Bài toán do AI tạo ra và phải được giải quyết bằng chính AI: Lời giải cho cuộc khủng hoảng lưới điện từ bài toán tối ưu hoá có ràng buộc

Sự phát triển bùng nổ của trí tuệ nhân tạo đang thúc đẩy một cuộc chuyển dịch công nghệ với quy mô chưa từng có, nhưng đồng thời cũng vấp phải một rào cản vật lý cốt lõi: giới hạn về mặt năng lượng. Khi các trung tâm dữ liệu không ngừng mở rộng quy mô trên toàn cầu, nguồn điện năng khổng lồ cần thiết để huấn luyện và vận hành các mô hình AI tiên tiến nhất đang tạo ra áp lực cực kỳ lớn lên hệ thống lưới điện.

Tại Hội nghị Thượng đỉnh GStar AI 2026 diễn ra ở Việt Nam vừa qua, Giáo sư Laurent El Ghaoui, Phó Hiệu trưởng phụ trách Nghiên cứu và Đổi mới Sáng tạo tại VinUni, đã trực tiếp phân tích thách thức này. Góc nhìn của ông mở ra một nghịch lý thú vị: dù AI là tác nhân chính dẫn đến cuộc khủng hoảng năng lượng hiện nay, nhưng chính các giải pháp AI tiên tiến lại là chìa khóa then chốt để tháo gỡ bài toán này.

Vượt ra ngoài quy mô vật lý: Bài toán tối ưu hóa

Phản ứng thông thường của ngành công nghiệp trước “cơn khát” năng lượng của AI lâu nay vẫn tập trung vào việc mở rộng quy mô vật lý – xây dựng các trung tâm dữ liệu siêu lớn (hyperscale), cải tiến hệ thống làm mát và chế tạo các vi mạch bán dẫn có tốc độ xử lý nhanh hơn. Tuy nhiên, chiến lược mở rộng lấy phần cứng làm trung tâm này đang nhanh chóng chạm tới các giới hạn vật lý.

Hệ lụy đã hiện hữu rõ ràng trên toàn cầu: hệ thống lưới điện quá tải, tranh chấp nguồn nước, sự dịch chuyển đột ngột của các phụ tải điện và làn sóng phản đối từ các cộng đồng địa phương. Như Giáo sư El Ghaoui nhận định: “Chúng ta đang chi tiêu trước một nguồn ngân sách mà bản thân chưa từng kiểm toán một cách toàn diện.”

Thách thức cốt lõi không đơn thuần là sản xuất thêm năng lượng, mà là quản trị một cách thông minh các nguồn lực sẵn có. Thế giới đang dịch chuyển mạnh mẽ sang năng lượng tái tạo như điện gió và điện mặt trời – những nguồn năng lượng vốn có tính gián đoạn và phụ thuộc lớn vào thời tiết. Đồng thời, cấu trúc phát điện đang dần phi tập trung hóa thông qua hàng triệu nút mạng lưới địa phương, chẳng hạn như hệ thống pin mặt trời áp mái và các thiết bị lưu trữ năng lượng hộ gia đình, trong khi nhu cầu tiêu thụ của người dân lại liên tục biến động.

Việc quản lý một hệ thống động có mức độ phức tạp cao như vậy không thể dựa vào cảm tính hay các bảng tính truyền thống. Việc cân đối giữa nguồn cung, nhu cầu, khả năng lưu trữ và định giá năng lượng – tính bằng từng giây cho đến từng mùa – cấu thành một bài toán tối ưu hóa đa chiều vô cùng lớn.

Vai trò của năng lực điện toán tiên tiến trong quản trị lưới điện

Để giải quyết những thách thức này, cộng đồng khoa học cần áp dụng chính sự chặt chẽ về mặt tính toán từng dùng để xây dựng các mô hình AI tiên phong vào các định luật vật lý của lưới điện. Chúng ta cần những thuật toán tiên tiến được thiết kế để vận hành dưới các ràng buộc vật lý nghiêm ngặt của thế giới thực.

Giáo sư El Ghaoui đã nhấn mạnh một số lĩnh vực trọng yếu mà AI cần phát triển để quản lý hiệu quả các giới hạn về tài nguyên:

1. Mô hình nền tảng cho dữ liệu chuỗi thời gian (Foundation Models for Time Series): Tương tự như cách các mô hình ngôn ngữ lớn (LLM) dự đoán từ tiếp theo trong một câu, các mô hình nền tảng dành riêng cho dữ liệu chuỗi thời gian có thể học cách dự báo các hình thái thời tiết phức tạp, phụ tải lưới điện và biến động giá cả trên các mạng lưới phân phối rộng lớn.
2. Các bộ giải được huấn luyện thay vì giải mới từ đầu (Learned Solvers Over Cold Solves): Khi các bài toán tối ưu hóa lưới điện lặp lại hàng ngày với cấu trúc tương tự nhưng dữ liệu đầu vào khác nhau, các thuật toán học máy có thể “tự rút kinh nghiệm” từ các lời giải trước đó. Điều này giúp đẩy nhanh đáng kể tốc độ tính toán, cho phép điều chỉnh theo thời gian thực để ngăn ngừa các sự cố sập lưới.
3. Hệ thống điều phối tập trung (Coordinated Systems): Việc quản lý lưới điện vật lý đòi hỏi độ tin cậy rất cao. Các nghiên cứu chỉ ra rằng sự điều phối tính toán tập trung có thể mang lại hiệu suất vượt trội so với các hệ thống phân tán, thiếu tính liên kết.

“AI tạo ra bài toán này, thì chính AI phải giải nó. Đây là bài toán tối ưu hóa thú vị nhất ở thời điểm hiện tại,” Giáo sư El Ghaoui nhấn mạnh.

Từ lý thuyết đến hành động: Tiên phong nghiên cứu tại VinUni

Tại VinUni, sự giao thoa giữa toán học nâng cao, trí tuệ nhân tạo và bền vững môi trường là một trong những ưu tiên chiến lược cốt lõi. Thông qua Trung tâm Trí tuệ Môi trường (CEI), các nhà nghiên cứu đang tích cực phát triển các phương pháp cần thiết để chuyển hóa các khái niệm toán học này thành các công cụ thực tiễn trong đời sống.

Định hướng nghiên cứu của CEI được cấu trúc xoay quanh ba trụ cột chính:

• Đô thị thông minh và Tối ưu Năng lượng: Xây dựng các khung giải pháp dựa trên dữ liệu để cân bằng phụ tải năng lượng và tối ưu hóa các lưới điện thông minh tại địa phương.
• Ứng dụng AI trong Khám phá Vật liệu: Ứng dụng học máy nhằm đẩy nhanh quá trình thiết kế các vật liệu tiên tiến, chẳng hạn như pin natri-ion mật độ năng lượng cao, nhằm hỗ trợ việc lưu trữ năng lượng bền vững.
• Phát triển AI bền vững: Giải quyết dấu chân carbon của chính ngành khoa học máy tính thông qua việc nghiên cứu các kiến trúc tính toán phi máy chủ (serverless computing) tiết kiệm tài nguyên phục vụ cho quá trình huấn luyện mô hình.

Bằng cách tập trung vào các lĩnh vực này, VinUni hướng tới việc kiến tạo các công cụ tính toán có tính ứng dụng rộng rãi, góp phần giải quyết các thách thức toàn cầu về khí hậu và năng lượng.

HORIZONS 2026: Tối ưu hóa vì sự phát triển bền vững

Minh chứng cho cam kết này, Trường Đại học VinUni sẽ tổ chức Hội nghị quốc tế HORIZONS 2026 với chủ đề “Tối ưu hóa vì sự phát triển bền vững” (Optimization for Sustainability) từ ngày 1 đến ngày 3 tháng 7 năm 2026. Hội nghị khoa học quốc tế này là nơi quy tụ các nhà nghiên cứu, chuyên gia đầu ngành và các nhà đổi mới sáng tạo trên toàn cầu nhằm thảo luận về các lý thuyết toán tối ưu và học máy tiên tiến nhất, đồng thời tìm giải pháp chuyển hóa chúng thành công cụ thực tiễn cho các hệ thống bền vững.

Các chủ đề thảo luận chính bao gồm:

• Học máy và tối ưu hóa quy mô lớn hướng tới sử dụng tài nguyên hiệu quả.
• Các kiến trúc học máy được thiết kế chuyên biệt cho môi trường hạn chế về tài nguyên.
• Học tăng cường và kiểm soát nâng cao dành cho các hệ thống năng lượng thông minh.

Những thách thức trong quá trình chuyển dịch năng lượng của AI đòi hỏi sự hợp tác liên ngành sâu sắc. Thông qua các diễn đàn như HORIZONS 2026, VinUni tiếp tục thúc đẩy việc phát triển các công cụ tính toán nhằm thúc đẩy sự tiến bộ công nghệ bền vững và dài hạn.

Tìm hiểu thêm về HORIZONS 2026 tại: https://horizons2026.vinuni.edu.vn/