lOMoARcPSD| 58702377
Câu 13:
GIẢN ĐƠN
Nếu có thể đừng than chi số phận
Gạt nỗi buồn vướng bận gió cuốn đi
Đời ngắn lắm yêu thương còn chưa đSao
bận lòng cho những phút sân si
Nếu có thể hãy thả lòng mình nhé
Sống vị tha mạnh mẽ giữa cuộc đời
Bởi vẫn biết cho đi là còn mãi
Tự bằng lòng tâm sẽ được thảnh thơi
Nếu có thể thả hồn nương theo gió
Biết bỏ buông mình sẽ có thật nhiều
Những niềm vui hạnh phúc dù bé nhỏ
Cuộc đời này thanh thản biết bao nhiêu
Nếu có thể giữ cho mình những phút
Khẽ khàng trôi không chút ầm ào
Giữa chợ đời lặng ru bình yên ngủ
Thả muộn phiền theo cánh gió lao xao …
BÀI 1 : CÔNG DÂN SỐ KIẾN THỨC VÀ TRÁCH NHIỆM
Câu 11: Trình bày những điều cần thiết để bảo mật thông tin trên môi trường số?
Công dân số trong thời đại công nghệ phát triển hiện nay cần rất nhiều kỹ năng cần
thiết để thực hiện các hoạt động hiệu quả trên nền tảng kỹ thuật số. Dựa trên nghiên cứu
và đánh giá của DQ Institute - tổ chức vấn quốc tế chuyên thiết lập các tiêu chuẩn toàn
cầu về giáo dục, tiếp cận cộng đồng chính sách về trí tuệ kỹ thuật số. Một công dân số
cần phải có 8 kỹ năng đó là: Danh tính kỹ thuật số, quản thời gian tiếp xúc với màn hình,
quản lý việc doạn nạt trên mạng, quản lý an ninh mạng, quản lý bảo mật, tư duy phê phán,
dấu chân kỹ thuật số và cảm thông kỹ thuật số.
lOMoARcPSD| 58702377
Danh tính công dân số (Digital citizen identity): Khả năng tạo lập quản toàn
diện danh tính online và offline. Đó kỹ năng quản danh tính nhân để tránh bị kẻ
xấu đánh cắp thông tin và mạo danh nhằm thực hiện các hành vi lừa đảo trục lợi, đăng tải
bài viết nội dung khiêu dâm, khiêu khích, đăng tải các thông tin giả mạo, khiến uy tín
danh dự của người dùng bị ảnh hưởng nghiêm trọng. Do vậy, một công dân số cần có
kỹ năng quản danh tính để thbảo vệ dữ liệu nhân an toàn trong môi trường kỹ
thuật số.
Quản lý thời gian tiếp xúc với màn hình (Screen time management): Khả năng quản
lý thời gian tiếp xúc với màn hình, truy cập tìm kiếm thông tin, chơi game hay phương tiện
thông tin một cách kiểm soát. Mỗi công dân số phải tự cân bằng giữa thời gian trực
tuyến ngoại tuyến, hỗ trợ mọi người làm việc hiệu quả tương tác với nhau mọi lúc
mọi nơi. Giới hạn thời gian tiếp xúc với màn hình, các thiết bị đa phương tiện để tránh một
số rủi ro về sức khỏe công việc; dụ như: tình trạng mệt mỏi, giảm thlực, đau cổ,
nhức đầu, giảm năng suất làm việc,.... để đảm bảo sức khỏe tinh thần và thể chất đồng thời
nâng cao năng suất làm việc.
Quản lý việc đe dọa trên môi trường mạng (Cyberbullying management): Khả năng
phát hiện những trường hợp mâu thuẫn, gây xung đột, đe dọa trên không gian mạng và xử
lý. Một môi trường trực tuyến lành mạnh được tạo ra khi mỗi công dân số đều có khả năng
xác định, quản giảm thiểu các rủi ro bắt nạt, đe dọa, quấy rối,...trên môi trường số
bằng cách phát triển nhận thức xã hội, kỹ năng ra quyết định, giao tiếp và ứng xử hiệu quả.
Khi được đào tạo kỹ năng này, công dân số động để bản thân tránh bị bắt nạt trên mạng và
có những biện pháp ứng phó hiệu quả.
Quản an ninh mạng (Cybersecurity management): Khả năng bảo vệ dữ liệu
nhân của một người băng cách tạo mật khẩu quản các loại tấn công khác nhau. Mặc
mỗi quan, đơn vị đều các hệ thống quản an ninh mạng, các ứng dụng xây hệ
thống bảo mật. Tuy nhiên, công dân số nên chủ động phòng ngừa loại bỏ các mối đe
dọa này không làm ảnh hưởng đến dữ liệu thiết bị. Bên cạnh đó, công dân số cũng
cần đề cao cảnh giác đối với các lỗ hổng bảo mật, đánh cắp dữ liệu đe dọa thiết bị của
mình và mạnh dạn xử lý khi gặp vấn đề.
lOMoARcPSD| 58702377
Quản lý bảo mật (Privacy management): Kỹ năng bảo mật và thận trọng đối với các
thông tin cá nhân được chia sẻ trực tuyến để bảo vệ và giữ an toàn thông tin của một người
và những người khác khi hoạt động trực tuyến. Lưu ý khi sử dụng, lưu trữ, xử lý và chia sẻ
thông tin nhân trong thế giới số kết hợp với các công cụ bảo mật giúp công dân số bảo
vệ thông tin của mình trước nguy cơ bị kẻ xấu đánh cắp dữ liệu nhằm gây hại, thậm chí bôi
nhọ danh dự, nhân phẩm. Ngoài ra, công n số cũng cần tôn trọng quyền riêng thông
tin cá nhân của người khác và coi đây là tài sản giá trị đáng được bảo vệ.
duy phê phán (Critical thinking): Khả năng phân biệt tính đúng sai trong cách
ứng xử, nội dung tốt nội dung độc hại, các mối liên hệ đáng tin cậy không đáng tin
cậy. Nâng cao kỹ năng sử dụng máy tính, phần mềm, ứng dụng thành thạo cũng như hiểu
nhu cầu thông tin, điều hướng hiệu quả, đánh giá phê bình tổng hợp thông tin đảm
bảo quá trình thu thập, sắp xếp nội dung, phân biệt thông tin ích hiệu quả hơn. Trong
quá trình đó, người dùng phải cẩn thận chọn lọc những thông tin cũng như đánh giá về độ
tin cậy của những thông tin đó.
Dấu chân số (Digital footprints): Khả năng hiểu bản chất của dấu chân số quản
lịch sử truy cập trách nhiệm. Mọi hành vi của người dùng trên nền tảng trực tuyến
đều được số hóa thành dữ liệu người dùng. Từng hành động bước đi của người dùng
đều được ghi lại u trữ trên hệ thống, dụ như các hoạt động tương tác (like, share,
comment,...), click quảng cáo, lịch sử giao dịch ATM, mua hàng, tìm kiếm... c thông tin
nhân này thể được thu thập khi người dùng sử dụng công cụ tìm kiếm trthành
nguồn dữ liệu phục vụ lợi ích cho các bên quan tâm, ví dụ như: các doanh nghiệp thu nhập
dữ liệu dấu chân điện tử để cho ra các chiến lược truyền thông.
Cảm thông trên môi trường số (Digital empathy): Khả năng bày tỏ sự đồng cảm đối
với nhu cầu, cảm xúc trực tuyến của riêng mình những người khác. Công dân kỹ thuật
số khi tham gia vàoi trường này phải hiểu và nhận thức được các tương tác trực tuyến
của họ nh hưởng như thế nào đến người khác. Phải tôn trọng quan điểm của người khác
bằng cách kiểm soát và điều chỉnh tương tác, phản hồi phù hợp.
lOMoARcPSD| 58702377
BÀI 4: XU HƯỚNG PHÁT TRIỂN CÔNG NGHỆ SỐ
Câu 19: Trình bày những hiểu biết về học sâu (Deep Learning)? Một số ng dụng sử
dụng học sâu trong thực tế.
a. Thời gian xuất hiện học sâu (Deep Learning)
Deep Learning được phát triển từ giai đoạn từ 1980 – nay: giai đoạn mà AI đi vào
công nghiệp cuộc sống. Đầu những năm 1980 nghành công nghiệp AI phát triển
mạnh, với hàng trăm các công ty. Trong giai đoạn này cũng đánh dấu sự trở lại mạnh
mẽ của các hình mạng nơ-ron. Đặc biệt là các hình mạng nơ-ron với nhiều lớp
(Deep Learning), dựa trên sự phát triển mạnh mẽ của công nghệ tính toán dữ liệu lớn.
b. Khái niệm
Deep Learning bản một tập hợp con của học máy, khác biệt một số
khía cạnh quan trọng so với công nghệ học máy nông truyền thống. Học sâu cho phép
máy tính giải quyết rất nhiều vấn đề phức tạp bằng cách “học” từ một lượng lớn dữ liệu.
Học sâu thúc đẩy nhiều ứng dụng dịch vụ trí tuệ nhân tạo (AI Artificial
Intelligent) nhằm nâng cao, cải thiện tính tự động hóa, thực hiện các tác vụ phân tích
vật lý mà không cần sự can thiệp của con người.
Công nghệ học sâu nằm sau các sản phẩm và dịch vụ hàng ngày (chẳng hạn như
trợ lý kỹ thuật số, điều khiển TV hỗ trợ giọng nói từ xa, phát hiện gian lận thẻ tín dụng,
ô tô tự lái,…).
Mối quan hệ giữa học sâu và máy học, trí tuệ nhân tạo - Ảnh: Internet
c. Cách thức hoạt động như thế nào?
lOMoARcPSD| 58702377
Mạng ron sâu (Deep Neural Network - DNN), cố gắng bắt chước não người
thông qua sự kết hợp của dữ liệu đầu vào, trọng số và độ lệch. Các yếu tố này làm việc
cùng nhau để nhận biết, phân loại tả chính xác các đối tượng dựa trên dữ liệu.
Mạng nơ ron sâu bao gồm nhiều lớp nút được kết nối với nhau, mỗi lớp được xây dựng
dựa trên lớp trước đó để tinh chỉnh và tối ưu hóa dự đoán hoặc phân loại. Quá trình tính
toán thông qua mạng này được gọi quá trình truyền chuyển tiếp. Lớp đầu vào nơi
hình học sâu nhập dữ liệu để xử lớp đầu ra nơi đưa ra dự đoán hoặc phân
loại cuối cùng.
Một quy trình khác được gọi truyền ngược (backpropagation) sử dụng các thuật
toán, như suy giảm độ dốc (gradient descent), để tính toán sai số trong các dự đoán. Sau
đó, điều chỉnh trọng số độ lệch của hàm bằng cách di chuyển ngược lại qua các lớp
trong quá trình đào tạo mô hình.
Truyền thằng (forward propagation) truyền ngược cùng với nhau cho phép
mạng nơ-ron đưa ra dự đoán sửa chữa bất kỳ lỗi nào sao cho phù hợp. Theo thời gian,
thuật toán dần trở nên chính xác hơn.
Đây là loại mạng nơ-ron sâu đơn giản nhất đã được mô tả một cách rút gọn. Thực
tế, các thuật toán học sâu vô cùng phức tạp có nhiều loại mạng -ron khác nhau để
giải quyết các vấn đề hoặc tập dữ liệu cụ thể.
d. Một số ứng dụng sử dụng Deep Learning
- Digital Marketing
Thời đại chuyển đổi số trên khắp mọi lĩnh vực hiện nay khiến việc ứng dụng trí
tuệ nhân tạo trong Digital Marketing không còn quá xa lạ đối với dân kinh doanh lẫn
dân công nghệ. Việc sử dụng Deep Learning trong chiến dịch Marketing sẽ giúp mang
lại trải nghiệm tốt hơn cho khách hàng và tăng doanh thu cho doanh nghiệp. Điển hình
như hệ thống Chatbot, xây dựng nội dung cá nhân hóa, phân tích người dùng bằng hình
ảnh,…
- Hệ thống lái xe tự động
Một trong những sản phẩm áp dụng Deep Learning mới và hiện đại nhất hiện nay
là hệ thống lái xe tự động, được xây dựng dựa trên các mạng nơ-ron cấp cao.
Các hình Deep Learning đóng vai trò nhận diện các đối tượng môi trường
xung quanh xe, tính toán khoảng cách giữa xe các phương tiện khác, xác định vị trí
lOMoARcPSD| 58702377
làn đường, tín hiệu giao thông, nhận diện chướng ngại vật,… từ đó đưa ra được các
quyết định tối ưu và nhanh chóng nhất.
Một trong những hãng xe đình đám tiên phong trong việc sản xuất xe tự lái
hiện nay là Tesla.
- Trợ lý ảo
Không n quá xa lạ với công chúng trong những năm gần đây bởi những hiệu
quả vượt trội chúng mang lại. Trợ o hay Virtual Assistant đang được ứng dụng
rất nhiều trong đời sống hàng ngày, sử dụng Deep Learning đbiết thêm về người dùng,
từ sở thích ăn uống đến các điểm truy cập nhiều nhất hoặc các bài hát yêu thích của bạn.
Công nghệ này học cách hiểu và thực hiện các mệnh lệnh thông qua đánh giá ngôn ngữ
tự nhiên của con người.
Ngoài ra Deep Learning còn có khả năng giúp trợ lý ảo dịch bài phát biểu thành
văn bản, ghi chú lại đặt lịch hẹn cho bạn; nhắc lịch hẹn tự động trả lời các cuộc
gọi cụ thể để phối hợp các nhiệm vụ giữa bạn các thành viên chung team; tạo hoặc
gửi bản sao email phù hợp.
Phổ biến nhất nhất có thể kể đến Alexa hay Siri, Google Assistant. Mỗi tương
tác với các trợ lý này cung cấp cho họ cơ hội tìm hiểu thêm về giọng nói và ngữ điệu
của bạn, từ đó cung cấp cho bạn trải nghiệm tương tác như phiên bản thứ 2 của con
người.
- Nghiên cứu y học
Từ chẩn đoán bệnh, chẩn đoán khối u cho đến các loại thuốc được tạo riêng cho
từng bộ gen cá nhân, ứng dụng của Deep Learning vào y học đang nhận được sự chú ý
từ nhiều công ty dược phẩm và y tế lớn nhất hiện nay.
Các nhà nghiên cứu ung thư đang sử dụng Deep Learning để tự động phát hiện
tế bào ung thư. Các nhóm nghiên cứu tại UCLA đã chế tạo một kính hiển vi tiên tiến
mang lại bộ dữ liệu đa chiều được sử dụng để đào tạo một ng dụng Deep Learning
nhằm xác định chính xác các tế bào ung thư.
Số hóa hồ sơ bệnh nhân và đọc hình ảnh cũng là minh chứng nổi bật của việc ứng
dụng công nghệ này vào trong ngành y tế. Deep Learning phân tích tự động hình ảnh
chụp cắt lớp của bệnh nhân, giúp bác chẩn đoán chính xác tình trạng bệnh được
phát hiện nhanh chóng, có biện pháp điều trị từ sớm. Quá trình kiểm tra sức khỏe cũng
trở nên đơn giản khi mọi dữ liệu của người bệnh đã được ghi nhận trên hệ thống chung.
- Nhận diện khuôn mặt
Deep Learning được sử dụng trong nhận diện khuôn mặt không chỉ nhằm phục
vụ cho mục đích bảo mật còn được ng dụng việc phân loại hình ảnh. Chắc hẳn,
lOMoARcPSD| 58702377
chúng ta đều đã từng thấy máy tính tự động nhận diện phân loại các hình ảnh trên
điện thoại.
dụ: Facebook thể tự động gắn thẻ chính bạn bạn của bạn, hoặc Google
ssPhotos thể tự động gắn nhãn ảnh của bạn để tìm kiếm dễ dàng hơn. Với Deep
Learning, bạn thể dễ dàng tìm phân loại các hình ảnh theo ngày, sự kiện không
phải dùng thao tác thủ công mất thời gian. Và trong tương lai gần, người dùng còn
thể thanh toán các hóa đơn bằng chính khuôn mặt của mình.

Preview text:

lOMoAR cPSD| 58702377 Câu 13: GIẢN ĐƠN
Nếu có thể đừng than chi số phận
Gạt nỗi buồn vướng bận gió cuốn đi
Đời ngắn lắm yêu thương còn chưa đủ Sao
bận lòng cho những phút sân si
Nếu có thể hãy thả lòng mình nhé
Sống vị tha mạnh mẽ giữa cuộc đời
Bởi vẫn biết cho đi là còn mãi
Tự bằng lòng tâm sẽ được thảnh thơi
Nếu có thể thả hồn nương theo gió
Biết bỏ buông mình sẽ có thật nhiều
Những niềm vui hạnh phúc dù bé nhỏ
Cuộc đời này thanh thản biết bao nhiêu
Nếu có thể giữ cho mình những phút
Khẽ khàng trôi không chút ầm ào
Giữa chợ đời lặng ru bình yên ngủ
Thả muộn phiền theo cánh gió lao xao …
BÀI 1 : CÔNG DÂN SỐ KIẾN THỨC VÀ TRÁCH NHIỆM
Câu 11: Trình bày những điều cần thiết để bảo mật thông tin trên môi trường số?
Công dân số trong thời đại công nghệ phát triển hiện nay cần rất nhiều kỹ năng cần
thiết để thực hiện các hoạt động hiệu quả trên nền tảng kỹ thuật số. Dựa trên nghiên cứu
và đánh giá của DQ Institute - tổ chức tư vấn quốc tế chuyên thiết lập các tiêu chuẩn toàn
cầu về giáo dục, tiếp cận cộng đồng và chính sách về trí tuệ kỹ thuật số. Một công dân số
cần phải có 8 kỹ năng đó là: Danh tính kỹ thuật số, quản lý thời gian tiếp xúc với màn hình,
quản lý việc doạn nạt trên mạng, quản lý an ninh mạng, quản lý bảo mật, tư duy phê phán,
dấu chân kỹ thuật số và cảm thông kỹ thuật số. lOMoAR cPSD| 58702377
Danh tính công dân số (Digital citizen identity): Khả năng tạo lập và quản lý toàn
diện danh tính online và offline. Đó là kỹ năng quản lý danh tính cá nhân để tránh bị kẻ
xấu đánh cắp thông tin và mạo danh nhằm thực hiện các hành vi lừa đảo trục lợi, đăng tải
bài viết có nội dung khiêu dâm, khiêu khích, đăng tải các thông tin giả mạo, khiến uy tín
và danh dự của người dùng bị ảnh hưởng nghiêm trọng. Do vậy, một công dân số cần có
kỹ năng quản lý danh tính để có thể bảo vệ dữ liệu cá nhân an toàn trong môi trường kỹ thuật số.
Quản lý thời gian tiếp xúc với màn hình (Screen time management): Khả năng quản
lý thời gian tiếp xúc với màn hình, truy cập tìm kiếm thông tin, chơi game hay phương tiện
thông tin một cách có kiểm soát. Mỗi công dân số phải tự cân bằng giữa thời gian trực
tuyến và ngoại tuyến, hỗ trợ mọi người làm việc hiệu quả và tương tác với nhau mọi lúc
mọi nơi. Giới hạn thời gian tiếp xúc với màn hình, các thiết bị đa phương tiện để tránh một
số rủi ro về sức khỏe và công việc; ví dụ như: tình trạng mệt mỏi, giảm thị lực, đau cổ,
nhức đầu, giảm năng suất làm việc,.... để đảm bảo sức khỏe tinh thần và thể chất đồng thời
nâng cao năng suất làm việc.
Quản lý việc đe dọa trên môi trường mạng (Cyberbullying management): Khả năng
phát hiện những trường hợp mâu thuẫn, gây xung đột, đe dọa trên không gian mạng và xử
lý. Một môi trường trực tuyến lành mạnh được tạo ra khi mỗi công dân số đều có khả năng
xác định, quản lý và giảm thiểu các rủi ro bắt nạt, đe dọa, quấy rối,...trên môi trường số
bằng cách phát triển nhận thức xã hội, kỹ năng ra quyết định, giao tiếp và ứng xử hiệu quả.
Khi được đào tạo kỹ năng này, công dân số động để bản thân tránh bị bắt nạt trên mạng và
có những biện pháp ứng phó hiệu quả.
Quản lý an ninh mạng (Cybersecurity management): Khả năng bảo vệ dữ liệu cá
nhân của một người băng cách tạo mật khẩu và quản lý các loại tấn công khác nhau. Mặc
dù mỗi cơ quan, đơn vị đều có các hệ thống quản lý an ninh mạng, các ứng dụng xây hệ
thống bảo mật. Tuy nhiên, công dân số nên chủ động phòng ngừa và loại bỏ các mối đe
dọa này mà không làm ảnh hưởng đến dữ liệu và thiết bị. Bên cạnh đó, công dân số cũng
cần đề cao cảnh giác đối với các lỗ hổng bảo mật, đánh cắp dữ liệu và đe dọa thiết bị của
mình và mạnh dạn xử lý khi gặp vấn đề. lOMoAR cPSD| 58702377
Quản lý bảo mật (Privacy management): Kỹ năng bảo mật và thận trọng đối với các
thông tin cá nhân được chia sẻ trực tuyến để bảo vệ và giữ an toàn thông tin của một người
và những người khác khi hoạt động trực tuyến. Lưu ý khi sử dụng, lưu trữ, xử lý và chia sẻ
thông tin cá nhân trong thế giới số kết hợp với các công cụ bảo mật giúp công dân số bảo
vệ thông tin của mình trước nguy cơ bị kẻ xấu đánh cắp dữ liệu nhằm gây hại, thậm chí bôi
nhọ danh dự, nhân phẩm. Ngoài ra, công dân số cũng cần tôn trọng quyền riêng tư và thông
tin cá nhân của người khác và coi đây là tài sản giá trị đáng được bảo vệ.
Tư duy phê phán (Critical thinking): Khả năng phân biệt tính đúng sai trong cách
ứng xử, nội dung tốt và nội dung độc hại, các mối liên hệ đáng tin cậy và không đáng tin
cậy. Nâng cao kỹ năng sử dụng máy tính, phần mềm, ứng dụng thành thạo cũng như hiểu
rõ nhu cầu thông tin, điều hướng hiệu quả, đánh giá phê bình và tổng hợp thông tin đảm
bảo quá trình thu thập, sắp xếp nội dung, phân biệt thông tin có ích hiệu quả hơn. Trong
quá trình đó, người dùng phải cẩn thận chọn lọc những thông tin cũng như đánh giá về độ
tin cậy của những thông tin đó.
Dấu chân số (Digital footprints): Khả năng hiểu bản chất của dấu chân số và quản
lý lịch sử truy cập có trách nhiệm. Mọi hành vi của người dùng trên nền tảng trực tuyến
đều được số hóa thành dữ liệu người dùng. Từng hành động và bước đi của người dùng
đều được ghi lại và lưu trữ trên hệ thống, ví dụ như các hoạt động tương tác (like, share,
comment,...), click quảng cáo, lịch sử giao dịch ATM, mua hàng, tìm kiếm... Các thông tin
cá nhân này có thể được thu thập khi người dùng sử dụng công cụ tìm kiếm và trở thành
nguồn dữ liệu phục vụ lợi ích cho các bên quan tâm, ví dụ như: các doanh nghiệp thu nhập
dữ liệu dấu chân điện tử để cho ra các chiến lược truyền thông.
Cảm thông trên môi trường số (Digital empathy): Khả năng bày tỏ sự đồng cảm đối
với nhu cầu, cảm xúc trực tuyến của riêng mình và những người khác. Công dân kỹ thuật
số khi tham gia vào môi trường này phải hiểu và nhận thức được các tương tác trực tuyến
của họ ảnh hưởng như thế nào đến người khác. Phải tôn trọng quan điểm của người khác
bằng cách kiểm soát và điều chỉnh tương tác, phản hồi phù hợp. lOMoAR cPSD| 58702377
BÀI 4: XU HƯỚNG PHÁT TRIỂN CÔNG NGHỆ SỐ
Câu 19: Trình bày những hiểu biết về học sâu (Deep Learning)? Một số ứng dụng sử
dụng học sâu trong thực tế.
a. Thời gian xuất hiện học sâu (Deep Learning)
Deep Learning được phát triển từ giai đoạn từ 1980 – nay: giai đoạn mà AI đi vào
công nghiệp và cuộc sống. Đầu những năm 1980 nghành công nghiệp AI phát triển
mạnh, với hàng trăm các công ty. Trong giai đoạn này cũng đánh dấu sự trở lại mạnh
mẽ của các mô hình mạng nơ-ron. Đặc biệt là các mô hình mạng nơ-ron với nhiều lớp
(Deep Learning), dựa trên sự phát triển mạnh mẽ của công nghệ tính toán và dữ liệu lớn. b. Khái niệm
Deep Learning cơ bản là một tập hợp con của học máy, có khác biệt ở một số
khía cạnh quan trọng so với công nghệ học máy nông truyền thống. Học sâu cho phép
máy tính giải quyết rất nhiều vấn đề phức tạp bằng cách “học” từ một lượng lớn dữ liệu.
Học sâu thúc đẩy nhiều ứng dụng và dịch vụ trí tuệ nhân tạo (AI Artificial
Intelligent) nhằm nâng cao, cải thiện tính tự động hóa, thực hiện các tác vụ phân tích và
vật lý mà không cần sự can thiệp của con người.
Công nghệ học sâu nằm sau các sản phẩm và dịch vụ hàng ngày (chẳng hạn như
trợ lý kỹ thuật số, điều khiển TV hỗ trợ giọng nói từ xa, phát hiện gian lận thẻ tín dụng, ô tô tự lái,…).
Mối quan hệ giữa học sâu và máy học, trí tuệ nhân tạo - Ảnh: Internet
c. Cách thức hoạt động như thế nào? lOMoAR cPSD| 58702377
Mạng nơ ron sâu (Deep Neural Network - DNN), cố gắng bắt chước não người
thông qua sự kết hợp của dữ liệu đầu vào, trọng số và độ lệch. Các yếu tố này làm việc
cùng nhau để nhận biết, phân loại và mô tả chính xác các đối tượng dựa trên dữ liệu.
Mạng nơ ron sâu bao gồm nhiều lớp nút được kết nối với nhau, mỗi lớp được xây dựng
dựa trên lớp trước đó để tinh chỉnh và tối ưu hóa dự đoán hoặc phân loại. Quá trình tính
toán thông qua mạng này được gọi là quá trình truyền chuyển tiếp. Lớp đầu vào là nơi
mô hình học sâu nhập dữ liệu để xử lý và lớp đầu ra là nơi đưa ra dự đoán hoặc phân loại cuối cùng.
Một quy trình khác được gọi là truyền ngược (backpropagation) sử dụng các thuật
toán, như suy giảm độ dốc (gradient descent), để tính toán sai số trong các dự đoán. Sau
đó, điều chỉnh trọng số và độ lệch của hàm bằng cách di chuyển ngược lại qua các lớp
trong quá trình đào tạo mô hình.
Truyền thằng (forward propagation) và truyền ngược cùng với nhau cho phép
mạng nơ-ron đưa ra dự đoán và sửa chữa bất kỳ lỗi nào sao cho phù hợp. Theo thời gian,
thuật toán dần trở nên chính xác hơn.
Đây là loại mạng nơ-ron sâu đơn giản nhất đã được mô tả một cách rút gọn. Thực
tế, các thuật toán học sâu vô cùng phức tạp và có nhiều loại mạng nơ-ron khác nhau để
giải quyết các vấn đề hoặc tập dữ liệu cụ thể.
d. Một số ứng dụng sử dụng Deep Learning - Digital Marketing
Thời đại chuyển đổi số trên khắp mọi lĩnh vực hiện nay khiến việc ứng dụng trí
tuệ nhân tạo trong Digital Marketing không còn quá xa lạ đối với dân kinh doanh lẫn
dân công nghệ. Việc sử dụng Deep Learning trong chiến dịch Marketing sẽ giúp mang
lại trải nghiệm tốt hơn cho khách hàng và tăng doanh thu cho doanh nghiệp. Điển hình
như hệ thống Chatbot, xây dựng nội dung cá nhân hóa, phân tích người dùng bằng hình ảnh,…
- Hệ thống lái xe tự động
Một trong những sản phẩm áp dụng Deep Learning mới và hiện đại nhất hiện nay
là hệ thống lái xe tự động, được xây dựng dựa trên các mạng nơ-ron cấp cao.
Các mô hình Deep Learning đóng vai trò nhận diện các đối tượng môi trường
xung quanh xe, tính toán khoảng cách giữa xe và các phương tiện khác, xác định vị trí lOMoAR cPSD| 58702377
làn đường, tín hiệu giao thông, nhận diện chướng ngại vật,… từ đó đưa ra được các
quyết định tối ưu và nhanh chóng nhất.
Một trong những hãng xe đình đám và tiên phong trong việc sản xuất xe tự lái hiện nay là Tesla. - Trợ lý ảo
Không còn quá xa lạ với công chúng trong những năm gần đây bởi những hiệu
quả vượt trội mà chúng mang lại. Trợ lý ảo hay Virtual Assistant đang được ứng dụng
rất nhiều trong đời sống hàng ngày, sử dụng Deep Learning để biết thêm về người dùng,
từ sở thích ăn uống đến các điểm truy cập nhiều nhất hoặc các bài hát yêu thích của bạn.
Công nghệ này học cách hiểu và thực hiện các mệnh lệnh thông qua đánh giá ngôn ngữ
tự nhiên của con người.
Ngoài ra Deep Learning còn có khả năng giúp trợ lý ảo dịch bài phát biểu thành
văn bản, ghi chú lại và đặt lịch hẹn cho bạn; nhắc lịch hẹn và tự động trả lời các cuộc
gọi cụ thể để phối hợp các nhiệm vụ giữa bạn và các thành viên chung team; tạo hoặc
gửi bản sao email phù hợp.
Phổ biến nhất nhất có thể kể đến Alexa hay Siri, Google Assistant. Mỗi tương
tác với các trợ lý này cung cấp cho họ cơ hội tìm hiểu thêm về giọng nói và ngữ điệu
của bạn, từ đó cung cấp cho bạn trải nghiệm tương tác như phiên bản thứ 2 của con người. - Nghiên cứu y học
Từ chẩn đoán bệnh, chẩn đoán khối u cho đến các loại thuốc được tạo riêng cho
từng bộ gen cá nhân, ứng dụng của Deep Learning vào y học đang nhận được sự chú ý
từ nhiều công ty dược phẩm và y tế lớn nhất hiện nay.
Các nhà nghiên cứu ung thư đang sử dụng Deep Learning để tự động phát hiện
tế bào ung thư. Các nhóm nghiên cứu tại UCLA đã chế tạo một kính hiển vi tiên tiến
mang lại bộ dữ liệu đa chiều được sử dụng để đào tạo một ứng dụng Deep Learning
nhằm xác định chính xác các tế bào ung thư.
Số hóa hồ sơ bệnh nhân và đọc hình ảnh cũng là minh chứng nổi bật của việc ứng
dụng công nghệ này vào trong ngành y tế. Deep Learning phân tích tự động hình ảnh
chụp cắt lớp của bệnh nhân, giúp bác sĩ chẩn đoán chính xác và tình trạng bệnh được
phát hiện nhanh chóng, có biện pháp điều trị từ sớm. Quá trình kiểm tra sức khỏe cũng
trở nên đơn giản khi mọi dữ liệu của người bệnh đã được ghi nhận trên hệ thống chung. - Nhận diện khuôn mặt
Deep Learning được sử dụng trong nhận diện khuôn mặt không chỉ nhằm phục
vụ cho mục đích bảo mật mà còn được ứng dụng việc phân loại hình ảnh. Chắc hẳn, lOMoAR cPSD| 58702377
chúng ta đều đã từng thấy máy tính tự động nhận diện và phân loại các hình ảnh trên điện thoại.
Ví dụ: Facebook có thể tự động gắn thẻ chính bạn và bạn bè của bạn, hoặc Google
ssPhotos có thể tự động gắn nhãn ảnh của bạn để tìm kiếm dễ dàng hơn. Với Deep
Learning, bạn có thể dễ dàng tìm và phân loại các hình ảnh theo ngày, sự kiện mà không
phải dùng thao tác thủ công mất thời gian. Và trong tương lai gần, người dùng còn có
thể thanh toán các hóa đơn bằng chính khuôn mặt của mình.