Tầm quan trọng của chia sẻ dữ liệu

Một ví dụ nổi bật về sức mạnh của dữ liệu được đưa ra bởi Dean Jolliffe chuyên gia kinh tế Ngân hàng Thế giới: “Năm 1999, cơn bão BOB 06 tàn phá bang Odisha của Ấn Độ khiến gần 10.000 người thiệt mạng. Để đối phó, cơ quan quản lý thiên tai được giao nhiệm vụ thu thập, đánh giá và phân tích dữ liệu thời tiết. Khi một cơn bão có kích thước tương tự tấn công Odisha vào năm 2013, hơn 1 triệu người đã được sơ tán và cứu giúp”.

Ông Jolliffe cho biết trường hợp của Odisha cho thấy giá trị của dữ liệu được thu thập: “Bằng cách xây dựng một hệ thống dữ liệu giúp dữ liệu có thể tương tác và dễ truy cập hơn, cho phép các phát hiện được truyền đạt kịp thời, dễ hiểu. Dữ liệu này sẽ trở nên vô giá”.

Với các thiết bị thông minh và cảm biến hiện có mặt ở khắp mọi nơi, dữ liệu có thể biến đổi mọi khía cạnh của doanh nghiệp và xã hội. Tuy nhiên, Aruba Khalid, Nhà phân tích nghiên cứu cấp cao tại Dubai Future Foundation ở UAE cho biết: Dữ liệu có thể được sử dụng để hợp lý hóa hoạt động và cải thiện hiệu quả chi phí (ví dụ, nhà sản xuất máy bay Airbus đã cắt giảm thời gian giao hàng cho nhà cung cấp từ vài tuần xuống chỉ còn vài giờ bằng cách chia sẻ dữ liệu thiết kế và kỹ thuật). Nó cũng có thể được sử dụng để cho phép các doanh nghiệp mới dựa trên việc tạo ra các sản phẩm phù hợp (chẳng hạn như Amazon, Netflix và Facebook)…

Diane Coyle, Giáo sư Chính sách công Bennett tại Đại học Cambridge ở Anh, cho rằng không chỉ cần chia sẻ dữ liệu mà còn có những lập luận để cung cấp một số dữ liệu nhất định một cách tự do. Dữ liệu có giá trị tiền tệ nhưng cũng có giá trị xã hội; khó có thể đưa ra con số về lợi ích mang lại. Vì lý do đó, các chính phủ trong một thời gian dài đã cung cấp dữ liệu như số liệu thống kê quốc gia một cách công khai. 

Vì dữ liệu có giá trị nhất khi được tích lũy nên Jiro Kokuryo, Giáo sư tại Khoa Quản lý Chính sách tại Đại học Keio, Nhật Bản, đã hỏi liệu các phương pháp tiếp cận theo kiểu phương Tây đối với quyền sở hữu dựa trên quyền sở hữu tư nhân có thể kém phù hợp hơn các nguyên tắc nhân từ của người châu Á hay không.

Nhiều cơ quan lập pháp đã chú ý đến việc bảo vệ quyền riêng tư kể từ khi Internet nổi lên. Một ví dụ là Quy định chung về bảo vệ dữ liệu của Liên minh Châu Âu. Quyền riêng tư tiếp tục là ưu tiên của nhiều nhà lập pháp trong bối cảnh lo ngại về vi phạm bảo mật, tôn trọng bí mật và mất quyền kiểm soát đối với dữ liệu cá nhân.

Cần phải tìm ra giải pháp cho tình thế tiến thoái lưỡng nan này. Chúng có thể bao gồm việc đảm bảo rằng dữ liệu chỉ được sử dụng cho một mục đích cụ thể; yêu cầu sự đồng ý cho tất cả các mục đích sử dụng; thiết lập các nguyên tắc như công bằng và nhân phẩm; hoặc thậm chí tạo ra nghĩa vụ được ủy thác về lòng trung thành đối với người cung cấp dữ liệu. Dù giải pháp là gì, dữ liệu phải được truy nguyên để có thể đảm bảo tính toàn vẹn.

Giải pháp giúp chia sẻ dữ liệu và bảo vệ quyền sở hữu trí tuệ

Các thuật toán cho máy học (machine learning) yêu cầu khối lượng lớn dữ liệu để học – nhưng điều gì sẽ xảy ra khi dòng nhiên liệu bị gián đoạn, hay nói cách khác là khi dữ liệu không thể được chia sẻ vì lý do bảo vệ quyền riêng tư, bảo mật hoặc sở hữu trí tuệ (IP)?

Một giải pháp cho vấn đề đó được gọi là liên kết học, nơi dữ liệu không bao giờ rời khỏi sự kiểm soát của chủ sở hữu dữ liệu. Thay vào đó, các thuật toán học máy được đào tạo trên dữ liệu cục bộ mà không cần chia sẻ dữ liệu. Trong một ví dụ đơn giản, dữ liệu nhạy cảm như hồ sơ bệnh nhân từ bệnh viện có thể được sử dụng để phát triển một loại thuốc mới của một công ty dược phẩm mà bệnh viện không cần phải tiết lộ bất kỳ dữ liệu nào. Trong những trường hợp phức tạp hơn, dữ liệu từ nhiều nguồn có thể được sử dụng để đào tạo cùng một thuật toán, mang lại lợi ích cả về khối lượng và tính đa dạng.

Liên kết học yêu cầu một bên thứ ba đáng tin cậy để tập hợp thuật toán và chủ sở hữu dữ liệu lại với nhau. Công ty khởi nghiệp Apheris có trụ sở tại Berlin, được ra mắt vào năm 2019, là một trong những công ty như vậy. Apheris có một nhóm gồm khoảng 20 nhà phát triển, chuyên gia về quyền riêng tư và nhà khoa học dữ liệu. Những cá nhân tài năng này cung cấp một nền tảng an toàn để chia sẻ dữ liệu an toàn. Giám đốc Pháp lý của công ty, Lucie Arntz, gần đây đã nói về mô hình kinh doanh, bảo vệ và bảo mật dữ liệu của công ty.

Cho đến nay, những lợi ích đã được thể hiện rõ ràng nhất trong lĩnh vực chăm sóc sức khỏe – nơi mà có các kỹ thuật AI tiên tiến và cũng có những lo ngại cơ bản về dữ liệu bệnh nhân bí mật và nhạy cảm. Nhưng bà Arntz chỉ ra rằng liên kết học mang lại lợi ích ngay cả khi dữ liệu không nhạy cảm đối với thông tin nhận dạng cá nhân. Ví dụ: Apheris hiện đang làm việc trong một dự án cho nhà sản xuất hóa chất, liên quan đến dữ liệu sản phẩm và khách hàng nhạy cảm, bí mật về mặt thương mại. Liên kết học cũng có thể áp dụng khi một số dữ liệu nhất định được bảo vệ bằng quyền sở hữu trí tuệ.

Bà Arntz cho biết: “Tập trung hóa dữ liệu đang trở nên lỗi thời, và cho biết thêm rằng nhiều công ty sở hữu một lượng lớn dữ liệu có giá trị mà không được tận dụng vì lo ngại về việc chia sẻ. Bạn có thể có nhiều dữ liệu rất quan trọng đối với người khác nhưng không quan trọng đối với bạn, vì vậy nếu không hợp tác với ai đó thì dữ liệu đó cũng không có giá trị gì cả.

Trong một số trường hợp, giá trị của dữ liệu chỉ có thể rõ ràng khi nó được kết hợp với dữ liệu từ các nguồn khác thông qua liên kết học. Ví dụ: Dữ liệu y tế từ bệnh nhân ở Hoa Kỳ có thể được bổ sung với dữ liệu từ châu Phi hoặc châu Á, dẫn đến bộ dữ liệu thử nghiệm lâm sàng đa dạng hơn. Bà Arntz nói: “Bạn có thể mở rộng quy mô bao nhiêu tùy thích và đó là nơi nó trở nên kỳ diệu”.

Một thách thức lớn đối với sự phát triển của các công cụ AI là mức độ ẩn danh. Các cá nhân luôn quan tâm đến việc bảo vệ dữ liệu cá nhân của họ (cho dù tiền sử bệnh tật hoặc gia đình, thông tin tài chính hoặc các chi tiết cá nhân khác) nhưng, theo bà Arntz nói, “dữ liệu càng ẩn danh thì dữ liệu đó càng ít liên quan hơn. Ẩn danh không phải là tương lai của học máy”. Vượt qua những thách thức như vậy đòi hỏi sự kết hợp của các giải pháp công nghệ và pháp lý: Công nghệ có thể đảm bảo tính bảo mật của dữ liệu thông qua các quy trình được kiểm tra nghiêm ngặt và cường độ cao, trong khi luật cho phép các hợp đồng quy định ai kiểm soát dữ liệu, ai có thể nhận kết quả và mức độ chi tiết họ nhận được.

Làm thế nào dữ liệu thực sự được bảo vệ vẫn là một câu hỏi khó trong khi luật bản quyền và các công cụ như quyền cơ sở dữ liệu ở Liên minh Châu Âu (GDPR) có thể cung cấp một số biện pháp bảo vệ, các ranh giới không rõ ràng và hầu hết các tổ chức có khả năng ưu tiên giữ dữ liệu an toàn, dựa trên các điều khoản hợp đồng và bảo vệ theo bí mật thương mại hoặc luật thông tin bí mật.

Bà Arntz lập luận rằng GDPR là một ví dụ về cách một khu vực – trong trường hợp này là EU – có thể “chiếu sáng” để thúc đẩy quy định công bằng. Như bà nói, dữ liệu không thể chỉ được quản lý trên phạm vi quốc gia vì vậy cần có các giải pháp đa quốc gia hoặc quốc tế – ngay cả khi các thỏa hiệp phải được thực hiện trên đường đi. Bà lạc quan rằng các sáng kiến mới của EU, chẳng hạn như Đạo luật quản trị dữ liệu được thông qua gần đây và Đạo luật AI được đề xuất, sẽ cung cấp thêm thông tin rõ ràng: “Chính sách phải luôn cởi mở để tối ưu hóa. Chúng tôi sẽ cần phải điều chỉnh nó trong tương lai và xem xét lại những gì chúng tôi đang cố gắng đạt được”.

Tuy nhiên, bà cảnh báo rằng quá trình này phải có tính bao trùm và liên ngành. Quá nhiều lần các chuyên gia kinh doanh, pháp lý, chính sách và kỹ thuật không ở cùng một phòng hoặc thậm chí nói cùng một ngôn ngữ, và tiếng nói của các công ty khởi nghiệp và doanh nghiệp vừa và nhỏ không phải lúc nào cũng được lắng nghe. “Các chính phủ nói chuyện với các tập đoàn lớn rất nhiều nhưng nếu họ không nói chuyện với các công ty khởi nghiệp, họ sẽ không nghe được về các công nghệ đổi mới”, bà Arntz giải thích.

Tầm quan trọng của dữ liệu là rõ ràng trong mọi thứ, từ giải quyết đại dịch Covid-19 đến đánh giá tác động của biến đổi khí hậu. Bà Arntz nói: “Chúng ta sẽ thấy rất nhiều sự phát triển trong phân tích dữ liệu và chính sách sẽ phải thay đổi để đáp ứng điều này”.

 Dương Ngọc Thái