Hiệp hội Dữ liệu quốc gia

🇻🇳 Bộ Công an - Cơ quan Thường trực Ban Chỉ đạo 57 Chính phủ vừa tổ chức phiên họp giao ban với các bộ, ngành về tình hình thực hiện nhiệm vụ khoa học công nghệ, đổi mới sáng tạo, chuyển đổi số và Đề án 06.

Trong tháng 5 năm 2026, sau khi Ban Chỉ đạo 57 Chính phủ được kiện toàn, công tác lãnh đạo, chỉ đạo, điều hành có chuyển biến rõ. 73 xuống còn 48 nhiệm vụ, tập trung vào 5 nhóm chính: hoàn thiện thể chế, văn bản pháp lý; xây dựng và kết nối cơ sở dữ liệu; cải cách thủ tục hành chính, dịch vụ công; phát triển công nghệ chiến lược; bảo đảm hạ tầng, an toàn thông tin và dữ liệu.

Qua rà soát, hầu hết các nhiệm vụ chậm muộn là những nhiệm vụ mới, khó, có tính liên ngành cao, chưa có tiền lệ, thời hạn hoàn thành ngắn, chưa phù hợp với tính chất của nhiệm vụ. Sang tháng 6/2026, nhiều bộ, ngành chịu áp lực lớn với số lượng nhiệm vụ cần hoàn thành cao.

Tại phiên họp, Thượng tướng Nguyễn Văn Long, Ủy viên Trung ương Đảng, Thứ trưởng Bộ Công an, Tổ trưởng Tổ giúp việc Ban Chỉ đạo 57 Chính phủ yêu cầu: các bộ, ngành, địa phương khẩn trương rà soát, phân loại, đưa ra phương án xử lý dứt điểm các nhiệm vụ quá hạn. Các đơn vị thống nhất sử dụng hệ thống theodoinq.dcs.vn để theo dõi tiến độ, đồng thời gửi Kế hoạch hành động thực hiện các nhiệm vụ về Bộ Công an trước ngày 9/6/2026.

Về chuyển đổi số và phát triển dữ liệu, Thứ trưởng đề nghị, các bộ, ngành khẩn trương đánh giá, đẩy nhanh tiến độ xây dựng cơ sở dữ liệu và hoàn thiện các khung kiến trúc nền tảng trong tháng 6/2026.

Nhóm thông tin, danh mục dữ liệu sẽ có trên Cổng Dịch vụ công quốc gia

🎯💡
Chính phủ đặt mục tiêu có sản phẩm công nghệ chiến lược trong năm nay

Bộ Công an sẽ triển khai nền tảng điện toán đám mây nội địa, nền tảng bảo mật - an ninh mạng quốc gia cùng thiết bị bay không người lái và hệ thống giám sát, phát hiện, chế áp UAV

💎 “Sự phát triển nhanh chóng của AI đang đặt ra những yêu cầu mới đối với năng lực làm chủ công nghệ của Việt Nam. Vấn đề không chỉ là làm sao theo kịp sự phát triển vũ bão của AI mà còn là cách quản trị, khai thác và sử dụng hiệu quả kho dữ liệu khổng lồ hiện có để tạo ra những giá trị thiết thực cho công nghệ và kinh tế số”.

🎯 “Để làm được điều đó, chúng ta cần đến hạ tầng kỹ thuật, cần các chuẩn dữ liệu, cần các cơ chế chia sẻ liên thông, khung pháp lý phù hợp và nhân lực liên ngành”.

✒️ PGS.TS. Huỳnh Quyết Thắng, Phó Giám đốc Đại học Bách khoa Hà Nội.

⚙️ Những ngày qua, báo chí và giới doanh nghiệp công nghệ dành sự quan tâm đăc biệt đến thông tin có tới 20 sàn giao dịch khoa học và công nghệ có thể gây lãng phí nguồn lực và phân tán dữ liệu.

🔎 Trao đổi về vấn đề này, ông Chu Thúc Đạt, Phó Cục trưởng Cục Đổi mới sáng tạo, Bộ KH&CN cho biết, tất cả các sàn này đều được hình thành trước năm 2025 và hoạt động theo hành lang pháp lý của hệ thống luật trước đây. Tuy nhiên, với hệ thống chính sách mới, đặc biệt là 3 bộ luật quan trọng gồm Luật Khoa học, Công nghệ và Đổi mới sáng tạo, Luật Sở hữu trí tuệ và Luật Chuyển giao công nghệ, vấn đề kết nối và liên thông dữ liệu giữa các sàn giao dịch đã được đặt ra một cách rõ ràng.

📊 Tuy nhiên, ông Đạt cũng thẳng thắn thừa nhận, mặc dù các sàn giao dịch khoa học và công nghệ hiện đã sẵn sàng kết nối với sàn giao dịch công nghệ quốc gia, song vẫn còn một thách thức lớn đó là việc xây dựng và duy trì cơ sở dữ liệu bảo đảm các yêu cầu “đúng, đủ, sạch, sống”.

💠 Cục Đổi mới sáng tạo gần đây đã tham mưu lãnh đạo Bộ Khoa học và Công nghệ xây dựng các nhiệm vụ nhằm nâng cao hiệu quả vận hành và khả năng kết nối giữa các sàn giao dịch khoa học và công nghệ trên cả nước. Định hướng là một nền tảng giao dịch chung, các sàn giao dịch còn lại sẽ đóng vai trò như những vệ tinh kết nối.

[TRI THỨC DỮ LIỆU & CHÍNH SÁCH - DATA & POLICY NEXUS]

CÔNG NGHỆ PHÁT HIỆN TIN TỨC XÁC THỨC DỰA TRÊN TRÍ TUỆ NHÂN TẠO

💎 Hiệp hội Dữ liệu quốc gia giới thiệu bài nghiên cứu “Authentic News Detection Technology Based on Artificial Intelligence Technology” (tạm dịch: Công nghệ phát hiện tin tức xác thực dựa trên trí tuệ nhân tạo)

🌐 Bài nghiên cứu được công bố ngày 05/02/2026 trên tạp chí Discover Artificial Intelligence (Khám phá Trí tuệ nhân tạo - tạp chí khoa học truy cập mở chuyên công bố các nghiên cứu về lý thuyết và ứng dụng của trí tuệ nhân tạo trong nhiều lĩnh vực)

✍🏻 Là công trình của hai tác giả Hui Wang và Feng Nan, nghiên cứu tập trung vào một trong những thách thức lớn của thời đại số: làm thế nào để nhận diện chính xác tin giả và ngăn chặn sự lan truyền của các thông tin sai lệch trong môi trường truyền thông trực tuyến đang phát triển với tốc độ rất cao.

💠 Trong bối cảnh internet và mạng xã hội trở thành nguồn tiếp nhận thông tin chính của hàng tỷ người, tin giả đang xuất hiện với quy mô ngày càng lớn và có khả năng tác động mạnh đến nhận thức xã hội, an ninh quốc gia và quyền được tiếp cận thông tin chính xác của công chúng. Theo các tác giả, phương pháp kiểm duyệt thủ công truyền thống không còn đủ khả năng xử lý lượng thông tin khổng lồ được tạo ra mỗi ngày. Chính vì vậy, trí tuệ nhân tạo (AI - Artificial Intelligence, công nghệ cho phép máy tính mô phỏng một phần khả năng tư duy và học tập của con người) đang được xem là giải pháp quan trọng để tự động phát hiện và phân loại tin tức thật và giả.

💠 Nghiên cứu đề xuất một hệ thống phát hiện tính xác thực của tin tức mang tên AI-NAD (Artificial Intelligence News Authenticity Detection - một hệ thống phát hiện tính xác thực của tin tức bằng trí tuệ nhân tạo). Điểm nổi bật của hệ thống này là sự kết hợp nhiều công nghệ AI khác nhau thay vì chỉ dựa trên một phương pháp đơn lẻ. Cụ thể, nghiên cứu tích hợp Deep Learning (Học sâu), NLP (Natural Language Processing - Xử lý ngôn ngữ tự nhiên) và công nghệ nhận dạng hình ảnh để xây dựng một cơ chế phân tích đa chiều đối với nội dung tin tức. Theo các tác giả, việc kết hợp nhiều nguồn thông tin như văn bản, ngữ nghĩa và hình ảnh giúp hệ thống đánh giá độ tin cậy của tin tức toàn diện hơn so với các mô hình truyền thống.

💠 Về mặt kỹ thuật, nghiên cứu sử dụng HMM (Hidden Markov Model - Mô hình Markov ẩn) để phân tích mối quan hệ ngữ cảnh và logic thời gian trong nội dung tin tức. Có thể hiểu đơn giản rằng HMM giúp hệ thống nhận biết những trạng thái hoặc ý nghĩa tiềm ẩn đằng sau các câu chữ được quan sát trực tiếp. Nhờ đó, mô hình không chỉ đọc từng câu riêng lẻ mà còn có thể đánh giá tính hợp lý của toàn bộ mạch thông tin. Đây là bước quan trọng giúp hệ thống hiểu được ngữ cảnh của một bản tin thay vì chỉ dựa vào từ khóa.

💠 Sau khi xử lý ngữ cảnh bằng HMM, nghiên cứu tiếp tục sử dụng CNN (Convolutional Neural Network - Mạng nơ-ron tích chập) để trích xuất các đặc trưng quan trọng từ nội dung văn bản. CNN vốn nổi tiếng trong lĩnh vực nhận dạng hình ảnh, nhưng trong nghiên cứu này được ứng dụng để nhận diện các mẫu ngôn ngữ đặc trưng của tin thật và tin giả. Để khắc phục những hạn chế của CNN truyền thống, nhóm tác giả đã phát triển một phiên bản cải tiến gọi là ICNN (Improved Convolutional Neural Network - Mạng nơ-ron tích chập cải tiến). Đây được xem là đóng góp kỹ thuật quan trọng nhất của nghiên cứu.

💠 Bên cạnh đó, nghiên cứu còn áp dụng Self-training (Tự huấn luyện) - là một phương pháp cho phép mô hình học từ cả những dữ liệu chưa được gắn nhãn. Nói một cách dễ hiểu, thay vì chỉ học từ các ví dụ đã biết rõ đâu là tin thật và đâu là tin giả, hệ thống còn có khả năng tự khai thác thêm dữ liệu mới để nâng cao năng lực nhận diện. Cơ chế này giúp mô hình thích ứng tốt hơn với môi trường thông tin luôn thay đổi, nơi các hình thức tin giả mới liên tục xuất hiện.

💠 Để đánh giá hiệu quả của mô hình, nhóm nghiên cứu tiến hành thử nghiệm trên hai bộ dữ liệu nổi tiếng trong lĩnh vực phát hiện tin giả. Thứ nhất là FakeNewsNet, một kho dữ liệu tổng hợp tin tức, tương tác mạng xã hội và hành vi người dùng liên quan đến tin thật và tin giả. Thứ hai là LIAR, bộ dữ liệu chứa hơn 12.000 phát ngôn đã được kiểm chứng mức độ chính xác bởi các tổ chức kiểm chứng thông tin chuyên nghiệp. Đây là hai nguồn dữ liệu được cộng đồng nghiên cứu quốc tế sử dụng rộng rãi để đánh giá các hệ thống phát hiện tin giả.

💠 Kết quả thực nghiệm cho thấy mô hình ICNN đạt hiệu quả vượt trội so với các mô hình CNN truyền thống. Sau 50 vòng lặp huấn luyện, độ chính xác của ICNN đạt 96,97%, trong khi mô hình CNN kết hợp kỹ thuật Dropout (một phương pháp hạn chế hiện tượng học thuộc dữ liệu) chỉ đạt 89,68%. Đồng thời, tốc độ hội tụ của mô hình cũng nhanh hơn đáng kể, giúp giảm thời gian huấn luyện và tăng hiệu quả xử lý.

💠 Nghiên cứu cũng sử dụng hai chỉ số đánh giá phổ biến là NMI (Normalized Mutual Information - Thông tin tương hỗ chuẩn hóa) và ARI (Adjusted Rand Index - Chỉ số Rand hiệu chỉnh). Đây là những thước đo dùng để đánh giá mức độ chính xác của việc phân loại dữ liệu. Trên bộ dữ liệu FakeNewsNet, mô hình ICNN đạt NMI 84,82% và ARI 90,15%, cao hơn đáng kể so với các phương pháp đối chứng. Trên bộ dữ liệu LIAR, mô hình đạt NMI 83,35% và ARI 87,32%, tiếp tục khẳng định tính ổn định và khả năng tổng quát hóa của hệ thống.

💠 Một điểm đáng chú ý khác là nghiên cứu không chỉ tập trung vào độ chính xác mà còn đánh giá khả năng ứng dụng thực tiễn. Theo các tác giả, công nghệ AI-NAD có thể hỗ trợ các cơ quan báo chí sàng lọc thông tin trước khi xuất bản, giúp các nền tảng mạng xã hội phát hiện sớm nội dung sai lệch và hỗ trợ cơ quan quản lý trong việc duy trì môi trường thông tin lành mạnh. Xa hơn, công nghệ này có thể góp phần bảo vệ quyền tiếp cận thông tin chính xác của người dân và giảm thiểu những tác động tiêu cực của tin giả đối với xã hội.

💠 Tuy nhiên, nghiên cứu cũng thừa nhận một số hạn chế. Hiệu quả của mô hình phụ thuộc lớn vào chất lượng và quy mô dữ liệu huấn luyện. Trong khi đó, việc xây dựng các bộ dữ liệu tin giả có độ tin cậy cao, đa dạng về chủ đề và ngôn ngữ vẫn là một thách thức lớn. Ngoài ra, các hình thức tin giả ngày càng tinh vi, đặc biệt là những nội dung được tạo ra bằng AI, đòi hỏi các hệ thống phát hiện phải liên tục được cập nhật và cải tiến.

💠 Kết luận, nghiên cứu “Authentic News Detection Technology Based on Artificial Intelligence Technology” khẳng định tiềm năng to lớn của trí tuệ nhân tạo trong cuộc chiến chống tin giả. Thông qua việc kết hợp mô hình Markov ẩn, xử lý ngôn ngữ tự nhiên, học sâu và mạng nơ-ron tích chập cải tiến, nghiên cứu đã xây dựng được một hệ thống nhận diện tin tức có độ chính xác cao và khả năng ứng dụng thực tiễn rõ rệt. Kết quả nghiên cứu cho thấy AI không chỉ là công cụ hỗ trợ xử lý dữ liệu mà đang dần trở thành một thành phần quan trọng trong việc bảo vệ tính minh bạch của môi trường thông tin, góp phần duy trì an ninh thông tin và củng cố niềm tin của công chúng trong kỷ nguyên số.

Ban Truyền thông

Chiều 4/6, Tổng Bí thư, Chủ tịch nước Tô Lâm chủ trì cuộc làm việc với Ban Chính sách, chiến lược Trung ương và các cơ quan liên quan về Đề án đổi mới mô hình phát triển đất nước dựa trên khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số. Trong đó có một số ý về dữ liệu như sau:

1. Dữ liệu là một phần của năng lực tự chủ chiến lược quốc gia
Tổng Bí thư, Chủ tịch nước nhấn mạnh mô hình phát triển mới phải nhìn xa hơn chuyển đổi số thông thường, chuẩn bị cho thời đại AI, robot tự động, sinh học tổng hợp, điện toán lượng tử… và nêu rõ: “Năng lực tự chủ chiến lược về công nghệ và dữ liệu” phải trở thành một bộ phận quan trọng của chiến lược bảo vệ Tổ quốc trong tình hình mới.

2. Dữ liệu là hạ tầng kết nối hệ sinh thái đổi mới sáng tạo
Khi nói về các nội dung đột phá, Tổng Bí thư, Chủ tịch nước yêu cầu tổ chức hệ sinh thái đổi mới sáng tạo theo hướng kết nối hạ tầng - tài chính - dữ liệu - tiêu chuẩn - thị trường, với doanh nghiệp, viện nghiên cứu, trường đại học là lực lượng nòng cốt.

3. Cần có khung pháp lý về quản trị dữ liệu quốc gia
Tổng Bí thư, Chủ tịch nước yêu cầu xây dựng khung pháp lý đồng bộ về quản trị dữ liệu quốc gia, đồng thời đẩy nhanh hoàn chỉnh hệ thống dữ liệu quốc gia và dữ liệu ngành. Đây là thông điệp rất quan trọng: dữ liệu không chỉ là tài nguyên kỹ thuật, mà phải được quản trị bằng thể chế rõ ràng.

4. Mở dữ liệu Chính phủ có kiểm soát
Tổng Bí thư, Chủ tịch nước yêu cầu mở cửa dữ liệu Chính phủ có kiểm soát để doanh nghiệp, viện nghiên cứu, trường đại học có thể khai thác. Nghĩa là dữ liệu công không nên “nằm yên trong kho” mà cần được chia sẻ có điều kiện để phục vụ nghiên cứu, đổi mới sáng tạo và phát triển kinh tế.

5. Dữ liệu gắn với thí điểm cơ chế phát triển mới
Ở phần tổ chức thực hiện, Tổng Bí thư, Chủ tịch nước đề cập việc lựa chọn một số địa phương, vùng kinh tế, ngành chiến lược hoặc khu chức năng để thí điểm cơ chế vượt trội về thể chế, tài chính, nhân lực, khoa học-công nghệ, dữ liệu, đổi mới sáng tạo và mô hình quản trị đô thị.

Tổng Bí thư, Chủ tịch nước đặt dữ liệu ở vị trí chiến lược: không chỉ là công cụ của chuyển đổi số, mà là tài nguyên phát triển, hạ tầng của đổi mới sáng tạo và một phần của năng lực tự chủ quốc gia. Trọng tâm là phải có khung pháp lý quản trị dữ liệu, hoàn chỉnh dữ liệu quốc gia - dữ liệu ngành, và mở dữ liệu Chính phủ có kiểm soát để xã hội cùng khai thác.

Dữ liệu - nền tảng mới để Công đoàn chăm lo đúng người, đúng lúc, đúng nhu cầu

Trong bài phát biểu tại Đại hội Công đoàn Việt Nam lần thứ XIV vào sáng nay 4/6/2026, Tổng Bí thư, Chủ tịch nước Tô Lâm đặt ra yêu cầu đổi mới mạnh mẽ phương thức hoạt động của tổ chức Công đoàn trong bối cảnh chuyển đổi số, trí tuệ nhân tạo và tự động hóa đang làm thay đổi thị trường lao động.

Đáng chú ý, bài phát biểu nhấn mạnh vai trò của dữ liệu trong quản trị tổ chức, chăm lo đoàn viên, dự báo tranh chấp lao động và hỗ trợ công đoàn cơ sở.

Từ góc nhìn dữ liệu, thông điệp nổi bật của bài viết là Công đoàn cần xây dựng năng lực “biết người lao động cần gì, ở đâu, vào lúc nào” thông qua các nền tảng số, phần mềm quản lý đoàn viên, kênh phản ánh kiến nghị, khảo sát và đánh giá hoạt động. Dữ liệu không còn là công cụ phụ trợ, mà trở thành nền tảng để Công đoàn chăm lo đúng người, đúng việc, đúng thời điểm, đồng thời dự báo sớm rủi ro trong quan hệ lao động.

Vì vậy, bài phát biểu có thể được đọc như một định hướng xây dựng Công đoàn số: lấy dữ liệu đoàn viên, dữ liệu việc làm, dữ liệu an sinh và dữ liệu phản ánh từ cơ sở làm căn cứ để ra quyết định, thương lượng, bảo vệ quyền lợi người lao động và nâng cao năng lực quản trị của hệ thống Công đoàn.