Trí tuệ nhân tạo trong thời đại số: Bối cảnh thế giới và liên hệ với Việt Nam

Trí tuệ nhân tạo thời đại số: Bối cảnh giới liên hệ với Việt Nam Nguyễn Thanh Thủy1, Hà Quang Thụy2, Phan Xuân Hiếu2, Nguyễn Trí Thành2 Phịng Thí nghiệm Trí tuệ nhân tạo, 2Phịng Thí nghiệm Khoa học liệu Công nghệ Tri thức, Trường Đại học Công nghệ (Đại học Quốc gia Hà Nội) Tóm tắt: Trí tuệ nhân tạo phát triển với tốc độ “hàm mũ”, có nhiều đóng góp quan trọng vào sản xuất, kinh doanh, dịch vụ đời sống người Tuy nhiên, Trí tuệ nhân tạo lĩnh vực phức tạp tạo nhiều thách thức đáng lo ngại Hiểu biết Trí tuệ nhân tạo để nắm bắt kịp thời hội thách thức từ Trí tuệ nhân tạo cần thiết người, tổ chức quốc gia Bài viết cung cấp khái quát chung Trí tuệ nhân tạo, phát triển vượt bậc Trí tuệ nhân tạo thời đại số thách thức lớn từ Trí tuệ nhân tạo Bài viết đề cập tới tình hình nghiên cứu, triển khai Trí tuệ nhân tạo Việt Nam Trên sở khảo sát nội dung chiến lược phát triển Trí tuệ nhân tạo quốc gia số nước giới, chúng tơi có vài trao đổi chiến lược phát triển Trí tuệ nhân tạo quốc gia Việt Nam Xây dựng thực thành cơng chiến lược phát triển Trí tuệ nhân tạo quốc gia góp phần tạo động lực cho nghiệp phát triển kinh tế - xã hội Việt Nam Từ khóa: Trí tuệ nhân tạo, thời đại số, công nghệ “hàm mũ”, liệu lớn, thách thức từ Trí tuệ nhân tạo, chiến lược phát triển Trí tuệ nhân tạo quốc gia Giới thiệu Ngày nay, Trí tuệ nhân tạo (TTNT) góp phần thay đổi sâu sắc nhiều khía cạnh sống, dần trở thành yếu tố quan trọng hoạt động muôn màu muôn vẻ nhân loại Nhiều tranh tương lai xán lạn TTNT mang tới cho loài người khắc họa Riêng mặt kinh tế, nghiên cứu PwC cho thấy TTNT trở thành hội thương mại lớn ngày kinh tế tồn cầu thay đổi nhanh chóng với phần đóng góp TTNT lên tới 15.700 tỷ đơ-la Mỹ vào năm 2030 [34] Chính lý đó, TTNT trở thành đua toàn cầu hai siêu cường kinh tế Mỹ Trung Quốc, đồng thời, nhiều nước giới tiến hành xây dựng chiến lược phát triển TTNT quốc gia họ Tuy nhiên, TTNT lĩnh vực hoạt động phức tạp, nguồn gốc niềm phấn khích lẫn nỗi sợ hãi Tác động TTNT gây ổn định số khía cạnh đời sống kinh tế xã hội nhận diện [16] Dao động lớn dự báo kích thước thị trường TTNTvào năm 2025 từ 644 triệu tới 126 tỷ đô- la Mỹ thể thiếu ổn định đó1 Khái quát thiếu ổn định này, nhà vật lý học lỗi lạc người Anh, Stephen Hawking, nhận định “TTNT kiện (tốt) lớn lịch sử nhân loại Hoặc kiện tồi Chúng ta chưa biết‘’2 Tư tưởng “TTNT người, TTNT nhân loại” cần thấm nhuần thực thi tổ chức xã hội Nhận thức đắn TTNT, tương lại TTNT vấn đề liên quan tới TTNT (đặc biệt khía cạnh đạo đức an toàn TTNT) nội dung quan trọng chiến lược phát triển TTNT quốc gia nhiều nước giới Bài viết cung cấp khái quát (i) khái niệm, lịch sử phát triển thành phần TTNT, (ii) TTNT với liệu lớn TTNT doanh nghiệp, (iii) hai thách thức lớn từ TTNT, (iv) tình hình nghiên cứu TTNT Việt Nam, (v) chiến lược TTNT quốc gia số nước giới vài trao đổi chiến lược TTNT quốc gia Việt Nam Chúng kỳ vọng viết cung cấp khái quát có ý nghĩa TTNT tới độc giả Phần viết tổ chức sau Các khái niệm TTNT giới thiệu mục 2, cung cấp khung nhìn q trình tiến hóa TTNT thành phần TTNT Mục đề cập tới phát triển TTNT thời đại số với nội dung cách mạng số hóa, liệu lớn, cơng nghiệp TTNT thách thức từ TTNT Tình hình nghiên cứu triển khai TTNT Việt Nam trình bày Mục Tiếp theo đó, Mục cung cấp khảo sát sơ chiến lược TTNT quốc gia số nước trao đổi chiến lược TTNT quốc gia Việt Nam Mục cuối giới thiệu kết luận viết Trí tuệ nhân tạo: Khái niệm, q trình tiến hóa thành phần 2.1 Khái niệm Trí tuệ nhân tạo J McCarthy người đưa cụm từ “Trí tuệ nhân tạo” (artificial intelligence-AI) trở thành khái niệm khoa học Trong [27], J McCarthy cộng cho nghiên cứu TTNT nhằm mơ tả xác khía cạnh xử lý trí tuệ học (để có tri thức) tạo hệ thống, máy mô hoạt động học xử lý trí tuệ Ở giai đoạn đầu, TTNT hướng tới xây dựng hệ thống, máy có khả sử dụng ngơn ngữ tự nhiên, trừu tượng hóa -hình thức hóa khái niệm giải vấn đề dựa tiếp cận lô gic, định điều kiện thiếu thông tin TTNT lĩnh vực liên ngành Triết học, Tâm lý học, Khoa học thần kinh, Toán học, Điều khiển học, Khoa học máy tính, Ngơn ngữ học, Kinh tế [35] 1https://www.tractica.com/research/artificial-intelligence-market-forecasts/ 2https://www.cnbc.com/2017/11/06/stephen-hawking-ai-could-be-worst-event-in-civilization.html Hơn sáu thập kỷ phát triển TTNT chứng kiến nhiều định nghĩa TTNT, góp phần định hướng nghiên cứu triển khai TTNT S Russell P Norvig [35] cung cấp bốn kiểu định nghĩa TTNT theo hai chiều: (tư – hành vi), (như người –hợp lý) Bảng Bảng Bốn kiểu định nghĩa TTNT [35] Tư người “Những nỗ lực…làm cho máy tính suy nghĩ máy móc có tâm trí, theo nghĩa đầy đủ theo nghĩa đen” (Haugeland, 1985) “Các hoạt động [tự động hóa] gắn kết với tư người, định, giải vấn đề, học ” (Bellman, 1978) Tư hợp lý "Nghiên cứu lực thần kinh thơng qua mơ hình tính tốn" (Charniak McDermott, 1985) “Nghiên cứu mơ hình tính tốn giúp máy có nhận thức, có lập luận hành động” (Winston, 1992) Hành vi người "Nghệ thuật tạo máy móc thực chức địi hỏi trí thơng minh giống người thực hiện" (Kurzweil, 1990) "Nghiên cứu cách thức làm cho máy tính làm việc trí tuệ tốt người" (Rich and Knight, 1991) Hành vi hợp lý “Tính tốn thơng minh nghiên cứu thiết kế tác tử thông minh” (Poole cộng sự, 1998) “TTNT… quan tâm đến hành vi thông minh vật tạo tác” (Nilsson, 1998) Tiếp cận thực tế xem TTNT lĩnh vực nghiên cứu triển khai, hướng tới phát triển máy tính (nói riêng) máy (nói chung) với lực trí tuệ chứng minh (cảm nhận, đối sánh; đo đếm, đánh giá) Một số lực trí tuệ điển hình là: (i) Học từ kinh nghiệm (trích rút tri thức từ kinh nghiệm) áp dụng tri thức; (ii) Xác định trích chọn đặc trưng quan trọng đối tượng, kiện, trình; (iii) Xử lý tình phức tạp; (iv) Phản ứng nhanh chóng xác tình mới; (v) Nhận dạng hiểu ngữ nghĩa hình ảnh; (vi) Xử lý thao tác ký hiệu (vii) Sáng tạo có trí tưởng tượng; (viii) Sử dụng heuristic (mẹo) Việc chứng minh khả trí tuệ máy người kiểm định (kiểm thử Turing) đánh giá khách quan (sử dụng công cụ thống kê, lô gic vị từ mệnh đề) 2.2 Q trình tiến hóa phát triển Trí tuệ nhân tạo Hình tóm tắt q trình tiến hóa TTNT qua mười giai đoạn kể từ năm 1943 tới nay, S Russell P Norvig tổng hợp [35] Sự mở rộng TTNT, xa so với khởi nguồn ban đầu làm cho số người sáng lập TTNT (John McCarthy, Marvin Minsky, v.v.) bất bình, họ cho TTNT cần tập trung vào mục tiêu nguyên thủy tạo “máy nghĩ, học sáng tạo” Tuy nhiên, thực tiễn minh chứng mở rộng này, đặc biệt TTNT với liệu lớn, tạo nên công nghệ tảng công nghiệp TTNTphát triển theo hàm mũ giai đoạn Hình Tóm tắt q trình tiến hóa Trí tuệ nhân tạo [35] Trong giai đoạn có danh sách nhà khoa học TTNT tiêu biểu S Russell P Norvig nhận định TTNT trải qua chu kỳ thành cơng, đưa đến lạc quan thái dẫn tới tình trạng giảm sút nhiệt tình tài trợ, đồng thời, có chu kỳ với tiếp cận sáng tạo mới, để có thành tựu lớn S Russell P Norvig liệt kê chủ đề TTNT ô-tô tự lái, đốn nhận tiếng nói, lên kế hoạch lập lịch tự trị, máy chơi trò chơi, chống rác, lập kế hoạch hậu cần, người máy, dịch máy Quá trình tiến hóa TTNT thành tựu giai đoạn sau kết thừa kế, phát huy phận phù hợp rút gọn, hiệu chỉnh phận không phù hợp từ giai đoạn trước Một khía cạnh TTNT có Hình Các khu vực Trí tuệ nhân tạo [36] thay đổi chất nhận thức thay đổi kết trình thay đổi lượng 2.3 Các khu vực Trí tuệ nhân tạo Hình dẫn khu vực TTNT hệ chuyên gia, người máy, hệ thống thị giác máy, hệ thống xử lý ngôn ngữ tự nhiên, hệ thống học mạng nơ-ron [36] Hệ chuyên gia xử lý tình tư vấn (xác định vấn đề tư vấn, thu thập thông tin liệu, suy diễn giải vấn đề, lựa chọn giải pháp phù hợp), tương tự chuyên gia người miền ứng dụng cụ thể Người máy TTNT tự thực hành vi có trí tuệ giống người, nhờ trang bị hệ thống phần mềm, thiết bị TTNT Để hạn chế mức cao rủi ro khai thác sử dụng người máy TTNT, ba luật hoạt động người máy cần tn thủ: (i) Người máy khơng có hành động gây hại cho người cần hành động phù hợp người bị hại; (ii) Người máy tuân lệnh người, ngoại trừ lệnh gây hại cho người (để không xung đột với luật hoạt động thứ nhất); (iii) Người máy biết cách tự bảo vệ ngoại trừ trường hợp bị xung đột với luật hoạt động thứ luật hoạt động thứ hai Cần phân biệt người máy TTNT với người máy công nghiệp làm công việc buồn tẻ, độc hại nguy hiểm Hệ thống thị giác máy có khả nhận dạng từ hình ảnh: đối tượng, kiện, q trình mơi trường giới thực xung quanh xác lập vị trí đối tượng Hệ thống thị giác máy có chức năng: (i) nhận biết đối tượng; (ii) định vị đối tượng không gian; (iii) bám, điều hướng, theo dõi đối tượng chuyển động; (iv) đoán nhận hành vi đối tượng Hệ thống xử lý ngôn ngữ tự nhiên (Natural language processing, computational linguistics, human language technology, computer speech Hình 3.Các giai đoạn phân tích xử lý ngơn and language processing) làm cho ngữ tự nhiên (bên trái), cơng cụ tài máy tính có khả hiểu phản nguyên ngôn ngữ xử lý ngôn ngữ tự ứng tiếp nhận câu nói thị nhiên (bên phải) biểu thị ngôn ngữ tự nhiên tiếng Việt, tiếng Anh, v.v Xử lý ngôn ngữ tự nhiên khu vực nghiên cứu TTNT có q trình phát triển lâu dài bảy thập kỷ, thu hút cộng đồng nghiên cứu đông đảo giới Việt Nam Xử lý ngôn ngữ tự nhiên gồm xử lý văn bản, xử lý tiếng nói xử lý tiếng nói – văn Hình cho khung nhìn cơng cụ tài nguyên ngôn ngữ mối quan hệ chúng xử lý ngôn ngữ tự nhiên Tri thức người nhận từ ba nguồn: (i) tiếp thụ sinh học: tiếp thụ thơng qua q trình tiến hóa sinh tồn lồi người di truyền qua hệ; (ii) tiếp thu văn hóa: tiếp thu thơng qua ngơn ngữ cha mẹ, gia đình giáo viên dùng để truyền tri thức cho hệ sau; (iii) tự học suốt đời: tích lũy cá nhân tri thức kỹ Tự học suốt đời giúp người tự nâng cấp lực học để học nhanh hiệu [30] Học máy TTNT hướng tới máy tính có lực “học” (thu nhận tri thức) tương tự người, nhờ có tri thức mà cải thiện cách thức hoạt động, đáp ứng nhận thông tin phản hồi từ mơi trường bên ngồi tình Học máy thống kê, đặc biệt học sâu (deep learning), với liệu lớn, xu hướng chủ chốt, tạo phát triển kỳ diệu TTNT thập kỷ vừa qua Học chuyển đổi (transfer learning), học chuyển đổi sâu (deep transfer learning), học máy suốt đời (lifelong machine learning) kỹ thuật học máy đại, cho phép giải vấn đề tình thiếu thơng tin quan trọng xử lý tình Mạng nơ-ron khu vực TTNT cho phép hệ thống máy tính mô hoạt động giống não người việc học mẫu liệu đoán nhận phân lớp đầu vào Hệ thống mạng nơ-ron thường sử dụng kiến trúc song song vi xử lý mảng dựa cấu trúc mạng giống não người Trí tuệ nhân tạo với liệu lớn 3.1 Thời đại số Sự phát triển công nghệ chip (theo luật Moore), cơng nghệ máy tính, cơng nghệ mạng hệ thống thông tin chuyển đổi hoạt động thơng tin (Hình 4) xã hội lồi người từ chủ yếu dựa “tương tự” sang “số hóa” vài năm [2, 18, 28] Sự chuyển đối gọi cách mạng số hóa hay thời đại số T Makimoto phát quy luật gọi sóng Makimoto (Makimoto’s Wave) mô tả thay đổi theo chu kỳ “tiêu chuẩn hóa - thị trường hóa” ngành cơng nghiệp bán dẫn Chu kỳ tiêu chuẩn hóa Hình Ba hoạt động thơng tin (lưu khuyến khích hiệu suất sản xuất, giảm chi trữ, tính tốn truyền thơng) phí tăng trưởng thị phần, cịn chu kỳ thị công nghệ bật chúng trường hóa yêu cầu cạnh tranh dựa [18] khác biệt sản phẩm, tăng hiệu giảm tiêu thụ lượng [28] Các nhà khoa học nhận định quan sát sóng Makimoto cho nhìn sâu sắc tác động đổi công nghệ chip động mạnh mẽ cho cách mạng số hóa [24, 25, 28] Dữ liệu thu thập điều gì, đâu hình thành “vũ trụ số” (digital universe) có độ tăng trưởng dung lượng nhanh Báo cáo nghiên cứu vũ trụ số IDC (IDC Digital Universe Study) công bố tháng 4/2014 cho ước tính dung lượng vũ trụ số vào năm 2020 44 Zettabyte(1 Zettabyte = 1021 byte ≈ 1000 tỷ Gigabyte) tăng Zettabyte so với ước tính IDC vào ba năm trước (35 Zettabyte, tháng 6/2011) Các hệ thống thông tin (information systems) thực thi quy trình nghiệp vụ doanh nghiệp - quan - tổ chức tác nhân làm cho liên kết vũ trụ vật chất vũ trụ số ngày chặt chẽ Phát triển quan sát T Makimoto [24, 25], B Merritt [28] nhận định sóng người máy sóng số hóa thứ ba, tiếp nối sóng số hóa (được đặc trưng phổ biến máy tính cá nhân) sóng số hóa thứ hai (được đặc trưng mạng số hóa người tiêu dùng số) 3.2 Dữ liệu lớn Tập khổng lồ liệu thu thập lúc, nơi điều vũ trụ số “biết” thứ, điều sống Song hành với điều kỳ vọng to lớn việc tận dụng liệu vũ trụ số vào việc phục vụ mục tiêu cá nhân tổ chức Thể cho kỳ vọng đó, thuật ngữ “dữ liệu lớn” (big data) xuất trở thành thông dụng ngày Dữ liệu lớn thể cho kỳ vọng định nghĩa liệu lớn việc làm khó khăn khái niệm liệu lớn thường mô tả thơng qua đặc trưng Dữ liệu lớn tập liệu có đặc trưng đặc biệt, Hình Năm đặc trưng liệu lớn [19] xử lý (lưu trữ, tính tốn, chuyển dạng) phân tích (tìm mẫu liên quan lạ hữu dụng từ liệu) quy trình công cụ đặc biệt nhằm nhận thông tin hỗ trợ định đánh giá có giá trị Như liệu lớn xử lý phân tích quy trình cơng cụ truyền thống Ở thời gian đầu, ba đặc trưng liệu lớn dung lượng lớn, tốc độ cao, đa dạng kiểu liệu (volume, velocity variety: 3V), sau hai đặc trưng bổ sung thêm xác thực (varacity) có giá trị (value) hợp thành tập đặc trưng 5V (Hình [19]) Điều có nghĩa tập liệu gọi liệu lớn đáp ứng năm đặc trưng mô tả sơ sau đây:      Dung lượng lớn: Tập liệu có dung lượng từ Texabytes (1 Texabytes = 1012 byte ≈ 1000 Gigabyte) trở lên, tổ chức theo phần tử liệu (bản ghi) linh hoạt liệu giao dịch, liệu bảng quan hệ, liệu tệp tin phẳng Với dung lượng cấu trúc phần tử liệu vậy, liệu lớn thường lưu trữ phân tán (đa nguồn) tổng hợp lại phần mềm Dung lượng kích thước Texabytes tổng hợp theo mục tiêu phân tích đảm bảo yêu cầu tập liệu tiềm tàng mẫu lạ, có giá trị Ví dụ, với thuật tốn học sâu, liệu đầu vào lớn, mơ hình biểu diễn liệu kết phù hợp với miền ứng dụng Tốc độ cao: Dữ liệu tạo di chuyển theo tốc độ thời gian thực (hoặc tựa thời gian thực) theo cách thức hàng loạt (theo lơ), theo quy trình theo dịng dẫn tới yêu cầu công nghệ liệu lớn cho phép phân tích liệu thời điểm tạo mà khơng đưa vào sở liệu Ví dụ, yêu cầu phát hoạt động gian lận thẻ tín dụng địi hỏi cơng nghệ liệu lớn thích hợp để giải thời gian mili-giây Đa dạng: Dữ liệu liệu lớn đa dạng, có cấu trúc, khơng có cấu trúc (văn bản, hình ảnh, video, liệu cảm biến, v.v.), đa yếu tố, có tính xác suất; khó khăn tốn quản lý xác chúng cơng nghệ truyền thống Dữ liệu đa dạng cho khung nhìn đa chiều tượng, vật cần quan tâm để phân biệt chúng cho phép phát xác mẫu có giá trị Xác thực: Dữ liệu liệu lớn cần xác thực theo độ tin cậy, quy trình, xuất xứ, uy tín, tính khả dụng giải trình Địi hỏi quy trình cơng cụ liệu lớn kiểm sốt chất lượng độ xác liệu mẫu thực có giá trị chúng trích xuất từ nguồn liệu xác thực Giá trị: Đặc trưng giá trị quan trọng năm đặc trưng liệu lớn Mục tiêu phân tích liệu lớn (mục tiêu kinh doanh) cần dẫn dắt hoạt động xây dựng phân tích liệu lớn Tránh bị rơi vào bẫy ồn “phong trào” liệu lớn không hiểu biết thực chi phí lợi ích liên quan tới trường hợp liệu lớn triển khai Cụ thể, liệu tập hợp vào liệu lớn phải liên quan tới mục tiêu phân tích liệu lớn đặt Nội dung năm đặc trưng liệu lớn đề cập nhiều tới phương pháp công cụ đặc biệt liệu lớn Bài viết đề cập sơ tới công nghệ điển hình theo hai khía cạnh lưu trữ xử lý liệu liệu lớn Thứ nhất, liệu lớn sử dụng hệ thống quản lý liệu phân tán mà điển hình hệ thống tệp tin phân tán Hadoop (Hadoop Distributed File System), hệ thống quản lý sở liệu không quan hệ (NoSQL Databases) Hệ thống tệp tin phân tán Hadoop có kiến trúc chủ/tớ (master/slave) với nút quản lý tên (cùng nút lưu dự phòng) nhiều nút quản lý liệu làm việc theo chế độ xử lý theo lô Dung lượng liệu hệ thống tệp tin phân tán Hadoop lên tới vài Texabytes Hệ thống quản lý sở liệu không quan hệ (CSDL NoSQL) đa dạng phân thành bốn loại là: (i) dựa giá trị khóa (Key-value based) với hai đại diện điển hình Amazon DynamoDb Mamcached; (ii) dựa họ cột (wide-column based) với hai đại diện điển hình Apache Cassandra Apache HBase; (iii) dựa tài liệu (document based) với hai đại diện điển hình Couchbase MangoDB; (iv) dựa đồ thị (graph based) với hai đại diện điển hình Neo4j OrientDB Thứ hai, tồn số tảng phân tích liệu lớn mà bốn tảng điển hình MapReduce, Apache Hadoop, Spark Cụm tính tốn hiệu cao (High Performance Computing Cluster: HPCC)3 MapReduce có hai thao tác Map Reduce, làm việc theo ba bước xử lý song song liệu Ánh xạ (Mapping), Hoán đổi (Shuffling) Rút gọn (Reduce) Phân tích liệu dựa MapReduce chuỗi công việc thi hành ba bước xử lý mà kết đầu công việc trước liệu đầu vào công việc Đầu công việc cuối chuỗi kết phân tích liệu mong muốn Apache Hadoop Spark hai phiên phần mềm tự biến thể MapReduce, Apache Hadoop Yahoo! phát triển cịn Spark khởi thủy từ Đại học California (Berkeley) Cụm tính tốn hiệu cao (HPCC) trở thành hệ thống phần mềm tự từ năm 2011 với hai thành phần cụm Thor (tiền xử lý liệu) cụm Roxie (xử lý phân tích trực tuyến) Vì mục tiêu nâng cao hiệu tương ứng với hai kiểu xử lý vậy, loại cụm Thor Roxie sử dụng hệ thống tệp tin phân tán riêng (hệ thống tệp tin phân tán Thor, hệ thống tệp tin phân tán Roxie tương ứng) 3.2 Trí tuệ nhân tạo – “công nghệ hàm mũ” thời đại số Công nghệ hàm mũ (exponential technology) công nghệ then chốt có bước tăng trưởng nhảy vọt theo hàm mũ với số lớn thời gian dài Ngày nay, công nghệ TTNT trở thành công nghệ hàm mũ, chẳng hạn theo CBInsights Trends [13], theo nhu cầu TTNT vượt xa định luật Moore [38], theo kích thước mạng nơ-ron nhân tạo [17] (Hình 6) Lưu ý, đường dự báo Hình tuyến tính theo thang đo logarit, phản ánh đường hàm mũ số 10 Hình Kích thước mạng nơ-ron nhân tạo tăng gấp đôi sau khoảng 2,4 năm [17] 3http://hadoop.apache.org/ ; http://sparkprogram.org/; https://hpccsystems.com/ Hình cho thấy mạng nơ-ron nhân tạo thời có kích thước hệ thần kinh ong có kích thước não người vào khoảng năm 2056 Do đó, dự báo R Kurzweil [22, 23] cho trí tuệ người trí tuệ máy hợp vào năm 2045 dù chưa thật xác, song hồn tồn có sở 3.3 Cơng nghiệp Trí tuệ nhân tạo thời đại số PwC ước tính (và thừa nhận rộng rãi) lợi ích thu từ TTNT giớivào năm 2030 khoảng 15.700 tỷ đô la Mỹ (6.900 tỷ đóng góp tăng suất 9.100 tỷ tác động bổ sung) đóng góp 14% vào GDP danh nghĩa (nominal gross domestic product) toàn cầu [34] (Hình 7) Bảng trình bày số liệu ước tính nhu cầu quy mơ TTNT ngành công nghiệp phạm vi giới năm năm qua khảo sát toàn cầu 3.000 giám đốc điều hành, nhà quản lý nhà phân tích Hình Lợi ích thu tư TTNT ngành với vấn sâu 30 chuyên gia năm 2030 khu vực giám đốc điều hành công nghệ [33] Như vậy, giới [34] theo ước tính, vốn sở hữu khởi nghiệp tồn cầu xấp xỉ hàng chục tỷ la Mỹ, riêng khu vực cơng xã hội số tỷ la Mỹ Bảng Một ước tính nhu cầu quy mô thị trường TTNT năm năm ngành công nghiệp theo quy mô thị trường, số lượng vấn đề (pain point) thực vấn đề nhận thức được, độ sẵn sàng chi trả [6] Lưu ý: (1) Vốn sở hữu khởi nghiệp (start-up equity) giả định theo quy mô ngành, (2) Độ sẵn sàng chi trả (willingness to pay) tỷ số tổng giá trị trường hợp sử dụng TTNT chia cho quy mô thị trường ngành Quy mô thị trường Ngành công nghiệp Khu vực công xã hội Bán lẻ Sức khỏe Ngân hàng Công nghiệp kỹ nghệ Vật liệu Hàng tiêu dùng đóng gói Ơ tơ láp ráp Viến thông Quy mô ngành công nghiệp (1000 tỷ đô la Mỹ) >25 10-15 5-10 15-25 5-10 5-10 15-25 5-10 50 >50 >50 >50 >50 10-30 10-30 10-30 30-50 Vốn sở hữu khởi nghiệp (tỷ đô la Mỹ) >1.0 0.5-1.0 >1.0 >1.0 0.5-1.0