Trí tuệ nhân tạo

Trí tuệ nhân tạo (Artificial Intelligence AI) là một lĩnh vực trong ngành khoa học máy tính nhằm phát triển các hệ thống và chương trình máy tính có khả năng thực hiện các nhiệm vụ đòi hỏi sự thông minh, mà trước đây chỉ có thể được thực hiện bởi con người. Mục tiêu chính của AI là tạo ra máy tính có khả năng học hỏi (machine learning), tư duy (reasoning), nhận biết ngôn ngữ tự nhiên (natural language processing), và thực hiện các tác vụ khác một cách tự động. Trí tuệ nhân tạo không chỉ giới hạn trong việc mô phỏng khả năng tư duy của con người mà còn liên quan đến khả năng tự học, tự điều chỉnh và tự thích ứng của máy tính khi đối mặt với môi trường mới hay các tác vụ mới. Các ứng dụng của trí tuệ nhân tạo đa dạng và bao gồm nhiều lĩnh vực như y tế, giao thông vận tải, giáo dục, kinh doanh, nông nghiệp, và nhiều lĩnh vực khác.

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN TRUNG TÂM PHÁT TRIỂN CÔNG NGHỆ THÔNG TIN BÁO CÁO MÔN HỌC GIỚI THIỆU NGÀNH CÔNG NGHỆ THƠNG TIN Mơn: Giới thiệu ngành Cơng nghệ thơng tin GVHD: Nhóm SVTH: CN2.K2023.2 - Nhóm Thành phố Hồ Chí Minh, Năm 2023 DANH SÁCH THÀNH VIÊN VÀ PHÂN CƠNG CƠNG VIỆC NHĨM I TRÍ TUỆ NHÂN TẠO II NGƠN NGỮ LẬP TRÌNH PHỔ BIẾN TRONG PHÁT TRIỂN TRÍ TUỆ NHÂN TẠO (AI) V HỌC MÁY (MARCHINE LEARNING) VI CÔNG NGHỆ BLOCKCHAIN TÀI LIỆU THAM KHẢO DANH SÁCH THÀNH VIÊN VÀ PHÂN CÔNG CÔNG VIỆC NHĨM MSSV Họ tên Nội dung tìm hiểu Đánh giá 23210186 Lê Thị Yến ● Tổng hợp nội dung ● Power Point 100% 23210114 Nguyễn Thanh Hòa ● Hỗ trợ rà soát nội dung Power Point 100% 23210169 Đỗ Cao Trí ● Hỗ trợ rà sốt nội dung word 100% 23210180 Trần Xuân Viễn ● Đặt vấn đề ● Trả lời câu hỏi 100% 23210150 Cao Văn Tấn ● Tìm hiểu nội dung Blockchain 100% 23210145 Nguyễn Hồng Phúc 23210152 Nguyễn Thị Hoa Thắng 23210178 Nguyễn Chung Văn 23210165 Nguyễn Khánh Tiên ● Thuyết trình 100% 23210127 Nguyễn Hồng Long ● Tìm hiểu nội dung Trí tuệ nhân tạo 100% 23210096 Nguyễn Khắc Công ● Đặt vấn đề ● Trả lời câu hỏi 100% 22730037 Thái Quốc Khánh ● Hỗ trợ rà soát nội dung word 100% 23210181 Nguyễn Lâm Hoàng Vũ 23210130 Đỗ Hải Minh ● ● ● ● ● Thuyết trình Đặt câu hỏi Đặt vấn đề Trả lời câu hỏi Tìm hiểu nội dung Ngơn ngữ lập trình dùng cho phát triển trí tuệ nhân tạo ● Đặt vấn đề ● Trả lời câu hỏi ● Tìm hiểu nội dung Machine Learning 100% 100% 100% 100% 100% I TRÍ TUỆ NHÂN TẠO Định nghĩa Trí tuệ nhân tạo (Artificial Intelligence - AI) lĩnh vực ngành khoa học máy tính nhằm phát triển hệ thống chương trình máy tính có khả thực nhiệm vụ địi hỏi thơng minh, mà trước thực người Mục tiêu AI tạo máy tính có khả học hỏi (machine learning), tư (reasoning), nhận biết ngôn ngữ tự nhiên (natural language processing), thực tác vụ khác cách tự động Trí tuệ nhân tạo khơng giới hạn việc mô khả tư người mà liên quan đến khả tự học, tự điều chỉnh tự thích ứng máy tính đối mặt với môi trường hay tác vụ Các ứng dụng trí tuệ nhân tạo đa dạng bao gồm nhiều lĩnh vực y tế, giao thông vận tải, giáo dục, kinh doanh, nông nghiệp, nhiều lĩnh vực khác Các ứng dụng sống 2.1 Trong Y tế a) Dự đốn tình trạng sức khỏe cá nhân: AI sử dụng để phân tích liệu sức khỏe cá nhân dấu vết hoạt động, giấc ngủ, liệu sinh học để dự đốn cảnh báo tình trạng sức khỏe cá nhân, giúp người dùng trì lối sống lành mạnh b) Chẩn Đoán Bệnh: Trong nghiên cứu Stanford Medicine, hệ thống AI huấn luyện 100,000 hình ảnh tia X đạt độ xác cao việc nhận diện bệnh lý phổi sưng, giúp bác sĩ đưa chẩn đoán nhanh chóng xác c) Dự Báo Dịch Bệnh: Trong khủng hoảng COVID-19, mơ hình dự đốn Johns Hopkins University, sử dụng trí tuệ nhân tạo, giúp dự báo số lượng ca nhiễm địa điểm bị ảnh hưởng, hỗ trợ biện pháp ngăn chặn d) Quản Lý Dược Phẩm: Firma, cơng ty sử dụng trí tuệ nhân tạo, phát triển hệ thống dự đoán nhu cầu thuốc bệnh viện dựa liệu lịch sử, giúp giảm thiểu nguy thiếu hụt lạc quan nguồn cung 2.2 Trong Kinh doanh Tài a) Phân Tích Dữ Liệu Tài Chính: Các cơng ty IBM SAS sử dụng trí tuệ nhân tạo để phân tích liệu tài lớn phức tạp, giúp dự báo xu hướng thị trường, đưa dự đoán giá chứng khoán hỗ trợ định đầu tư b) Xác Nhận Giao Dịch Tự Động: Trong ngành ngân hàng, trí tuệ nhân tạo sử dụng để xác nhận giao dịch tự động phát gian lận, giúp bảo vệ thơng tin tài khách hàng c) Tư Vấn Tài Chính Trực Tuyến: Ứng dụng robo-advisors Betterment Wealthfront sử dụng trí tuệ nhân tạo để tư vấn đầu tư cá nhân dựa mục tiêu tài tình hình thị trường, giúp nhà đầu tư đưa định thông minh d) Quản Lý Rủi Ro Tài Chính: Các cơng ty bảo hiểm sử dụng trí tuệ nhân tạo để đánh giá rủi ro xây dựng mơ hình dự báo chi phí bảo hiểm dựa nhiều yếu tố, từ thơng tin cá nhân đến điều kiện thị trường e) Dự Đốn Tình Hình Tài Chính Cá Nhân: Các ứng dụng Mint sử dụng AI để phân tích thơng tin tài cá nhân, dự đốn xu hướng tiêu dùng đề xuất kế hoạch ngân sách cá nhân 2.3.Trong Giáo dục a) Học Máy Cho Phản Hồi Học Tập: Khi sử dụng ứng dụng Gradescope, học sinh giáo viên nhận phản hồi tức làm, giúp cải thiện trình học tập dựa hiệu suất cụ thể học sinh b) Nền Tảng Học Tập Cá Nhân Hóa: Khan Academy sử dụng AI để tùy chỉnh nội dung học tập cho học sinh dựa kết họ kiểm tra trước đó, tạo trải nghiệm học tập cá nhân hóa c) Hỗ Trợ Giáo Viên: EdTech platforms Squirrel AI hỗ trợ giáo viên việc theo dõi tiến triển học sinh, đồng thời đề xuất phương pháp giảng dạy phù hợp với học sinh dựa liệu học tập 2.4 Trong Giao thơng Vận tải a) Ơ Tơ Tự Lái: Cơng ty Tesla sử dụng trí tuệ nhân tạo để cập nhật tối ưu hóa phần mềm lái xe tự động thông qua cập nhật OTA (Over-The-Air), giúp xe ngày hiểu biết phản ứng tốt môi trường giao thông b) Quản Lý Giao Thông Thông Minh: Trong thành phố Singapore, hệ thống giao thông thông minh sử dụng liệu từ cảm biến camera để dự đoán quản lý lưu lượng giao thông, giảm nguy ùn tắc tăng hiệu suất di chuyển c) Dịch Vụ Gọi Xe Thông Minh: Uber Lyft sử dụng thuật toán máy học để dự đoán nhu cầu vận chuyển khu vực tối ưu hóa việc kết nối hành khách với tài xế, giúp giảm thời gian chờ đợi tăng hiệu suất dịch vụ 2.4 Trong Mạng xã hôi a) Phân Loại Nội Dung: Trí tuệ nhân tạo sử dụng mạng xã hội Facebook Instagram để tự động phân loại nội dung, nhận diện loại bỏ nội dung vi phạm sách cộng đồng b) Gợi Ý Nội Dung Cá Nhân: Các mạng xã hội sử dụng học máy để phân tích hành vi trực tuyến người dùng đề xuất nội dung cá nhân hóa, từ viết đến quảng cáo, tối ưu hóa trải nghiệm người dùng c) Phát Hiện Tin Giả Thơng Tin Sai Lệch: Trí tuệ nhân tạo tích hợp vào tảng mạng xã hội để phát kiểm sốt thơng tin sai lệch tin giả, giúp người dùng tiếp cận thông tin xác d) Tư Duy Máy Học Trong Phân Loại Hình Ảnh: Các ứng dụng mạng xã hội Pinterest sử dụng học máy để hiểu phân loại hình ảnh, từ đề xuất nội dung ý tưởng tương tự mà người dùng quan tâm e) Tạo Nền Tảng Gặp Gỡ Kết Nối: Các ứng dụng Tinder sử dụng thuật toán máy học để phân loại đề xuất người dùng có khả phù hợp với nhau, tăng khả thành cơng việc tìm kiếm đối tác II NGƠN NGỮ LẬP TRÌNH PHỔ BIẾN TRONG PHÁT TRIỂN TRÍ TUỆ NHÂN TẠO (AI) III Các ngơn ngữ lập trình phổ biến phát triển Trí tuệ nhân tạo Trí tuệ nhân tạo (AI) dẫn đầu đổi công nghệ, cách mạng hóa ngành cơng nghiệp thay đổi cách tương tác với máy móc Việc chọn ngơn ngữ lập trình phù hợp quan trọng bắt đầu hành trình phát triển trí tuệ nhân tạo Mỗi ngơn ngữ có ưu nhược điểm riêng mình, việc lựa chọn ngơn ngữ phụ thuộc vào yêu cầu cụ thể dự án Dưới ngôn ngữ sử dụng phổ biến việc phát triển dự án AI 1.1 Python Python ngôn ngữ phổ biến cho phát triển AI đơn giản dễ đọc Python có cộng đồng lập trình viên lớn đóng góp cho thư viện nó, làm cho trở thành lựa chọn lý tưởng cho người học Python sử dụng để phát triển mô hình học máy, xử lý ngơn ngữ tự nhiên ứng dụng thị giác máy tính Các thư viện phổ biến cho Python bao gồm TensorFlow, Keras PyTorch Một ứng dụng tiếng Python phát triển AI AlphaGo, AI phát triển Google DeepMind, đánh bại nhà vô địch giới trò chơi Go vào năm 2016 AlphaGo sử dụng mạng nơ-ron học sâu để phân tích dự đốn nước tốt nhất, minh chứng cho sức mạnh Python phát triển AI Những lý Python ngôn ngữ phổ biến phát triển trí tuệ nhân tạo: • Thư viện phong phú: Python sở hữu hệ sinh thái thư viện phong phú NumPy, SciPy, Pandas scikit-learn, giúp đơn giản hóa việc thao tác liệu, tính tốn khoa học học máy • Framework: Framework AI phổ biến TensorFlow, PyTorch Keras chọn Python làm ngơn ngữ Những thư viện tối ưu hóa việc phát triển học sâu mạng nơ-ron • Hỗ trợ cộng đồng: Cộng đồng lập trình viên Python lớn, giúp giải vấn đề nhanh chóng, tài liệu hướng dẫn đầy đủ nhiều tài nguyên trực tuyến • Linh hoạt: Python linh hoạt, phù hợp cho việc tạo mơ hình xây dựng ứng dụng AI từ đầu đến cuối, từ tiền xử lý liệu đến triển khai mơ hình 1.2 Java Java ngơn ngữ lập trình tiếng sử dụng rộng rãi, chủ yếu cho phía máy chủ Điều tốt Java sử dụng cho nhiều loại phát triển nhiều tảng Lý Java coi ngôn ngữ tốt để phát triển trí tuệ nhân tạo kèm với nhiều thư viện mã nguồn mở cho học sâu NLP (Natural Language Processing) Nó thân thiện với người dùng cung cấp tảng để phát triển ứng dụng AI Việc gỡ lỗi mã dễ dàng Java so với nhiều ngôn ngữ lập trình khác Nó cho phép mở rộng sử dụng cho dự án doanh nghiệp quan trọng quy mô lớn Đối với phát triển ứng dụng Android, Java ngôn ngữ gốc Mặc dù nhà phát triển Android làm việc với Kotlin, sử dụng rộng rãi Một số ứng dụng Android dựa AI tiếng xây dựng Java bao gồm Google Assistant FaceApp Dưới thư viện framework có sẵn với Java: • OpenNLP • Java Machine Learning library • Neuroph • Kubeflow • Deep Java library 1.3 C++ C++ tơn vinh sức mạnh, hiệu tốc độ Nó thường sử dụng việc phát triển AI hiệu suất điều tối quan trọng: • AI hiệu suất cao: C++ phổ biến ứng dụng AI đòi hỏi hiệu suất thời gian thực, robot, xe tự hành thị giác máy tính • Thư viện máy học: Các thư viện OpenCV, Dlib Shark viết C++ đánh giá cao xử lý hình ảnh học máy • Hiệu tài ngun: Khả kiểm soát nhớ tài nguyên hệ thống C++ có lợi tối ưu hóa thuật tốn AI Một ví dụ thực tế C++ phát triển AI hệ thống nhận dạng khuôn mặt sử dụng sân bay Hệ thống nhận dạng khn mặt sử dụng C++ để phân tích lượng lớn liệu cách nhanh chóng, cho phép sàng lọc hành khách cách hiệu 1.4 Prolog Prolog kèm với cách hoàn toàn khác để tiếp cận AI trình phát triển Dạng đầy đủ Prolog Lập trình theo logic tạo cho khái niệm lập trình dựa logic Vai trò Prolog tăng lên lĩnh vực học máy AI nhờ cách hỗ trợ độc đáo việc tạo dự án phát triển dựa AI Khi nhà phát triển làm việc với ngôn ngữ Prolog, họ cần cung cấp số liệu yêu cầu, chủ yếu bao gồm quy tắc, kiện kết mong đợi 1.5 LISP Lisp ngôn ngữ độc đáo sử dụng để phát triển AI từ năm 1950 Nó biết đến với khả xử lý liệu tượng trưng sử dụng để phát triển hệ thống chuyên gia, xử lý ngôn ngữ tự nhiên ứng dụng thị giác máy tính Mặc dù khơng phổ biến Python, Lisp có cộng đồng nhà phát triển nhỏ tận tâm, đánh giá cao tính linh hoạt sức mạnh biểu đạt Trong thực tế, nhà khoa học dùng Lisp phát triển AI sứ mệnh thám hiểm Hỏa NASA Lisp sử dụng hệ thống điều khiển chuyển động tàu thám hiểm, cho phép di chuyển quanh địa hình khắc nghiệt hành tinh IV So sánh ngôn ngữ phát triển Trí tuệ nhân tạo Ngôn ngữ Điểm mạnh Điểm yếu Độ biến Python Cú pháp dễ dàng, thư viện mở rộng cho AI (Pandas, SciPy, nltk, Numpy), xử lý liệu hiệu Đường Rất cao cong học tập cao, dành riêng cho lập trình logic Thích hợp cho người bắt đầu chuyên gia Phân tích liệu, học máy, thuật toán AI Java Thân thiện với người dùng, gỡ lỗi dễ ngơn ngữ khác Dài dịng Cao hơn, thời gian phát triển chậm Tốt cho phân tích thống kê, mã hóa cho mục đích chung Xử lý ngữ nhiên, toán kiếm, lưới kinh C++ Rất nhanh, cung Phức tạp Cao cấp quyền kiểm hơn, khó sốt tài nguyên hệ học thống Đường cong Game AI, học tập cao xây dựng mơ hình machine learning, tối ưu hóa cơng cụ tìm kiếm Prolog Tốt cho việc tạo Ít sử Thấp thuật tốn AI, dụng hơn, khớp mẫu thư viện Yêu cầu hiểu biết lập trình chức LISP Tốt cho việc tạo mẫu, hiệu việc xử lý tính tốn biểu tượng Đường cong Được sử học tập vừa dụng phải nghiên cứu AI ban đầu, nhận dạng mẫu Ít sử Thấp dụng hơn, thư viện phổ Khả sử Ứng dụng AI dụng phổ biến ngôn tự thuật tìm mạng thần Chatbot, trợ lý giọng nói giao diện người dùng đồ họa (GUI) 10 V HỌC MÁY (MARCHINE LEARNING) Định nghĩa Machine learning (ML) lĩnh vực nghiên cứu trí tuệ nhân tạo (AI) mà máy tính lập trình để tự học cải thiện hiệu suất từ liệu mà nhận Phân tích machine learning q trình sử dụng phương pháp mơ hình machine learning để phân tích, hiểu rút thơng tin từ liệu Phân tích machine learning chia thành hai phần chính: phân tích liệu huấn luyện mơ hình Phân tích liệu: Đây q trình tiền xử lý liệu trước đưa vào mô hình machine learning Các bước phân tích liệu bao gồm thu thập, xử lý, tiền xử lý biến đổi liệu thành định dạng phù hợp cho việc huấn luyện đánh giá mơ hình Điều bao gồm việc loại bỏ liệu nhiễu, xử lý liệu thiếu, chuẩn hóa liệu tách liệu thành tập huấn luyện tập kiểm tra Huấn luyện mơ hình: Trong giai đoạn này, mơ hình machine learning xây dựng huấn luyện từ liệu huấn luyện Có nhiều loại mơ hình machine learning học có giám sát (supervised learning), học không giám sát (unsupervised learning) học tăng cường (reinforcement learning) Mỗi loại mơ hình có phương pháp thuật toán riêng để huấn luyện Mục tiêu giai đoạn tìm mơ hình có khả dự đốn tốt liệu Sau mơ hình huấn luyện, q trình phân tích machine learning tiếp tục với việc đánh giá triển khai mô hình Đánh giá mơ hình: Đây q trình đánh giá hiệu suất mơ hình liệu kiểm tra độc lập Các phép đo thông thường bao gồm độ xác (accuracy), độ phân loại (classification), độ hồi quy (regression) phép đo khác liên quan đến mục tiêu tốn Triển khai mơ hình: Sau mơ hình đánh giá xác định đạt đủ hiệu suất, triển khai để sử dụng ứng dụng thực tế Q trình triển khai bao gồm việc tích hợp mơ hình vào hệ thống, tối ưu hóa tinh chỉnh để đáp ứng yêu cầu ràng buộc cụ thể 11 Phân tích machine learning áp dụng nhiều lĩnh vực, bao gồm nhận dạng hình ảnh, xử lý ngơn ngữ tự nhiên, dự đốn chuỗi thời gian, phân tích liệu y tế, tự động lái xe nhiều ứng dụng khác Nó đóng vai trò quan trọng việc giúp hiểu tận dụng thông tin từ liệu lớn phức tạp Các ứng dụng 2.1 Ứng dụng học máy xử lý ngơn ngữ tự nhiên 12 • Phân loại văn bản: ML sử dụng để phân loại văn tự động Ví dụ, hệ thống phân loại tin tức xây dựng để tự động phân loại viết vào danh mục khác thể thao, trị, kinh doanh, v.v • Dịch máy: ML có đóng góp quan trọng lĩnh vực dịch máy tự động Các mơ hình dịch máy dựa ML sử dụng phương pháp học từ liệu huấn luyện để tự động dịch văn từ ngôn ngữ sang ngơn ngữ khác • Phân tích cảm xúc: ML sử dụng để phân tích nhận biết cảm xúc văn Ví dụ, hệ thống xây dựng để tự động xác định xem bình luận mạng xã hội tích cực, tiêu cực hay trung lập • Trích xuất thơng tin: ML giúp trích xuất thơng tin quan trọng từ văn Ví dụ, hệ thống tự động trích xuất thơng tin tên, địa chỉ, số điện thoại từ văn hợp đồng email • Tạo câu tự động: ML sử dụng để tạo văn tự động Ví dụ, mơ hình ML huấn luyện để tạo mô tả sản phẩm tự động viết viết báo tự động dựa liệu huấn luyện • Hỏi đáp tự động: ML sử dụng để xây dựng hệ thống hỏi đáp tự động Ví dụ, trợ lý ảo chatbot sử dụng ML để hiểu câu hỏi người dùng đưa câu trả lời phù hợp 2.2 Ứng dụng học máy để tự động đề xuất sản phẩm • Hệ thống gợi ý dựa nội dung: ML sử dụng để phân tích nội dung sản phẩm xây dựng mơ hình gợi ý dựa đặc trưng sản phẩm Ví dụ, mơ hình ML học từ thơng tin tên sản phẩm, mơ tả, hình ảnh đặc điểm kỹ thuật để đưa gợi ý sản phẩm tương tự liên quan 13 • Hệ thống gợi ý dựa hành vi người dùng: ML sử dụng để phân tích hành vi mua hàng người dùng xây dựng mơ hình gợi ý dựa liệu người dùng Ví dụ, hệ thống sử dụng ML để hiểu mẫu mua hàng người dùng, ví dụ lịch sử mua hàng, sản phẩm xem, sản phẩm mua, dựa đưa gợi ý sản phẩm tương tự phù hợp với sở thích người dùng • Hệ thống gợi ý dựa thơng tin ngữ cảnh: ML sử dụng để phân tích ngữ cảnh xung quanh việc mua sắm đưa gợi ý sản phẩm phù hợp Ví dụ, hệ thống xem xét thơng tin địa điểm, thời gian, kiện đặc biệt, xu hướng mua hàng, dựa đưa gợi ý sản phẩm phù hợp với ngữ cảnh • Hệ thống gợi ý dựa thông tin đa nguồn: ML cho phép tích hợp thơng tin từ nhiều nguồn khác đánh giá sản phẩm, phản hồi từ khách hàng, liệu xã hội liệu bên ngồi Bằng cách tổng hợp phân tích liệu này, hệ thống đưa gợi ý sản phẩm xác đáng tin cậy • Hệ thống gợi ý thời gian thực: ML sử dụng để xây dựng hệ thống gợi ý thời gian thực, nghĩa đưa gợi ý sản phẩm người dùng tương tác Việc đòi hỏi xử lý nhanh chóng hiệu liệu lớn để đưa gợi ý xác phù hợp thời gian thực 2.3 Ứng dụng học máy phát gian lận • Phát gian lận tín dụng: ML sử dụng để phân tích liệu liên quan đến giao dịch tín dụng thẻ tín dụng Các mơ hình ML học từ liệu lịch sử giao dịch, mơ hình hóa mẫu hành vi gian lận phát hành vi bất thường gian lận giao dịch • Phát gian lận giao dịch điện tử: ML sử dụng để phát gian lận giao dịch điện tử, chẳng hạn gian lận toán trực tuyến, gian lận thẻ tín dụng trực tuyến gian lận giao dịch qua mạng Các mơ hình ML phân tích đặc trưng giao dịch, ví dụ địa IP, thông tin người dùng, loại giao dịch phát mơ hình gian lận • Phát gian lận bảo hiểm: ML áp dụng để phát gian lận ngành bảo hiểm, chẳng hạn gian lận yêu cầu bồi thường, gian lận đơn hàng bảo hiểm gian lận thơng tin y tế Các mơ hình ML phân tích liệu liên quan đến khách hàng, đơn hàng yếu tố quan trọng khác để xác định biểu gian lận • Phát gian lận giao dịch tài chính: ML sử dụng để phát gian lận giao dịch tài chính, chẳng hạn gian lận giao dịch chứng khoán, gian lận giao dịch ngoại hối gian lận giao dịch ngân hàng Các mơ hình ML sử dụng phân tích liệu lịch sử, số tài yếu tố khác để phát hành vi bất thường gian lận • Phát gian lận liệu lớn: ML áp dụng để phát gian lận liệu lớn, nơi có lượng liệu lớn đa dạng Các kỹ thuật ML học 14 không giám sát, học tăng cường mạng nơ-ron sâu sử dụng để phát mơ hình gian lận liệu lớn 2.4 Ứng dụng học máy vận hành xe tự động • Nhận diện phân loại đối tượng: ML sử dụng để nhận diện phân loại đối tượng quan trọng đường, chẳng hạn ôtô, xe máy, người bộ, biển báo giao thơng, đèn giao thơng, v.v Các mơ hình ML, chẳng hạn mạng nơ-ron sâu, học từ liệu hình ảnh video thu thập từ cảm biến camera radar để nhận biết đối tượng đưa định phù hợp • Dự đốn ước lượng: ML sử dụng để dự đốn ước lượng thơng tin quan trọng liên quan đến vận hành xe tự hành Ví dụ, mơ hình ML sử dụng để dự đoán hành vi phương tiện xung quanh, tốc độ, hướng di chuyển lộ trình dự kiến Ngồi ra, ML sử dụng để ước lượng tình trạng đường, dự đốn tình giao thơng phức tạp đưa định an tồn hiệu • Hệ thống định kiểm sốt: ML sử dụng việc xây dựng hệ thống định kiểm sốt xe tự hành Các mơ hình ML, bao gồm học tăng cường học sâu, học từ liệu mô để xác định hành động tối ưu điều khiển xe tự động Ví dụ, hệ thống ML đưa định tốc độ, thời điểm phanh, tăng tốc, lựa chọn đường để đảm bảo an toàn hiệu vận hành đường • Học từ liệu thời gian thực: ML sử dụng để học từ liệu thời gian thực trình vận hành xe tự hành Dữ liệu từ cảm biến camera, lidar radar sử dụng để cung cấp thông tin liên tục cập nhật môi trường xung quanh Các mơ hình ML học từ liệu để đưa định điều khiển xe tự động theo thời gian thực 15 • Tối ưu hóa cải tiến qua thời gian: ML cung cấp khả tối ưu hóa cải tiến qua thời gian vận hành xe tự hành Bằng cách thu thập liệu từ xe tự hành hoạt động tổng hợp thơng tin đó, mơ hình ML cập nhật cải tiến để cung cấp trải nghiệm vận hành tốt đáng tin cậy VI CÔNG NGHỆ BLOCKCHAIN Trong năm gần đây, cơng nghệ blockchain ứng dụng trở thành xu hướng “hot” Việt Nam giới Các ứng dụng blockchain có khả hổ trợ cho nhiều lĩnh vực đời sống Các ứng dụng sống 1.1 Trong sản xuất Để cải thiện suất cho dây chuyền quản lý chuỗi cung ứng cần có thiết bị thông tin hổ trợ Dây chuyền công nghệ blockchain thay đảm nhiệm vai trờ giúp giám sát quy trình sản xuất, phân phối sản phầm, số lượng hàng tồn kho… Đồng thời, tận dụng cơng nghệ chuỗi khối để kiểm tra hàng hãng, giúp ta hạn chế mua phải hàng giả hàng nhái Các ứng dụng công nghệ blockchain sản xuất: - Quản lý kho bãi sản xuất, hàng tồn kho - Kiểm soát nguồn cung nguyên liệu chuỗi cung ứng - Theo dõi số lượng hàng mua vào bán ra, kiểm tra quy trình sản xuất - Truy xuất nguồn gốc hàng hoá, sản phẩm 1.2 Trong Y tế Xu hướng số hoá liệu, thông tin người bệnh, đơn đặt hàng, quản lý kho, giao dịch cho thiết bị y tế…trong trình quản lý tài liệu trở nên phổ biến Do vậy, thiết bị thông minh trang bị phần lớn bệnh viện để giám sát liệu Tuy nhiên thiết bị nhiều hạn chế quyền riêng tư bảo mật, công nghệ blockchain sử dụng để khắc phục vấn đề Các ứng dụng blockchain lĩnh vực y tế: - Liên kết phát triển ứng dụng quản lý chất lượng quản lý bệnh lý - Kiểm soát chuỗi cung ứng thuốc vật tư y tế theo dõi nguồn đầu vào, nguồn gốc hạn sử dụng trang thiết bị y tế - Đảm bảo tính minh bạch khả tự động hoá giao dịch khám chữa bệnh, quyền sở hữu liệu tình trạng sức khoẻ người bệnh, kết xét nghiệm lâm sàng 1.3 Trong Giáo dục Cơng nghệ blockchain giúp hạn chế gian lận trình học tập, xin việc làm, học bổng, giảm thiểu tình trạng khai gian học vấn, kinh nghiệm làm việc… Với tính đồng thơng minh, điều khoản nội quy đào tạo 16 thực tự động giúp xử lý trường hợp vi phạm, nâng cao quy trình giảng dạy, phản hồi từ người học… Các ứng dụng blockchain nghành giáo dục: - Theo dõi lưu trữ liệu học tập học sinh, sinh viên bảng điểm, trường đại học, trường dạy nghề, chứng chỉ… - Đánh giá mức độ phù hợp ứng viên trình đào tạo, từ có điều chỉnh hợp lý - Đánh giá lực cá nhân so với yêu cầu đầu vào dựa liệu học vấn ghi lại - Quản lý mức độ đánh giá uy tín nghiên cứu khoa học 1.4 Trong Nông nghiệp Một yếu tố then chốt để có lịng tin từ người tiêu dùng nguồn gốc chất lượng an tồn cao Hệ thống blockchain với vai trò sổ nông nghiệp tảng số giúp người dùng người buôn bán nắm thông tin sản phẩm cách xác Ai theo dõi phương pháp ni trồng, q trình di chuyển từ nhà cung cấp đến chợ, cửa hàng, siêu thị…Điều đồng nghĩa với việc nhà kinh doanh quản lý giá cả, chất lượng, tài bán hàng với cơng nghệ Các ứng dụng blockchain lĩnh vực nông nghiệp: - Quản lý chuỗi cung cấp sản phẩm, hàng tồn kho - Lưu trữ thơng tin hàng hố, quy trình chăm sóc, tiêu chuẩn cho thực phẩm - Truy xuất nguồn gốc vịng đời sản xuất nơng sản 1.5 Trong ngành Tài - ngân hàng Trong lĩnh vực tài ngân hàng, vấn đề bảo mật liệu người dùng, tham nhũng, lạm quyền vấn đề nan giải Nhưng với định ứng dụng công nghệ blockchain với điểm bật từ tính bảo mật cao, giao dịch nhanh, tiết kiệm chi phí, tối thiểu rủi ro Các ứng dụng blockchain lĩnh vực tài – ngân hàng: - Xác thực thơng tin khách hàng, khả tín dụng trực tiếp mà ko cần qua trung gian - Tính bảo mật cao tiện lợi với công nghệ xác minh danh tính, tốn nhanh chóng cập nhật giao dịch liên tục - Quản lý hạn chế rủi ro trục trặc kỹ thuật vỡ nợ trước thực giao dịch - Hệ thống quản lý thơng minh cho phép tính liên tục đổi cải tiến dựa chấp thuận tất người dùng chuỗi 1.6 Trong lĩnh vực bán lẻ Quy trình quản lý chuỗi cung ứng, quản lý sản phẩm trình phân phối, kiểm sốt thơng tin số lượng hàng hố báo cáo tài chính, hợp đồng 17 quan trọng…tất trở nên dễ dàng xác công nghệ blockchain ứng dụng Các ứng blockchain nghành bán lè: - Quản lý hàng hoá thông qua mã định danh hệ thống blockchain bao gồm: Quy trình sản xuất, thơng tin mặt hàng thời gian vận chuyển, tồn kho, lưu kho… - Đảm bảo chất lượng hàng hố có giao dịch nhà sản xuất công ty vận tải - Quản lý lưu thơng dịng tiền phát sinh từ giao dịch hạn chế thiệt hại xử lý vấn đề phát sinh có 1.7 Trong lĩnh vực logistic Trên thực tế, ngành Logistics hay vận tải thường gặp nhiều bất cập chi phí cao, khó theo dõi tình trạng hàng hóa, dễ phát sinh tai nạn giao thơng… Vì vậy, nhiều doanh nghiệp triển khai ứng dụng Blockchain giải bất cập Các ứng dụng blockchain nghành logistic: - Quản lý hàng hóa thơng qua mã định danh hệ thống blockchain giúp theo dõi mặt hàng, thời gian vận chuyển, tồn kho, lưu kho,… - Kết hợp với IoT AI, Blockchain trở nên hữu ích việc giám sát sức chứa vận chuyển Cụ thể, cảm biến IoT gắn phương tiện vận tải giúp doanh nghiệp tính tốn khơng gian cần có cho lơ hàng, phương tiện vận tải mức giá phù hợp - Công nghệ Blockchain xác thực thông tin hiệu suất, lịch sử bảo trì để ln đảm bảo phương tiện vận tải có trạng thái vận hành tốt 1.8 Trong du lịch Trong ứng dụng mà công nghệ Blockchain mang lại cho ngành du lịch ổn định bảo mật ln đánh giá cao Tính phân cấp Blockchain giúp cho thông tin bị mất, đảm bảo giao dịch theo dõi Các ứng dụng blockchain lĩnh vực du lịch: - Theo dõi trình vận chuyển hành lý, chuyến du lịch xuyên quốc gia - Nhận dạng vân tay, quét mã tiết kiệm thời gian cho trình check in sân bay, khách sạn, địa điểm du lịch - Khách du lịch phép lựa chọn hình thức tốn đa dạng qua ngân hàng tồn cầu, ví điện tử, tiền điện tử… Ngồi ứng dụng blockchain sử dụng nhiều lĩnh vực khác thương mại điện tử, an ninh mạng, bất động sản, giải trí, nghệ thuật, bảo hiểm… Sự phổ biến công nghệ blockchain lớn, với tín hiệu thực tế cơng nghệ vào ngóc ngách đời sống người TÀI LIỆU THAM KHẢO 18