Trí tuệ nhân tạo đang định hình lại thế giới — từ cách chúng ta làm việc, học tập, đến cách các hệ thống y tế vận hành. Nhưng đằng sau những đột phá công nghệ ấy là những gương mặt thường bị lãng quên: các nhà khoa học nữ đang dẫn đầu nghiên cứu AI ở tuyến đầu. Năm 2026, câu chuyện không chỉ là về AI — mà còn là về việc ai đang định hướng tương lai của nó.
Trong bài viết này, chúng ta sẽ điểm qua những cái tên tiêu biểu, những đóng góp mang tính bước ngoặt, và lý do tại sao sự đa dạng trong nghiên cứu AI không chỉ là vấn đề công bằng — mà còn là yêu cầu khoa học cấp thiết.
Fei-Fei Li — Người Đặt Nền Móng Cho Thị Giác Máy Tính
Không thể nói đến AI mà bỏ qua Fei-Fei Li. Là giáo sư tại Đại học Stanford và đồng giám đốc Viện Trí tuệ Nhân tạo Lấy Con Người Làm Trung Tâm (HAI), bà là người đứng sau ImageNet — bộ dữ liệu hình ảnh khổng lồ đã châm ngòi cho cuộc cách mạng học sâu hiện đại.
Trước ImageNet, các mô hình nhận dạng hình ảnh hoạt động rất hạn chế. Fei-Fei Li đã nhận ra rằng vấn đề không nằm ở thuật toán — mà là dữ liệu. Bà và nhóm nghiên cứu đã mất nhiều năm xây dựng bộ dữ liệu với hơn 14 triệu hình ảnh được gán nhãn thủ công, trở thành nền tảng cho hầu hết các mô hình thị giác máy tính ngày nay.
Bên cạnh nghiên cứu thuần túy, Fei-Fei Li còn là người lên tiếng mạnh mẽ về việc xây dựng AI có trách nhiệm. Bà nhấn mạnh rằng nếu chúng ta muốn AI phục vụ nhân loại, thì nhân loại — với tất cả sự đa dạng của nó — phải được đại diện trong những người tạo ra nó.
Timnit Gebru — Tiếng Nói Không Thể Bịt Miệng Về Đạo Đức AI
Timnit Gebru từng là đồng lãnh đạo nhóm đạo đức AI tại Google — cho đến khi bà bị sa thải vào cuối năm 2020 sau khi đồng tác giả một bài báo chỉ ra các rủi ro trong các mô hình ngôn ngữ lớn. Thay vì im lặng, bà sáng lập DAIR Institute (Distributed AI Research Institute) — một tổ chức nghiên cứu độc lập tập trung vào tác hại xã hội của AI.
Nghiên cứu của Gebru về thiên kiến trong hệ thống nhận dạng khuôn mặt đã chỉ ra một thực tế đáng lo ngại: các hệ thống này hoạt động kém chính xác hơn đối với phụ nữ da đen so với nam giới da trắng. Điều này không phải ngẫu nhiên — đó là hệ quả trực tiếp của việc dữ liệu huấn luyện và đội ngũ nghiên cứu thiếu đa dạng.
Câu chuyện của Gebru nhắc nhở chúng ta rằng đa dạng trong AI không chỉ là “tốt để có” — mà là điều kiện cần thiết để tạo ra những hệ thống an toàn và công bằng hơn.
Joelle Pineau — Kiến Trúc Sư Của AI Có Thể Tái Hiện
Joelle Pineau, Phó Chủ tịch nghiên cứu AI tại Meta và giáo sư tại McGill University, đã đặt ra một câu hỏi quan trọng mà nhiều nhà nghiên cứu ngại đặt ra: liệu các kết quả nghiên cứu AI có thể tái hiện được không?
Bà là người tiên phong thúc đẩy phong trào tái hiện trong nghiên cứu machine learning — yêu cầu các bài báo phải kèm theo code, dữ liệu và đủ chi tiết để người khác có thể lặp lại thí nghiệm. Nghe có vẻ đơn giản, nhưng đây là một cuộc cách mạng thầm lặng trong văn hóa nghiên cứu AI.
Ngoài ra, nghiên cứu của Pineau trong lĩnh vực học tăng cường (reinforcement learning) ứng dụng vào y tế — đặc biệt là quản lý bệnh mãn tính — đã mở ra những hướng đi mới cho AI trong chăm sóc sức khỏe cá nhân hóa.
Daphne Koller — Dân Chủ Hóa Giáo Dục Qua AI
Daphne Koller không chỉ là nhà khoa học máy tính hàng đầu — bà là người đã thay đổi cách hàng triệu người tiếp cận giáo dục. Là đồng sáng lập Coursera, bà đã biến tầm nhìn về giáo dục đại học mở thành hiện thực, mang các khóa học từ những trường đại học danh tiếng đến tay người học trên toàn thế giới.
Trong nghiên cứu, Koller chuyên về học xác suất (probabilistic learning) và ứng dụng AI trong sinh học phân tử và phát triển thuốc. Công ty insitro của bà đang dùng machine learning để tăng tốc quá trình khám phá thuốc — một lĩnh vực mà AI có tiềm năng cứu sống hàng triệu người.
Joy Buolamwini — Nhà Thơ Của Công Lý Thuật Toán
Joy Buolamwini tự gọi mình là “nhà thơ của công lý” — và bà xứng đáng với danh hiệu đó. Là nhà nghiên cứu tại MIT Media Lab và người sáng lập Algorithmic Justice League, bà đã biến những phát hiện học thuật về thiên kiến AI thành phong trào xã hội có tầm ảnh hưởng toàn cầu.
Nghiên cứu “Gender Shades” của bà — được trình bày tại hội nghị FAT* năm 2018 — đã đo lường độ chính xác của các hệ thống nhận dạng giới tính từ ba công ty công nghệ lớn. Kết quả: tỷ lệ lỗi đối với phụ nữ da đen cao hơn tới 34,7% so với nam giới da trắng. Phát hiện này đã buộc các công ty lớn phải xem lại và cải thiện sản phẩm của mình.
Đạo Đức AI: Không Phải Phụ Chú — Mà Là Nền Tảng
Một điểm chung của nhiều nhà nghiên cứu nữ hàng đầu trong AI là sự quan tâm sâu sắc đến đạo đức và tác động xã hội của công nghệ. Điều này không phải ngẫu nhiên. Khi bạn thuộc nhóm thiểu số trong một lĩnh vực, bạn có xu hướng nhận ra những góc khuất mà đa số bỏ qua.
Đạo đức AI năm 2026 không còn là câu chuyện của tương lai xa — nó là vấn đề của hôm nay, ảnh hưởng đến tuyển dụng, cho vay tín dụng, chẩn đoán y tế và thậm chí cả tư pháp hình sự. Những nhà nghiên cứu như Gebru và Buolamwini đã giúp thế giới thấy rằng một hệ thống AI “trung lập” chưa bao giờ thực sự tồn tại — nó luôn phản chiếu dữ liệu và con người tạo ra nó.
Thị Giác Máy Tính Và Những Tiến Bộ Mang Tính Cách Mạng
Từ nền tảng ImageNet mà Fei-Fei Li xây dựng, lĩnh vực thị giác máy tính đã tiến những bước khổng lồ. Các mô hình ngày nay có thể phát hiện ung thư qua hình ảnh y tế, nhận dạng khuôn mặt trong đám đông, tự lái xe trong điều kiện giao thông phức tạp.
Nhưng những tiến bộ này đi kèm với trách nhiệm. Ai quyết định dữ liệu nào được dùng để huấn luyện? Ai chịu trách nhiệm khi hệ thống phạm sai lầm? Những câu hỏi này không có câu trả lời kỹ thuật thuần túy — chúng đòi hỏi góc nhìn đa chiều, và đó là lý do tại sao sự đa dạng trong nghiên cứu AI không phải là xa xỉ mà là tất yếu.
Làm Thế Nào Để Các Tổ Chức Hỗ Trợ Phụ Nữ Trong AI?
Nhận ra vấn đề là bước đầu tiên. Nhưng các tổ chức muốn thay đổi thực sự cần làm gì?
- Xem lại quy trình tuyển dụng: Xóa bỏ các yêu cầu không cần thiết, đặc biệt là những yêu cầu có xu hướng loại trừ ứng viên nữ và thiểu số. Sử dụng đánh giá mù về hồ sơ khi có thể.
- Đầu tư vào cố vấn và bảo trợ: Sự khác biệt giữa mentorship (cố vấn) và sponsorship (bảo trợ) rất quan trọng. Cố vấn cho lời khuyên; người bảo trợ mở cửa và đặt tên bạn vào những cuộc trò chuyện quan trọng.
- Tạo môi trường tâm lý an toàn: Phụ nữ trong AI thường báo cáo rằng ý kiến của họ bị bỏ qua hoặc quy cho người khác. Lãnh đạo cần chủ động ghi nhận đóng góp và tạo không gian để mọi tiếng nói được lắng nghe.
- Minh bạch về lương thưởng: Khoảng cách lương giới tính vẫn tồn tại trong ngành công nghệ. Minh bạch hóa mức lương là một trong những cách hiệu quả nhất để giải quyết vấn đề này.
- Hỗ trợ nghiên cứu về đạo đức AI: Đừng chỉ xem đây là “chi phí tuân thủ” — hãy đầu tư vào nó như một lợi thế cạnh tranh và trách nhiệm xã hội thực sự.
Thế Hệ Tiếp Theo
Những gương mặt như Fei-Fei Li, Timnit Gebru, Joelle Pineau, Daphne Koller và Joy Buolamwini đã chứng minh rằng phụ nữ không chỉ tham gia AI — họ đang định hình nó. Nhưng để câu chuyện này không dừng lại ở một vài cái tên tiêu biểu, cần có những thay đổi hệ thống: trong giáo dục, trong văn hóa tổ chức, và trong cách chúng ta định nghĩa thế nào là “thiên tài” trong khoa học máy tính.
Thế hệ các nhà nghiên cứu AI tiếp theo đang lớn lên trong một thế giới nơi họ có thể nhìn thấy hình mẫu — những người trông giống họ — đứng trên sân khấu, dẫn đầu phòng lab, và thay đổi thế giới. Đó là di sản thực sự của những người đang phá vỡ rào cản hôm nay.
Năm 2026, câu hỏi không còn là “liệu phụ nữ có thể dẫn đầu AI không?” — câu trả lời đã rõ ràng. Câu hỏi đúng hơn là: chúng ta cần làm gì để đảm bảo rằng nhiều phụ nữ hơn có cơ hội để thực hiện điều đó?