Plastic Talk 2026: Khi AI và khoa học công dân cùng vào cuộc quan trắc rác thải nhựa đại dương

Ngày 7–8/10/2026, chuỗi hoạt động hợp tác ứng dụng trí tuệ nhân tạo (AI) trong quan trắc và quản lý rác thải nhựa đại dương đã diễn ra tại Hà Nội và Hải Phòng. Ngày thứ nhất là tọa đàm hybrid “Plastic Talk” với gần 20 đại biểu tham dự trực tiếp và 64 đại biểu theo dõi trực tuyến. Ngày thứ hai, 16 người tham gia tập huấn thực địa tại Đồ Sơn và chụp được gần 500 bức ảnh rác thải nhựa bờ biển để phục vụ huấn luyện mô hình AI. Chuỗi hoạt động do Chương trình Hành động quốc gia về nhựa (NPAP) – UNDP Việt Nam, GreenU và Viện IndigoWaters (Đài Loan) phối hợp tổ chức, với sự hỗ trợ của Ủy ban Hải dương Đài Loan.

Ngày 1 (7/10): Plastic Talk tại Hà Nội

Tọa đàm diễn ra từ 14:00 đến 16:30 tại phòng hội thảo C1, Tòa nhà Liên Hợp Quốc (304 Kim Mã, Hà Nội) và trực tuyến qua Zoom, song ngữ Anh – Việt có phiên dịch. Tham dự có đại diện cơ quan quản lý nhà nước, tổ chức quốc tế, viện nghiên cứu, trường đại học, tổ chức xã hội và báo chí. Phát biểu khai mạc và điều phối phiên thảo luận, bà Đặng Nguyệt Anh – Quản lý NPAP, UNDP Việt Nam – nhấn mạnh rác thải nhựa đại dương là vấn đề xuyên biên giới, đòi hỏi không chỉ giải pháp chính sách mà còn những cách thu thập, phân tích và sử dụng dữ liệu hiệu quả hơn. AI và khoa học dữ liệu đang mở ra hướng tiếp cận mới, đồng thời tạo cơ hội để các quốc gia trong khu vực chia sẻ kinh nghiệm.

Việt Nam: thiếu số liệu nền và một thông tư đang chờ ban hành

Mở đầu phần chuyên môn, TS. Phạm Văn Hiếu (Viện Khoa học Khí tượng Thủy văn, Môi trường và Biển, Bộ Nông nghiệp và Môi trường) cho biết Việt Nam hiện chưa có số liệu chính thức về rác thải nhựa đại dương do nhà nước công bố. Các nghiên cứu dùng phương pháp, đơn vị đo và cách lấy mẫu khác nhau nên số liệu khó so sánh, ngay cả ở cùng một khu vực. Ông dẫn ví dụ vi nhựa có thể được báo cáo theo hạt/lít, hạt/m³ hay hạt/kg, còn kích thước mắt lưới, thời gian kéo lưới và tỷ lệ chọn mẫu phân tích cũng khác nhau giữa các nhóm. Hệ quả là Việt Nam chưa có đường cơ sở để đo mục tiêu giảm 75% rác thải nhựa đại dương đến năm 2030 trong Kế hoạch quốc gia (Quyết định 1746).

Để thống nhất phương pháp, Viện và Bộ đang dự thảo thông tư quy định kỹ thuật điều tra rác thải nhựa ở biển, bắt đầu từ năm 2019 và được thử nghiệm ở một số khu vực, trong đó có Cát Bà và Hải Phòng. Dự thảo gồm các quy trình điều tra rác bờ biển, rác trôi nổi (quan sát từ tàu), vi nhựa (lấy mẫu bằng lưới), rác tại cửa sông và rác đáy biển. Theo TS. Hiếu, khảo sát ở bắc Cát Bà cho thấy mật độ rác trôi nổi tăng nhiều lần sau cơn bão Yagi so với trước đó. Các phụ lục về chuẩn hóa dữ liệu và phân loại rác đặc biệt quan trọng cho việc ứng dụng AI về sau. Dự thảo hiện chưa đưa AI vào, mà tập trung tạo bộ dữ liệu đầu vào thống nhất từ trung ương đến địa phương. Công văn đề nghị hỗ trợ ban hành đã được gửi lên Cục Biển và Hải đảo từ tháng 6/2026.

Kinh nghiệm Hàn Quốc và Đài Loan: bắt đầu từ con người

TS. Lee Jongmyoung (Giám đốc khoa học, Mạng lưới Biển Đông Á OSEAN, Hàn Quốc) và bà Ning Yen (Sáng lập, Giám đốc Viện IndigoWaters, Đài Loan) chia sẻ kinh nghiệm ứng dụng AI trong giám sát rác thải biển ở hai nơi. Điểm chung được ban tổ chức rút ra: yếu tố quyết định chưa hẳn là công nghệ mà là con người. Hàn Quốc đã đi hơn 15 năm, khởi đầu từ các nhà khoa học công dân; Đài Loan xây dựng nền tảng dữ liệu mở, nơi người dân đóng góp ảnh chụp rác theo một hướng dẫn chung. Theo bà Nguyễn Thị Thu Trang (Giám đốc GreenU), riêng Đài Loan đã thu được khoảng 20.000 ảnh trong hai năm gần đây.

Đại diện Cục Chuyển đổi số (Bộ Nông nghiệp và Môi trường) đặt câu hỏi thẳng về chuyển giao: mô hình nhận diện rác huấn luyện ở vùng biển ôn đới Hàn Quốc có dùng được ở vùng biển nhiệt đới gió mùa, nhiều rừng ngập mặn và phù sa cửa sông như Hải Phòng hay Cần Giờ không, và cần tối thiểu bao nhiêu dữ liệu để huấn luyện lại mà vẫn giữ độ chính xác trên 85%. Một đại biểu của GIZ hỏi dữ liệu giám sát ở Đài Loan đã được cơ quan hoạch định chính sách sử dụng ra sao. Hai câu hỏi này cho thấy mối quan tâm chung của phía Việt Nam là dữ liệu phải dẫn tới quyết định quản lý.

Đọc ảnh bãi biển bằng AI thương mại: được gì, chưa được gì

Ông Bùi Lê Thanh Khiết (Trưởng nhóm Kinh tế tuần hoàn rác thải nhựa, Viện Kinh tế Tuần hoàn Phát triển – ICED) trình bày nghiên cứu so sánh một mô hình AI đa năng thương mại với người dán nhãn trên cùng bộ ảnh bãi biển thu trong 13 tháng (9/2023–12/2024). Mỗi ảnh có khung 1 m² và được phân loại theo hệ thống danh mục rác của châu Âu với hơn 100 nhóm. Ở cấp độ từng đợt khảo sát, kết quả của AI và của người khá tương đồng: cả hai chỉ ra bãi nào ô nhiễm nhiều, bãi nào ít và xu hướng theo thời gian. Nhưng ở cấp độ từng ô ảnh, mô hình chỉ ghi nhận khoảng 77% số mảnh rác; nó đếm thừa ở ô ít rác, bỏ sót ở ô nhiều rác, và dễ nhầm mảnh xốp trắng với vỏ hàu ở khu vực nuôi hàu. Mô hình cũng chưa phân biệt được các loại nhựa.

Từ đó, ông Khiết khuyến nghị coi AI thương mại như bước sàng lọc đầu tiên cho các chương trình khoa học công dân, chứ không thay thế khảo sát hiện trường. Cần có mẫu phụ do người dán nhãn thứ hai kiểm tra để hiệu chỉnh sai số, và giữ kết quả của mô hình tách biệt với kết quả của người. Trả lời câu hỏi của đại biểu về khả năng đưa phương pháp này vào thông tư, ông cho rằng rất khó vì vướng bảo mật dữ liệu khi tải lên nền tảng thương mại. Một đại biểu cũng lưu ý nhà cung cấp có thể âm thầm đổi thuật toán, nên kết quả hôm nay đúng chưa chắc năm sau còn đúng. Vì vậy phương pháp này phù hợp với nghiên cứu hoặc khảo sát của tổ chức phi chính phủ, không nên dùng làm căn cứ xử phạt hay xác định nguồn xả thải.

Thảo luận bàn tròn: dữ liệu AI muốn có giá trị pháp lý cần gì?

Phiên bàn tròn do bà Đặng Nguyệt Anh điều phối, với sự tham gia của TS. Phạm Văn Hiếu, TS. Lee Jongmyoung, bà Ning Yen và bà Nguyễn Thị Thu Trang. Trả lời câu hỏi dữ liệu nào được cơ quan quản lý công nhận, TS. Hiếu nêu bốn yêu cầu: dữ liệu có nguồn gốc rõ ràng (thời gian, địa điểm, tọa độ khảo sát); có số liệu đối chứng từ khảo sát thực địa theo phương pháp truyền thống; có bộ mẫu gán nhãn để kiểm tra độ đầy đủ, đúng đắn; và có quản trị dữ liệu để đồng nhất giữa các vùng. Ông cũng nhấn mạnh AI chỉ là công cụ hỗ trợ: muốn chứng minh mục tiêu giảm 75% thì trước hết phải biết mức nền, và nhà quản lý sẽ không dựa vào một công cụ duy nhất.

Đại diện Cục Chuyển đổi số bổ sung rằng Luật Trí tuệ nhân tạo, có hiệu lực từ 1/3/2026, quy định trách nhiệm và tính minh bạch về dữ liệu dùng cho AI, nên có thể làm căn cứ để ban hành văn bản dưới luật hướng dẫn việc dùng AI trong giám sát rác thải nhựa. Ông cũng đề nghị làm rõ ba điều kiện để thông tư khả thi: quy định kỹ thuật về định dạng và bảo mật dữ liệu, hệ thống báo cáo số liệu, và kinh phí, nhân lực, hạ tầng ở địa phương.

Về phía cộng đồng, bà Nguyễn Thị Thu Trang cho rằng cách đơn giản nhất để người dân tham gia là dùng điện thoại chụp ảnh rác theo một phương pháp chụp thống nhất, có hướng dẫn rõ ràng. Nếu một phần nhỏ trong hàng triệu người dân cùng đóng góp, hệ thống nguồn mở sẽ có lượng dữ liệu rất lớn. Nhưng quan hệ phải hai chiều: người đóng góp cần nhận lại thông tin hữu ích, chẳng hạn bản đồ điểm nóng rác để chọn nơi tổ chức hoạt động cuối tuần, thay vì chờ các nhóm nghiên cứu mất cả năm mới có báo cáo khi điểm nóng đã đổi theo mùa.

Ba hành động cốt lõi

Kết thúc tọa đàm, ban tổ chức tổng hợp ba hướng hành động. Thứ nhất, chuẩn hóa dữ liệu: Việt Nam cần sớm xây dựng và ban hành bộ tiêu chuẩn kỹ thuật cho dữ liệu giám sát rác thải nhựa, làm cơ sở pháp lý cho hoạch định chính sách trong bối cảnh công cụ AI ngày càng phổ biến. Thứ hai, xây dựng nền tảng mở như Đài Loan đã làm, hợp tác với các nền tảng quốc tế như MDImageNet và học hỏi Hàn Quốc, Đài Loan để có kho dữ liệu huấn luyện dùng chung, tiết kiệm nguồn lực. Thứ ba, trao quyền cho cộng đồng: phát triển công cụ AI thân thiện, dễ tiếp cận để huy động mạng lưới khoa học công dân và các sáng kiến địa phương.

Đại diện Cục Môi trường (Bộ Nông nghiệp và Môi trường) phát biểu cuối buổi cho biết đơn vị đang sửa đổi thông tư hướng dẫn Luật Bảo vệ môi trường, quan tâm đến phương pháp thu thập dữ liệu để chính sách hóa, và mong tiếp nhận góp ý, hợp tác từ các chuyên gia. Ban tổ chức nhìn nhận đây cũng là mục tiêu của chương trình: đưa kết quả nghiên cứu và phương pháp giám sát đến được với cơ quan quản lý.

Ngày 2 (8/10): thực địa Đồ Sơn, gần 500 ảnh cho AI

Sáng 8/10, 16 người gồm nhóm điều phối, đối tác kỹ thuật, các cá nhân đăng ký chuyên sâu và tình nguyện viên xuất phát từ Hà Nội, theo đường cao tốc tới Khu du lịch Đồ Sơn (Hải Phòng). Buổi tập huấn đầu tiên diễn ra ngay ven biển: bà Ning Yen hướng dẫn quy chuẩn chụp ảnh của MDImageNet (góc chụp, ánh sáng, cách phân biệt rác đơn lẻ và rác theo nhóm, tránh trùng lặp), bà Nguyễn Thị Thu Trang phiên dịch và điều phối. Đoàn chia thành ba nhóm nhỏ, mỗi nhóm được phân công thiết bị, thước đo và điện thoại có định vị.

Hai đợt thực địa tiếp theo, buổi sáng và buổi chiều, được chia theo các phân đoạn bãi tắm Khu 1, 2, 3 và những điểm rác tích tụ theo thủy triều. Các nhóm thu hình ảnh nhiều loại rác nhựa: ngư cụ, phao xốp EPS, mảnh nhựa dùng một lần, bao bì sinh hoạt và rác du lịch. Đợt chiều bổ sung ở các điểm tích tụ rác do dòng chảy, hoạt động hàng hải và du lịch, nhằm bảo đảm mẫu ảnh đủ sắc nét và đa dạng, phản ánh đặc thù vùng duyên hải miền Bắc. Tổng cộng đoàn chụp được gần 500 bức ảnh.

Cuối ngày, các nhóm xem lại một số ảnh tiêu biểu trong buổi họp rút kinh nghiệm. Bà Ning Yen nhận xét chất lượng ảnh theo tiêu chuẩn AI của MDImageNet, góp ý về bố cục, ánh sáng và cách phân loại rác, đồng thời thống nhất phương án tổng hợp, lọc và tải ảnh lên hệ thống sau chuyến đi. Đây là những dữ liệu đầu tiên của Việt Nam do cộng đồng thu thập theo một quy trình chụp thống nhất, mở đường cho các đợt thu thập quy mô lớn hơn.

GreenU xin cảm ơn các diễn giả, đại biểu, đối tác và tình nguyện viên đã đồng hành trong hai ngày hoạt động.