Đại học phải thay đổi cách đào tạo để theo kịp AI

AI đang thay đổi cấu trúc tri thức, phương thức lao động và yêu cầu năng lực nghề nghiệp. Từ một lĩnh vực công nghệ chuyên biệt, AI đã trở thành hạ tầng có thể tham gia vào nghiên cứu, sản xuất, y tế, giáo dục, truyền thông, nghệ thuật, thiết kế, quản trị và phát triển đô thị.

Thêm học phần AI là chưa đủ

Theo PGS.TS Trần Thành Nam, Hiệu trưởng trường Đại học Giáo dục (Đại học Quốc gia Hà Nội), sự phát triển nhanh chóng của AI khiến vai trò của giáo dục đại học cũng thay đổi.

Nếu trước đây, người học cần ghi nhớ và tìm kiếm thông tin, ngày nay, họ càng phải biết xác định vấn đề, đặt câu hỏi, lựa chọn phương pháp, kiểm chứng thông tin và đánh giá kết quả do AI tạo ra. Quan trọng hơn, người học phải chịu trách nhiệm đối với quyết định cuối cùng thay vì phụ thuộc vào công cụ.

Sinh viên trường Đại học Bách khoa TP.HCM. Ảnh: Phương Lâm.

Từ thực tế này, ông Nam cho rằng việc tích hợp AI vào chương trình đào tạo không nên được hiểu đơn giản là mở thêm một số học phần về công nghệ. Các trường cần rà soát từ mục tiêu đào tạo, chuẩn đầu ra, cấu trúc môn học đến phương pháp giảng dạy và đánh giá.

Một cách tiếp cận được PGS Trần Thành Nam đề xuất là xác định rõ ba mức độ tích hợp AI. Ở mức cơ bản, AI được sử dụng như một công cụ hỗ trợ học tập và công việc. Ở mức tiếp theo, người học phải có năng lực sử dụng AI, hiểu giới hạn của công cụ, biết kiểm chứng kết quả và nhận thức được các vấn đề về đạo đức, bản quyền, quyền riêng tư và an toàn dữ liệu.

Ở mức cao hơn, AI cần trở thành một phần của năng lực giải quyết vấn đề trong từng ngành. Người học phải biết lựa chọn công cụ phù hợp, thiết kế quy trình làm việc giữa con người và AI, đánh giá đầu ra và vận dụng kết quả vào bối cảnh nghề nghiệp cụ thể.

Điều này đặc biệt quan trọng với các ngành mà AI đang tham gia sâu vào quá trình chuyên môn. Chẳng hạn, AI có thể hỗ trợ kiến trúc sư, nhà thiết kế hay chuyên gia quản lý tạo ra nhiều phương án nhanh hơn, nhưng những quyết định cuối cùng vẫn đòi hỏi kiến thức chuyên ngành, khả năng phán đoán và trách nhiệm của con người.

Vì vậy, theo PGS Nam, câu hỏi của các trường không nên chỉ là “cần thêm bao nhiêu môn AI”, mà phải bắt đầu từ việc sinh viên cần giải quyết những vấn đề nào và phải có những năng lực gì khi tốt nghiệp. Từ đó, nhà trường mới xác định kiến thức, môn học, dự án và cách đánh giá phù hợp.

Một hướng khác được đặt ra là tổ chức đào tạo liên ngành và xuyên ngành. Đào tạo liên ngành có thể kết nối kiến thức từ nhiều lĩnh vực, trong khi đào tạo xuyên ngành đi xa hơn khi đưa doanh nghiệp, cơ quan quản lý và cộng đồng vào quá trình xác định vấn đề, triển khai dự án và đánh giá kết quả.

Để thực hiện, chương trình có thể được tổ chức theo các lớp từ kiến thức nền tảng, chuyên môn sâu đến học phần liên ngành, dự án thực tế và thực tập với đối tác bên ngoài. Cách tổ chức này giúp sinh viên vừa giữ được nền tảng chuyên môn, vừa có khả năng kết nối kiến thức với những bài toán thực tế.

Tuy nhiên, PGS Nam cho rằng trở ngại lớn không chỉ nằm ở thiết kế chương trình mà còn ở cơ chế vận hành. Các trường phải giải quyết được những vấn đề như học phần liên đơn vị, công nhận tín chỉ, giảng dạy chung, sử dụng phòng thí nghiệm, chia sẻ dữ liệu và quyền sở hữu trí tuệ.

Do đó, cùng với đổi mới chương trình, nhà trường cần xây dựng cơ chế quản trị cho đào tạo liên ngành. Các cơ sở cũng cần thay đổi vai trò của giảng viên, từ người chủ yếu truyền đạt nội dung sang thiết kế trải nghiệm học tập, hướng dẫn phương pháp, cố vấn dự án và kết nối người học với nguồn lực bên ngoài.

Chuẩn đầu ra cao phải đi cùng nguồn lực

Đại diện Đại học Quốc gia TP.HCM lại đặt vấn đề ở một khía cạnh khác. Nếu muốn đào tạo nhân lực tài năng, khoa học cơ bản và công nghệ mũi nhọn với chuẩn đầu ra cao, các trường phải đồng thời bảo đảm điều kiện để người học đạt được chuẩn đó.

Theo đó, yêu cầu về chuẩn đầu ra chỉ có ý nghĩa khi đi kèm đội ngũ hướng dẫn đủ năng lực, bài toán nghiên cứu thực chất, hạ tầng phù hợp và nguồn lực ổn định trong suốt quá trình đào tạo. Nếu chuẩn được nâng lên nhưng các điều kiện này không thay đổi, nguy cơ là tiêu chuẩn bị hạ xuống trong quá trình thực hiện hoặc người học không thể theo đuổi đến cùng.

Sinh viên ngành Khoa học máy tính tại TP.HCM. Ảnh: Phương Lâm.

Từ đó, Đại học Quốc gia TP.HCM đề xuất chuyển cách tiếp cận từ việc chỉ quản lý “đầu vào” sang tổ chức một chuỗi phát triển nhân tài xuyên suốt. Quá trình này bắt đầu từ phát hiện học sinh có năng lực, tiếp tục bằng đào tạo tài năng ở bậc đại học, đưa người học vào các nhóm nghiên cứu ở bậc sau đại học và cuối cùng phát triển đội ngũ giảng viên, nhà khoa học.

Một vấn đề khác là cách xác định chuẩn đầu ra. Đại diện Đại học Quốc gia TP.HCM cho rằng chuẩn đầu ra nghiêm ngặt cần được đo bằng sản phẩm và bằng chứng cụ thể, có đối sánh với các chuẩn tương ứng, bảo đảm tính độc lập trong đánh giá và tiếp tục theo dõi kết quả của người học sau khi tốt nghiệp.

Điều này đồng nghĩa các chương trình đào tạo tài năng không thể chỉ dựa vào điểm số hay số tín chỉ hoàn thành. Sinh viên cần được tham gia vào các bài toán nghiên cứu thực, tạo ra sản phẩm và được đánh giá bởi những người có chuyên môn phù hợp, trong đó có thể có chuyên gia bên ngoài trường.

Để giải quyết bài toán nguồn lực, Đại học Quốc gia TP.HCM đang thúc đẩy việc gắn đào tạo sau đại học với các nhóm nghiên cứu và nhiệm vụ khoa học - công nghệ. Các phòng thí nghiệm, trung tâm nghiên cứu và dự án thực tế được xem là môi trường để người học tiếp cận những vấn đề mà thị trường và khoa học đang đặt ra.

Đơn vị cũng nhấn mạnh vai trò của khoa học cơ bản trong phát triển công nghệ mũi nhọn. Toán học, vật lý và các lĩnh vực nền tảng không chỉ được đào tạo như những ngành độc lập mà cần được kết nối với các hướng như AI, công nghệ lượng tử, bán dẫn, mô phỏng và tối ưu hóa.

Cách tiếp cận này cũng được mở rộng sang đào tạo kỹ sư. Thay vì chỉ học các môn lý thuyết rồi mới tiếp xúc với thực tế, người học có thể được đặt vào những bài toán cụ thể của doanh nghiệp và xã hội, từ đó kết hợp kiến thức của nhiều lĩnh vực để tìm giải pháp.

Tuy nhiên, để mô hình này vận hành ổn định, cơ chế tài chính và tổ chức cũng cần thay đổi. Một chương trình đào tạo tài năng kéo dài nhiều năm không thể phụ thuộc hoàn toàn vào các nguồn kinh phí ngắn hạn theo từng năm. Các dự án nghiên cứu, học bổng, phòng thí nghiệm và đội ngũ hướng dẫn cần được bảo đảm nguồn lực trong cả chu kỳ đào tạo.

Theo đó, Đại học Quốc gia TP.HCM đề xuất có cơ chế đặc thù về nhân sự, cho phép huy động giáo sư quốc tế, chuyên gia doanh nghiệp và những người đang làm việc trong các lĩnh vực công nghệ mũi nhọn tham gia sâu vào đào tạo. Đây là nguồn lực cần thiết nếu các chương trình muốn gắn chuẩn đầu ra với thực tiễn nghiên cứu và sản xuất.

Ở cấp hệ thống, giải pháp được đặt ra là xây dựng cơ chế riêng cho đào tạo nhân tài, khoa học cơ bản và công nghệ chiến lược, trong đó có nguồn kinh phí dài hạn, định mức chi phí phù hợp, tiêu chí cụ thể về chuẩn đầu ra và cơ chế nhân sự linh hoạt.