Tiêu chuẩn quốc gia TCVN 14364:2025 (ISO/IEC 23053:2022) về Công nghệ thông tin - Trí tuệ nhân tạo - Khung cho hệ thống trí tuệ nhân tạo sử dụng học máy

Tóm tắt mang tính tham khảo.

Tiêu chuẩn quốc gia TCVN 14364:2025 (hoàn toàn tương đương với tiêu chuẩn quốc tế ISO/IEC 23053:2022) về Công nghệ thông tin - Trí tuệ nhân tạo - Khung cho hệ thống trí tuệ nhân tạo sử dụng học máy là văn bản kỹ thuật nền tảng thiết lập một khuôn khổ chung, mang tính hệ thống cho việc mô tả, phát triển và vận hành các ứng dụng trí tuệ nhân tạo (AI) dựa trên công nghệ học máy (Machine Learning - ML). Phạm vi áp dụng và đối tượng hướng tới Tiêu chuẩn này được xây dựng nhằm cung cấp một ngôn ngữ chung và các hướng dẫn kỹ thuật đồng bộ cho các đối tượng sau: Các tổ chức, doanh nghiệp đang nghiên cứu, phát triển, thử nghiệm hoặc triển khai các hệ thống trí tuệ nhân tạo sử dụng công nghệ học máy. Các chuyên gia công nghệ, kỹ sư dữ liệu và nhà phát triển phần mềm cần một khung tham chiếu chuẩn hóa để thiết kế kiến trúc hệ thống AI/ML bền vững. Các cơ quan quản lý nhà nước, tổ chức đánh giá sự phù hợp sử dụng làm căn cứ để kiểm định, đánh giá tính an toàn, minh bạch và hiệu quả của các hệ thống trí tuệ nhân tạo tại Việt Nam. Các nội dung cốt lõi của tiêu chuẩn TCVN 14364:2025 tập trung vào việc chuẩn hóa các thành phần, quy trình và mối quan hệ trong một hệ thống học máy thông qua các nhóm nội dung trọng tâm: 1. Hệ thống thuật ngữ và định nghĩa chuẩn hóa Định nghĩa thống nhất các khái niệm cơ bản trong lĩnh vực AI và ML như: học máy, mô hình học máy (ML model), dữ liệu huấn luyện (training data), dữ liệu kiểm thử (test data), và quá trình suy luận (inference). Phân định rõ ràng và mô tả mối liên hệ giữa các phương pháp học máy phổ biến bao gồm học có giám sát (supervised learning), học không giám sát (unsupervised learning), học bán giám sát (semi-supervised learning) và học tăng cường (reinforcement learning). 2. Khung chức năng của hệ thống học máy (ML System Framework) Thiết lập mô hình kiến trúc chức năng tổng thể của một hệ thống ML, chỉ rõ các thành phần cốt lõi từ hạ tầng phần cứng, lớp quản lý dữ liệu, lớp thuật toán cho đến giao diện ứng dụng đầu ra. Mô tả cách thức các thành phần này tương tác với nhau nhằm đảm bảo tính toàn vẹn của dữ liệu, tối ưu hóa hiệu suất vận hành và hạn chế tối đa các lỗi hệ thống. 3. Chu kỳ vòng đời của hệ thống học máy (ML Lifecycle) Giai đoạn chuẩn bị dữ liệu: Quy định các bước thu thập, làm sạch, dán nhãn, kỹ thuật đặc trưng (feature engineering) và tiền xử lý dữ liệu đầu vào để đảm bảo chất lượng dữ liệu huấn luyện. Giai đoạn huấn luyện và đánh giá mô hình: Hướng dẫn quy trình lựa chọn thuật toán, thiết lập siêu tham số (hyperparameters), huấn luyện mô hình và đánh giá độ chính xác dựa trên các tập dữ liệu kiểm thử độc lập. Giai đoạn triển khai và vận hành: Đưa mô hình vào môi trường thực tế để thực hiện suy luận, đồng thời thiết lập cơ chế giám sát liên tục nhằm phát hiện và khắc phục hiện tượng suy giảm hiệu năng của mô hình theo thời gian (model drift). 4. Các khía cạnh về an toàn, bảo mật và tính minh bạch Đưa ra các yêu cầu về kiểm soát định kiến (bias) trong dữ liệu huấn luyện nhằm đảm bảo tính công bằng và không phân biệt đối xử của các quyết định do AI đưa ra. Khuyến nghị các biện pháp bảo mật dữ liệu, chống lại các hình thức tấn công phi kỹ thuật vào mô hình học máy (như tấn công đầu độc dữ liệu - data poisoning). Khuyến khích khả năng giải thích được (explainability) của các mô hình học máy, giúp người vận hành và người dùng cuối hiểu rõ cơ chế ra quyết định của hệ thống. Hiệu lực thi hành Tiêu chuẩn quốc gia TCVN 14364:2025 có hiệu lực áp dụng kể từ ngày được công bố bởi cơ quan quản lý nhà nước có thẩm quyền về khoa học và công nghệ. Việc áp dụng tiêu chuẩn này mang tính chất tự nguyện khuyến khích, đóng vai trò định hình chuẩn mực kỹ thuật giúp các doanh nghiệp Việt Nam hội nhập sâu rộng vào chuỗi cung ứng công nghệ toàn cầu.