạn chế không cần thiết đối với việc tiếp cận và sử dụng dữ liệu. Các quy tắc thương mại có thể hỗ trợ cho việc bảo hộ dữ liệu bằng cách yêu cầu các quốc gia nhập khẩu dữ liệu cam kết bảo mật dữ liệu cá nhân của nước xuất khẩu dữ liệu. Ngoài ra, các quy tắc thương mại cũng nên khuyến khích việc công nhận hệ thống bảo mật lẫn nhau, cũng như phát triển các nguyên tắc bảo mật chung cho khu vực và cho toàn cầu.

Các tiêu chuẩn và AI

Việc ứng dụng AI trong công nghiệp sẽ phải cần đến một loạt các tiêu chuẩn mới. Ví dụ như đối với xe không người lái - phương tiện cần đến nhiều tiêu chuẩn kỹ thuật, tiêu chuẩn an toàn và tiêu chuẩn sản xuất xe mới. Nếu như mỗi nước phát triển các tiêu chuẩn khác nhau, điều này sẽ tăng chi phí cho các nhà sản xuất nước ngoài vì phải làm thay đổi thiết kế và nội dung sản phẩm để phù hợp với nước nhập khẩu. Hiệp định USMCA đã giải quyết được vấn đề này bằng những cam kết rằng các tiêu chuẩn riêng của từng nước thành viên phải phù hợp với tiêu chuẩn quốc tế. Điều này góp phần thúc đẩy việc hài hòa hóa quy định và giảm bớt rào cản để phát triển AI trên toàn cầu.

Bảo hộ mã nguồn

Một thách thức nữa trong phát triển AI đó là yêu cầu phải chuyển giao mã nguồn làm điều kiện để được đầu tư, hoặc được tiếp cận thị trường. Yêu cầu cho phép tiếp cận mã nguồn đã được Văn phòng đại diện thương mại Mỹ (USTR) chỉ rõ là một phần trong vấn đề lớn hơn, đó là việc bắt buộc chuyển giao công nghệ ở Trung Quốc. Bởi vì AI dựa trên các thuật toán, việc lấy mã nguồn làm điều kiện để tiếp cận thị trường được coi là một hình thức cản trở thương mại quốc tế, làm giảm sự truyền bá AI trên toàn cầu.

Mỹ và các nước khác đã bắt đầu tìm cách giải quyết lo ngại trên. Trong CPTPP và USMCA, các bên đã thống nhất sẽ "không yêu cầu việc chuyển giao/tiếp cận mã nguồn phần mềm được sở hữu bởi một cá nhân của nước khác" làm điều kiện để cho phép nhập khẩu hay kinh doanh.

Bảo hộ sở hữu trí tuệ và AI

Sự tiến bộ của AI đã khiến cho vấn đề sở hữu trí tuệ (IP) trở nên nóng sốt hơn trong thương mại quốc tế. Như đã đề cập, do AI phụ thuộc vào một lượng lớn dữ liệu đầu vào. Vì vậy, dữ liệu dùng để huấn luyện AI sẽ thường phải cần được sao chép và chỉnh sửa theo nhu cầu sử dụng. Phụ thuộc vào cách thức thu thập dự liệu, việc thu thập dữ liệu cho AI có thể được quy là sao chép hàng ngàn tác phẩm được bảo hộ mà không xin phép. Ở Mỹ, việc sử dụng các dữ liệu trên có vi phạm luật sở hữu trí tuệ hay không, còn tùy thuộc vào việc có nằm trong ngoại lệ mà luật cho phép hay không. Luật bảo hộ bản quyền cho phép miễn trừ trách nhiệm đối với trường hợp "sử dụng hợp lý (fair use). Điều luật "sử dụng hợp lý" mở ra một cơ sở pháp lý linh hoạt cho việc thu thập dữ liệu, có ý nghĩa lớn trong việc phát triển công nghệ số tại Mỹ. Tuy nhiên, thậm chí tại Mỹ, liệu các ngoại lệ trong điều luật "sử dụng hợp lý" có bao gồm việc sử dụng dữ liệu dưới một số hình thức phức tạp hơn cần thiết cho việc huấn luyện AI, điều này vẫn cần phải được kiểm nghiệm.

Hơn nữa, các ngoại lệ trong "sử dụng hợp lý" hay các quy định linh hoạt khác trong vấn đề bản quyền không tồn tại ở nhiều nước khác. Ví dụ, trong luật bản quyền của EU có cho phép một danh sách ngoại trừ, nhưng không bao gồm việc khai thác văn bản và dữ liệu, và dường như không bao gồm AI. Asutralia áp dụng cách tiếp cận tương tự như EU. Từ phương diện thương mại quốc tế, điều này có nghĩa là sao chép dữ liệu hợp pháp để phát triển AI ở Mỹ có thể bị xem là bất hợp pháp ở các nước khác, tạo ra một rào cản trong việc triển khai AI ở những nước này.

Các hiệp định thương mại trước nay vẫn còn do dự trong việc cho phép độ linh hoạt trong vấn đề bản quyền. CPTPP bao một điều khoản về việc thừa nhận sự cần thiết phải đạt được "một cân bằng phù hợp trong vấn đề bản quyền và các hệ thống quyền lợi có liên quan", nhưng mục tiêu này lại không xuất hiện trong Hiệp định mới gần đây hơn là USMCA.

AI và thương mại hàng hóa

Mặc dù phần lớn quá trình phát triển AI tập trung vào việc tiếp cận dữ liệu, các tiêu chuẩn và sở hữu trí tuệ, thì việc tiếp cận hàng hóa cũng sẽ ảnh hưởng đến việc phát triển AI trên toàn cầu. Đặc biệt, như đã nói ở trên, CPU là các phần cứng quan trọng được sử dụng trong Mạng Nơ-ron Sâu. Vì vậy, việc mua bán CPUs là cần thiết cho việc phát triển AI trên toàn cầu. Điều này muốn nhấn mạnh, việc giảm các rào cản thuế quan tiếp tục giữ vai trò quan trọng trong việc hỗ trợ tiếp cận những công nghệ cần thiết để phát triển AI.

Nguồn: Brookings

Từ khóa: Trí tuệ nhân tạo AI, thương mại quốc tế, ứng dụng, thách thức