**Khởi đầu từ một ý tưởng khiêm tốn** Năm 2022, một nhóm bốn sinh viên đại học tại TP.HCM nhận thấy trường học của họ thiếu một công cụ giúp tự động hóa việc chấm điểm các bài tập thực hành. Họ muốn xây dựng một ứng dụng nhỏ, sử dụng AI, có thể phát hiện lỗi chính tả và ngữ pháp cơ bản trong văn bản tiếng Việt. Với kinh phí hạn chế và ít kinh nghiệm về AI, họ quyết tâm biến ý tưởng này thành một sản phẩm khả thi nhất định. **Xác định vấn đề và phạm vi giải pháp** Đầu tiên, nhóm đã xác định rõ vấn đề cần giải quyết: kiểm tra lỗi chính tả và ngữ pháp trong các bài tập tiếng Việt. Họ quyết định tập trung vào một nhiệm vụ cụ thể thay vì tham vọng bao quát mọi khả năng. Bằng cách này, họ có thể xây dựng một MVP khả thi trong thời gian ngắn và với chi phí thấp. **Lựa chọn công nghệ phù hợp với ngân sách** Vì kinh phí hạn chế, nhóm đã chuyển sang sử dụng các công cụ mã nguồn mở: - **Library xử lý ngôn ngữ**: spaCy với mô hình tiếng Việt được huấn luyện sẵn. - **Framework triển khai**: Flask để xây dựng API. - **Cơ sở dữ liệu**: PostgreSQL miễn phí trên Heroku. - **CI/CD**: GitHub Actions (miễn phí) để tự động hóa việc kiểm tra và triển khai. Bằng cách kết hợp các công cụ này, họ đã tránh được các khoản chi phí lớn cho các nền tảng thương mại. **Quy trình xây dựng MVP** 1. **Thu thập dữ liệu**: Họ sử dụng các bài tập thực hành hiện có trong lớp học để tạo bộ dữ liệu chú thích. Việc thu thập dữ liệu được thực hiện thủ công, nhưng quy mô mẫu đủ nhỏ để quản lý. 2. **Huấn luyện mô hình**: Sử dụng spaCy để huấn luyện một mô hình gắn thẻ POS và phát hiện lỗi chính tả. Họ bắt đầu với một mô hình cơ bản và tinh chỉnh nó với bộ dữ liệu riêng của mình. 3. **Xây dựng giao diện người dùng**: Một giao diện dòng lệnh đơn giản cho phép người dùng nhập văn bản và nhận kết quả lỗi được đánh dấu. 4. **Kiểm tra và thu thập phản hồi**: Nhóm đã triển khai ứng dụng cho các bạn cùng lớp để lấy ý kiến phản hồi. Những lỗi ban đầu và các đề xuất cải tiến đã giúp họ định hướng lại các tính năng. **Những bài học thực tế** - **Bắt đầu từ một nhiệm vụ hẹp**: Việc giới hạn tính năng trong phạm vi kiểm tra lỗi chính tả và ngữ pháp đã giúp việc huấn luyện mô hình trở nên khả thi. - **Tận dụng cộng đồng**: Nhóm đã dựa vào các kho lưu trữ mô hình tiếng Việt trên GitHub, giúp họ tránh được việc xây dựng mọi thứ từ đầu. - **Triển khai tự động**: GitHub Actions đã giúp họ thiết lập quy trình kiểm tra mã và triển khai chỉ trong vài phút, loại bỏ nhu cầu về một máy chủ đắt tiền. - **Tận dụng các dịch vụ miễn phí**: Heroku cung cấp một cơ sở dữ liệu PostgreSQL miễn phí, đủ để bắt đầu. **Kết quả và tác động** Sau ba tháng, MVP đã sẵn sàng để sử dụng trong lớp học. Tỷ lệ chính xác của nó đạt khoảng 85% trên tập dữ liệu thử nghiệm, mang lại giá trị hữu hình cho các giáo viên. Dự án này không chỉ giúp nhóm học hỏi về AI và phát triển phần mềm mà còn truyền cảm hứng cho các sinh viên khác tham gia vào các sáng kiến công nghệ do sinh viên khởi xướng. **Lời khuyên cho các startup sinh viên có ngân sách hạn chế** - **Xác định giá trị cốt lõi**: Tập trung vào một vấn đề chính và giải quyết vấn đề đó một cách xuất sắc. - **Sử dụng các tài nguyên mã nguồn mở**: Tìm kiếm các library, mô hình và dịch vụ đã được cộng đồng xây dựng. - **Triển khai CI/CD sớm**: Tự động hóa việc kiểm tra và triển khai để giảm thiểu các lỗi do con người gây ra. - **Thử nghiệm với người dùng thực tế**: Việc thu thập phản hồi từ người dùng thực tế sẽ giúp bạn điều chỉnh sản phẩm một cách hiệu quả. - **Tài liệu hóa quá trình học hỏi**: Chia sẻ các bài học rút ra trên các nền tảng công khai để tạo nên một cộng đồng lớn hơn. Bằng cách tuân thủ các bước thực tế này, một nhóm sinh viên có thể biến một ý tưởng AI đơn giản thành một MVP hoạt động hiệu quả mà không cần nguồn tài chính lớn. Chìa khóa thành công không phải là số tiền, mà là sự rõ ràng về mục tiêu, việc sử dụng các công cụ phù hợp và sự kiên trì trong việc học hỏi liên tục.