- Chi tiết
- Tác giả Nguyễn Cao Thế
- Chuyên mục: Tin tức
- Lượt xem: 2046
Sự phát triển của trí tuệ nhân tạo là điều khó tránh khỏi nhưng mối quan hệ của chúng với con người như thế nào luôn là câu hỏi được đặt ra và hiện chưa thể trả lời.
Tương lai dành một chỗ cho trí tuệ nhân tạo
Sự bùng nổ của trí tuệ nhân tạo – AI hiện nay gây ra nhiều mối lo ngại, điều này không có gì mới mẻ. Những câu chuyện viễn tưởng đã viết lên thảm họa người máy với trí tuệ của con người trong suốt vài chục năm qua. Các nhà khoa học cũng vẽ ra những định luật để ngăn ngừa sự phản bội của người máy với con người trước khi cả trí tuệ nhân tạo xuất hiện. Nhưng trên thực tế, trí tuệ nhân tạo trong tương lai có phải là mối đe dọa hay không thì chưa ai có thể khẳng định. Câu chuyện về hiện đại hóa đã có tiền lệ trước đây.
Cuộc cách mạng ngành dệt tại Anh hồi năm 1800 đã tạo nên sự khủng hoảng đối với rất nhiều công nhân nhưng thật khác với những gì họ sợ hãi. Sự phát triển của máy móc đã tạo ra hàng loạt ngành công nghiệp mới và đưa thế giới vào sự phát triển vượt bậc. Nên, việc trí tuệ nhân tạo phát triển cũng tạo ra nhiều cơ hội mới cho chúng ta.
Nhưng đó cũng chỉ là dự đoán, bởi ngay bản thân con người hiện nay cũng không thể hình dung được sự phát triển của công nghệ trong tương lai gần.
Năm 1903 đánh dấu cho lịch sử Hàng không bằng chuyến bay của anh em nhà Wright người Mỹ, máy bay của họ có động cơ khả dĩ duy trì bay trong một khoảng cách vài trăm mét. Nhưng chỉ 50 năm sau, chúng ta đã chứng kiến chiếc Boing 707 đầu tiên cất cánh. Boeing 707 là niềm tự hào của người Mỹ khi sức chứa của nó gấp 5 lần so với những chiếc máy bay thời điểm đó.
Sự rút ngắn về thời gian thay đổi công nghệ càng ngày càng ngắn lại, smartphone đã thay đổi thế giới trong suốt 10 năm qua. Và hiện nay, dường như rất nhiều người trong chúng ta không thể thiếu được chiếc điện thoại thông minh.
Trong thực tế, smartphone có thể xem như một trí tuệ nhân tạo thô sơ bởi vì nó chưa đạt được tới khả năng tương tác hoàn mỹ với con người. Nhưng chúng ta đã sống không thể thiếu nó, vậy thì viễn cảnh tương lai con người phụ thuộc vào trí tuệ nhân tạo là điều dễ hiểu.
Trí tuệ nhân tạo bắt đầu từ nhu cầu tự động hóa của con người. Một trang trại ở Mỹ hiện nay có thể gieo trồng, chăm sóc và thu hoạch mùa vụ bằng những thiết bị tự động và được quản lý bằng ứng dụng. Sự chính xác hoàn mỹ cộng với khả năng làm việc tận tụy không mệt mỏi, không đình công, không đòi tăng lương của các cỗ máy đã lấy đi công việc của con người. Giống như cuộc cách mạng công nghiệp hồi năm 1800 nhưng sự khác biệt ở đây là tốc độ và khả năng thay thế của nó quá lớn. Lớn đến nổi chúng ta chưa kịp chuẩn bị những công việc mới, những ngành nghề mới cho thế hệ sau. Từ những nghề cơ bản cho đến phức tạp như phẫu thuật, máy móc đã có khả năng thay thế con người.
Ngay cả những trò chơi, máy móc đã chiến thắng chúng ta. Ngày 11/5/1997, siêu máy tính Deep Blue của IBM đã đánh bái đại kiện tướng cờ vua người Nga - Garry Kimovich Kasparov, đánh dấu cột mốc của việc thành lũy bất khả xâm phạm của con người là trí tuệ bị sụp đổ. Gần đây nhất AlphaGo đã đánh bại con người trong trò chơi phức tạp nhất thế giới – cờ vây. Chúng ta còn gì tự hào để coi máy tính không bằng con người? Phóng viên từng đoạt giải Pulitzer - Nicholas Carr và nhà khoa học trường Stanford - Edward Geist cho rằng sự sáng tạo và trực giác của con người khi đối mặt với những vấn đề phức tạp là không thể thay thế, và đó là lợi thế so với sự chính xác của máy tính.
Nhưng điều này cũng không còn tồn tại khi hàng loạt tác phẩm hội họa đã được tạo ra bằng các cỗ máy trí tuệ nhân tạo đơn giản. Cuối tháng 7/2017 vừa qua, AI của Facebook vốn được dạy dỗ bằng tiếng Anh, nhưng dường như nó đã chán ngán với những sắc thái và sự không nhất quán của thứ ngôn ngữ này. Thay vì tiếp tục sử dụng tiếng Anh, chúng đã tự mình phát triển một hệ thống các mã mới để giao tiếp hiệu quả hơn – một ngôn ngữ mới hình thành.
Những điều này khiến những câu chuyện viễn tưởng về người máy thay thế con người càng được khẳng định và sự lo lắng là điều có thể hiểu được. Ngay từ thủa trí tuệ nhân tạo còn sơ khai, con người đã được bao quanh những câu chuyện viễn tưởng mà nơi đó robot thống trị và loại người diệt vong. Những câu chuyện đó dù không có thực nhưng đã khiến chúng ta mặc định sẵn những thành kiến về trí tuệ nhân tạo.
Thay thế con người
Sự bùng nổ gần đây của AI xuất phát từ các công ty công nghệ lớn của Mỹ như Google, Facebook, Amazon, Microsoft và Apple. Mối quan ngại ngày càng gia tăng khi các công ty này quá lớn và kiểm soát quá nhiều dữ liệu, trong đó có thuật toán đào tạo AI.
Trung Quốc cũng đã tham gia cuộc đua với kế hoạch thống trị thế giới về phát triển trí tuệ nhân tạo vào năm 2030.
Hiện có rất ít quy định cách thức phát triển của AI. Các công ty công nghệ lớn đã bắt đầu thảo luận về nhu cầu hướng dẫn nguyên tắc để đảm bảo AI chỉ được sử dụng cho lợi ích công cộng.
Hồi đầu năm 2017, Erica - một robot xinh đẹp và giống người nhất trên thế giới xuất hiện với nhiều khả năng thú vị. Ngoài việc trả lời câu hỏi một cách tự nhiên nhất, Erica còn được lập trình để có thể giao tiếp đồng thời với ngôn ngữ cơ thể và cho người nghe một cảm giác thoải mái như đang tiếp chuyện với người thật. Erica còn có thể sử dụng điệu bộ cử chỉ kết hợp trong quá trình trò chuỵện như nháy mắt, nghiêng đầu, liếc mắt…Tất cả các động tác kết hợp nhịp nhàng và mềm mại. Lúc này, robot đã gần giống con người hơn một chút xíu. Điều này đồng nghĩa với những phiên bản tiếp theo, Erica sẽ giống với con người nhiều hơn và xa hơn nữa chúng ta sẽ khó phân biệt đâu là người và đâu là những cỗ máy.
Bỏ qua mặt sinh học thì bộ não chúng ta giống như một bảng mạch và trung tâm dữ liệu. Tương lai, với các thuật toán và sức mạnh tính toán thì viễn cảnh máy móc có thể sao chép bộ não của con người là có thể hay nói cách khác, con người có thể sao lưu và tạo ra một phiên bản mới của bộ não.
Bộ phim về người máy Chappie cũng là một viễn cảnh, kĩ sư trẻ Deon Wilson – nhân vật trong phim tự sao lưu bộ não của mình vào robot, một viễn cảnh không quá mới nhưng mở ra khá nhiều ý niệm. Việc đưa bộ não của mình mang vào robot mang đến điều gì? Sự bất tử.
Trong thực tế, điều này đã và đang diễn ra. Elon Musk đã giới thiệu Neuralink, một công nghệ giúp upload não người lên Internet giống như trong bộ phim viễn tưởng. Neuralink đang theo đuổi công nghệ có tên là "Neural Lace" giúp cấy điện cực nhỏ vào não người để kết nối với máy tính. Như vậy chúng ta có thể upload hay thậm chí download thông tin từ Internet.
Geoffrey Hinton – một trong những chuyên gia hàng đầu về trí tuệ nhân tạo, người đã dẫn đường cho những cỗ máy bằng Machine learing và phát minh ra một tập hợp các bài học máy học được gọi là “Deep learing” nhờ đó các mạng thần kinh được mô hình hoá trên các hình thức tạo ra bộ não con người, cho phép các máy móc học theo cách tương tự như một đứa trẻ mới biết đi.
Điều này có nghĩa là máy tính có thể tự xây dựng các lớp trí tuệ. Các hệ thống này đã được tăng tốc trong những năm gần đây nhờ công nghệ chế tạo mạnh mẽ và đang trở thành xu hướng chủ đạo. Chúng xuất hiện khắp nơi từ các mẫu nhận dạng giọng nói trong điện thoại thông minh của chúng ta cho đến phần mềm phát hiện hình ảnh và trợ lý Amazon nhằm giúp người dùng biết cuốn sách nào cần mua tiếp.
Trí tuệ nhân tạo đồng hành cùng con người
Những người chủ trang trại ở Mỹ được nhắc đến ở phần trên thực sự hài lòng với những cỗ máy tự động của mình. Chúng mang đến nhiều giá trị cũng như giải phóng cho khỏi nhiều công việc nặng nhọc. Có thể sự phụ thuộc máy móc xuất hiện nhưng những người nông dân ở đây hài lòng vì đã sở hữu những cỗ máy đó.
Đúng vậy, sự sở hữu có thể xóa đi đám mây ảm đạm về nhận định tương lai của những cỗ máy. Con người, máy móc, trí tuệ nhân tạo có thể cùng đồng hành với nhau để cùng khám phá những điều mới mẻ như thiên hà, vũ trụ để cùng thay đổi.
Câu chuyện còn quá xa, nhưng trong thực tế gần đây việc AI đồng hành với con người mang đến nhiều lợi ích, ví dụ các phần mềm về luật như Ailira khi được thử nghiệm, có thể giúp một người không có căn bản gì về luật, vượt qua kỳ thi về luật thuế của trường Đại học Adelaide (Úc). Với sự trợ giúp của AI, người dân trong tương lai có thể tự mình giải đáp và xử lý các rắc rối về pháp lý, khi mọi điều luật liên quan và giải pháp đã được máy tính nghiên cứu và đưa ra hướng xử lý tối ưu.
Mặc dù có những lo ngại về việc quân sự hóa AI, nhưng Geoffrey Hinton vẫn đề cao tầm quan trọng của ứng dụng trí tuệ nhân tạo trong giáo dục và y tế. Tập đoàn Cisco ước tính tốc độ tăng trưởng kép hàng năm từ năm 2015 - 2020 đối với sự kết nối giữa các máy móc (M2M) trong lĩnh vực chăm sóc sức khỏe là 30%, nhiều hơn tốc độ tăng trưởng 29% đối với xe kết nối công nghệ. Trong số 218 công ty khởi nghiệp trong lĩnh vực chăm sóc sức khỏe bằng AI được thống kê gần đây thì trong đó có 21 công ty phát triển các ứng dụng chăm sóc sức khỏe và có 54 công ty tham gia vào lĩnh vực thuốc dự phòng, trong đó có 44 công ty được thành lập bắt đầu từ năm 2010.
Trí tuệ nhân tạo trong lĩnh vực y tế không phải là sự thay thế mà đó là sự nâng cấp và tăng cường năng lực. Ví dụ như phương pháp X quang truyền thống sẽ thay đổi, máy móc có những ưu thế hơn đồng nghĩa với việc những con người có chuyên môn lĩnh vực này sẽ bị đào thải. Đó là điều đáng buồn nhưng việc những cỗ máy X quang sở hữu trí tuệ nhân tạo hiệu quả hơn rất nhiều. Nó cũng vẽ ra viễn cảnh một ngày nào đó người bệnh chỉ định người máy chữa bệnh chứ không phải là các bác sỹ con người. Điều đó cũng có thể thay đổi bởi ngay chính bản thân con người, khi chúng ta không tạo những chương trình tự động mà có quyền tự quyết định phẫu thuật mà không cần đến y tá, kỹ thuật viên hay nhân viên khác. Thay vào đó là tinh giản những thứ mà con người không thể làm, như xử lý hàng triệu dữ liệu một lần. Bác sĩ X quang của tương lai không phải là người đọc bản phim đơn thuần mà họ chính là nhà khoa học dữ liệu.
Sự đồng hành của Công nghệ và Y học là điều cần thiết. Nếu chúng ta tiếp tục tiến bộ trong y học thì luôn cần phải có tư duy hướng về phía trước mà không cần phải lo sợ về viễn tưởng AI.
- Chi tiết
- Tác giả Nguyễn Cao Thế
- Chuyên mục: Tin tức
- Lượt xem: 2371
Khi đọc về máy tính, bạn có lẽ đã biết rằng máy tính có thể đánh bại con người trên bàn cờ vua từ hàng chục năm trước. Nhưng cùng lúc, người ta vẫn nói rằng trí thông minh của chiếc máy vẫn chỉ ngang ngửa với con ruồi, con muỗi, phải còn rất lâu mới có thể đạt được như con người.
Tại sao lại có sự trái ngược này?
Nói ngắn gọn, câu trả lời nằm ở lối suy nghĩ theo kiểu "khi nào thì làm gì" của máy tính. Trong hàng chục năm qua, các bộ óc thiên tài của loài người tạo ra các cơ chế phần cứng, các ngôn ngữ lập trình phần mềm để tạo ra những câu lệnh logic "tủn mủn" dạng như: khi nhận được x = 2 thì thông báo x là số chẵn, khi nhận được x = 2 trong phép *4 thì trả về 8 v...v...
"Khi nào thì làm gì" diễn ra ở nhiều cấp độ: nhận được tín hiệu từ bàn phím/chuột truyền về CPU/mainboard thì làm gì, người dùng nhấn Ctrl F trong giao diện Word thì làm gì, máy chủ Facebook nhận được đoạn dữ liệu chứa comment của người dùng thì làm gì... Tất cả các hệ thống, dù phức tạp đến mấy đều được xây dựng từ những lớp "khi nào thì làm gì" tương tự như vậy.
Hiển nhiên, cả phần "khi nào" lẫn phần "làm gì" của máy tính chỉ là những con số. Là byte, là bit. Các biện pháp nhập liệu như bàn phím, chuột, màn hình cảm ứng; những cách thiết kế phần cứng/phần mềm rành mạch để bẻ nhỏ phần trách nhiệm cho từng kỹ sư phần cứng/phần mềm; các hệ điều hành (vốn là tầng phần mềm duy nhất được quyền giao tiếp trực tiếp đến phần cứng), các ngôn ngữ lập trình... đều là những cách để con người có thể truyền tải suy nghĩ của mình vào lối suy nghĩ khi nào thì làm gì của máy móc.
Cuộc sống của tôi và bạn về bản chất cũng là những chuỗi "khi nào thì làm gì". Đau thì khóc, ngửi thấy mùi hôi thì bịt mũi. Khi muốn viết bài gửi Genk thì rê chuột để bật Word. Nhìn thấy mèo thì chạy lại bế lên rồi xuýt xoa... Chúng ta cũng "khi nào thì làm gì", nhưng không phải là bằng 0 và 1 mà là bằng não bộ và các bộ phận tự nhiên của cơ thể, không phải là với những câu lệnh hay tín hiệu "tủn mủn" mà là với những "hành động" lớn có sự tham gia của não bộ và hệ thần kinh.
Chính sự giống và khác này lý giải vì sao máy tính có thể đánh bại con người trên bàn cờ vua nhưng vẫn thua xa trí thông minh con người: Bàn cờ vua chỉ có 64 ô, có 32 quân cơ chia làm 6 loại và 2 phe. Để thắng được cờ vua, bạn chỉ cần dự tính các bước đi của đối thủ.
Theo định luật Moore, máy tính cứ 18 tháng 1 lần thì lại mạnh gấp đôi. Năm 1997, máy tính IBM xây dựng được máy tính Deep Blue bao gồm 30 máy con được tích hợp vi xử lý 120MHz/mỗi máy và 480 chip VLSI đặc thù được dùng để tính toán ra 200 triệu vị trí bàn cờ trong một giây. Như thế, bằng cách dự tính được quá nhiều nước cờ chỉ bằng các phép tính kiểu "trâu bò", Deep Blue đã có thể đánh bại đại kiện tướng Kasparov một cách dễ dàng.
Đến nay, con người tuyệt nhiên không còn khả năng đánh bại các app cờ vua trên smartphone. Như thế, chúng ta đã có thể nói rằng "trí thông minh nhân tạo" (AI) đã có từ lâu: máy tính đã có các "đơn vị thông minh" có thể "cảm nhận" tình huống và tự chọn các hành động để đạt được mục đích của mình – trong trường hợp của Deep Blue, là "hiểu" và dự đoán được tình thế trên bàn cờ và chọn được bước để chiến thắng trên bàn cờ vua.
Khi chuyển sang những cuộc chơi khác, máy tính truyền thống không còn lợi thế với con người. Cờ vây chẳng hạn: trò chơi này có vô số nước đi phức tạp. Ngay cả ở năm 2015, một thế lực như Google cũng không thể tạo ra những server farm (trang trại máy chủ) có khả năng tính hết số nước đi có thể xảy ra trên bàn cờ vây. Một siêu máy tính của 10 năm nữa chưa chắc đã có thể đánh bại con người theo cách tính toán đơn thuần đã từng dùng trên bàn cờ vua.
Đây là lúc vai trò của "máy học" xuất hiện. AlphaGo trở thành một kỳ thủ giỏi không phải nhờ cách tính toán đơn thuần như DeepBlue, mà là "học" theo kiểu của con người: phải biết các chiến thuật, các bước đi, phải chọn lọc phản ứng phù hợp. Google không dùng phần cứng của AlphaGo để tính toán "tủn mủn" từng bước, mà để nạp dữ liệu từ rất nhiều ván cờ vây của quá khứ, để AlphaGo tự cải thiện bằng cách đấu với các kỳ thủ toàn cầu.
Tổng cộng, AlphaGo đã học 30 triệu bước đi từ các đối thủ con người và còn tự học được nhiều bước đi khác khi tự đấu với chính mình. Những gì AlphaGo biểu hiện chính là định nghĩa của máy học: máy tính vượt qua thứ logic "bước-luật lệ" bình thường để "học" từ dữ liệu và tự đưa ra các dự đoán phù hợp nhằm tạo các quyết định chính xác nhất.
3 đại kiện tướng Fan Hui, Lee Sedol và Ke Jie lần lượt bại trận trước cỗ máy của Google. Thậm chí, AlphaGo không chỉ nhận diện được cả chiến thuật của đối thủ (ví dụ, khi nào thì Lee Sedol đang đi theo hướng nakade). Với mô hình máy học, "lối suy nghĩ" dần dần vượt ra khỏi sự tủn mủn của bóng bán dẫn để mở rộng thành những "hành động" cao hơn, người hơn.
Bất chấp những thắng lợi to lớn trên bàn cờ vây - và sau đó là cả thắng lợi trong DOTA2 solo, AI vẫn sẽ phải mất nhiều thời gian nữa mới có thể coi là thông minh ngang ngửa với con người. Cờ vây vẫn là một trò chơi có thể "số hóa" khá dễ: ví dụ, lập trình viên có thể dùng một ô nhớ để đại diện cho một vị trí trên bàn cờ, nếu là quân trắng thì dùng bit 0, quân đen thì dùng bit 1. Dĩ nhiên, giải thuật và cách thực thi của AlphaGo không đơn giản như vậy - nhưng để số hóa được ván cờ vây và số hóa được những hình ảnh, lời nói và hành động đơn giản trong cuộc sống con người vẫn là hai phạm trù khác biệt nhau.
Thử lấy một khái niệm đơn giản: mèo. Tôi có một đứa cháu 2 tuổi rưỡi vừa học nói, mỗi lần bà cho ăn nó lại nói "Bông ăn thì mèo không chạy lại cắn Bông" (vì Bông một lần bị mèo đuổi). Lúc Bông mới học nói, bà bế lên gác, nhìn thấy mèo, dù là mèo tam thể hay mèo Ba Tư, bà đều chỉ cho Bông.
Nhờ học bằng giọng nói, bằng hình ảnh, Bông biết "mèo" là... cái gì. Nếu như Bông nhìn thấy một con mèo khác, bất kể là lông tam thể hay lông xám khói, bất kể là mèo ta mũi nhọn hay mèo Ba Tư mũi tẹt, Bông đều biết là mèo. Hoặc khi bà dọa "mèo cắn bây giờ" thì trong đầu Bông sẽ xuất hiện một "khái niệm" về mèo. Con mèo tưởng tượng đó có những đặc điểm giống với mèo thật.
Máy tính làm sao để biết "mèo" là gì? Suy nghĩ và mạch máu của chúng là bit và byte. Chúng có thể "đọc" được các bit, các byte bên trong một bức ảnh 640 x 640 pixel, nhưng từ một ma trận 640 x 640 ô chứa các pixel màu khác nhau, làm sao chúng có thể "đọc" ra được những đặc điểm của con mèo, như mồm hình :3 có mấy sợi râu màu trắng, mắt tròn, tai hình tam giác... Khó hơn nữa, loài mèo có nhiều màu lông, chân và đuôi dài ngắn khác nhau, mũi nhọn/tẹt khác nhau...
Làm sao để máy móc có thể biết được con mèo là... con mèo?
Quá trình đưa "Khi nào thì làm gì" của máy móc đến gần "khi nào thì làm gì" của con người đã đi đến trở ngại lớn nhất: làm sao để máy móc hiểu được những cái "khi nào" trong cuộc sống của chúng ta.
Dĩ nhiên, bạn không gặp phải vấn đề của máy móc. Bộ não con người vốn là một mạng xử lý tuyệt tác do Mẹ Thiên Nhiên sáng tạo: số lượng neuron của não người lớn gấp 1 triệu lần (10^6) so với những nhân/đơn vị xử lý của các siêu máy tính "khủng" nhất hiện nay. Bộ não của chúng ta chứa khối dữ liệu từ hàng năm trời nghe, nhìn, cảm nhận qua giác quan, trong một "định dạng" dữ liệu khó thể hình dung bằng máy móc. Chúng ta có thể học để "nhận diện" mẹ, "nhận diện" bà, "nhận diện" con mèo, nhận diện các hình ảnh, tình huống trong cuộc đời mà không cần phải "bẻ nhỏ" thành các tín hiệu, các hàm, các tham số theo kiểu của máy móc.
Nhìn thấy một con mèo chưa gặp bao giờ, chúng ta vẫn biết nó là... mèo.
Đã từ lâu, các bộ não thiên tài của loài người đã nghĩ ra cách để dạy máy móc biết nhận diện con mèo trong bức ảnh. Chúng ta không có cách nào khác là ngồi và nghĩ ra những đặc điểm của con mèo (bốn chân, chân dài từ 5 đến 15cm, mồm có lông, mũi hình gần giống tam giác...). Mỗi đặc điểm chung chung này lại cần phải được phân tích thêm thành những đặc điểm chi tiết hơn để đến cuối cùng, chúng ta có được một bộ rất nhiều các đặc điểm loài mèo đã được "số hóa" triệt để thành các dòng code phức tạp.
Chúng ta "dạy" cho máy móc "học" các đặc điểm của mèo, qua dòng code.
Một trong những cách thực hiện quá trình dạy và học này là qua các mạng nơ-ron (neural network). Ở một neuron ("nơ-ron") – là một hình tròn trong bức ảnh ở trên, máy tính sẽ thực hiện một phép tính toán nào đó (bằng code, bằng byte, bằng mã nhị phân v...v..) để đưa ra một kết luận nhỏ: liệu dữ liệu được đưa vào "neuron" này có giống với dữ liệu thường có trên một bức ảnh chụp con mèo hay không? Nhiều lớp neuron kết hợp cùng nhau tạo thành một bộ lọc tổng thể: trên hình ảnh vừa "đọc", có thể đưa ra kết luận "là con mèo" hay không?
Dĩ nhiên, quá trình "lọc" thực tế và các thuật toán để tối ưu thì phức tạp hơn rất nhiều so với lời giải thích này của tôi: ở trên, chúng ta đang cố ép cách hiểu của mình vào các ví dụ đơn giản, dễ hình dung, vào các mạng neuron ít lớp. Trong thực tế, với các mạng neuron nhiều lớp, con người mới chỉ dừng ở bước sử dụng KẾT QUẢ do từng neural network tạo ra chứ chưa thể mổ xẻ (và ví von) vì sao chúng lại tạo ra kết quả như vậy.
Song, kết quả cuối cùng của một mạng neuron vẫn sẽ là một bộ lọc: khi nào thì đưa ra kết luận "đúng là con mèo".
Máy học còn có một vấn đề khác. Hãy thử nghĩ mà xem, nếu bạn KHÔNG chỉ cho Bông xem thế nào là một con "sư tử", Bông vẫn sẽ phân biệt được con "sư tử" trong một bức ảnh có 5 con sư tử, 6 con linh cẩu, 7 con voi, 8 con hà mã chẳng hạn. Bằng bộ não của mình, Bông vẫn tự nhận biết được rằng con vật có lông màu vàng, có mặt giống mèo khác với những con vật có mõm nhọn và lông đốm. Bông vẫn tự có được khái niệm "sư tử" dù không Bà dạy gọi tên.
Máy móc trước đây không thể thông minh như vậy. Muốn làm hệ thống nhận diện mèo, nhà khoa học dữ liệu đầu tiên phải tạo ra một bộ ảnh khổng lồ có định danh rõ ràng: đâu là bức ảnh chụp mèo, đâu là bức ảnh không chụp mèo. Và nếu như việc bẻ nhỏ các đặc điểm của một con mèo trên những bức ảnh tĩnh thành những phép lọc mà máy móc có thể hiểu được đã là quá khó khăn, chúng ta vẫn còn nhiều lĩnh vực khó nhận diện hơn thế: những con đường liên tục thay đổi, những căn bệnh mà y khoa chưa xác định hết triệu chứng, những bộ váy hợp với dáng người của chị A...
Khi đang theo đuổi tấm bằng tiến sĩ từ ĐH Stanford, một nghiên cứu sinh người Việt mang tên Lê Viết Quốc đã tìm ra giải pháp cho vấn đề này. Bằng cách phóng đại mô hình neural network chỉ 100 lần, Quoc Le đã có thể tạo ra một mạng neuron có khả năng xử lý khối lượng dữ liệu lớn hơn hàng nghìn lần so với các hệ thống trước đó. Phát hiện này của Quoc Le thu hút được sự chú ý của Google Brains – bộ phận tập trung vào nghiên cứu deep learning của Google.
Quoc Le về đầu quân cho Google Brains dưới sự hỗ trợ của Andrew Ng (nhà sáng lập Google Brains và Coursera). Năm 2012, dự án quan trọng do Quoc Le và Andrew Ng kết thúc với một kết quả kinh ngạc: mạng lưới 1000 máy tính (tổng cộng 16.000 nhân xử lý) đã có thể tự động mô phỏng mạng neuron của con người và tự tạo ra khái niệm "mèo" từ 10 triệu bức ảnh không ghi chú.
Kỷ nguyên deep learning chính thức bắt đầu: chỉ cần khiến mạng neural network "sâu" hơn (nói nôm na: "sâu" trong "deep learning" có nghĩa là nhiều lớp), con người đã có thể nâng khả năng suy nghĩ của máy móc lên một đẳng cấp khác. Thay vì tốn công đánh dấu dữ liệu, hoặc thậm chí là cố gắng đi tìm những dấu hiệu mà chúng ta không hề biết đến (ví dụ, triệu chứng ung thư từ bản scan), con người đơn giản chỉ cần đi mua những chiếc card màn hình nhiều nhân CUDA hơn, hoặc mua thêm card màn hình để chúng tự hình thành khái niệm "mèo" của riêng mình thay vì phải được dạy "thế nào là mèo".
Từ sau công trình nghiên cứu lịch sử của Quoc Le và Andrew Ng, thị trường hi-tech cũng chứng kiến sự trỗi dậy của một mô hình thực thi deep learning mới: "điện toán GPU". Vốn được thiết kế để render hàng trăm vật thể chuyển động trên màn hình cùng lúc, GPU cũng trở thành loại chip thích hợp nhất thể hiện thực hóa các mạng neuron.
Cuộc cách mạng AI bùng nổ trên toàn cầu khi các tín đồ công nghệ càng ngày càng được nghe nhiều hơn về loại "trí thông minh" mà máy móc trước đó không thể thực hiện được. Bài toán nhận diện không dừng ở những chú mèo khi Tesla của Elon Musk, Uber và cả Google Venmo sử dụng các bộ cảm biến để xe hơi có thể "nhìn" được đường và tự lái.
Với các thiết bị dành cho người dùng phổ thông, mạng neural đã góp phần quan trọng trong việc tăng tốc loại giao diện có thể cách mạng hóa tương lai: giao diện giọng nói trên trợ lý ảo. Năm 2014, Apple nâng cấp "bộ não" của Siri lên trở thành mạng neuron ảo để bắt đầu xóa đi ấn tượng xấu của trợ lý ảo tiền khởi này.
Trước đó một năm, CEO Jeff Bezos của Amazon đặt ra mục tiêu không tưởng dành cho trợ lý ảo Alexa: phải trả lời người dùng được trong vòng 1 giây. Chìa khóa duy nhất để nhận diện được toàn bộ các thành phần... rối loạn trong ngôn ngữ nói của con người là deep learning: luồng thông tin audio từ khe microphone của loa Echo sẽ được phân tích tín hiệu âm học để lọc ra từ ngữ, kết hợp với hoàn cảnh sử dụng và thậm chí là cả cảm xúc xuất phát từ tiếng nói của chúng ta.
Kể từ đó đến nay, cuộc chiến trợ lý ảo đã tiếp tục nóng lên với sự góp mặt của Google Assistant và Cortana.
Một năm sau đó, Microsoft lại góp mặt vào một cuộc chiến công nghệ khác: chatbot. Chat qua ứng dụng tin nhắn đã trở thành một kênh giao tiếp quan trọng giữa các nhãn hàng và người dùng, nhưng một công ty dù là Forbes 500 hay là startup 3 người cũng không thể cung cấp hàng triệu nhân viên chỉ để chat với khách hàng tiềm năng. Chatbot sinh ra để tự động hóa quá trình giao tiếp: nôm na, khi phát hiện người dùng nói "tôi muốn chọn pizza", chúng sẽ phải chọn ra loại pizza thích hợp nhất để gợi ý.
Vì sao ư? Vì trong câu nói của người dùng mới chỉ có từ khóa "pizza". Muốn công việc kinh doanh được phát triển, chatbot sẽ cần nắm thêm rất nhiều thông tin không có trong câu chat như vị trí của người dùng, thời gian gọi bánh, sở thích quá khứ của người dùng, số điểm đang còn tích trong tài khoản v...v... Muốn "hiểu" hết các thông tin đó và chọn ra hướng giải quyết phù hợp nhất (ví dụ, tự động gợi ý pizza dứa, xếp chung vào đợt giao hàng lúc 9:30 để tiết kiệm chi phí), chatbot phải dùng mạng neuron để phân tích và chọn lọc.
Năm 2017 chứng kiến công nghệ AI "xâm lấn" loại thiết bị số trọng tâm của con người ở quy mô và mức độ phức tạp chưa từng có.
Tháng 9, Apple công bố ra mắt chiếc iPhone X sử dụng neural network để xây dựng, phân tích và bảo mật cho người dùng: mô hình 3D từ 30.000 điểm kiến trúc sẽ không thể được phân tích theo bất kỳ một mô hình điện toán nào khác. Trong khi công nghệ này vẫn chưa hoàn hảo 100%, Face ID của Apple đã thực sự đưa bảo mật sang một chương mới: thu thập dữ liệu 30.000 điểm và chế tác mặt nạ 3D qua 5 lần thử/48 giờ khó khăn hơn, hay sử dụng các công cụ hack truyền thống hoặc qua mặt bản nhận diện 2D của vân tay/mống mắt khó khăn hơn?
AI không chỉ được dùng để sử dụng cho bảo mật trên iPhone. Bằng cách phân tích dữ liệu trên tấm ảnh, chip ISP (xử lý tín hiệu hình ảnh) tích hợp trong SoC A11 Bionic thậm chí còn có thể giảm nhiễu, tăng chất lượng ảnh chụp thiếu sáng và tăng tốc độ lấy nét. Một chế độ mới có tên "Portrait Lighting" cho phép phân tích bức ảnh chụp chân dung, tự làm hiệu ứng bokeh với phần khung nền hoặc giả lập hiệu ứng ánh sáng trên các đường nét của khuôn mặt.
Theo chân Apple, nhiều hãng đang sử dụng các thuật toán AI để TỰ cải thiện chất lượng ảnh chụp trên smartphone. Thế nhưng, chiếc smartphone chụp ảnh đẹp nhất (nói chung) lại là Pixel 2 của Google. Với thế hệ smartphone mới, Google thậm chí còn đưa thuật toán tiến xa hơn cả Apple: không cần 2 ống kính, vẫn có thể tạo ảnh bokeh chất lượng không kém gì bokeh bằng ống kính và zoom quang học.
Bên cạnh chiếc smartphone, Google còn nhiều "bảo bối" khác đến từ AI. Tai nghe không dây Pixel Buds có thể mang tới tính năng tự động dịch giọng nói. Máy quay clip sẽ liên tục lưu lại hình ảnh video của người dùng và tự chọn lọc ra những "khoảnh khắc" đáng nhớ. Trong cuộc chiến loa trợ lý ảo – có thể coi là lĩnh vực ứng dụng AI cho người dùng cuối nổi trội nhất hiện nay, Google đưa sản phẩm của mình xuống mức giá chỉ 50 USD để cạnh tranh với ông vua Amazon. Rõ ràng, Google muốn Google Assistant phải đến tay người dùng bằng mọi giá.
Nhưng "ông vua" Amazon không đứng yên để chờ đợi Google đuổi bắt. Từ nhiều tháng trước khi Google có Home Mini, Amazon đã ra mắt một phiên bản loa Echo có camera để tự động thu hình ảnh và gợi ý lựa chọn thời trang cho người tiêu dùng. Chiếc loa này giải quyết bài toán chắc chắn đã khiến Amazon đau đầu trong nhiều năm: người dùng mua quần áo online và rồi đổi trả vì không phù hợp, hay thậm chí là không muốn mua quần áo online vì không có "nhân viên" đứng chào hàng.
Hãy thử nghĩ về "bài toán" mà Amazon vừa giải quyết. Chúng ta sẽ giải bài toán đó như thế nào? Chúng ta sẽ vào cửa hàng, nhìn quanh và "phát hiện" một chiếc áo có vẻ hợp. Một "bài toán" thật đơn giản đến hiển nhiên, vậy mà phải đến hàng chục năm ứng dụng và phát triển, phải nhờ đến những phát hiện có cả dấu ấn của người Việt, máy móc mới có thể làm được
Bản chất của AI, của những khái niệm tưởng cao siêu như "neural network" là như vậy. Mô phỏng lại bộ não con người, chúng đang chập chững giúp chúng ta giải quyết những vấn đề, những bài toán vốn... quá đơn giản với bộ não của chúng ta.
Theo Tri Thức Trẻ
- Chi tiết
- Tác giả Nguyễn Cao Thế
- Chuyên mục: Tin tức
- Lượt xem: 1901
Năm 2017, thiệt hại do virus máy tính gây ra đối với người dùng Việt Nam đã lên tới 12.300 tỷ đồng, tương đương 540 triệu USD, vượt xa mốc 10.400 tỷ đồng của năm ngoái.
Tấn công thiết bị IoT: Xu thế tất yếu
Đúng như dự báo cuối năm 2016 của Bkav, thiết bị kết nối Internet (IoT) như Router Wi-Fi, Camera IP… trở thành đích nhắm của hacker trong năm 2017 mà điển hình là sự bùng nổ các biến thể mới của mã độc Mirai, trong đó có biến thể nhắm mục tiêu đến Việt Nam. Bên cạnh đó, lỗ hổng Blueborne trong công nghệ kết nối không dây Bluetooth đẩy 8,2 tỷ thiết bị IoT trên toàn cầu sử dụng công nghệ này rơi vào vòng nguy hiểm. Hay KRACK, lỗ hổng cho phép hacker xâm nhập vào hầu hết mạng Wi-Fi mà không cần mật khẩu, khiến các thiết bị IoT có kết nối Wi-Fi đối mặt với cuộc tấn công mạng quy mô lớn chưa từng có.
Lý giải cho việc gia tăng các cuộc tấn công vào thiết bị IoT, các chuyên gia Bkav phân tích, nhà sản xuất thường để mật khẩu quản trị mặc định và không khuyến cáo khách hàng đổi thông số của thiết bị trước khi đưa vào sử dụng. Trong khi đó, người dùng chưa có thói quen quan tâm đến an ninh của thiết bị, thường không thay đổi mật khẩu mặc định. Một nghiên cứu của Bkav cho thấy có tới 76% camera IP tại Việt Nam hiện vẫn dùng tài khoản và mật khẩu được nhà sản xuất cài đặt sẵn. Việc cập nhật bản vá cho lỗ hổng trên thiết bị IoT cũng không đơn giản như cập nhật cho phần mềm, đòi hỏi sự can thiệp trực tiếp từ phía người dùng với kiến thức về mạng máy tính. Do đó, khả năng người dùng lơ là, không quan tâm đến lỗ hổng dù được cảnh báo là rất cao.
Thách thức đảm bảo an toàn trong công nghệ xác thực
Năm 2017, hàng loạt công nghệ sinh trắc học được đưa ra trong xác thực thông tin người dùng, đặc biệt là các công nghệ nhận diện hình ảnh. Tuy nhiên, các công nghệ này chưa đủ hoàn thiện và tồn tại lỗ hổng. Các chuyên gia Bkav đã chỉ ra công nghệ nhận diện mống mắt (Iris Scanner trên Galaxy S8 của Samsung) và công nghệ nhận diện khuôn mặt (Face ID trên iPhone X của Apple) không đảm bảo an toàn và có thể bị vượt qua dễ dàng. Người dùng nên thận trọng khi sử dụng các công nghệ này, không nên dùng trong những giao dịch thương mại.
Mật khẩu là giải pháp xác thực được sử dụng nhiều nhất hiện nay, nhưng ý thức sử dụng mật khẩu của người dùng tại Việt Nam chưa cao. Trong năm vừa qua, một số vụ mất tiền trong tài khoản ngân hàng tại Việt Nam cũng xuất phát từ nguyên nhân này. Thói quen tùy tiện nhập thông tin tài khoản vào các website, đường link lạ hay sử dụng chung một mật khẩu cho nhiều tài khoản là những thói quen người dùng cần thay đổi để đảm bảo an toàn. Theo thống kê của Bkav, cho tới nay vẫn còn tới 55% người dùng sử dụng chung một mật khẩu cho các tài khoản tại nhiều dịch vụ trực tuyến khác nhau.
Tin tức giả mạo tràn lan mạng xã hội
Sự bùng nổ của tin tức giả mạo (tin bịa đặt, sai sự thật) mang lại không ít phiền toái cho người sử dụng mạng xã hội trong năm vừa qua. Tại Mỹ, tin tức giả mạo cũng tràn ngập Facebook, Google, Twitter… đặc biệt liên quan đến các sự kiện lớn. Tại Việt Nam, số liệu thống kê từ chương trình đánh giá an ninh mạng của Bkav cho thấy, 63% người dùng thường xuyên đọc được tin tức giả mạo trên Facebook, trong đó 40% là nạn nhân hằng ngày. Không chỉ khiến người đọc hoang mang, tin tức giả mạo còn tiềm ẩn nguy cơ gây bất ổn xã hội khi kẻ xấu cố tình đưa tin sai sự thật liên quan đến tình hình kinh tế, chính trị của đất nước.
Các chuyên gia Bkav phân tích, bản chất của việc tin tức giả mạo tràn lan cũng tương tự như sự lây lan của virus máy tính, đó là tấn công vào sức đề kháng của người dùng. Bạn cần xây dựng cho mình khả năng đề kháng trước các thông tin giả mạo, bằng cách biết đặt ra nghi vấn, tốt hơn nữa là chủ động kiểm chứng khi nhận được thông tin từ nguồn không tin tưởng. Nếu không trang bị được sức đề kháng tốt, gặp thông tin giả mạo người đọc dễ dàng tin tưởng, thậm chí còn chia sẻ mà không cần kiểm chứng. Hãy là người dùng mạng xã hội thông thái.
Mã độc đào tiền ảo có dấu hiệu bùng nổ
Năm 2017 chứng kiến sự tăng giá chóng mặt của các đồng tiền ảo, tạo cơn sốt trên toàn cầu. Điều này cũng đã thúc đẩy hacker gia tăng mạng mẽ các hình thức tấn công nhằm biến máy tính người dùng thành công cụ đào tiền ảo. Hiện có 2 hình thức tấn công phổ biến nhất được hacker sử dụng là khai thác lỗ hổng website và lợi dụng mạng xã hội để phát tán virus.
Hacker thường chọn các website có nhiều người sử dụng để tấn công và cài mã độc có chức năng đào tiền ảo lên đó. Khi người dùng truy cập vào các website này, mã độc sẽ được kích hoạt. Với hơn 40% website tại Việt Nam tồn tại lỗ hổng có thể bị xâm nhập, khai thác, đây sẽ là đích nhắm của hacker trong việc phát tán mã độc đào tiền ảo.
Một hình thức khác là hacker phát tán virus đào tiền ảo thông qua mạng xã hội. Sau khi lây nhiễm, mã độc sẽ âm thầm sử dụng tài nguyên của máy nạn nhân để chạy các chương trình đào tiền. Gần đây nhất, mã độc lây qua Facebook bùng phát từ ngày 19/12 và làm “náo loạn” Internet tại Việt Nam. Thống kê từ hệ thống giám sát virus của Bkav, đã có hơn 23.000 máy tính tại Việt Nam nhiễm loại mã độc này. Chuyên gia Bkav nhận định, trong thời gian tới hình thức đào tiền ảo bằng cách phát tán virus có xu hướng tiếp tục bùng nổ thông qua Facebook, email, qua lỗ hổng hệ điều hành, USB.
Nỗi ám ảnh mang tên Ransomware
17% người dùng tham gia chương trình đánh giá an ninh mạng 2017 của Bkav cho biết gặp phải sự cố dữ liệu bị mã hóa do mã độc tống tiền ransomware gây ra. Thống kê từ hệ thống giám sát virus của Bkav cũng cho thấy, 11,22% lượng email lưu chuyển trong năm 2017 là email phát tán ransomware. Như vậy cứ trung bình 100 email nhận được thì người sử dụng sẽ gặp 11 email chứa ransomware. Con số này đã giảm so với năm 2016, song vẫn là tỷ lệ cao.
Năm 2017 cũng chứng kiến sự bùng nổ của các ransomware lợi dụng lỗ hổng hệ điều hành để phát tán với tốc độ chóng mặt. Điển hình là mã độc WannaCry, lây nhiễm trên hàng trăm máy tính tại hơn 90 nước chỉ trong vài giờ. Tại Việt Nam, hơn 1.900 máy tính có chứa WannaCry và hơn 52% máy tính tồn tại lỗ hổng có thể bị tấn công bởi mã độc này. Sau đó là sự xuất hiện của mã độc tống tiền Petya làm tê liệt hàng loạt ngân hàng, sân bay, máy ATM và nhiều doanh nghiệp lớn tại châu Âu. Tương tự, mã độc Bad Rabbit đã lan rộng trong hệ thống của ít nhất 200 tổ chức trên thế giới. Số tiền chuộc khổng lồ hacker kiếm được chính là nguyên nhân dẫn tới sự bùng nổ của loại mã độc nguy hiểm này.
Để phòng ngừa nguy cơ mã độc tấn công, chuyên gia Bkav khuyến cáo người dùng nên sao lưu dữ liệu thường xuyên, cập nhật bản vá cho hệ điều hành, đồng thời chỉ mở các file văn bản nhận từ Internet trong môi trường cách ly Safe Run. Người dùng cũng cần cài phần mềm diệt virus thường trực trên máy tính để được bảo vệ tự động.
Xu hướng 2018
Năm 2018 sẽ tiếp tục chứng kiến sự bùng nổ các cuộc tấn công phát tán mã độc nhằm thu lợi bất chính như mã độc mã hóa tống tiền ransomware, mã độc đào tiền ảo… Chuyên gia Bkav dự đoán, bên cạnh việc phát tán mã độc để tạo ra mạng lưới botnet đào tiền ảo, hacker cũng sẽ nhắm mục tiêu tấn công trực tiếp vào các sàn giao dịch tiền ảo. Hiện nay hầu hết các sàn giao dịch tiền ảo đều không có sự đảm bảo từ các chính phủ, do vậy nếu xảy ra tấn công, người tham gia sàn giao dịch sẽ chịu mọi rủi ro, mất tiền.
Facebook tiếp tục là mảnh đất màu mỡ cho các hành vi lừa đảo và tin tức giả mạo. Tấn công vào thiết bị IoT sẽ có xu hướng cài đặt phần mềm gián điệp nằm vùng, thực hiện các cuộc tấn công có chủ đích APT mang màu sắc chính trị.
Theo BKAV
- Chi tiết
- Tác giả TTCNTT
- Chuyên mục: Tin tức
- Lượt xem: 1935
Nghị định mới của Chính phủ đã nới lỏng nhiều quy định trong việc lập website thương mại điện tử tại Việt Nam so với quy định cũ.
Nới lỏng nhiều quy định trong việc lập website TMĐT tại Việt Nam. Ảnh minh họa: Internet
Thủ tướng Chính phủ vừa ban hành Nghị định mới sửa đổi một số điều trong Nghị định về thương mại điện tử (TMĐT) trong đó nới lỏng nhiều quy định trong việc lập website TMĐT tại Việt Nam so với quy định cũ. Với quy định mới, các thương nhân, tổ chức, cá nhân đã được cấp mã số thuế cá nhân có quyền được thiết lập website thương mại điện tử mà không cần phải có website với tên miền hợp lệ hay không cần có chức năng, nhiệm vụ phù hợp như quy định trước đây.
Cụ thể, trong quản lý website cung cấp dịch vụ TMĐT, Nghị định mới quy định bãi bỏ quy định “Có website với tên miền hợp lệ và tuân thủ các quy định về quản lý thông tin trên Internet" và điều kiện các tổ chức, cá nhân cần có chức năng, nhiệm vụ phù hợp hay phải có website với tên miền hợp lệ và tuân thủ các quy định về quản lý thông tin trên Internet mới được thành lập website TMĐT bán hàng. Theo đó, quy định điều kiện thiết lập website thương mại điện tử bán hàng tại Việt Nam là thương nhân, tổ chức cá nhân đã được cấp mã số thuế cá nhân và đã thông báo với Bộ Công Thương về việc thiết lập website TMĐT bán hàng theo quy định.
Trong khi đó, trong điều kiện thiết lập website cung cấp dịch vụ TMĐT cũng được bãi bỏ điều kiện về cấu trúc, tính năng và các mục thông tin chủ yếu trên website cung cấp dịch vụ (trong đề án cung cấp dịch vụ).
Về điều kiện cấp phép cho thương nhân, tổ chức tiến hành hoạt động đánh giá và chứng nhận chính sách bảo vệ thông tin cá nhân trong TMĐT, Nghị định mới bãi bỏ các điều kiện đó là có đăng ký kinh doanh hoặc quyết định thành lập trong đó nêu rõ lĩnh vực hoạt động là đánh giá và chứng nhận chính sách bảo vệ thông tin cá nhân trong TMĐT;
Độc lập về mặt tổ chức và tài chính với các thương nhân, tổ chức, cá nhân được đánh giá và chứng nhận về chính sách bảo vệ thông tin cá nhân; Có đề án hoạt động chi tiết được Bộ Công Thương thẩm định. Đồng thời phải có tiêu chí và quy trình đánh giá chính sách bảo vệ thông tin cá nhân được công bố công khai, minh bạc, áp dụng thống nhất cho các đối tượng được đánh giá.
Ngoài ra, về điều kiện cấp phép hoạt động cho thương nhân, tổ chức cung cấp dịch vụ chứng thực hợp đồng điện tử thì Nghị định mới bãi bỏ Yêu cầu về tài chính và yêu cầu về kỹ thuật.
Như vậy là nhiều điều kiện trong thành lập và quản lý website cung cấp dịch vụ TMĐT đã được nới lỏng hơn so với các quy định cũ. Với các điều kiện mới, hoạt động TMĐT sẽ tiếp tục có điều kiện phát triển mạnh mẽ.
Theo Báo cáo Thương mại điện tử Việt Nam năm 2017 của Cục Thương mại điện tử và CNTT (Bộ Công Thương, tính đến năm 2016, số lượng website TMĐT đã được xác nhận thông báo, đăng ký đạt đến con số 13.510 website, tăng nhanh so với con số 9424 năm 2015. Cũng theo thống kê, tại Việt Nam có 682 sàn TMĐT, 93 website khuyến mại trực tuyến và 20 website đấu giá trực tuyến.
- Chi tiết
- Tác giả Nguyễn Cao Thế
- Chuyên mục: Tin tức
- Lượt xem: 1581
Theo đó, những ngành đào tạo được áp dụng cơ chế đặc thù gồm: Khoa học máy tính: 7480101; Mạng máy tính và truyền thông dữ liệu: 7480102; Kỹ thuật phần mềm: 7480103; Kỹ thuật máy tính: 7480106; Hệ thống thông tin: 7480104; Hệ thống thông tin quản lý: 7340405; Công nghệ kỹ thuật máy tính: 7480108; Công nghệ thông tin: 7480201; An toàn thông tin: 7480202; Công nghệ thông tin ứng dụng trong lĩnh vực kinh tế - xã hội (Ví dụ: CNTT ứng dụng trong quản lý kinh tế; CNTT ứng dụng trong các ngành kỹ thuật,…).
Bộ cũng khuyến khích các cơ sở đào tạo mở các ngành mới trong nhóm ngành CNTT, các ngành/chuyên ngành CNTT ứng dụng trong lĩnh vực kinh tế - xã hội, đáp ứng nhu cầu của thị trường lao động và hội nhập quốc tế.
Các sinh viên đang học đại học hết năm thứ 1, 2, 3 các ngành khác nếu có nguyện vọng có thể được chuyển sang học các ngành CNTT ở trong cùng một cơ sở đào tạo hoặc chuyển sang các cơ sở đào tạo khác có đào tạo các ngành CNTT; Chỉ tiêu và điều kiện chuyển ngành học do thủ trưởng các cơ sở đào tạo quy định cụ thể theo hướng mở, công khai và đảm bảo các điều kiện đầu vào tối thiểu của chương trình đào tạo. Thủ tục chuyển trường thực hiện theo quy định pháp luật hiện hành.
Có chính sách thu hút các nhà khoa học Việt Nam ở nước ngoài, chuyên gia CNTT quốc tế tham gia công tác đào tạo, nghiên cứu khoa học; khuyến khích chuyên gia, cán bộ kỹ thuật, cán bộ quản lý (gọi chung là chuyên gia) có kinh nghiệm hoạt động nghề nghiệp của doanh nghiệp tham gia đào tạo nhân lực CNTT.
Các chuyên gia này là người có trình độ từ thạc sĩ trở lên hoặc tốt nghiệp đại học có từ 5 năm kinh nghiệm trở lên đúng ngành tham gia đào tạo. Trên cơ sở thống nhất với doanh nghiệp đối tác về tỷ lệ thời gian tham gia đào tạo của các chuyên gia, cơ sở đào tạo được tính các chuyên gia là giảng viên cơ hữu phù hợp với tỷ lệ thời gian tham gia đào tạo để xác định chỉ tiêu tuyển sinh các ngành CNTT.
Các cơ sở đào tạo CNTT phải gắn kết với các doanh nghiệp, hiệp hội nghề nghiệp trong lĩnh vực CNTT để dự báo nhu cầu lao động, xây dựng chuẩn đầu ra và đào tạo sinh viên có kiến thức, kỹ năng đáp ứng yêu cầu ngành nghề.
Điều chỉnh chương trình đào tạo CNTT theo hướng ứng dụng, mở, liên thông gồm các học phần cốt lõi và các học phần tự chọn. Các học phần cốt lõi nhằm cung cấp kiến thức, kỹ năng nền tảng về CNTT. Các học phần tự chọn là các hướng đào tạo chuyên sâu CNTT ứng dụng. Nghiên cứu đưa nội dung đào tạo các chứng chỉ nghề có uy tín trên thế giới (ví dụ: chứng chỉ của Microsoft, Oracle, Cisco,…) vào nội dung đào tạo thực hành để đáp ứng chuẩn đầu ra khi tốt nghiệp.
Thời gian đào tạo thực tế tại doanh nghiệp phải đảm bảo ít nhất 30% tổng thời gian đào tạo và được xác định cụ thể trong chương trình đào tạo. Cơ sở đào tạo chịu trách nhiệm kiểm tra, giám sát, đáp ứng yêu cầu về điều kiện đảm bảo chất lượng thực tập, thực hành tại doanh nghiệp đối tác.
Nghiên cứu việc công nhận một số học phần mà người học tích lũy được từ các khóa đào tạo cấp chứng chỉ CNTT tương đương với một số môn học, tín chỉ trong chương trình đào tạo đại học thông qua quy trình đánh giá và công nhận tín chỉ của các cơ sở đào tạo. Khuyến khích các cơ sở đào tạo công nhận tín chỉ lẫn nhau.
Xem nội dung chi tiết Công văn TẠI ĐÂY