Sử dụng OpenPose nhận diện hành vi...14 Trang 8 LỜI NÓI ĐẦUTrí tuệ nhân tạo được ứng dụng trong rất nhiều hoạt động và lĩnh vực khác nhau.Đối với hoạt động nghiên cứu cơ bản trong các l
TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO TRONG PHÒNG CHỐNG
Trí tuệ nhân tạo là gì?
Trí tuệ nhân tạo (TTNT), hay còn gọi là Artificial Intelligence (AI), là một lĩnh vực của khoa học máy tính tập trung vào việc phát triển trí thông minh do con người tạo ra và được điều khiển bởi máy móc Mục tiêu của TTNT là trang bị cho máy khả năng tương tự như trí tuệ con người, bao gồm khả năng suy nghĩ, lập luận để giải quyết vấn đề, giao tiếp thông qua việc hiểu ngôn ngữ và tiếng nói, cũng như khả năng học hỏi và tự thích nghi.
Hiện nay, trí tuệ nhân tạo (AI) đang được hiểu theo nhiều khái niệm khác nhau trên toàn cầu, tuy nhiên vẫn chưa có một định nghĩa thống nhất nào cho lĩnh vực này.
Trí tuệ nhân tạo (AI) được định nghĩa qua bốn nhóm chính: Hệ thống tư duy như con người, Hệ thống tư duy có lập luận, Hệ thống hoạt động như con người, và Hệ thống hoạt động có lập luận Những định nghĩa này giúp phân loại và hiểu rõ hơn về các khả năng và chức năng của AI trong việc mô phỏng tư duy và hành động của con người.
Lịch sử hình thành và phát triển của trí tuệ nhân tạo
Mong muốn trang bị cho máy tính khả năng trí tuệ như con người đã tồn tại từ lâu, nhưng trí tuệ nhân tạo (TTNT) chỉ thực sự xuất hiện với sự ra đời của máy tính điện tử Alan Turing, nhà toán học vĩ đại người Anh và được coi là cha đẻ của Tin học, đã đóng góp một khái niệm quan trọng cho TTNT vào năm 1950 thông qua phép thử Turing, một phương pháp để đánh giá khả năng nhận thức của máy tính Turing đã phát triển mô hình máy tính trừu tượng, giúp hình thức hóa các khái niệm về thuật toán và tính toán, từ đó định hình nền tảng cho sự phát triển của TTNT.
Phép thử Turing là một phương pháp nhằm trả lời câu hỏi "máy tính có biết nghĩ không?" thông qua một trò chơi với ba người tham gia: một người đàn ông (A), một người đàn bà (B) và một người chơi (C) Người chơi C, ngồi trong một phòng tách biệt, chỉ có thể đặt câu hỏi và nhận câu trả lời từ A và B qua màn hình máy tính mà không biết ai là ai Mục tiêu của C là phân biệt A và B, trong đó A cố gắng làm C nhầm lẫn, còn B hỗ trợ C tìm ra câu trả lời đúng Khi áp dụng phép thử Turing, A được thay thế bằng một máy tính, và câu hỏi trở thành liệu C có thể phân biệt được giữa máy tính và người đàn bà hay không Nếu máy tính có thể khiến C không chắc chắn về kết luận của mình, nó được coi là thông minh.
Phép thử Turing vẫn giữ vai trò quan trọng về mặt lịch sử và triết học, mặc dù chưa có máy móc nào đạt được khả năng hiểu ngôn ngữ và lập luận như con người Ý nghĩa lớn nhất của phép thử này là nhấn mạnh rằng khả năng giao tiếp hiệu quả giữa máy và con người trong các cuộc đối thoại tự do là một chỉ số chính yếu của trí thông minh nhân tạo.
Nỗi trăn trở về sự phát triển của máy tính thông minh đã thúc đẩy nhiều nhà khoa học nghiên cứu trong suốt nhiều năm Kết quả là, Trí tuệ nhân tạo (TTNT) đã hình thành như một lĩnh vực khoa học độc lập chỉ khoảng 10 năm sau khi những chiếc máy tính đầu tiên được phát minh, với mục đích chủ yếu là thực hiện các phép tính số học cơ bản như cộng, trừ, nhân, chia và so sánh.
Hội nghị mùa hè năm 1956 tại trường Dartmouth, Mỹ, được xem là sự kiện khởi đầu của ngành trí tuệ nhân tạo (TTNT), do Marvin Minsky và John McCarthy tổ chức với sự tham gia của nhiều nhà khoa học, bao gồm Allen Newell và Herbert Simon, những người được coi là sáng lập viên của lĩnh vực này Nhiều người tham gia hội nghị sau đó đã trở thành những lãnh đạo trong nghiên cứu TTNT, trong đó có giáo sư Donald Michie, một tiên phong về TTNT ở châu Âu, người đã thành lập phòng thí nghiệm TTNT nổi tiếng tại đại học Edinburgh Tại hội nghị, McCarthy đã đề xuất tên gọi "trí tuệ nhân tạo", mặc dù có tranh cãi ban đầu, tên gọi này vẫn được công nhận và sử dụng cho đến ngày nay.
Những cột mốc lịch sử quan trọng đánh dấu sự hình thành và phát triển của trí tuệ nhân tạo:
10 năm đầu: Kỳ vọng nhằm tìm những giải pháp tổng quát.
15 năm tiếp theo: Bùng nổ trở lại Thi đua quốc tế.
Nhiều năm gần đây: Những con đường mới tạo ra thế hệ thông minh.
1956: Trí tuệ nhân tạo ra đời.
1958: McCarthy đưa ra ngôn ngữ lập trình LISP, ngôn ngữ lập trình phổ biến nhất và được ưa chuộng để nghiên cứu trí tuệ nhân tạo.
1968: Terry Winograd, giáo sư khoa học máy tính, tạo ra SHRDLU, một chương trình máy tính ngôn ngữ tự nhiên ban đầu.
Vào năm 1970, WABOT-1, robot hình nhân đầu tiên, được phát triển tại Đại học Waseda, Nhật Bản Robot này sở hữu các tính năng nổi bật như khả năng cử động tay chân, khả năng nhìn và khả năng trò chuyện.
1972: Ngôn ngữ lập trình logic PRITAL được tạo ra.
1982: Đề án tạo ra máy tính thế hệ thứ 5 của Nhật Bản.
1997: Chương trình chơi cờ trên máy tính Deep Blue đánh bại đại kiện tướng cờ vua người Nga.
2000: Honda phát hành ASIMO, một robot hình người với trí thông minh nhân tạo.
2009: Google bí mật phát triển một chiếc xe hơi không người lái Đến năm 2014, nó đã vượt qua bài kiểm tra tự lái của Nevada.
Năm 2011, Apple giới thiệu Siri, trợ lý ảo tích hợp trong hệ điều hành iOS, sử dụng giao diện ngôn ngữ tự nhiên để tương tác với người dùng Siri có khả năng suy luận, quan sát và đưa ra câu trả lời cũng như đề xuất phù hợp, tạo ra trải nghiệm cá nhân hóa cho từng người dùng thông qua việc thích ứng với các lệnh thoại.
2014: Microsoft phát hành Cortana, phiên bản trợ lý ảo tương tự như Siri trên iOS.
Amazon tạo ra Alexa, một trợ lý gia đình được phát triển thành loa thông minh có chức năng như trợ lý cá nhân.
2016: Một robot hình người có tên là Sophia được tạo ra và được biết đến là
Sophia, "công dân robot" đầu tiên, nổi bật với hình dáng giống người thật, khác biệt hoàn toàn so với những robot hình người trước đây Cô sở hữu khả năng nhận diện hình ảnh, thể hiện biểu cảm khuôn mặt và giao tiếp thông qua trí tuệ nhân tạo (AI).
Từ năm 2019 đến 2021, sự phát triển mạnh mẽ của các mô hình ngôn ngữ khổng lồ, kết hợp với công nghệ tiên tiến như máy tính lượng tử, xe tự lái, giao diện não máy và blockchain, đã thúc đẩy AI ngày càng thâm nhập sâu vào đời sống hàng ngày của chúng ta.
Hiện trạng ứng dụng trí tuệ nhân tạo trong phòng chống gian lận thi cử tại Việt
Ngày càng nhiều sinh viên nghiên cứu về AI, IoT, Blockchain:
Theo thông tin từ Khoa Công nghệ thông tin thuộc Đại học Công nghiệp Hà Nội, hiện có khoảng 4.000 sinh viên đang theo học, trong đó có 10% sinh viên tham gia nghiên cứu khoa học, tương đương với khoảng 400 sinh viên.
Trong năm 2021, sinh viên khoa công nghệ thông tin đã thực hiện 59 đề tài nghiên cứu khoa học, trong đó nổi bật là các lĩnh vực mới như Trí tuệ nhân tạo (AI), Internet vạn vật (IoT) và Blockchain, theo TS Đặng Trọng Hợp, trưởng khoa CNTT.
H nh 1: Ba sinh viên thử nghiệm thành công phần mềm chống gian lận thi cử tích hợp
Ba sinh viên từ Trường Đại học Bách khoa Hà Nội và Học viện Tài chính đã thành công trong việc phát triển phần mềm chống gian lận thi cử.
Nhóm sinh viên gồm Phùng Phương Nhung, Trần Vương Quốc Đạt và Lê Đức Anh Tuấn đã tham gia cuộc thi Khoa học dữ liệu do Trường Đại học Ngoại thương tổ chức Phương Nhung là sinh viên năm 3 ngành Tài chính ngân hàng tại Học viện Tài chính, trong khi Quốc Đạt và Anh Tuấn cũng là sinh viên năm 3 ngành Khoa học dữ liệu và Trí tuệ nhân tạo tại Trường Đại học Bách khoa Hà Nội.
Sau khi thành công trong việc thử nghiệm phần mềm chống gian lận thi cử, nhóm phát triển dự án sẽ tiếp tục hoàn thiện và dự kiến áp dụng vào kỳ thi đánh giá tư duy tại Trường đại học Bách khoa Hà Nội.
H nh 2: Hệ thống AI sẽ có thể phát hiện hành vi bất thường giữa các sinh viên và giúp giảm nhân lực cần thiết [ CITATION str22 \l 1033 ]
Trường Anh – Trung Singapore đang nghiên cứu ứng dụng trí tuệ nhân tạo trong các kỳ thi nhằm phát hiện hành vi bất thường của học sinh và giảm thiểu nhân lực Theo báo Lianhe Zaobao, nhà trường đã khởi động cuộc đấu thầu vào tháng 8 trên trang web GeBiz để phát triển và vận hành hệ thống này.
H nh 3: Nicholas Riemer, nhà sáng lập The Invigilator [ CITATION itw22 \l 1033 ]
The Invigilator là ứng dụng giám sát đánh giá trực tuyến, thu hút hơn 500.000 sinh viên đại học tại Nam Phi Theo Viện Kế toán Công chứng Nam Phi (SAICA), nền tảng edtech này đã thực hiện hơn 1,5 triệu đánh giá kể từ khi ra mắt Đây là ứng dụng giáo dục được tải xuống nhiều nhất tại Nam Phi từ năm 2021 Ra mắt năm 2020, The Invigilator sử dụng trí tuệ nhân tạo (AI) không xâm lấn để giảm thiểu gian lận trong quá trình thi cử, được sử dụng bởi sinh viên và giám khảo để đảm bảo an toàn cho kỳ thi qua điện thoại di động.
Lợi ích và hạn chế của việc áp dụng trí tuệ nhân tạo trong việc phòng chống
Quan sát và cảnh báo cho giáo viên biết những sinh viên đang có những hành vi gian lận một cách nhanh chóng và dễ dàng.
Không chỉ ứng dụng trong thi trực tuyến mà có thể tích hợp vào các thiết bị theo dõi thi trực tiếp.
Cho phép người dự thi được tham gia và vẫn được giám sát ngay cả khi không ở địa điểm thi
Các phần mềm coi thi tự động là giải pháp hiệu quả để giảm gian lận trong kỳ thi trực tuyến, đặc biệt trong bối cảnh đại dịch Covid-19 Việc tổ chức kỳ thi công bằng không chỉ bảo vệ giá trị của chứng nhận và bằng cấp mà còn đảm bảo tính trung thực trong học thuật Điều này đặc biệt quan trọng trong các ngành nghề chuyên môn như y dược và luật, nơi yêu cầu cao về đạo đức và trách nhiệm.
Một số phần mềm coi thi tự động hiện đại có khả năng can thiệp vào máy tính của sinh viên để ngăn chặn các phần mềm và tác vụ cụ thể, đồng thời theo d
Hệ thống phát hiện hành vi bất thường trong gian lận thi cử giúp giám thị dễ dàng nhận diện sinh viên có hành vi không bình thường, từ đó nâng cao tính minh bạch của kỳ thi và đảm bảo kết quả thi phản ánh chính xác năng lực của thí sinh.
Hệ thống coi thi hiện đại đã giúp việc giám sát trong các phòng thi trở nên dễ dàng hơn, khi trước đây mỗi phòng thi thường cần đến hai giám thị.
Hệ thống phát hiện hành vi gian lận đạt độ chính xác trên 97% trong việc nhận diện các hành vi rõ ràng như quay ngang, quay ngửa, nhổm lên, liếc bài và làm việc riêng dưới gầm bàn Đặc biệt, khả năng nhận diện khuôn mặt của thí sinh có hành vi gian lận cũng đạt độ chính xác cao, lên đến 98%.
H nh 5: Hệ thống chống gian lận thi cử [CITATION dan \l 1033 ]
Việc yêu cầu sinh viên cài đặt phần mềm trong thi trực tuyến có thể tạo ra nguy cơ bảo mật lớn do quyền kiểm soát quá mức lên máy tính của họ Hơn nữa, trong một số trường hợp, "tàn dư" của phần mềm này vẫn còn tồn tại ngay cả sau khi sinh viên đã gỡ bỏ, gây ra mối lo ngại về an toàn thông tin.
Khả năng tiếp cận công nghệ là một yếu tố quan trọng ảnh hưởng đến sinh viên, khi nhiều em không thể mua, thuê hoặc mượn thiết bị công nghệ và kết nối Internet đủ mạnh để sử dụng phần mềm thi Điều này dẫn đến các lỗi kỹ thuật trong quá trình thi, gây bất lợi và căng thẳng cho các em Một khảo sát cho thấy có đến 41% sinh viên đã từng gặp phải vấn đề kỹ thuật trong quá trình thi.
Việc coi thi trực tuyến đặt ra nhiều vấn đề về quyền riêng tư, khi giám thị có thể quan sát không gian sống của sinh viên thông qua webcam Hình thức giám sát này cho phép theo dõi và ghi hình khuôn mặt của thí sinh mà không có rào cản, tạo ra sự khác biệt lớn so với việc coi thi truyền thống Việc ghi âm và ghi hình lại để xem xét sau này càng làm tăng lo ngại về quyền riêng tư của sinh viên.
Công bằng hay thiên lệch? Các phần mềm coi thi đang gặp phải nghi vấn về khả năng đảm bảo công bằng, đặc biệt là khi các thuật toán nhận diện khuôn mặt không luôn hoạt động chính xác.
Nghiên cứu cho thấy rằng các thuật toán nhận diện khuôn mặt do các nhà sản xuất phần mềm lớn tại Hoa Kỳ phát triển không thể nhận diện chính xác khuôn mặt da màu so với khuôn mặt da sáng, điều này phản ánh sự phân biệt đối xử tinh vi và tiềm ẩn bất bình đẳng xã hội Ngoài ra, các nghiên cứu khác cũng bày tỏ lo ngại về độ chính xác của phần mềm coi thi và phần mềm nhận diện khuôn mặt trong vấn đề này.
Các thuật toán giám sát thi có thể nhầm lẫn trong việc đánh dấu chuyển động mắt và đầu của sinh viên, dẫn đến những nghi ngờ không có cơ sở, đặc biệt là với những sinh viên có vấn đề thần kinh hoặc phong cách ngồi khác biệt Kỳ thi vốn đã căng thẳng, có thể gây ra hành vi không mong muốn Các cơ sở giáo dục có quyền lựa chọn tính năng tự động nào sử dụng, và các công ty phần mềm giám sát thi nhấn mạnh rằng những thao tác “gắn cờ” từ trí tuệ nhân tạo không nhất thiết là bằng chứng của gian lận, nhưng vẫn có thể dẫn đến yêu cầu điều tra.
Việc điều tra và thẩm vấn một sinh viên chỉ dựa trên những "nghi ngờ" do máy tính tạo ra là không công bằng và có thể gây tổn thương cho các em.
NỀN TẢNG CÔNG NGHỆ CỦA ỨNG DỤNG TRÍ TUỆ NHÂN TẠO VÀO CHỐNG GIAN LẬN THI CỬ
NHÂN TẠO VÀO CHỐNG GIAN LẬN THI CỬ
2.1 Nền tảng xây dựng trí tuệ nhân tạo
Học máy (Machine Learning) là một nhánh của trí tuệ nhân tạo, chuyên nghiên cứu cách các thuật toán phát hiện các mẫu lặp đi lặp lại trong dữ liệu Dữ liệu này có thể bao gồm con số, ký tự, hình ảnh và số liệu thống kê, miễn là nó có thể lưu trữ dưới dạng kỹ thuật số Bằng việc nhận diện các mẫu trong dữ liệu, các thuật toán sẽ học hỏi và cải thiện hiệu suất trong việc thực hiện các tác vụ cụ thể.
Các thuật toán Machine Learning tự động học và cải thiện hiệu suất qua thời gian bằng cách phân tích dữ liệu để thực hiện các tác vụ hoặc đưa ra dự đoán Sau khi được huấn luyện, chúng có khả năng nhận diện các mẫu trong dữ liệu mới.
Mô ®t Machine Learning Workflow gồm 5 bước cơ bản:
Trong quy trình học máy, bước đầu tiên là thu thập dữ liệu, hay còn gọi là Dataset, để máy tính có thể học và đưa ra dự đoán Bạn có thể thu thập dữ liệu từ nhiều nguồn khác nhau hoặc sử dụng các Dataset có sẵn trên các nền tảng hỗ trợ học máy Việc lựa chọn Dataset từ các nguồn chính thống là rất quan trọng, vì điều này giúp máy tính học một cách chính xác và nâng cao tỷ lệ hiệu quả trong các kết quả dự đoán.
Bước tiền xử lý trong Machine Learning rất quan trọng để chuẩn hóa dữ liệu thu thập, loại bỏ các thuộc tính không cần thiết và xử lý dữ liệu bị hỏng hoặc thiếu Quá trình này bao gồm gán nhãn, mã hóa các đặc trưng, trích xuất và rút gọn bộ dữ liệu mà vẫn đảm bảo kết quả đầu ra chính xác Thời gian cho bước tiền xử lý thường chiếm phần lớn trong toàn bộ workflow, với tỷ lệ thuận với khối lượng dữ liệu cung cấp, khiến cho tổng thời gian thực hiện hai bước đầu tiên chiếm khoảng 70% tổng quá trình.
Trong giai đoạn cải tiến, các mô hình sẽ được đánh giá và nếu không đạt yêu cầu, sẽ tiếp tục thực hiện lại bước thứ ba cho đến khi độ chính xác đạt được kỳ vọng Ba bước cuối cùng trong quy trình Machine Learning chiếm khoảng 30% tổng quá trình.
Học sâu (Deep Learning) là một nhánh của Machine Learning, cho phép máy tính tự học và cải thiện thông qua các thuật toán Nó tập trung vào việc phát triển mạng thần kinh nhân tạo, từ đó nâng cao khả năng trong các công nghệ như nhận diện giọng nói, xử lý ngôn ngữ tự nhiên và tầm nhìn máy tính.
Học sâu (Deep Learning) sử dụng mạng lưới thần kinh nhân tạo đa lớp để phân tích dữ liệu thông qua các biểu diễn đã được học, tương tự như cách con người tiếp cận vấn đề Trong quá trình này, thuật toán nhận dữ liệu thô và tự động xác định các đặc trưng quan trọng Khả năng quyết định của mạng Deep Learning được cải thiện khi lập trình viên cung cấp nhiều dữ liệu hơn trong quá trình đào tạo Học sâu là một nhánh của Machine Learning và Trí tuệ nhân tạo (AI), nhằm xây dựng hệ thống thần kinh nhân tạo hoạt động giống như bộ não con người, phản ánh cách “suy nghĩ” và “học hỏi” của con người.
2.2 Các thuật toán và kỹ thuật cần thiết để xây dựng trí tuệ nhân tạo áp dụng vào chống gian lận thi cử.
2.2.1 Đặc trưng haar trong phát hiện mặt người.
Haar Cascade là thuật toán phát hiện đối tượng do Paul Viola và Michael Jones phát triển, chuyên dùng để nhận diện khuôn mặt trong ảnh và video Thuật toán này sử dụng một mô hình phân tầng được đào tạo từ nhiều bức ảnh âm và dương, giúp xác định các đối tượng hoặc khuôn mặt một cách hiệu quả Các file đã được đào tạo sẵn có thể tìm thấy trong kho lưu trữ OpenCV trên GitHub.
Phương thức tiếp cận cửa sổ trượt sử dụng một cửa sổ cố định để quét hình ảnh từ trái sang phải và từ trên xuống dưới Tại mỗi giai đoạn, cửa sổ sẽ dừng lại để phân loại và xác định xem khu vực đó có chứa khuôn mặt hay không.
OpenCV là một công cụ thị giác máy mạnh mẽ, sử dụng mô hình Haar Cascade đã được huấn luyện trước để phân loại các đối tượng Quá trình kiểm tra bao gồm năm đối tượng, trong đó có hai đối tượng cạnh, hai đối tượng đường thẳng và một đối tượng bốn ô đan xen.
H nh 7: Các đối tượng Haar [CITATION uni \l 1033 ]
Sử dụng các đối tượng và tính toán pixel, thuật toán xác định hơn 100.000 điểm dữ liệu Thuật toán Adaboost có thể được áp dụng để nâng cao độ chính xác và loại bỏ các đối tượng không liên quan Qua nhiều lần lặp lại, phương pháp này giảm thiểu tỷ lệ lỗi và điều chỉnh đối tượng để đạt được độ chính xác mong muốn.
2.2.2 Sử dụng OpenPose nhận diện hành vi.
OpenPose was developed by a team including Ginés Hidalgo, Yaser Sheikh, Zhe Cao, Yaadhav Raaj, Tomas Simon, Hanbyul Joo, and Shih-En Wei, with the primary construction led by Yaadhav Raaj and Ginés Hidalgo.
OpenPose là hệ thống tiên phong trong việc phát hiện cơ thể con người, bàn tay và các điểm nhấn trên khuôn mặt, với khả năng xác định tổng cộng 130 điểm chính từ các hình ảnh đơn lẻ.
OpenPose là một công nghệ phát hiện điểm trên cơ thể, khuôn mặt và bàn tay, cho phép kết nối các điểm này thành một bộ khung chuyển động phản ánh chuyển động tự nhiên của cơ thể.
ĐÁNH GIÁ CÔNG NGHỆ HIỆN TẠI VÀ NHẬN ĐỊNH TƯƠNG LAI
TƯƠNG LAI 3.1 Đánh giá công nghệ
Một số thành tựu lớn mà công nghệ AI đã đạt được tính tới thời điểm hiện tại:
Nhận diện giọng nói đã có sự phát triển vượt bậc trong năm 2020, với độ chính xác cao và cải thiện trải nghiệm người dùng Tuy nhiên, lĩnh vực này vẫn đối mặt với một số thách thức cần phải vượt qua.
• Tiếp cận với nhiều kiểu giọng đọc hơn.
• Nâng cao khả năng nhận dạng các từ ngữ cụ thể.
• Giảm thiểu sự hạn chế đối với các thiết bị ghi âm kém.
• Phân tích video và Thị giác máy tính.
Những tiến bộ trong AI và Deep Learning đã làm cho việc phân tích hình ảnh và video trở nên dễ dàng và tiết kiệm chi phí hơn Công nghệ thị giác máy tính đang có ảnh hưởng mạnh mẽ đến ngành sản xuất, đặc biệt trong việc cải thiện các kỹ thuật quản lý an toàn và tự động hóa quy trình kiểm soát chất lượng.
Xử lý ảnh và nhận diện vật thể đã trở thành một trong những thành tựu nổi bật của trí tuệ nhân tạo (AI) trong năm 2020 Ứng dụng AI trong xác thực khuôn mặt ngày càng phổ biến với người dùng smartphone Facebook và Google là những công ty tiên phong trong việc phát triển công nghệ nhận diện khuôn mặt và tìm kiếm vật thể.
H nh 11: Nhận dạng khuôn mặt [ CITATION bka23 \l 1033 ]
- Chuyển động và Cử chỉ:
Robot nắm và di chuyển vật thể:
Covid-19 đã thúc đẩy nhu cầu mua sắm trực tuyến, buộc các nhà bán lẻ phải đảm bảo an toàn cho nhân viên Đây là cơ hội để phát triển robot với kỹ năng và tốc độ phù hợp, nhằm hỗ trợ công nhân trong các nhà xưởng.
Các nhà nghiên cứu tại Đại học California, Berkeley đã phát triển phần mềm Grasp-Optimized Motion Planner, giúp robot nắm và di chuyển đồ vật hiệu quả Họ thiết lập một mạng nơ-ron cho robot, cho phép chúng học và phân quyền để di chuyển các đồ vật cụ thể Nhờ kết hợp mạng nơ-ron với hoạch định chuyển động, tốc độ tính toán của robot đã được cải thiện đáng kể, đạt 80 mili giây so với 29 giây trung bình Đây là một trong những thành tựu nổi bật về AI trong năm 2020.
Các nhà nghiên cứu tại Đại học Công nghệ Nanyang (Singapore) đã phát triển một hệ thống tổng hợp dữ liệu sinh học sử dụng cảm biến stretchable strain kết hợp với AI Hệ thống này sử dụng ống nano carbon để tạo cảm biến, trong khi AI hỗ trợ trong việc xử lý và hình dung các quá trình não bộ Họ áp dụng ba mạng nơ-ron, bao gồm Convolutional Neural Network, Multilayer Neural Network, và Spare Neural Network, để nhận diện cử chỉ tay với độ chính xác cao ngay cả trong điều kiện không thuận lợi Đồng thời, nhóm nghiên cứu cũng đang tìm cách tích hợp công nghệ Thực tế ảo và Thực tế tăng cường vào lĩnh vực giải trí và phục hồi chức năng, nơi yêu cầu độ chính xác cao.
Sự phát triển của cách mạng khoa học và công nghệ đã thúc đẩy toàn cầu hóa và ngành trí tuệ nhân tạo, mang lại nhiều thành tựu cải thiện chất lượng cuộc sống Trong giáo dục, trí tuệ nhân tạo được áp dụng để xây dựng hệ thống giám sát thi cử chính xác, không chỉ cho thi trực tiếp mà còn cho thi trực tuyến Phần mềm này còn hỗ trợ chấm điểm tự động, giảm bớt công sức cho giáo viên và góp phần vào quá trình chuyển đổi số trong giáo dục.
Công nghệ ngày càng phát triển giúp đánh giá năng lực con người một cách minh bạch và chính xác Trí tuệ nhân tạo, với khả năng không bị chi phối bởi cảm xúc, cung cấp những kết quả công bằng và thuyết phục, góp phần giảm thiểu tình trạng ỷ lại trong giới trẻ hiện nay.
Trong tương lai, ngành trí tuệ nhân tạo đang hướng tới mục tiêu:.
- Thị giác máy tính (computer vision) có thể chứa một hoặc nhiều kỹ thuật trí tuệ khác nhau.
Ứng dụng trí tuệ nhân tạo theo lĩnh vực là việc áp dụng các kỹ thuật và công nghệ AI vào các ngành nghề cụ thể như giao thông vận tải, nông nghiệp, khoa học đời sống và y tế Sự tích hợp này giúp tối ưu hóa quy trình làm việc, nâng cao hiệu quả và cải thiện chất lượng dịch vụ trong từng lĩnh vực.
Trí tuệ nhân tạo (AI) đại diện cho sự hiểu biết và tiến bộ không ngừng của các hệ thống máy tính, cho phép chúng học hỏi và phát triển theo thời gian.
Dự đoán về ứng dụng công nghệ AI trong nhiều lĩnh vực đang mở ra hướng đi mới cho các nhà nghiên cứu, doanh nghiệp, khởi nghiệp và chính phủ Những ứng dụng này không chỉ giúp tối ưu hóa quy trình làm việc mà còn định hình mục tiêu phát triển bền vững trong tương lai Việc áp dụng AI sẽ tạo ra cơ hội mới, nâng cao hiệu quả và đổi mới sáng tạo trong các ngành nghề khác nhau.
- Hỗ trợ hệ thống cổng thông tin chính phủ:
AI có khả năng tổ chức và kết hợp dữ liệu khổng lồ từ cơ sở dữ liệu của chính phủ để rút ra thông tin và tóm tắt nhiều dạng dữ liệu Tuy nhiên, để triển khai hiệu quả, cần chú trọng đến vấn đề an ninh mạng và bảo mật thông tin trong hệ thống AI.
Nhận diện khuôn mặt bằng AI là một ứng dụng của trí tuệ nhân tạo giúp xác minh đặc tính gương mặt, cho phép máy tính tự động nhận diện một người từ hình ảnh kỹ thuật số hoặc video Công nghệ này thuộc lĩnh vực thị giác máy tính, vượt trội hơn so với khả năng nhận diện của mắt người Một phương pháp xác định khuôn mặt là dựa vào khoảng cách giữa các điểm nút trên khuôn mặt, với công nghệ AI có khả năng đo tới 80 điểm nút, từ đó cải thiện độ chính xác trong quá trình nhận dạng.
Trí tuệ nhân tạo đang được áp dụng trong các phương tiện vận tải tự lái, đặc biệt là ô tô, mang lại lợi ích kinh tế cao nhờ cắt giảm chi phí và giảm thiểu tai nạn Mặc dù vẫn trong giai đoạn thử nghiệm, sự hỗ trợ của thuật toán Deep Learning với các chức năng như nhận dạng và xử lý hình ảnh, điều khiển bằng giọng nói, và phát hiện vật cản đang mở ra tiềm năng lớn cho ứng dụng này Với việc xây dựng cơ sở dữ liệu khổng lồ về hệ thống giao thông và các tình huống giao thông, việc triển khai ô tô tự lái trong tương lai gần là hoàn toàn khả thi.
H nh 14: Xe tự lái ứng dụng công nghệ AI học sâu [ CITATION www23 \l 1033 ]