Ngày 15 tháng 7 năm 2026, Viện Công nghệ Thông tin – Đại học Quốc gia Hà Nội đã tổ chức seminar về công nghệ chiến lược, ứng dụng trí tuệ nhân tạo với các hệ thống Camera AI quy mô lớn trong nông nghiệp và Agentic AI trong giáo dục. Sự kiện được tổ chức tại không gian Đổi mới sáng tạo VNU-RMIT Innovation Hub theo cả hai hình thức: trực tiếp và trực tuyến. Buổi seminar do PGS.TS. Lê Hoàng Sơn, Phó Viện trưởng chủ trì cùng với đông đảo các nhà khoa học, giảng viên, nghiên cứu sinh và học viên quan tâm tham dự.
Bài thuyết trình đầu tiên do kỹ sư Micipssa Djaroun đến từ ĐH Junia Isen, Cộng hòa Pháp trình bày, tập trung vào các mô hình Trí tuệ Nhân tạo Tác tử (Agentic AI) trong giáo dục, nhấn mạnh vào các cơ chế cá nhân hóa cho phép hệ thống AI thích ứng với từng người học trong quá trình hoạt động mà không cần phải huấn luyện lại toàn bộ mô hình đã được trình bày chi tiết. Thay vì cập nhật các tham số, hệ thống điều chỉnh trạng thái hiệu suất của người dùng, chiến lược suy luận và tiêu chí đánh giá phản hồi dựa trên lịch sử tương tác.
Hệ thống Agentic AI hoạt động theo 3 cấp độ: phổ quát, mục tiêu và chuyên sâu (bao gồm cả hướng dẫn cá nhân). Mục tiêu chính của hệ thống là dự đoán tỷ lệ bỏ học hàng tuần dựa trên dữ liệu trực tuyến. Hệ thống thực hiện bằng cách phân loại sinh viên vào các cấp độ hỗ trợ khác nhau để tạo ra kết quả. Một kế hoạch can thiệp có cấu trúc với mô hình ngôn ngữ (Large Language Model – LLM) được lưu trữ tại máy tính để cung cấp thông tin để giảng viên kiểm soát.
Kiến trúc Agentic AI được phân tích dựa trên các thành phần chính: khả năng nhận thức đầu vào, bộ nhớ ngắn hạn và dài hạn, cơ chế lập kế hoạch và suy luận, thực thi hành động, và khả năng tự đánh giá và điều chỉnh. Cách tiếp cận này giúp tăng cường cá nhân hóa, giảm chi phí tính toán và góp phần đảm bảo quyền riêng tư dữ liệu của người học. Tác động của hệ thống này cùng với lợi ích lâu dài đối với giáo dục và sự tiến bộ của sinh viên là điều khiến nghiên cứu này trở nên quan trọng trong tương lai, và việc triển khai thời gian thực có thể thúc đẩy hiện thực hóa ứng dụng.
Bài thuyết trình thứ hai, do nghiên cứu sinh Siddhant Sahare đến từ trường ĐH Kỹ thuật Krishna, Ấn Độ trình bày, tập trung vào vấn đề tìm kiếm sâu bệnh từ dữ liệu Camera trên UAV. Việc tìm kiếm sâu bệnh bằng tay trên đồng ruộng rất khó khăn và tốn nhiều công sức, dẫn đến mất mùa vào đúng thời điểm dẫn đến mùa màng bị hư hại hoặc phá hủy. Thách thức kỹ thuật cốt lõi của bài toán là phát hiện mọi thay đổi nhỏ nhất trong môi trường xung quanh và sâu bệnh ảnh hưởng đến cây trồng, đảm bảo giảm thiểu độ trễ trong nhận diện bệnh. Để khắc phục điều đó, nhóm nghiên cứu đã sử dụng một số chỉ số thực vật có sẵn của các loại cỏ dại gây bệnh để xác định và phân loại chúng trước, nhờ đó mô hình học sâu có thể được huấn luyện và sử dụng một cách phù hợp.
Hệ thống Camera AI quy mô lớn trong nông nghiệp được xây dựng dựa trên 3 bước đơn giản: sử dụng máy bay không người lái để lập bản đồ, máy ảnh để chụp ảnh và phát hiện, và nhận dạng bệnh cây trồng. Sau đó, quá trình phân đoạn sẽ tách cây trồng khỏi đất để phát hiện tốt hơn. Bằng cách này, mô hình học sâu có thể phân loại và khoanh vùng khu vực bị thiếu chất dinh dưỡng hiệu quả hơn. Kết quả thực nghiệm cho thấy hệ thống có khả năng hoạt động theo thời gian thực và duy trì khả năng nhận dạng tương đối ổn định trong nhiều tình huống khác nhau, bao gồm cả việc phòng ngừa kịp thời tình trạng căng thẳng và bệnh tật của cây trồng, giúp giảm thiểu lao động thủ công, đồng thời nâng cao hiệu quả và năng suất.
Nghiên cứu này có ý nghĩa quan trọng đối với sự phát triển của nông nghiệp chính xác, cơ sở hạ tầng nông trại thông minh và hệ thống giám sát cây trồng quy mô lớn. Vấn đề phát hiện sâu bệnh cây trồng không chỉ đơn thuần là các thuật toán mà còn đòi hỏi tính nhất quán về không gian địa lý và sự kết hợp của nhiều loại cảm biến (RGB, đa phổ và chỉ số thực vật), khả năng mở rộng khi quy mô trang trại và phạm vi phủ sóng của đội máy bay không người lái tăng lên. Đây là một hướng nghiên cứu cơ bản góp phần phát triển các hệ thống AI có khả năng nhận thức nông nghiệp quy mô lớn, biến tầm nhìn của một máy bay không người lái duy nhất thành một bức tranh toàn cảnh về sức khỏe cây trồng trên toàn trang trại được cập nhật liên tục, từ đó thúc đẩy sự can thiệp tự động trên quy mô lớn.
PGS.TS. Lê Hoàng Sơn nhận định rằng, mặc dù hai bài trình bày thuộc các lĩnh vực ứng dụng khác nhau, nhưng cả hai đều phản ánh hướng nghiên cứu cốt lõi của Viện Công nghệ Thông tin trong giai đoạn hiện nay. Đó là phát triển các hệ thống trí tuệ nhân tạo có khả năng hiểu dữ liệu phức tạp, duy trì trạng thái dài hạn, suy luận đa bước và thích ứng trong thời gian thực. Những khả năng này tạo nền tảng cho các hệ thống giám sát thông minh, trợ lý học tập cá nhân hóa, hệ thống hỗ trợ ra quyết định và mô hình song sinh số trong tương lai.
Trong bài phát biểu bế mạc, PGS.TS. Lê Hoàng Sơn đánh giá cao tính cập nhật và chiều sâu học thuật của hai hướng nghiên cứu, đồng thời nhấn mạnh cần thúc đẩy nghiên cứu liên ngành và tăng cường hợp tác trong nước và quốc tế để phát triển các giải pháp công nghệ chiến lược trong trí tuệ nhân tạo có giá trị khoa học cao và tác động thực tiễn tại Viện Công nghệ Thông tin trong tương lai.
