Bạn học cùng lớp với Vương Hồng, Đặng Dục vừa đoạt “Giải Nobel Thống kê"
Chiều ngày 5 tháng 8 theo giờ địa phương Boston, tại Hội nghị Thống kê Liên hợp (JSM) năm 2026 của Hiệp hội Thống kê Hoa Kỳ, Tô Vĩ Kiệt, giáo sư trọn đời tại Trường Kinh doanh Wharton thuộc Đại học Pennsylvania, đã chính thức nhận danh dự cao nhất của giới thống kê – Giải thưởng COPSS (COPSS Presidents' Award). Đáng nói là ông là bạn học cùng lớp tại Đại học Bắc Kinh với hai người vừa đoạt giải Fields về toán học là Vương Hồng và Đặng Dục. 
Giải thưởng thống kê trọng thể này, thường được Viện Thống kê Toán học (IMS) và các tổ chức hàng đầu như Đại học Toronto ca ngợi là “Giải Nobel Thống kê”. Kể từ khi thành lập vào năm 1976, mỗi năm chỉ trao cho duy nhất một nhà khoa học trẻ có đóng góp kiệt xuất trong lĩnh vực thống kê. Tô Vĩ Kiệt cũng trở thành nhà thống kê học gốc Hoa tiếp theo giành được giải thưởng này sau Khấu Tinh Xương vào năm 2012, sau khoảng thời gian gián đoạn 14 năm.
1. “Giải Nobel” của giới thống kê: 14 năm sau lại đón nhận người gốc Hoa đoạt giải
Giải COPSS do 5 hiệp hội thống kê hàng đầu quốc tế phối hợp thành lập, bao gồm Hiệp hội Thống kê Hoa Kỳ, Hội Thống kê Toán học Quốc tế, Hiệp hội Thống kê Canada v.v. Từ năm 1976 đến nay, mỗi năm giải chỉ trao cho một nhà khoa học trẻ (thường dưới 40 tuổi) có đóng góp xuất sắc trong lĩnh vực thống kê.
1. “Giải Nobel” của giới thống kê: 14 năm sau lại đón nhận người gốc Hoa đoạt giải
Giải COPSS do 5 hiệp hội thống kê hàng đầu quốc tế phối hợp thành lập, bao gồm Hiệp hội Thống kê Hoa Kỳ, Hội Thống kê Toán học Quốc tế, Hiệp hội Thống kê Canada v.v. Từ năm 1976 đến nay, mỗi năm giải chỉ trao cho một nhà khoa học trẻ (thường dưới 40 tuổi) có đóng góp xuất sắc trong lĩnh vực thống kê.
Nhiều tổ chức uy tín như Đại học Toronto và Hội Thống kê Toán học Quốc tế đều chỉ ra trong các báo cáo chính thức rằng, giải thưởng này là vinh dự cao nhất trong lĩnh vực thống kê, được mệnh danh là “Giải Nobel Thống kê”.
Việc Tô Vĩ Kiệt đoạt giải đánh dấu một bước đột phá lớn khác của các nhà khoa học gốc Hoa trong giới thống kê quốc tế.
Trước đây, các nhà thống kê gốc Hoa từng nhận vinh dự này bao gồm những tên tuổi danh tiếng như Lê Tử Lương, Phạm Kiếm Thanh, Mạnh Mẫn Ly, Lưu Quân, Lâm Hi Hồng, Thái Thiên Văn và Khấu Tinh Xương. Những năm gần đây, các đại sư học thuật này đã tạo ra ảnh hưởng sâu rộng đến sự phát triển của ngành thống kê toàn cầu. Ví dụ, Giáo sư Lưu Quân đã trở về nước toàn thời gian vào năm 2025 để đảm nhiệm vị trí Chủ nhiệm Khoa Thống kê và Khoa học Dữ liệu Đại học Thanh Hoa; Phạm Kiếm Thanh giảng dạy tại Đại học Princeton; Mạnh Mẫn Ly, Lâm Hi Hồng và Khấu Tinh Xương giảng dạy lâu năm tại Đại học Harvard; còn Thái Thiên Văn cũng cùng giảng dạy tại Đại học Pennsylvania.
Lần đăng quang này của Tô Vĩ Kiệt là việc nhà khoa học gốc Hoa một lần nữa bước lên bục nhận giải thưởng cao nhất này sau 14 năm.
2. Dấu chân trưởng thành: Từ toán học thuần túy đến sự gắn kết sâu sắc với các vấn đề thực tế
Sự nghiệp học thuật của Tô Vĩ Kiệt thể hiện nền tảng toán học sâu sắc và khả năng quan sát thực tiễn nhạy bén. Ông tốt nghiệp cử nhân khóa 2007 tại Khoa Khoa học Toán học thuộc Đại học Bắc Kinh, có mối duyên sâu sắc với 4 nhà khoa học đoạt giải Fields năm 2026: ông là bạn học cùng lớp Đại học Bắc Kinh với Vương Hồng, Đặng Dục; là bạn học cùng khóa tại Stanford với John Pardon (Bạch Kiệt Văn); và là đồng nghiệp tại công ty mà ông cùng trải qua kỳ nghỉ phép nghiên cứu học thuật với Jacob Tsimerman. Năm 2016, ông nhận bằng Tiến sĩ tại Đại học Stanford dưới sự hướng dẫn của Giáo sư Emmanuel Candès nổi tiếng.
Trong phát biểu tại lễ trao giải COPSS, Tô Vĩ Kiệt đã bày tỏ lòng cảm ơn chân thành đến các người thầy, người bạn đã hướng dẫn ông suốt chặng đường, cùng hai ngôi trường cũ là Đại học Bắc Kinh và Đại học Stanford. Ông đặc biệt đề cập rằng sự hỗ trợ từ học bổng trong thời gian đi học đã giúp ông có thể tập trung toàn bộ tâm trí vào nghiên cứu học thuật.
Nói về hành trình chuyển từ toán thuần túy sang toán ứng dụng và thống kê, Tô Vĩ Kiệt cho biết, quá trình rèn luyện toán thuần túy giai đoạn đầu giúp ông quen với việc xuất phát từ các nguyên lý toán học để hiểu bản chất của các hiện tượng phức tạp. Trong khi đó, trải nghiệm học bằng kép Kinh tế học tại Đại học Bắc Kinh cùng việc nhiều lần tham gia các cuộc thi Mô hình hóa Toán học đã giúp ông cảm nhận trực tiếp hơn tính phức tạp của thế giới thực, thúc đẩy ông lựa chọn sử dụng các công cụ toán học để giải quyết các vấn đề thực tế then chốt trong lĩnh vực xã hội và công nghệ.
Đối với vị thế của ngành thống kê trong kỷ nguyên trí tuệ nhân tạo, Tô Vĩ Kiệt thể hiện sự tin tưởng rất lớn. Ông cho rằng, chỉ cần còn tồn tại dữ liệu, sự không chắc chắn và nhu cầu giải quyết vấn đề, thì ngành thống kê sẽ tiếp tục phát triển. AI không những không làm suy yếu điều này, mà ngược lại còn phóng đại vai trò của thống kê. Cùng với việc quy mô dữ liệu không ngừng mở rộng, ngành thống kê trong tương lai sẽ trở nên “quan trọng hơn, cốt lõi hơn bao giờ hết”, hiện tại chính là thời đại vàng để thực hiện các nghiên cứu thống kê.
3. Nghỉ phép nghiên cứu gia nhập OpenAI: Xây dựng nền tảng toán - lý phía sau AI
Tháng 2 năm 2026, Tô Vĩ Kiệt thông báo trong thời gian nghỉ phép nghiên cứu học thuật tại Trường Kinh doanh Wharton, ông đã gia nhập doanh nghiệp dẫn đầu về trí tuệ nhân tạo OpenAI, trở lại Khu vực Vịnh San Francisco sau 10 năm xa cách. Bên cạnh việc liên tục tạo ra đột phá trong nghiên cứu học thuật, Tô Vĩ Kiệt còn tham gia sâu rộng vào quản trị học thuật khi đảm nhiệm vị trí Chủ tịch về Tính trung thực Nghiên cứu tại hội nghị hàng đầu về học máy ICML 2026, và sẽ đảm nhiệm vị trí Chủ tịch Chương trình tại ICML 2027.
Chia sẻ về mục đích ban đầu khi gia nhập OpenAI, Tô Vĩ Kiệt cho biết sự bùng nổ của các mô hình lớn như ChatGPT không chỉ là một bước nhảy vọt về công nghệ, mà còn là bối cảnh tuyệt vời để kiểm chứng lý thuyết. Ông hy vọng tận dụng sức mạnh tính toán dồi dào và môi trường thực nghiệm thực tế của doanh nghiệp để hiểu được cơ chế tầng dưới của các mô hình lớn từ góc độ toán ứng dụng và thống kê.
Ông chỉ ra rằng, lĩnh vực trí tuệ nhân tạo hiện tại vẫn còn thiếu một hệ thống lý thuyết nền tảng được thừa nhận rộng rãi như vật lý học truyền thống. Sau khi tham số mô hình đạt đến cấp độ hàng nghìn tỷ, năng lực vĩ mô và thiên hướng giảm độ dốc (gradient descent) mà nó thể hiện vẫn thiếu đi sự khắc họa định lượng chính xác. Trong ngắn hạn, ông hy vọng sẽ thiết kế ra các thuật toán tối ưu và thuật toán thống kê hiệu quả hơn cho AI; về lâu dài, mục tiêu tối thượng của ông là thử nghiệm xây dựng một hệ thống lý thuyết toán học hoàn chỉnh cho trí tuệ nhân tạo.
Việc Tô Vĩ Kiệt đoạt giải đánh dấu một bước đột phá lớn khác của các nhà khoa học gốc Hoa trong giới thống kê quốc tế.
Trước đây, các nhà thống kê gốc Hoa từng nhận vinh dự này bao gồm những tên tuổi danh tiếng như Lê Tử Lương, Phạm Kiếm Thanh, Mạnh Mẫn Ly, Lưu Quân, Lâm Hi Hồng, Thái Thiên Văn và Khấu Tinh Xương. Những năm gần đây, các đại sư học thuật này đã tạo ra ảnh hưởng sâu rộng đến sự phát triển của ngành thống kê toàn cầu. Ví dụ, Giáo sư Lưu Quân đã trở về nước toàn thời gian vào năm 2025 để đảm nhiệm vị trí Chủ nhiệm Khoa Thống kê và Khoa học Dữ liệu Đại học Thanh Hoa; Phạm Kiếm Thanh giảng dạy tại Đại học Princeton; Mạnh Mẫn Ly, Lâm Hi Hồng và Khấu Tinh Xương giảng dạy lâu năm tại Đại học Harvard; còn Thái Thiên Văn cũng cùng giảng dạy tại Đại học Pennsylvania.
Lần đăng quang này của Tô Vĩ Kiệt là việc nhà khoa học gốc Hoa một lần nữa bước lên bục nhận giải thưởng cao nhất này sau 14 năm.
2. Dấu chân trưởng thành: Từ toán học thuần túy đến sự gắn kết sâu sắc với các vấn đề thực tế
Sự nghiệp học thuật của Tô Vĩ Kiệt thể hiện nền tảng toán học sâu sắc và khả năng quan sát thực tiễn nhạy bén. Ông tốt nghiệp cử nhân khóa 2007 tại Khoa Khoa học Toán học thuộc Đại học Bắc Kinh, có mối duyên sâu sắc với 4 nhà khoa học đoạt giải Fields năm 2026: ông là bạn học cùng lớp Đại học Bắc Kinh với Vương Hồng, Đặng Dục; là bạn học cùng khóa tại Stanford với John Pardon (Bạch Kiệt Văn); và là đồng nghiệp tại công ty mà ông cùng trải qua kỳ nghỉ phép nghiên cứu học thuật với Jacob Tsimerman. Năm 2016, ông nhận bằng Tiến sĩ tại Đại học Stanford dưới sự hướng dẫn của Giáo sư Emmanuel Candès nổi tiếng.
Trong phát biểu tại lễ trao giải COPSS, Tô Vĩ Kiệt đã bày tỏ lòng cảm ơn chân thành đến các người thầy, người bạn đã hướng dẫn ông suốt chặng đường, cùng hai ngôi trường cũ là Đại học Bắc Kinh và Đại học Stanford. Ông đặc biệt đề cập rằng sự hỗ trợ từ học bổng trong thời gian đi học đã giúp ông có thể tập trung toàn bộ tâm trí vào nghiên cứu học thuật.
Nói về hành trình chuyển từ toán thuần túy sang toán ứng dụng và thống kê, Tô Vĩ Kiệt cho biết, quá trình rèn luyện toán thuần túy giai đoạn đầu giúp ông quen với việc xuất phát từ các nguyên lý toán học để hiểu bản chất của các hiện tượng phức tạp. Trong khi đó, trải nghiệm học bằng kép Kinh tế học tại Đại học Bắc Kinh cùng việc nhiều lần tham gia các cuộc thi Mô hình hóa Toán học đã giúp ông cảm nhận trực tiếp hơn tính phức tạp của thế giới thực, thúc đẩy ông lựa chọn sử dụng các công cụ toán học để giải quyết các vấn đề thực tế then chốt trong lĩnh vực xã hội và công nghệ.
Đối với vị thế của ngành thống kê trong kỷ nguyên trí tuệ nhân tạo, Tô Vĩ Kiệt thể hiện sự tin tưởng rất lớn. Ông cho rằng, chỉ cần còn tồn tại dữ liệu, sự không chắc chắn và nhu cầu giải quyết vấn đề, thì ngành thống kê sẽ tiếp tục phát triển. AI không những không làm suy yếu điều này, mà ngược lại còn phóng đại vai trò của thống kê. Cùng với việc quy mô dữ liệu không ngừng mở rộng, ngành thống kê trong tương lai sẽ trở nên “quan trọng hơn, cốt lõi hơn bao giờ hết”, hiện tại chính là thời đại vàng để thực hiện các nghiên cứu thống kê.
3. Nghỉ phép nghiên cứu gia nhập OpenAI: Xây dựng nền tảng toán - lý phía sau AI
Tháng 2 năm 2026, Tô Vĩ Kiệt thông báo trong thời gian nghỉ phép nghiên cứu học thuật tại Trường Kinh doanh Wharton, ông đã gia nhập doanh nghiệp dẫn đầu về trí tuệ nhân tạo OpenAI, trở lại Khu vực Vịnh San Francisco sau 10 năm xa cách. Bên cạnh việc liên tục tạo ra đột phá trong nghiên cứu học thuật, Tô Vĩ Kiệt còn tham gia sâu rộng vào quản trị học thuật khi đảm nhiệm vị trí Chủ tịch về Tính trung thực Nghiên cứu tại hội nghị hàng đầu về học máy ICML 2026, và sẽ đảm nhiệm vị trí Chủ tịch Chương trình tại ICML 2027.
Chia sẻ về mục đích ban đầu khi gia nhập OpenAI, Tô Vĩ Kiệt cho biết sự bùng nổ của các mô hình lớn như ChatGPT không chỉ là một bước nhảy vọt về công nghệ, mà còn là bối cảnh tuyệt vời để kiểm chứng lý thuyết. Ông hy vọng tận dụng sức mạnh tính toán dồi dào và môi trường thực nghiệm thực tế của doanh nghiệp để hiểu được cơ chế tầng dưới của các mô hình lớn từ góc độ toán ứng dụng và thống kê.
Ông chỉ ra rằng, lĩnh vực trí tuệ nhân tạo hiện tại vẫn còn thiếu một hệ thống lý thuyết nền tảng được thừa nhận rộng rãi như vật lý học truyền thống. Sau khi tham số mô hình đạt đến cấp độ hàng nghìn tỷ, năng lực vĩ mô và thiên hướng giảm độ dốc (gradient descent) mà nó thể hiện vẫn thiếu đi sự khắc họa định lượng chính xác. Trong ngắn hạn, ông hy vọng sẽ thiết kế ra các thuật toán tối ưu và thuật toán thống kê hiệu quả hơn cho AI; về lâu dài, mục tiêu tối thượng của ông là thử nghiệm xây dựng một hệ thống lý thuyết toán học hoàn chỉnh cho trí tuệ nhân tạo.
4. Thống kê đang bước vào thời kỳ hoàng kim,
Đọc tin này và tin tức về kỷ nguyên số hiện nay, mình có cảm giác rất rõ rằng hiện nay đang là thời đại vàng của thống kê và thống kê đang bước vào thời kỳ hoàng kim của nó, giống như vật lý vào đầu thế kỷ XX hay khoa học máy tính vào cuối thế kỷ XX.
Nếu trước đây thống kê thường được xem như một ngành "phụ trợ" cho toán học, kinh tế hay y học, thì ngày nay vị thế của nó đã thay đổi hoàn toàn. Thống kê không còn là ngành lưu trữ hay tổng hợp số liệu thụ động, mà đã trở thành xương sống cho Trí tuệ Nhân tạo (AI) và Khoa học Dữ liệu (Data Science).
AI, học máy (machine learning), khoa học dữ liệu (data science), phân tích dữ liệu lớn (big data), y sinh học, tài chính định lượng... đều không thể phát triển nếu thiếu nền tảng thống kê hiện đại.
Có một câu nói khá nổi tiếng trong giới AI: "Machine Learning is Statistics at Scale."
Tạm dịch: Học máy thực chất là thống kê được thực hiện trên quy mô cực lớn.
Điều đó giải thích vì sao nhiều nhà thống kê hàng đầu hiện nay đang chuyển sang OpenAI, Google DeepMind, Anthropic, Meta AI...
Đọc tin này và tin tức về kỷ nguyên số hiện nay, mình có cảm giác rất rõ rằng hiện nay đang là thời đại vàng của thống kê và thống kê đang bước vào thời kỳ hoàng kim của nó, giống như vật lý vào đầu thế kỷ XX hay khoa học máy tính vào cuối thế kỷ XX.
Nếu trước đây thống kê thường được xem như một ngành "phụ trợ" cho toán học, kinh tế hay y học, thì ngày nay vị thế của nó đã thay đổi hoàn toàn. Thống kê không còn là ngành lưu trữ hay tổng hợp số liệu thụ động, mà đã trở thành xương sống cho Trí tuệ Nhân tạo (AI) và Khoa học Dữ liệu (Data Science).
AI, học máy (machine learning), khoa học dữ liệu (data science), phân tích dữ liệu lớn (big data), y sinh học, tài chính định lượng... đều không thể phát triển nếu thiếu nền tảng thống kê hiện đại.
Có một câu nói khá nổi tiếng trong giới AI: "Machine Learning is Statistics at Scale."
Tạm dịch: Học máy thực chất là thống kê được thực hiện trên quy mô cực lớn.
Điều đó giải thích vì sao nhiều nhà thống kê hàng đầu hiện nay đang chuyển sang OpenAI, Google DeepMind, Anthropic, Meta AI...
6. Nghĩ về ngành thống kê Việt Nam
Đã có thời gian dài mình làm các mô hình toán kinh tế nên thường xuyên sử dụng rất nhiều số liệu thống kê Việt Nam. Thậm chí mình cũng đã nghiên cứu các phương pháp thống kê và năm 1990 đã cùng với GS Nguyễn Văn Quỳ viết một tài liệu gần 200 trang về tính GDP theo phương pháp PPP (so sánh sức mua hay sức mua tương đương) cho nền kinh tế nước ta, in roneo 200 bản gửi báo cáo các đồng chí lãnh đạo Đảng và Nhà nước; đây là bài viết đầu tiên ở Việt Nam về vấn đề này, lúc đó bản thân GDP và hệ thống thống kê tài khoản quốc gia còn chưa được áp dụng ở Việt Nam.
Vì thế các tin tức về thống kê thế giới cũng khiến mình suy nghĩ khá nhiều về ngành thống kê ở Việt Nam. Mình nhận thấy:
Việt Nam có truyền thống đào tạo toán học khá mạnh.
Nhiều học sinh đạt huy chương Olympic Toán quốc tế.
Nhiều nhà toán học được quốc tế công nhận.
Nhưng thống kê lại chưa bao giờ được đầu tư tương xứng.
Trong nhiều trường đại học, thống kê vẫn chủ yếu được giảng dạy như một vài chương trong môn xác suất; môn phụ của kinh tế học; hoặc công cụ xử lý số liệu cho nghiên cứu.
Trong khi trên thế giới, thống kê đã trở thành một ngành khoa học độc lập, có vai trò trung tâm trong AI, tài chính, y học chính xác, khoa học dữ liệu và hoạch định chính sách.
Một thực tế đáng chú ý là Tổng cục Thống kê (nay thuộc Bộ Tài chính sau quá trình sắp xếp bộ máy) nhiều năm qua chủ yếu đảm nhận chức năng thu thập và công bố số liệu kinh tế - xã hội. Tuy nhiên, khoảng cách giữa thống kê nhà nước với thống kê học thuật và thống kê hiện đại (Bayesian statistics, causal inference, high-dimensional statistics, machine learning...) vẫn còn khá lớn. Đặc biệt, rất nhiều chỉ tiêu thống kê của Việt Nam có tên giống tên quốc tế, nhưng nội dung lại khác rất nhiều, vì thế rất khó sử dụng để so sánh quốc tế.
Ở các trường đại học, số lượng chương trình đào tạo chuyên sâu về thống kê, khoa học dữ liệu hay AI dựa trên nền tảng thống kê đã tăng lên trong những năm gần đây, nhưng đội ngũ nghiên cứu đạt trình độ quốc tế vẫn còn mỏng. Việt Nam chưa có nhiều nhóm nghiên cứu mạnh về các hướng tiên tiến như quan hệ nhân quả (causal inference), thống kê Bayes, thống kê phi tham số hay thống kê cho mô hình học sâu.
Đối với lĩnh vực mô hình hóa kinh tế mà mình đang giảng dạy, vai trò của thống kê càng trở nên nổi bật. Các mô hình kinh tế lượng, mô hình dự báo vĩ mô, phân tích chính sách, đánh giá tác động, mô hình DSGE, VAR hay mô hình học máy đều dựa trên nền tảng thống kê. Trong bối cảnh dữ liệu ngày càng lớn và phức tạp, các nhà kinh tế trong tương lai sẽ cần không chỉ hiểu kinh tế mà còn phải thành thạo thống kê hiện đại và khoa học dữ liệu.
7. Nhìn từ thành tựu của giáo sư Tô Vĩ Kiệt cũng như bức tranh quốc tế, có thể điểm qua một số khía cạnh đáng chú ý về ngành Thống kê tại Việt Nam hiện nay và xu hướng trong tương lai
Sự chuyển dịch từ Thống kê Mô tả sang Thống kê Tính toán & Kinh tế lượng: Trước đây, đào tạo và ứng dụng thống kê ở Việt Nam chủ yếu phục vụ quản lý nhà nước (Thống kê Quốc gia, Tổng cục Thống kê) hoặc mô tả dữ liệu cơ bản. Tuy nhiên, trong khoảng một thập kỷ trở lại đây, nhu cầu thực tiễn từ các ngành kinh tế, tài chính, ngân hàng và phân tích chính sách đã đẩy mạnh việc ứng dụng các mô hình Kinh tế lượng nâng cao (Econometrics), phân tích chuỗi thời gian (Time-series) và kiểm định giả thuyết phức tạp.
Khoảng cách giữa Thống kê Lý thuyết và AI/Machine Learning: Tại các cường quốc, các nhà toán học và thống kê đang trực tiếp tham gia xây dựng thuật toán cốt lõi cho AI (như trường hợp Tô Vĩ Kiệt sang OpenAI). Ở Việt Nam, các khoa Toán - Cơ - Tin hay Kinh tế lượng bắt đầu chú trọng hơn đến học máy (Machine Learning), nhưng sự kết hợp giữa Nền tảng Toán - Thống kê chuyên sâu với Bài toán Công nghệ lớn vẫn đang ở giai đoạn từng bước phát triển. Nhiều chương trình đào tạo Khoa học Dữ liệu hiện nay đôi khi quá nghiêng về kỹ năng lập trình (Code) mà thiếu đi độ sâu về lý thuyết xác xuất - thống kê để giải thích bản chất mô hình.
Thách thức về Dữ liệu và Chuẩn mực Thống kê: Một điểm nghẽn lớn trong nghiên cứu kinh tế và ứng dụng thống kê ở Việt Nam là độ tin cậy, tính liên tục và tính công khai của hệ thống dữ liệu (đặc biệt là dữ liệu vi mô - microdata, dữ liệu doanh nghiệp hay các chỉ số kinh tế vĩ mô theo quý/năm). Việc chuẩn hóa các bảng số liệu theo chuẩn quốc tế (như SNA 2008 của LHQ) là tiền đề bắt buộc nếu muốn nâng cao chất lượng các nghiên cứu thực nghiệm.
Cơ hội cho thế hệ nghiên cứu trẻ: Thống kê và Phân tích Dữ liệu hiện là một trong những ngành có đầu ra công việc rộng mở nhất tại Việt Nam (từ Phân tích rủi ro ngân hàng, Phân tích dữ liệu kinh doanh - BA/DA, đến Nghiên cứu định lượng). Sự thành công của các nhà khoa học Châu Á ở các giải thưởng đỉnh cao như COPSS là nguồn cảm hứng lớn, khẳng định rằng tư duy toán học vững chắc kết hợp với khả năng xử lý bài toán thực tế luôn là chìa khóa vàng trong kỷ nguyên số.
Việt Nam có truyền thống đào tạo toán học khá mạnh.
Nhiều học sinh đạt huy chương Olympic Toán quốc tế.
Nhiều nhà toán học được quốc tế công nhận.
Nhưng thống kê lại chưa bao giờ được đầu tư tương xứng.
Trong nhiều trường đại học, thống kê vẫn chủ yếu được giảng dạy như một vài chương trong môn xác suất; môn phụ của kinh tế học; hoặc công cụ xử lý số liệu cho nghiên cứu.
Trong khi trên thế giới, thống kê đã trở thành một ngành khoa học độc lập, có vai trò trung tâm trong AI, tài chính, y học chính xác, khoa học dữ liệu và hoạch định chính sách.
Một thực tế đáng chú ý là Tổng cục Thống kê (nay thuộc Bộ Tài chính sau quá trình sắp xếp bộ máy) nhiều năm qua chủ yếu đảm nhận chức năng thu thập và công bố số liệu kinh tế - xã hội. Tuy nhiên, khoảng cách giữa thống kê nhà nước với thống kê học thuật và thống kê hiện đại (Bayesian statistics, causal inference, high-dimensional statistics, machine learning...) vẫn còn khá lớn. Đặc biệt, rất nhiều chỉ tiêu thống kê của Việt Nam có tên giống tên quốc tế, nhưng nội dung lại khác rất nhiều, vì thế rất khó sử dụng để so sánh quốc tế.
Ở các trường đại học, số lượng chương trình đào tạo chuyên sâu về thống kê, khoa học dữ liệu hay AI dựa trên nền tảng thống kê đã tăng lên trong những năm gần đây, nhưng đội ngũ nghiên cứu đạt trình độ quốc tế vẫn còn mỏng. Việt Nam chưa có nhiều nhóm nghiên cứu mạnh về các hướng tiên tiến như quan hệ nhân quả (causal inference), thống kê Bayes, thống kê phi tham số hay thống kê cho mô hình học sâu.
Đối với lĩnh vực mô hình hóa kinh tế mà mình đang giảng dạy, vai trò của thống kê càng trở nên nổi bật. Các mô hình kinh tế lượng, mô hình dự báo vĩ mô, phân tích chính sách, đánh giá tác động, mô hình DSGE, VAR hay mô hình học máy đều dựa trên nền tảng thống kê. Trong bối cảnh dữ liệu ngày càng lớn và phức tạp, các nhà kinh tế trong tương lai sẽ cần không chỉ hiểu kinh tế mà còn phải thành thạo thống kê hiện đại và khoa học dữ liệu.
7. Nhìn từ thành tựu của giáo sư Tô Vĩ Kiệt cũng như bức tranh quốc tế, có thể điểm qua một số khía cạnh đáng chú ý về ngành Thống kê tại Việt Nam hiện nay và xu hướng trong tương lai
Sự chuyển dịch từ Thống kê Mô tả sang Thống kê Tính toán & Kinh tế lượng: Trước đây, đào tạo và ứng dụng thống kê ở Việt Nam chủ yếu phục vụ quản lý nhà nước (Thống kê Quốc gia, Tổng cục Thống kê) hoặc mô tả dữ liệu cơ bản. Tuy nhiên, trong khoảng một thập kỷ trở lại đây, nhu cầu thực tiễn từ các ngành kinh tế, tài chính, ngân hàng và phân tích chính sách đã đẩy mạnh việc ứng dụng các mô hình Kinh tế lượng nâng cao (Econometrics), phân tích chuỗi thời gian (Time-series) và kiểm định giả thuyết phức tạp.
Khoảng cách giữa Thống kê Lý thuyết và AI/Machine Learning: Tại các cường quốc, các nhà toán học và thống kê đang trực tiếp tham gia xây dựng thuật toán cốt lõi cho AI (như trường hợp Tô Vĩ Kiệt sang OpenAI). Ở Việt Nam, các khoa Toán - Cơ - Tin hay Kinh tế lượng bắt đầu chú trọng hơn đến học máy (Machine Learning), nhưng sự kết hợp giữa Nền tảng Toán - Thống kê chuyên sâu với Bài toán Công nghệ lớn vẫn đang ở giai đoạn từng bước phát triển. Nhiều chương trình đào tạo Khoa học Dữ liệu hiện nay đôi khi quá nghiêng về kỹ năng lập trình (Code) mà thiếu đi độ sâu về lý thuyết xác xuất - thống kê để giải thích bản chất mô hình.
Thách thức về Dữ liệu và Chuẩn mực Thống kê: Một điểm nghẽn lớn trong nghiên cứu kinh tế và ứng dụng thống kê ở Việt Nam là độ tin cậy, tính liên tục và tính công khai của hệ thống dữ liệu (đặc biệt là dữ liệu vi mô - microdata, dữ liệu doanh nghiệp hay các chỉ số kinh tế vĩ mô theo quý/năm). Việc chuẩn hóa các bảng số liệu theo chuẩn quốc tế (như SNA 2008 của LHQ) là tiền đề bắt buộc nếu muốn nâng cao chất lượng các nghiên cứu thực nghiệm.
Cơ hội cho thế hệ nghiên cứu trẻ: Thống kê và Phân tích Dữ liệu hiện là một trong những ngành có đầu ra công việc rộng mở nhất tại Việt Nam (từ Phân tích rủi ro ngân hàng, Phân tích dữ liệu kinh doanh - BA/DA, đến Nghiên cứu định lượng). Sự thành công của các nhà khoa học Châu Á ở các giải thưởng đỉnh cao như COPSS là nguồn cảm hứng lớn, khẳng định rằng tư duy toán học vững chắc kết hợp với khả năng xử lý bài toán thực tế luôn là chìa khóa vàng trong kỷ nguyên số.
Có thể nói rằng, nếu thế kỷ XX là thời đại của toán học, thì thế kỷ XXI rất có thể sẽ là thời đại của thống kê, khoa học dữ liệu và trí tuệ nhân tạo. Quốc gia nào xây dựng được đội ngũ thống kê mạnh sẽ có lợi thế không chỉ trong nghiên cứu khoa học mà còn trong quản trị quốc gia, phát triển doanh nghiệp và cạnh tranh công nghệ toàn cầu.
Không có nhận xét nào:
Đăng nhận xét