Tiêu chuẩn hóa AI: Nền tảng thúc đẩy công nghệ phát triển an toàn và bền vững

AI và sản xuất bồi đắp: xu hướng hội tụ mới

Một trong những dấu ấn lớn của Cách mạng công nghiệp 4.0 là tự động hóa, tức quá trình sản xuất liên tục được điều khiển tự động mà giảm phụ thuộc vào lao động thủ công. Trong nhiều thập kỷ gần đây, AI đã được tích hợp vào các hệ thống tự động như thiết kế có sự hỗ trợ của máy tính (CAD), điều khiển số CNC, robot công nghiệp và sản xuất bồi đắp (AM).

Sản xuất bồi đắp thường được gọi là in 3D, là phương pháp tạo ra vật thể bằng cách bổ sung từng lớp vật liệu. Công nghệ này hiện được ứng dụng trong chế tạo thiết bị y tế, linh kiện hàng không, ô tô và vật liệu xây dựng nhờ khả năng sản xuất nhanh, tùy biến cao và đáp ứng theo nhu cầu.

Sự kết hợp giữa AI và công nghệ in 3D được kỳ vọng rút ngắn thời gian thiết kế, giảm lãng phí vật liệu và tăng tốc quá trình sản xuất. Thông qua việc phân tích dữ liệu thời gian thực và dữ liệu lịch sử trong quá trình in 3D, AI có thể phát hiện lỗi, nâng cao độ chính xác cũng như tính ổn định của sản phẩm.

Tiểu ban dữ liệu sản xuất bồi đắp (F42.08) đang triển khai nhiều nội dung liên quan đến dữ liệu phục vụ AI, trong đó có hướng dẫn tiêu chuẩn về an ninh trong sản xuất bồi đắp (WK78322). Tài liệu này tập trung nhận diện các nguy cơ an ninh, phân loại rủi ro và đề xuất giải pháp giảm thiểu nguy cơ trong toàn bộ vòng đời sản xuất.

Ông Alex Kitt, Chủ tịch tiểu ban cho biết, lĩnh vực sản xuất bồi đắp hiện có sự giao thoa rõ rệt giữa AI và an ninh mạng - vật lý. Theo ông, khi mọi thiết kế và quy trình đều được số hóa, nguy cơ tấn công mạng vào hệ thống sản xuất ngày càng lớn, trong đó AI và học máy có thể bị lợi dụng để thực hiện các cuộc tấn công mạng - vật lý. Quỹ Khoa học Quốc gia Hoa Kỳ định nghĩa hệ thống mạng - vật lý là các hệ thống kỹ thuật được xây dựng dựa trên sự tích hợp chặt chẽ giữa máy tính, mạng kết nối và các quy trình vật lý.

Ông Kitt dẫn ví dụ về trường hợp một người đặt micro cạnh máy in 3D nhựa để ghi lại âm thanh trong quá trình hoạt động, sau đó sử dụng thuật toán học máy để tái tạo ngược tệp thiết kế sản phẩm đã in. Điều này cho thấy nguy cơ mất an toàn dữ liệu và tấn công mạng trong môi trường sản xuất số hóa.

Một nội dung khác của F42.08 là tiêu chuẩn đăng ký dữ liệu giám sát quy trình và kiểm soát chất lượng trong sản xuất kim loại bằng công nghệ AM (WK73978). Theo ông Kitt, hoạt động giám sát quy trình hiện tạo ra lượng dữ liệu rất lớn, bao gồm hình ảnh theo thời gian và không gian nhằm xác định vị trí lỗi trong quá trình sản xuất.

Việc so sánh các luồng dữ liệu với kết quả kiểm tra không phá hủy là yếu tố quan trọng để huấn luyện mô hình AI. Tuy nhiên, nhiều dữ liệu hiện chưa được cấu trúc theo cách phù hợp để AI có thể phân tích hiệu quả, do đó việc xây dựng tiêu chuẩn dữ liệu là yêu cầu cần thiết.

Tương tự, tiêu chuẩn tổng quan về nguồn gốc dữ liệu trong sản xuất bồi đắp (F3490) cũng được xây dựng nhằm hỗ trợ diễn giải, tìm kiếm, chia sẻ và phân tích dữ liệu trong lĩnh vực AM, qua đó nâng cao hiểu biết và chất lượng quy trình sản xuất.

Đảm bảo an toàn cho sản phẩm tiêu dùng tích hợp AI

Nếu AI trong sản xuất bồi đắp còn khá chuyên biệt thì AI trong sản phẩm tiêu dùng đã trở nên phổ biến hơn rất nhiều. Xe tự hành, tủ lạnh thông minh hay hệ thống an ninh nhận diện khuôn mặt đang ngày càng xuất hiện rộng rãi trong đời sống. Tuy nhiên, cùng với sự phổ biến là những lo ngại về an toàn và an ninh mạng đối với người dùng.

Để giải quyết vấn đề này, tiểu ban về sản phẩm kết nối (F15.75) đã xây dựng hướng dẫn đảm bảo an toàn cho sản phẩm tiêu dùng kết nối (F3463). 

Tiêu chuẩn được cập nhật năm 2024 nhằm bổ sung các thuật ngữ liên quan đến AI, tập trung vào các rủi ro phát sinh từ khả năng kết nối của sản phẩm. Hướng dẫn áp dụng cho sản phẩm cần được kiểm tra và đánh giá nhằm ngăn ngừa lỗ hổng an ninh mạng có thể ảnh hưởng đến an toàn người dùng hoặc vi phạm tiêu chuẩn an toàn sản phẩm.

Ảnh minh hoạ.

Theo ông Travis Norton - Chủ tịch tiểu ban sản phẩm kết nối, trước khi đưa sản phẩm AI ra thị trường, doanh nghiệp cần đánh giá các rủi ro liên quan đến cập nhật phần mềm, khả năng kết nối và chức năng tự động. Ông cho biết nếu AI kiểm soát một bộ phận của sản phẩm nhưng hoạt động sai, điều đó có thể tạo ra tình huống nguy hiểm. Chẳng hạn robot giao hàng tự động có thể gây tai nạn nếu mất định hướng tại giao lộ hoặc không nhận diện được con người.

Tiêu chuẩn F3463 cũng đề cập các yếu tố môi trường như sương mù, tiếng ồn hoặc nhiệt độ thấp - những yếu tố có thể ảnh hưởng đến cảm biến và khả năng nhận diện của AI. Đồng thời, tiêu chuẩn yêu cầu sản phẩm phải có cơ chế giảm thiểu nguy cơ hoặc chế độ ngắt khẩn cấp khi xảy ra sự cố.

Theo ông Norton, khác với lập trình truyền thống, AI có tính “hộp đen”, khiến việc xác định nguyên nhân của một quyết định hoặc sự cố trở nên khó khăn hơn. Vì vậy, các nhà phát triển và sản xuất phải có trách nhiệm theo dõi, đánh giá dữ liệu huấn luyện để đảm bảo tính minh bạch và an toàn. Tiểu ban cũng xem xét nguy cơ thiên lệch dữ liệu trong các mô hình AI và bổ sung hướng dẫn nhằm đảm bảo tính công bằng, độ chính xác và cập nhật định kỳ đối với mô hình huấn luyện. 

Ngoài ra, tiểu ban về an toàn hồ bơi (F15.49) cũng ban hành tiêu chuẩn cho hệ thống phát hiện đuối nước sử dụng AI. Hệ thống này ứng dụng camera và thuật toán AI để gửi cảnh báo trong vòng 30 giây khi phát hiện người gặp nguy hiểm dưới nước. Đây được xem là tiêu chuẩn đầu tiên dành cho giải pháp bảo vệ chủ động trong hồ bơi dân dụng.

AI mở rộng ứng dụng trong lĩnh vực máy bay không người lái

Trong lĩnh vực hệ thống máy bay không người lái (UAS), hay drone, AI không xuất hiện ở một thời điểm cụ thể mà là kết quả của quá trình nghiên cứu kéo dài nhiều năm cho mục đích dân sự, thương mại, an ninh và quân sự.

Các ủy ban về hệ thống máy bay không người lái (F38) và hệ thống máy bay (F39) đã xây dựng ba báo cáo kỹ thuật liên quan đến tự động hóa và AI trong hàng không. Trong đó, báo cáo “Khung thuật ngữ và yêu cầu cho thiết kế và vận hành tự chủ trong hàng không” (AC377 TR-1) vừa nhận giải thưởng Charles B. Dudley nhờ ảnh hưởng lớn tới ngành hàng không.

Ông Andy Lacher - thành viên sáng lập AC377 cho biết, báo cáo này tập trung vào khái niệm tự chủ, trong đó vai trò của con người trong hệ thống tự động ngày càng giảm. Ông nhấn mạnh AI chỉ là công nghệ có thể hỗ trợ đạt được tính tự chủ, chứ không đồng nghĩa hoàn toàn với tự chủ. Các khái niệm như “tự chủ”, “tự động hóa”, “tự động” và “trí tuệ nhân tạo” cũng được phân biệt rõ trong tiêu chuẩn thuật ngữ hàng không (F3060).

AI thay đổi hoạt động tuyển dụng nhân sự

AI không chỉ xuất hiện trong sản xuất mà còn ngày càng phổ biến trong hoạt động quản trị doanh nghiệp, đặc biệt là nhân sự. Theo Forbes, đến tháng 3/2025, khoảng 93% giám đốc nhân sự tại các doanh nghiệp thuộc Fortune 500 đã bắt đầu tích hợp AI vào hoạt động quản trị. Đáng chú ý là sự xuất hiện của AI Agent - hệ thống phần mềm tự động hoặc bán tự động có khả năng thực hiện công việc trước đây do con người đảm nhiệm.

Trong lĩnh vực nhân sự, AI có thể tìm kiếm ứng viên, sàng lọc hồ sơ, đề xuất nhân sự phù hợp, sắp xếp lịch phỏng vấn và phân tích dữ liệu lao động để dự báo nhu cầu tuyển dụng.

Nhận thấy AI ngày càng phổ biến trong môi trường làm việc, Ủy ban quản trị nguồn nhân lực (E63) đã xây dựng dự thảo hướng dẫn về tiêu chuẩn tuyển dụng hiện đại và hiệu quả (WK91420). Tiêu chuẩn đề cập việc sử dụng AI trong tuyển dụng, bao gồm các biện pháp giảm thiên lệch, đánh giá hành vi trong môi trường làm việc và giảm thiểu rủi ro liên quan đến tuyển dụng bằng AI, đồng thời đảm bảo tuân thủ quy định pháp lý.

Theo ông Norton, trong tương lai, AI Agent có thể hoạt động với mức độ tự chủ cao hơn, hiểu nhu cầu của con người và chủ động thực hiện công việc mà không cần chỉ dẫn trực tiếp. Điều này vừa mở ra cơ hội nâng cao hiệu quả, vừa đặt ra nhiều thách thức mới về quản lý rủi ro và an toàn công nghệ.

Tiểu My (theo ASTM)