2 KHUNG QUẢN TRỊ ĐỔI MỚI SÁNG TẠO TRONG CUỘC CÁCH MẠNG CÔNG NGHIỆP LẦN THỨ TƯ

Công Nghệ Thông Tin, it, phầm mềm, website, web, mobile app, trí tuệ nhân tạo, blockchain, AI, machine learning - Công Nghệ Thông Tin, it, phầm mềm, website, web, mobile app, trí tuệ nhân tạo, blockchain, AI, machine learning - Công nghệ thông tin 2 KHUNG QUẢN TRỊ ĐỔI MỚI SÁNG TẠO TRONG CUỘC CÁCH MẠNG CÔNG NGHIỆP LẦN THỨ TƯ MỤC LỤC Giới thiệu ........................................................................................................... 3 I. Hai công nghệ cơ bản của cuộc Cách mạng công nghiệp lần thứ tư ....... 5 Công nghệ AI ................................................................................................. 5 Internet vạn vật ............................................................................................. 10 II. Khoảng trống quản trị công nghệ xuyên suốt ........................................ 16 1.1. Thiếu hoặc không đầy đủ quy định pháp lý .......................................... 17 1.2. Những tác động có hại của công nghệ do sử dụng sai mục đích hoặc sử dụng ngoài ý muốn ........................................................................... 18 1.3. Trách nhiệm pháp lý và trách nhiệm giải trình của công nghệ ............. 19 1.4. Quyền riêng tư và chia sẻ dữ liệu .......................................................... 19 1.5. Truy cập và sử dụng bởi cơ quan thực thi pháp luật ............................. 20 1.6. Mối quan tâm về an ninh mạng và các vấn đề an ninh khác ................ 21 1.7. Giám sát con người ............................................................................... 22 1.8. Sự không nhất quán xuyên biên giới và luồng dữ liệu bị hạn chế ........ 23 3. Các khung quản trị đổi mới sáng tạo ....................................................... 23 3.1. Quản trị đạo đức .................................................................................... 23 3.2. Phối hợp công - tư ................................................................................. 24 3.3. Quy định nhanh nhẹn, đáp ứng ............................................................. 25 2.4. Thử nghiệm: sandbox (hộp cát) và trung tâm tăng tốc ......................... 26 2.5. Chia sẻ dữ liệu hoạt động tương tác.................................................... 28 2.6. Hợp tác theo quy định ........................................................................... 28 3 Giới thiệu Những nỗ lực phục hồi từ COVID-19 đã gây ra một làn sóng đổi mới trong công việc, cộng tác, phân phối và cung cấp dịch vụ - và thay đổi nhiều hành vi, thói quen và kỳ vọng của khách hàng. Một số công nghệ mới nổi của cuộc Cách mạng công nghiệp lần thứ tư (CMCN 4.0) - ví dụ: trí tuệ nhân tạo (AI), di chuyển (bao gồm cả phương tiện tự hành), blockchain, phương tiện bay không người lái (drone) và Internet vạn vật (IoT) - là trung tâm của những đổi mới này và có khả năng đóng vai trò chi phối trong những gì nổi lên sau đại dịch. Bản thân những công nghệ này mang tính cách mạng, tạo ra một chu trình tự tăng cường quay như một bánh đà, tự tăng theo đà của chính nó. Phân tích dữ liệu và AI đã giúp Đài Loan dự đoán nguy cơ lây nhiễm. Trung Quốc đã sử dụng drone và robot để giảm thiểu sự tiếp xúc của con người. Các Tiểu vương quốc Ả Rập Thống nhất (UAE) sử dụng blockchain để cung cấp các dịch vụ kỹ thuật số thông suốt cho công dân của mình và Hoa Kỳ đang sử dụng các phương tiện tự hành để vận chuyển các mẫu xét nghiệm đến các phòng thí nghiệm. Nhiều quốc gia đang sử dụng các ứng dụng dành cho thiết bị di động làm cảm biến để theo dõi tiếp xúc. Mặc dù có tiềm năng thúc đẩy những đột phá xã hội và giá trị kinh tế to lớn, những công nghệ mới nổi này cũng có khả năng dẫn đến những hậu quả bất lợi và không lường trước được. Sự cân nhắc cần thiết đối với các chính phủ, doanh nghiệp và xã hội là làm thế nào để những công nghệ này có thể được khai thác một cách thích hợp nhằm tối đa hóa lợi ích và giảm thiểu rủi ro tiềm ẩn hoặc sử dụng sai mục đích. Quản trị công nghệ tốt, các chính sách và chuẩn mực là nền tảng để hiện thực hóa lợi ích của công nghệ trong khi giảm thiểu rủi ro của nó. Những thách thức để có được kết quả này rất rõ ràng: các công nghệ và mô hình kinh doanh mới của cuộc CMCN 4.0 không dễ dàng phù hợp với các khuôn khổ mà các nhà quản lý thường sử dụng để giám sát thị trường. Chúng phát triển nhanh chóng, vượt qua các ranh giới ngành truyền thống, ngốn dữ liệu, thách thức các biên giới chính trị và hưởng lợi từ các hiệu ứng mạng khi chúng chia sẻ thông tin. Trong cuộc CMCN 4.0, các quan niệm cũ về quy định hình ống không còn được áp dụng nữa. AI không hoàn toàn phù hợp với các khuôn khổ quy định hiện có. Sổ cái blockchain quốc tế có thể vi phạm luật tài chính quốc gia hiện tại. Drone 4 và IoT có khả năng gây ra những lo ngại về quyền riêng tư. Các phương tiện tự lái có thể thay đổi các đánh giá truyền thống về rủi ro an toàn. Tất cả những bứt phá này chuyển thành một bộ công nghệ và khả năng sẵn sàng vượt qua những khoảng trống trong quản trị. Việc quản lý các công nghệ mới này sẽ đòi hỏi các nguyên tắc, quy tắc và giao thức mới thúc đẩy sự đổi mới sáng tạo trong khi giảm thiểu chi phí xã hội. Sự hợp tác công khai sẽ rất quan trọng để đưa ra những lựa chọn đúng đắn cho các thế hệ tương lai. Cần có một cách tiếp cận nhanh hơn, linh hoạt hơn đối với quản trị để đáp ứng và thích ứng hiệu quả với những cách mà các công nghệ này đang thay đổi mô hình kinh doanh và cấu trúc tương tác xã hội - có thể thấy và không lường trước được. Việc quản lý như vậy không chỉ là vấn đề giám sát và quy định của chính phủ mà còn bao gồm nhiều khuôn khổ như phương pháp tiếp cận nhiều bên, tự kiểm soát, tiêu chuẩn hướng dẫn không ràng buộc, chứng nhận và hướng dẫn phi lợi nhuận. 5 I. Hai công nghệ cơ bản của cuộc Cách mạng công nghiệp lần thứ tư Công nghệ trí tuê nhân tạo (AI) Cho đến nay, đã có nhiều tiến bộ đáng kể trong TTNT Hẹp (Narrow AI), nhằm giải quyết các lĩnh vực ứng dụng cụ thể như chơi trò chơi chiến lược, dịch thuật, xe tự lái, và nhận diện hình ảnh. TTNT Hẹp hỗ trợ nhiều dịch vụ thương mại như lên kế hoạch chuyến đi, các hệ thống khuyến nghị người mua hàng và nhắm mục tiêu quảng cáo, và đang tìm kiếm các ứng dụng quan trọng trong chẩn đoán y tế, giáo dục và nghiên cứu khoa học. Tất cả những ứng dụng đều có lợi ích xã hội đáng kể và đã góp phần vào sức sống kinh tế của quốc gia. TTNT phổ quát (đôi khi được gọi là trí tuệ phổ quát nhân tạo, hoặc AGI) là một hệ thống TTNT trong tương lai có khả năng thể hiện hành vi thông minh rõ ràng ít nhất là tiên tiến như một người trên phạm vi đầy đủ các nhiệm vụ nhận thức. TTNT hiện nay còn một khoảng cách rất lớn với những thách thức khó khăn hơn của TTNT phổ quát. Những nỗ lực để đạt được TTNT phổ quát bằng cách mở rộng các giải pháp TTNT hẹp đạt được rất ít tiến triển trong nhiều thập kỷ nghiên cứu. Cộng đồng chuyên gia nhất trí rằng TTNT phổ quát sẽ không thể đạt được sau ít nhất nhiều thập kỷ nữa. Con người từ lâu đã suy đoán về những tác động của các máy tính ngày càng trở nên thông minh hơn con người. Một số dự đoán rằng một TTNT đủ thông minh có thể thực hiện nhiệm vụ phát triển các hệ thống thông minh hơn, thậm chí tốt hơn, và đến lượt chúng có thể được sử dụng để tạo ra các hệ thống còn thông minh hơn nữa, và cứ như vậy, dẫn đến suy luận về sự "bùng nổ trí thông minh" hoặc "kỳ dị", trong đó máy móc nhanh chóng vượt xa con người về trí tuệ. Trong viễn cảnh đen tối của quá trình này, các máy móc siêu thông minh sẽ vượt quá khả năng của con người để hiểu và kiểm soát chúng. Nếu các máy tính có thể đưa vào kiểm soát nhiều hệ thống quan trọng, kết quả có thể là sự tàn phá, lúc đó con người không còn kiểm soát được vận mệnh của mình, thậm chí có thể tồi tệ đến mức bị tuyệt chủng. Kịch bản này từ lâu đã là chủ đề của các câu chuyện khoa học viễn tưởng, và những tuyên bố gần đây của một số nhà lãnh đạo ngành công nghiệp có ảnh hưởng đã nêu bật những nỗi lo sợ này. Quan điểm tích cực hơn về tương lai của rất nhiều nhà nghiên cứu nhận thấy, sự phát triển của hệ thống thông minh sẽ làm việc như những người giúp 6 đỡ, trợ lý, huấn luyện, và đồng đội của con người, và được thiết kế để hoạt động một cách an toàn và có đạo đức. Đánh giá của Ban công nghệ của Hội đồng KHCN Quốc gia Hoa Kỳ (NSTC) là những lo ngại lâu dài về các TTNT phổ quát siêu thông minh sẽ có ít ảnh hưởng đến chính sách hiện hành. Các chính sách của Chính phủ liên bang nên áp dụng trong thời gian ngắn đến trung bình. Cách tốt nhất để xây dựng năng lực giải quyết các rủi ro tích lũy dài hạn là tấn công các rủi ro ít nghiêm trọng đã thấy hiện nay, như an ninh, bảo mật và rủi ro an toàn, trong khi đầu tư vào nghiên cứu về khả năng dài hạn và làm thế nào kiểm soát được những thách thức của chúng. Ngoài ra, do nghiên cứu và ứng dụng trong lĩnh vực này tiếp tục phát triển, những người thực hiện TTNT trong chính phủ và doanh nghiệp nên tiếp cận những tiến bộ với việc cân nhắc thỏa đáng các vấn đề xã hội và đạo đức dài hạn - chứ không chỉ các vấn đề kỹ thuật - mà những tiến bộ đó báo trước. Mặc dù thận trọng trước khả năng rằng một ngày nào đó siêu trí tuệ có hại trở thành hiện thực, nhưng những lo ngại này không phải là động lực chính của chính sách công về TTNT. Máy học Máy học là một trong những phương pháp tiếp cận kỹ thuật quan trọng nhất đối với TTNT và cơ sở của nhiều tiến bộ và các ứng dụng thương mại gần đây của TTNT. Máy học hiện đại là một quá trình thống kê bắt đầu với tập hợp dữ liệu và cố gắng để đưa ra một quy tắc hoặc quy trình thủ tục giải thích các dữ liệu hoặc có thể dự đoán dữ liệu tương lai. Phương pháp tiếp cận này - học từ dữ liệu - tương phản với phương pháp "hệ chuyên gia" cũ cho TTNT, trong đó các lập trình viên ngồi cùng với các chuyên gia về con người để tìm hiểu những quy tắc và tiêu chí được sử dụng để ra quyết định, và đưa những quy tắc này thành mã phần mềm. Hệ chuyên gia nhằm mục đích cạnh tranh với các nguyên tắc được các chuyên gia về con người sử dụng, trong khi máy học dựa trên các phương pháp thống kê để tìm một quy trình thủ tục ra quyết định hoạt động tốt trong thực tế. Lợi thế của máy học là nó có thể được sử dụng ngay cả trong trường hợp không khả thi hoặc khó viết ra những quy tắc rõ ràng để giải quyết vấn đề. Ví dụ, một công ty điều hành một dịch vụ trực tuyến có thể sử dụng máy học để phát hiện những nỗ lực đăng nhập người sử dụng là lừa đảo. Công ty có thể bắt 7 đầu với một tập dữ liệu lớn những lần đăng nhập trong quá khứ, với mỗi lần được gắn nhãn là gian lận hoặc không sử dụng lợi ích của gợi ý (hindsight). Dựa trên tập dữ liệu này, các công ty có thể sử dụng máy học để đưa ra một quy tắc áp dụng cho những lần đăng nhập trong tương lai có thể dự đoán những đăng nhập nào nhiều khả năng là lừa đảo và sẽ phải chịu thử thách vượt qua thêm các biện pháp bảo mật. Theo một nghĩa nào đó, máy học không phải là một thuật toán để giải quyết một vấn đề cụ thể, mà là một cách tiếp cận tổng quát hơn để tìm ra các giải pháp cho nhiều vấn đề khác nhau, dựa trên dữ liệu về chúng. Để áp dụng máy học, một người thực hiện bắt đầu với một tập hợp các dữ liệu lịch sử, chia thành một bộ đào tạo và một bộ kiểm tra. Người thực hiện lựa chọn một mô hình, hay cấu trúc toán học đặc trưng cho một loạt các quy tắc ra quyết định có thể với các thông số điều chỉnh khác nhau. Có thể hình dung mô hình này là một chiếc "hộp" áp dụng quy tắc, và các thông số là núm điều chỉnh ở mặt trước của hộp điều khiển cho hộp hoạt động. Trong thực tế, một mô hình có thể có nhiều triệu thông số. Người thực hiện cũng xác định một hàm mục tiêu sử dụng để đánh giá mức độ cần thiết của sản phẩm thu được là các kết quả của một sự lựa chọn các thông số cụ thể. Hàm mục tiêu thường sẽ có các phần cho mô hình thật phù hợp với bộ dữ liệu đào tạo, cũng như các phần cho việc sử dụng các quy tắc đơn giản hơn. Đào tạo mô hình là quá trình điều chỉnh các thông số để tối đa hóa hàm mục tiêu. Đào tạo là bước kỹ thuật khó trong máy học. Một mô hình với hàng triệu thông số sẽ có các kết quả khả năng lớn hơn nhiều so với bất kỳ thuật toán nào, các thuật toán đào tạo thành công như vậy phải thông minh trong cách chúng khám phá không gian của các tập hợp thông số để tìm các tập hợp tốt nhất với một mức độ nỗ lực tính toán khả thi. Khi một mô hình đã được đào tạo, người thực hiện có thể sử dụng bộ kiểm tra để đánh giá độ chính xác và hiệu quả của mô hình. Mục tiêu của máy học là để tạo ra một mô hình đào tạo sẽ khái quát hóa - nó sẽ chính xác không chỉ đối với các ví dụ bộ dữ liệu đào tạo, mà còn cả đối với các trường hợp trong tương lai mà nó chưa gặp trước đây. Mặc dù nhiều mô hình này có thể đạt được mức hiệu suất tốt hơn so với con người về các nhiệm vụ hẹp như gắn nhãn hình ảnh, nhưng ngay cả những mô hình tốt nhất cũng có thể thất bại theo những cách không thể lường trước. Ví dụ, đối với nhiều mô hình gắn nhãn hình ảnh có thể 8 tạo ra các hình ảnh rõ ràng là nhiễu ngẫu nhiên đối với người, nhưng nó vẫn sẽ được dán nhãn một cách sai trái như là một đối tượng cụ thể với sự tự tin cao của mô hình đào tạo. Một thách thức khác trong việc sử dụng máy học là nó thường không thể trích xuất hay tạo ra một sự giải thích đơn giản cho việc tại sao một mô hình đào tạo cụ thể có hiệu quả. Do các mô hình đào tạo có một số lượng rất lớn các thông số thay đổi - thường lên tới hàng trăm triệu hoặc nhiều hơn - việc đào tạo có thể mang lại một mô hình "hoạt động", theo nghĩa phù hợp với các dữ liệu, nhưng không nhất thiết phải là mô hình hoạt động đơn giản nhất. Trong việc ra quyết định của con người, bất kỳ độ mờ đục trong quá trình này thường là do không có đủ thông tin về lý do tại sao quyết định như vậy, bởi vì người ra quyết định có thể không thể trình bày được rõ lý do tại sao quyết định "cảm thấy đúng." Với máy học, tất cả mọi thứ về thủ tục ra quyết định này được biết đến với sự chính xác toán học, nhưng có thể đơn giản là quá nhiều thông tin để giải thích một cách rõ ràng. Học sâu Trong những năm gần đây, một vài trong số những tiến bộ ấn tượng nhất trong máy học thuộc nhánh học sâu (deep learrning), còn được gọi là mạng học sâu. Học sâu sử dụng các cấu trúc lỏng lẻo lấy cảm hứng từ bộ não của người, bao gồm một tập hợp các đơn vị (hay "nơron thần kinh"). Mỗi đơn vị kết hợp một tập các giá trị đầu vào để sản sinh ra một giá trị đầu ra, rồi các giá trị này lại được chuyển cho các tế bào thần kinh khác ở tuyến tiếp theo. Ví dụ, trong ứng dụng nhận dạng hình ảnh, lớp các đơn vị thứ nhất có thể kết hợp các dữ liệu thô của ảnh để nhận dạng các mẫu đơn giản trong hình ảnh; lớp các đơn vị thứ hai có thể kết hợp kết quả của lớp đầu tiên để nhận ra các mẫu - của - mẫu; lớp thứ ba có thể kết hợp các kết quả của lớp thứ hai; và cứ tiếp diễn như vậy. Các mạng học sâu thường sử dụng nhiều lớp - đôi khi đến hơn 100 - và thường sử dụng một số lượng lớn các đơn vị ở mỗi lớp, để cho phép nhận dạng được các mẫu chính xác và vô cùng phức tạp trong các dữ liệu. Trong những năm gần đây, các lý thuyết mới về làm thế nào để xây dựng và đào tạo các mạng học sâu đã xuất hiện, khi có các hệ thống máy tính nhanh hơn, lớn hơn, cho phép sử dụng các mạng học sâu lớn hơn nhiều. Sự thành công đáng kể của các mạng rất lớn này ở nhiều nhiệm vụ máy học đã làm bất ngờ cho một số chuyên gia, và 9 là nguyên nhân chính của làn sóng nhiệt tình hiện nay của các nhà nghiên cứu và thực hành TTNT dấn thân vào lĩnh vực máy học. Tự chủ và tự động TTNT thường được áp dụng cho các hệ thống có thể điều khiển thiết bị truyền động vật lý hoặc kích hoạt các vận hành trực tuyến. Khi TTNT tiếp xúc với thế giới hàng ngày, sẽ phát sinh các vấn đề về tự chủ, tự động hóa, và hợp tác người-máy. Tự chủ đề cập đến khả năng của một hệ thống hoạt động và thích ứng với các hoàn cảnh thay đổi với việc giảm hoặc không có sự kiểm soát của con người. Ví dụ, một chiếc xe tự chủ có thể tự đi đến đích của nó. Mặc dù các tài liệu tập trung nhiều vào xe ô tô và máy bay, tự chủ là một khái niệm rộng hơn nhiều bao gồm các kịch bản như giao dịch tài chính tự động và hệ thống sửa nội dung tự động. Tự chủ cũng bao gồm các hệ thống có thể chẩn đoán và sửa chữa lỗi rong hoạt động của chúng, chẳng hạn như xác định và sửa chữa các lỗ hổng an ninh. Tự động hóa xảy ra khi một máy hoạt động mà có thể trước đây đã được người thực hiện. Thuật ngữ này liên quan đến cả hoạt động vật lý và hoạt động tinh thần hay nhận thức có thể được thay thế bằng TTNT. Tự động hóa, và tác động của nó đối với việc làm, đã là hiện tượng xã hội và kinh tế quan trọng ít nhất là từ cuộc Cách mạng công nghiệp. Con người chấp nhận rộng rãi rằng TTNT sẽ tự động hóa một số công việc, nhưng còn nhiều tranh luận về việc liệu đây chỉ là chương tiếp theo trong lịch sử của tự động hóa hay TTNT sẽ ảnh hưởng đến nền kinh tế khác với các làn sóng tự động hóa trong quá khứ. Hợp tác nhóm người – máy Ngược lại với tự động hóa, nơi máy móc thay thế cho công việc của con người, trong một số trường hợp, máy móc sẽ bổ sung cho công việc của con người. Điều này có thể xảy ra như một hiệu ứng phụ của sự phát triển TTNT, hay một hệ thống có thể được phát triển riêng với mục tiêu tạo ra một nhóm người-máy. Các hệ thống có mục đích là để bổ sung khả năng nhận thức của con người đôi khi được gọi là tăng cường trí tuệ. Trong nhiều ứng dụng, một nhóm người-máy có thể hiệu quả hơn so với khi hoạt động riêng lẻ, sử dụng những thế mạnh của một bên để bù đắp cho điểm yếu của bên kia. Một ví dụ là trong chơi cờ vua, khi máy tính yếu hơn thường có thể đánh bại một đấu thủ chơi máy tính mạnh hơn, nếu máy tính yếu hơn được 10 là đồng đội với người, điều này là đúng, mặc dù các máy tính hàng đầu là những cầu thủ mạnh hơn nhiều so với bất kỳ người nào. Một ví dụ khác là trong X quang. Trong một nghiên cứu gần đây, với các hình ảnh của các tế bào hạch và được yêu cầu xác định có hay không các tế bào ung thư, phương pháp tiếp cận dựa trên TTNT có tỷ lệ lỗi 7,5 phần trăm, trong khi một nhà nghiên cứu bệnh nhân có tỷ lệ lỗi 3,5 phần trăm; phương pháp kết hợp, sử dụng 11 cả TTNT và con người, đã giảm tỷ lệ lỗi xuống còn 0,5 phần trăm, như vậy tỷ lệ lỗi giảm được 85 phần trăm. Internet vạn vật Internet vạn vật (Internet of Things - IoT) là một phần tích hợp của Internet Tương lai bao gồm các phát triển Internet và mạng hiện tại và tiến hóa và có thể được định nghĩa theo khái niệm là một cơ sở hạ tầng mạng động toàn cầu với các khả năng tự định hình dựa trên các giao thức liên lạc tiêu chuẩn và tương tác, nơi "vạn vật" hữu hình và ảo có các đặc tính, thuộc tính vật lý, và tính cá nhân ảo, sử dụng các giao diện thông minh và được tích hợp vào mạng thông tin một cách thông suốt. Trong IoT, "vạn vậtđối tượng thông minh" sẽ trở thành những đối tượng tham gia tích cực vào kinh doanh, các quá trình thông tin và xã hội, nơi chúng được tạo khả năng để tương tác và giao tiếp giữa chúng với nhau và với môi trường bằng cách trao đổi dữ liệu và thông tin "cảm nhận được" về môi trường, trong khi tự động phản ứng với các sự kiện "thế giới vật chấtthực tế" và tác động đến nó bằng cách thực hiện các quy trình kích hoạt các hành động và tạo ra các dịch vụ có hoặc không có sự can thiệp trực tiếp của con người. Các dịch vụ sẽ có thể tương tác với những "vật thểđối tượng thông minh" bằng cách sử dụng các giao diện tiêu chuẩn cung cấp liên kết cần thiết thông qua Internet, truy vấn và thay đổi trạng thái của chúng và truy xuất mọi thông tin liên quan đến chúng, có tính đến các vấn đề bảo mật và riêng tư. Internet vạn vật sử dụng các thiết bị cảm biến, bộ truyền động và công nghệ truyền dữ liệu gắn kết với các thực thể vật lý - từ các thiết bị đường bộ đến máy tạo nhịp tim - cho phép những vật thể này được theo dõi, phối hợp hoặc được kiểm soát thông qua một mạng dữ liệu hay Internet. Có ba bước trong các ứng dụng của IoT đó là: thu thập dữ liệu từ vật thể (ví dụ, đơn giản như dữ liệu vị trí hay các thông tin phức tạp hơn), tập hợp thông tin đó thông qua một mạng dữ liệu, 11 và hành động dựa trên các thông tin đó (thực hiện hành động ngay lập tức hoặc tập hợp dữ liệu theo thời gian để thiết kế các cải tiến quy trình). Internet vạn vật cũng có thể dùng để tạo ra các giá trị theo nhiều phương thức khác nhau. Ngoài việc cải thiện năng suất trong các hoạt động hiện thời, IoT có thể cho phép tạo ra các sản phẩm, dịch vụ và chiến lược mới chẳng hạn như các bộ cảm biến từ xa có thể tạo ra các mô hình giá chi tiêu tùy khả năng giống như Zipcar. Phạm vi công nghệ IoT trải rộng từ các thẻ nhận dạng đơn giản đến cảm biến và thiết bị truyền động phức tạp. Các thẻ nhận dạng bằng tần số vô tuyến (RFID) có thể được gắn với hầu hết các vật thể. Các thiết bị đa cảm biến và thiết bị truyền động tinh vi để truyền các dữ liệu có liên quan đến vị trí, hiệu suất, môi trường và 4 các trạng thái hiện đang ngày càng phổ biến. Với các công nghệ mới hiện đại như các hệ thống vi cơ điện tử (MEMS), có thể đặt nhiều thiết bị cảm biến tinh vi trong hầu như mọi vật thể (thậm chí trong cơ thể con người). Và do chúng được sản xuất ra bằng quy trình chế tạo giống với chất bán dẫn nên giá thành MEMS hiện đang giảm nhanh chóng. Với các công nghệ IoT ngày càng tinh vi đang trở nên phổ biến hiện nay, các công ty không chỉ có thể theo dõi luồng sản phẩm hoặc kiểm tra các tài sản hữu hình, mà còn có thể quản lý hiệu suất làm việc của từng thiết bị máy móc và hệ thống, ví dụ như là theo dõi và quản lý một dây chuyền lắp rắp toàn bộ các bộ phận của robot hoặc máy móc nào đó. Các thiết bị cảm biến cũng có thể được nhúng trong cơ sở hạ tầng cơ sở, ví dụ như, bộ cảm biến từ tính đặt trên đường có thể đếm chính xác số lượng các loại phương tiện xe chạy qua, có thể hiệu chỉnh theo thời gian thực thời gian tín hiệu giao thông. Quan trọng không kém các cảm biến và các thiết bị truyền động này là các kết nối thông tin liên lạc dữ liệu để truyền dữ liệu này và các chương trình mã hóa, bao gồm các phân tích dữ liệu lớn, làm cho dữ liệu trở nên có ý nghĩa. Hơn nữa, các ứng dụng của IoT tính đến cả các thiết lập hệ điều khiển khép kín trong các hoạt động có thể tự động kích hoạt dựa trên các dữ liệu do thiết bị cảm biến đóng gói. Ví dụ, trong các ngành công nghệ chế biến, các hệ thống dựa trên thiết bị cảm biến có thể tự động phản ứng với các tín hiệu đầu vào và hiệu chỉnh các quá trình xử lý lưu lượng sao cho phù hợp. Chúng có thể thay đổi đèn tín hiệu giao thông sang màu xanh khi một cảm biến trong vỉa hè báo hiệu các phương 12 tiện ô tô bị ùn tắc kéo dài ở các điểm ngã ba, ngã tư, hoặc cảnh báo bác sỹ khi nhịp tim của bệnh nhân hiển thị bất thường trên màn hình máy giám sát từ xa. Các ứng dụng cơ bản của IoT hiện đã được triển khai thực tế. Một trong những ứng dụng lớn nhất cho đến nay là sử dụng RFID để theo dõi lưu lượng của nguyên liệu thô, các thiết bị phụ tùng và hàng hoá thông qua việc sản xuất và phân phối. Các thẻ theo dõi này sẽ truyền tín hiệu vô tuyến để có thể xác định vị trí của chúng. Vì vậy, ví dụ như khi một sản phẩm đã được gắn thẻ được đưa khỏi nhà máy, các máy tính có thể theo dõi địa điểm của nó ở bất kỳ thời điểm nào. Bằng cách sử dụng các thông tin đó, công ty có thể nhận ra các trở ngại, quản lý thời gian cung cấp thiết bị linh kiện vào trong hệ thống, hoặc lên danh mục các xe chuyên chở hàng hóa thành phẩm. Các thẻ RFID được gắn trên các thùng chứa hàng và các hộp chứa để theo dõi các sản phẩm khi chúng được đưa vào các kệ chứa trong nhà kho, các trung tâm vận chuyển và thậm chí khi sản phẩm đã đến tay người tiêu dùng (trong các trường hợp có đưa thẻ theo dõi vào các gói hàng). Việc theo dõi lưu lượng hàng hóa này sẽ cho phép các công ty có thể thắt chặt các chuỗi cung ứng và phòng tránh đọng hàng tồn kho quá nhiều. Các thẻ RFID cũng được sử dụng trong các hệ thống thu phí tự động E-ZPass, giúp đẩy nhanh luồng giao thông trên các con đường và cầu đường bộ. Viễn cảnh Internet vạn vật Viễn cảnh của Internet Tương lai dựa trên các giao thức liên lạc tiêu chuẩn xem xét đến việc sáp nhập các mạng máy tính, Internet vạn vật (IoT), Internet Con người (IoP), Internet Năng lượng (IoE), Internet Truyền thông (IoM) và Internet Dịch vụ (IoS) vào một nền tảng công nghệ thông tin toàn cầu chung của các mạng thông suốt và các "vật thểđối tượng thông minh" được kết nối. Internet Năng lượng (IoE) được định nghĩa là một cơ sở hạ tầng mạng động kết nối mạng năng lượng với Internet cho phép các đơn vị năng lượng (được tạo ra, lưu trữ và chuyển tiếp tại địa phương) được cấp phát khi nào và ở đâu cần thiết. Do vậy, các thông tinsố liệu liên quan sẽ theo các luồng năng lượng thực hiện việc trao đổi thông tin cần thiết cùng với việc truyền năng lượng. Internet Dịch vụ (IoS) là một thành phần dựa trên phần mềm sẽ được phân phối qua các mạng và Internet khác nhau. Các nghiên cứu về SOA (kiến trúc hướng dịch vụ), Webdoanh nghiệp 3.0X.0, khả năng tương tác doanh nghiệp, Web dịch vụ, các dịch vụ lưới và Web ngữ nghĩa sẽ giải quyết các vấn đề quan 13 trọng của bài toán IoS, đồng thời cải thiện sự hợp tác giữa các nhà cung cấp và người sử dụng dịch vụ. Internet Truyền thông (IoM) sẽ giải quyết những thách thức trong khả năng mở rộng mã hoá video và xử lý video 3D, tự động thích ứng với các điều kiện mạng sẽ làm tăng các ứng dụng mới như các trò chơi điện tử di động nhiều người tham gia, rạp chiếu phim kỹ thuật số và các thế giới ảo đặt các loại nhu cầu lưu lượng mới trên các kiến trúc mạng di động. Internet Con người (IoP) kết nối cộng đồng những người sử dụng ngày một tăng trong khi vẫn liên tục tăng cường khả năng thao tác của họ, duy trì sự kiểm soát của họ đối với các hoạt động trực tuyến của họ và duy trì sự tự do trao đổi các ý tưởng. IoP cũng cung cấp các phương tiện để tạo điều kiện cho cuộc sống 6 hàng ngày của người dân, cộng đồng, các tổ chức, cho phép đồng thời tạo ra mọi loại hình kinh doanh và xóa bỏ rào cản giữa người tạo ra thông tin và người sử dụng thông tin (khái niệm người sản xuất và sử dụng thông tin - prosumer). Internet vạn vật (IoT) cùng với những phát triển Internet mới nổi khác như Internet Năng lượng, Truyền thông, Con người, Dịch vụ, Kinh doanhDoanh nghiệp là xương sống của nền kinh tế kỹ thuật số, xã hội số và nền tảng cho nền kinh tế tri thức trong tương lai và xã hội đổi mới sáng tạo. Những phát triển của IoT cho thấy rằng chúng ta sẽ có 16 tỷ thiết bị được kết nối vào năm 2020, trung bình sẽ có tới 6 thiết bị cho mỗi người trên Trái đất và nhiều hơn cho mỗi người trong các xã hội số. Các thiết bị như điện thoại thông minh và liên lạc máy với máy hoặc đồ vật với đồ vật sẽ là các động lực chính cho IoT phát triển hơn nữa. Các cảm biến nối mạng không dây trong mọi thứ chúng ta có sẽ tạo thành một Web mới. Nhưng nó sẽ chỉ có giá trị nếu hàng tỷ bit dữ liệu mà nó tạo ra có thể được thu thập, phân tích và giải nghĩa. Hệ quả trực tiếp đầu tiên của IoT là việc tạo ra một khối lượng dữ liệu khổng lồ, khi mọi đối tượng vật lý hoặc ảo kết nối với IoT có thể có một cặp song sinh số trong đám mây (điện toán), có thể tạo ra các bản cập nhật thường xuyên. Kết quả là, khối lượng tin liên quan đến người tiêu dùng IoT có thể dễ dàng đạt từ 1.000 đến 10.000 mỗi người mỗi ngày. Sự đóng góp của IoT sẽ phụ thuộc vào giá trị tăng lên của thông tin được tạo ra bởi số lượng các liên kết giữa các sự vật và sự chuyển đổi thông tin được xử lý thành kiến thức vì lợi ích của nhân loại và xã hội. IoT có thể cho phép người và 14 đồ vật kết nối mọi nơi, mọi lúc, với mọi thứ và mọi người, sử dụng một cách lý tưởng nhất mọi đường dẫnmạng và mọi dịch vụ. Viễn cảnh chính xác về Internet vạn vật sẽ là gì và kiến trúc cuối cùng của nó sẽ như thế nào, đến nay vẫn chưa có một đáp án thống nhất. Mạng của các các mạng trong tương lai có thể được triển khai dưới dạng các hạ tầng côngtư và được mở rộng và cải tiến tự động qua các điểm biên được tạo ra bởi "vạn vật" kết nối với nhau. Thực tế, trong các giao tiếp IoT có thể diễn ra không chỉ giữa những sự vật mà còn giữa con người và môi trường của họ. Viễn cảnh của IoT được xây dựng từ những vật thểđối tượng thông minh cần giải quyết các vấn đề liên quan đến kiến trúc, thiết kế và phát triển hệ thống, quản lý tổng hợp, mô hình kinh doanh và sự tham gia của con người. Tầm nhìn này sẽ phải tính đến sự tích hợp các hệ thống và liên lạc kế thừa. Các chủ đề như cân bằng chính xác sự phân bố chức năng giữa những vật thể thông minh và cơ sở hạ tầng hỗ trợ, mô hình và biểu hiện trí tuệ của các đối tượng thông minh và các mô hình lập trình là những thành phần quan trọng có thể được giải quyết bằng cách phân loại các đối tượngvật thể thông minh như: Các đối tượng nhận thức về hoạt động, các đối tượng nhận thức về chính sách, và các đối tượng nhận thức quy trình. Những loại hình này thể hiện sự kết hợp cụ thể của ba chiều cấu trúc với mục đích nêu bật sự phụ thuộc lẫn nhau giữa các quyết định thiết kế và khám phá các đối tượng thông minh làm sao có thể hợp tác để tạo thành "Internet của các đối tượng thông minh". Ví dụ, trong viễn cảnh IoT được xây dựng bởi các đối tượng thông minh, có khả năng cảm nhận, diễn giải, và phản ứng với các sự kiện xung quanh. Trong viễn cảnh này, bằng cách nắm bắt và diễn giải các hành động của người dùng, các đồ vật thông minh sẽ có thể nhận thức chỉ dẫn môi trường của chúng, phân tích các quan sát của chúng và liên lạc với các đối tượng khác và Internet. Internet mới này sẽ cùng tồn tại và gắn bó mật thiết với Internet thông tin và dịch vụ. Sử dụng kiến thức thực tế về các mức độ kết nối mạng, cũng như mức dịch vụ sẽ cho phép tối ưu hóa các hệ thống theo hướng nâng cao hiệu suất, trải nghiệm người dùng tốt hơn, cũng như hướng tới hiệu quả sử dụng năng lượng cao hơn. Việc giải quyết các yếu tố như: Hợp nhất, Nội dung, Lưu trữ, Tính toán, Liên lạc và Kết nối có ý nghĩa quan trọng để cho phép liên kết thông suốt giữa con người với đồ vật vàhoặc giữa đồ vật với nhau. 15 Internet Vạn vật có thể hàm ý một sự tương tác cộng sinh giữa thế giới thựcvật lý và thế giới sốảo: các thực thể vật lý có các đối tác số và đại diện ảo; Vạn vật đều nhận thức được bối cảnh và chúng có thể cảm nhận, giao tiếp, tương tác, trao đổi dữ liệu, thông tin và kiến thức. ''''Vạn vật'''' chỉ có thể nhận thức được bối cảnh, cảm nhận, giao tiếp, tương tác, trao đổi dữ liệu, thông tin và kiến thức nếu chúng được trang bị một cách phù hợp với các công nghệ kết nối đối tượng thích hợp; Tất nhiên trừ khi chúng là những "vật thể"con người hay những thực thể khác có những khả năng nội tại này. Trong viễn cảnh này, thông qua việc sử dụng các thuật toán ra quyết định thông minh trong các ứng dụng phần mềm, các phản ứng nhanh phù hợp có thể dành cho các hiện tượng vật lý, dựa trên những thông tin mới nhất thu thập được về các thực thể vật lý và sự cân nhắc các khuôn mẫu trong dữ liệu lịch sử, hoặc cho cùng một thực thể hoặc cho các thực thể tương tự. Điều này tạo ra các cơ hội mới để đáp ứng các yêu cầu kinh doanh, tạo ra các dịch vụ mới dựa trên dữ liệu thế giới vật lý thời gian thực, các hiểu biết sâu sắc về các quy trình và các mối quan hệ phức tạp, xử lý các sự cố, giải quyết sự suy thoái môi trường (ví dụ ô nhiễm, thảm hoạ, sóng thần, nóng lên toàn cầu), giám sát các hoạt động của con người (sức khỏe, vận động, …), cải thiện tính toàn vẹn cơ sở hạ tầng (năng lượng, giao thông …) và giải quyết các vấn đề tiết kiệm năng lượng (đo lường năng lượng thông minh trong các tòa nhà, tiêu thụ năng lượng hiệu quả trong ô tô ...) Tất cả mọi thứ từ cá nhân, nhóm, cộng đồng, đối tượng, sản phẩm, dữ liệu, dịch vụ, quy trình có thể sử dụng mạng liên lạc được cung cấp bởi những đối 8 tượngđồ vật thông minh. Trong IoT, kết nối sẽ trở thành một loại hàng hóa, có cho tất cả mọi người với chi phí rất thấp và không thuộc sở hữu của bất kỳ cá nhân nào. Trong bối cảnh này, sẽ cần phải tạo ra môi trường phát triển nhận thức đúng đắn để kích thích việc tạo ra các dịch vụ và phần trung gian thông minh thích hợp để hiểu và giải nghĩa thông tin, để đảm bảo tránh bị gian lận và tấn công gây hại (điều chắc chắn sẽ tăng khi Internet ngày càng được sử dụng nhiều hơn) và đảm bảo sự riêng tư. Việc thu thập dữ liệu, thông tin và kiến thức và sự kiện trong thế giới thực ngày càng trở nên dễ dàng hơn với các mạng cảm biến, chia sẻ truyền thông xã hội, dịch vụ định vị, và các ứng dụng IoT mới nổi. Việc thu thập và sử dụng kiến thức được thực hiện trong nhiều trường hợp ở cấp ứng dụng và các mạng phần lớn không đồng nhất về những gì đang xảy ra xung quanh các đầu cuối kết nối 16 với Internet. Các thiết bị gia dụng kết nối Internet sẽ tăng đáng kể trong thập kỷ tới, với thiết bị mạng máy tính chiếm đa số trong thiết bị gia đình, khoảng 75 trong năm 2010, và giảm xuống 25 vào năm 2020. Nhúng các thông tin thực tế vào các mạng, dịch vụ và ứng dụng là một trong những mục tiêu của công nghệ IoT bằng cách sử dụng các công ngh...

KHUNG QUẢN TRỊ ĐỔI MỚI SÁNG TẠO TRONG CUỘC CÁCH MẠNG CÔNG NGHIỆP LẦN THỨ TƯ

II Khoảng trống quản trị công nghệ xuyên suốt 16

1.1 Thiếu hoặc không đầy đủ quy định pháp lý 17

1.2 Những tác động có hại của công nghệ do sử dụng sai mục đích hoặc sử dụng ngoài ý muốn 18

1.3 Trách nhiệm pháp lý và trách nhiệm giải trình của công nghệ 19

1.4 Quyền riêng tư và chia sẻ dữ liệu 19

1.5 Truy cập và sử dụng bởi cơ quan thực thi pháp luật 20

1.6 Mối quan tâm về an ninh mạng và các vấn đề an ninh khác 21

1.7 Giám sát con người 22

1.8 Sự không nhất quán xuyên biên giới và luồng dữ liệu bị hạn chế 23

3 Các khung quản trị đổi mới sáng tạo 23

3.1 Quản trị đạo đức 23

3.2 Phối hợp công - tư 24

3.3 Quy định nhanh nhẹn, đáp ứng 25

2.4 Thử nghiệm: sandbox (hộp cát) và trung tâm tăng tốc 26

2.5 Chia sẻ dữ liệu / hoạt động tương tác 28

2.6 Hợp tác theo quy định 28

Giới thiệu

Những nỗ lực phục hồi từ COVID-19 đã gây ra một làn sóng đổi mới trong công việc, cộng tác, phân phối và cung cấp dịch vụ - và thay đổi nhiều hành vi, thói quen và kỳ vọng của khách hàng Một số công nghệ mới nổi của cuộc Cách mạng công nghiệp lần thứ tư (CMCN 4.0) - ví dụ: trí tuệ nhân tạo (AI), di chuyển (bao gồm cả phương tiện tự hành), blockchain, phương tiện bay không người lái (drone) và Internet vạn vật (IoT) - là trung tâm của những đổi mới này và có khả năng đóng vai trò chi phối trong những gì nổi lên sau đại dịch Bản thân những công nghệ này mang tính cách mạng, tạo ra một chu trình tự tăng cường quay như một bánh đà, tự tăng theo đà của chính nó

Phân tích dữ liệu và AI đã giúp Đài Loan dự đoán nguy cơ lây nhiễm Trung Quốc đã sử dụng drone và robot để giảm thiểu sự tiếp xúc của con người Các Tiểu vương quốc Ả Rập Thống nhất (UAE) sử dụng blockchain để cung cấp các dịch vụ kỹ thuật số thông suốt cho công dân của mình và Hoa Kỳ đang sử dụng các phương tiện tự hành để vận chuyển các mẫu xét nghiệm đến các phòng thí nghiệm Nhiều quốc gia đang sử dụng các ứng dụng dành cho thiết bị di động làm cảm biến để theo dõi tiếp xúc

Mặc dù có tiềm năng thúc đẩy những đột phá xã hội và giá trị kinh tế to lớn, những công nghệ mới nổi này cũng có khả năng dẫn đến những hậu quả bất lợi và không lường trước được Sự cân nhắc cần thiết đối với các chính phủ, doanh nghiệp và xã hội là làm thế nào để những công nghệ này có thể được khai thác một cách thích hợp nhằm tối đa hóa lợi ích và giảm thiểu rủi ro tiềm ẩn hoặc sử dụng sai mục đích

Quản trị công nghệ tốt, các chính sách và chuẩn mực là nền tảng để hiện thực hóa lợi ích của công nghệ trong khi giảm thiểu rủi ro của nó Những thách thức để có được kết quả này rất rõ ràng: các công nghệ và mô hình kinh doanh mới của cuộc CMCN 4.0 không dễ dàng phù hợp với các khuôn khổ mà các nhà quản lý thường sử dụng để giám sát thị trường Chúng phát triển nhanh chóng, vượt qua các ranh giới ngành truyền thống, ngốn dữ liệu, thách thức các biên giới chính trị và hưởng lợi từ các hiệu ứng mạng khi chúng chia sẻ thông tin

Trong cuộc CMCN 4.0, các quan niệm cũ về quy định hình ống không còn được áp dụng nữa AI không hoàn toàn phù hợp với các khuôn khổ quy định hiện có Sổ cái blockchain quốc tế có thể vi phạm luật tài chính quốc gia hiện tại Drone

và IoT có khả năng gây ra những lo ngại về quyền riêng tư Các phương tiện tự lái có thể thay đổi các đánh giá truyền thống về rủi ro an toàn Tất cả những bứt phá này chuyển thành một bộ công nghệ và khả năng sẵn sàng vượt qua những khoảng trống trong quản trị

Việc quản lý các công nghệ mới này sẽ đòi hỏi các nguyên tắc, quy tắc và giao thức mới thúc đẩy sự đổi mới sáng tạo trong khi giảm thiểu chi phí xã hội Sự hợp tác công khai sẽ rất quan trọng để đưa ra những lựa chọn đúng đắn cho các thế hệ tương lai Cần có một cách tiếp cận nhanh hơn, linh hoạt hơn đối với quản trị để đáp ứng và thích ứng hiệu quả với những cách mà các công nghệ này đang thay đổi mô hình kinh doanh và cấu trúc tương tác xã hội - có thể thấy và không lường trước được Việc quản lý như vậy không chỉ là vấn đề giám sát và quy định của chính phủ mà còn bao gồm nhiều khuôn khổ như phương pháp tiếp cận nhiều bên, tự kiểm soát, tiêu chuẩn hướng dẫn không ràng buộc, chứng nhận và hướng dẫn phi lợi nhuận

I Hai công nghệ cơ bản của cuộc Cách mạng công nghiệp lần thứ tư

Công nghệ trí tuê nhân tạo (AI)

Cho đến nay, đã có nhiều tiến bộ đáng kể trong TTNT Hẹp (Narrow AI), nhằm giải quyết các lĩnh vực ứng dụng cụ thể như chơi trò chơi chiến lược, dịch thuật, xe tự lái, và nhận diện hình ảnh TTNT Hẹp hỗ trợ nhiều dịch vụ thương mại như lên kế hoạch chuyến đi, các hệ thống khuyến nghị người mua hàng và nhắm mục tiêu quảng cáo, và đang tìm kiếm các ứng dụng quan trọng trong chẩn đoán y tế, giáo dục và nghiên cứu khoa học Tất cả những ứng dụng đều có lợi ích xã hội đáng kể và đã góp phần vào sức sống kinh tế của quốc gia

TTNT phổ quát (đôi khi được gọi là trí tuệ phổ quát nhân tạo, hoặc AGI) là một hệ thống TTNT trong tương lai có khả năng thể hiện hành vi thông minh rõ ràng ít nhất là tiên tiến như một người trên phạm vi đầy đủ các nhiệm vụ nhận thức TTNT hiện nay còn một khoảng cách rất lớn với những thách thức khó khăn hơn của TTNT phổ quát Những nỗ lực để đạt được TTNT phổ quát bằng cách mở rộng các giải pháp TTNT hẹp đạt được rất ít tiến triển trong nhiều thập kỷ nghiên cứu Cộng đồng chuyên gia nhất trí rằng TTNT phổ quát sẽ không thể đạt được sau ít nhất nhiều thập kỷ nữa

Con người từ lâu đã suy đoán về những tác động của các máy tính ngày càng trở nên thông minh hơn con người Một số dự đoán rằng một TTNT đủ thông minh có thể thực hiện nhiệm vụ phát triển các hệ thống thông minh hơn, thậm chí tốt hơn, và đến lượt chúng có thể được sử dụng để tạo ra các hệ thống còn thông minh hơn nữa, và cứ như vậy, dẫn đến suy luận về sự "bùng nổ trí thông minh" hoặc "kỳ dị", trong đó máy móc nhanh chóng vượt xa con người về trí tuệ Trong viễn cảnh đen tối của quá trình này, các máy móc siêu thông minh sẽ vượt quá khả năng của con người để hiểu và kiểm soát chúng Nếu các máy tính có thể đưa vào kiểm soát nhiều hệ thống quan trọng, kết quả có thể là sự tàn phá, lúc đó con người không còn kiểm soát được vận mệnh của mình, thậm chí có thể tồi tệ đến mức bị tuyệt chủng Kịch bản này từ lâu đã là chủ đề của các câu chuyện khoa học viễn tưởng, và những tuyên bố gần đây của một số nhà lãnh đạo ngành công nghiệp có ảnh hưởng đã nêu bật những nỗi lo sợ này

Quan điểm tích cực hơn về tương lai của rất nhiều nhà nghiên cứu nhận thấy, sự phát triển của hệ thống thông minh sẽ làm việc như những người giúp

đỡ, trợ lý, huấn luyện, và đồng đội của con người, và được thiết kế để hoạt động một cách an toàn và có đạo đức

Đánh giá của Ban công nghệ của Hội đồng KH&CN Quốc gia Hoa Kỳ (NSTC) là những lo ngại lâu dài về các TTNT phổ quát siêu thông minh sẽ có ít ảnh hưởng đến chính sách hiện hành Các chính sách của Chính phủ liên bang nên áp dụng trong thời gian ngắn đến trung bình Cách tốt nhất để xây dựng năng lực giải quyết các rủi ro tích lũy dài hạn là tấn công các rủi ro ít nghiêm trọng đã thấy hiện nay, như an ninh, bảo mật và rủi ro an toàn, trong khi đầu tư vào nghiên cứu về khả năng dài hạn và làm thế nào kiểm soát được những thách thức của chúng Ngoài ra, do nghiên cứu và ứng dụng trong lĩnh vực này tiếp tục phát triển, những người thực hiện TTNT trong chính phủ và doanh nghiệp nên tiếp cận những tiến bộ với việc cân nhắc thỏa đáng các vấn đề xã hội và đạo đức dài hạn - chứ không chỉ các vấn đề kỹ thuật - mà những tiến bộ đó báo trước Mặc dù thận trọng trước khả năng rằng một ngày nào đó siêu trí tuệ có hại trở thành hiện thực, nhưng những lo ngại này không phải là động lực chính của chính sách công về TTNT

Máy học

Máy học là một trong những phương pháp tiếp cận kỹ thuật quan trọng nhất đối với TTNT và cơ sở của nhiều tiến bộ và các ứng dụng thương mại gần đây của TTNT Máy học hiện đại là một quá trình thống kê bắt đầu với tập hợp dữ liệu và cố gắng để đưa ra một quy tắc hoặc quy trình thủ tục giải thích các dữ liệu hoặc có thể dự đoán dữ liệu tương lai Phương pháp tiếp cận này - học từ dữ liệu - tương phản với phương pháp "hệ chuyên gia" cũ cho TTNT, trong đó các lập trình viên ngồi cùng với các chuyên gia về con người để tìm hiểu những quy tắc và tiêu chí được sử dụng để ra quyết định, và đưa những quy tắc này thành mã phần mềm Hệ chuyên gia nhằm mục đích cạnh tranh với các nguyên tắc được các chuyên gia về con người sử dụng, trong khi máy học dựa trên các phương pháp thống kê để tìm một quy trình thủ tục ra quyết định hoạt động tốt trong thực tế

Lợi thế của máy học là nó có thể được sử dụng ngay cả trong trường hợp không khả thi hoặc khó viết ra những quy tắc rõ ràng để giải quyết vấn đề Ví dụ, một công ty điều hành một dịch vụ trực tuyến có thể sử dụng máy học để phát hiện những nỗ lực đăng nhập người sử dụng là lừa đảo Công ty có thể bắt

đầu với một tập dữ liệu lớn những lần đăng nhập trong quá khứ, với mỗi lần được gắn nhãn là gian lận hoặc không sử dụng lợi ích của gợi ý (hindsight) Dựa trên tập dữ liệu này, các công ty có thể sử dụng máy học để đưa ra một quy tắc áp dụng cho những lần đăng nhập trong tương lai có thể dự đoán những đăng nhập nào nhiều khả năng là lừa đảo và sẽ phải chịu thử thách vượt qua thêm các biện pháp bảo mật Theo một nghĩa nào đó, máy học không phải là một thuật toán để giải quyết một vấn đề cụ thể, mà là một cách tiếp cận tổng quát hơn để tìm ra các giải pháp cho nhiều vấn đề khác nhau, dựa trên dữ liệu về chúng

Để áp dụng máy học, một người thực hiện bắt đầu với một tập hợp các dữ liệu lịch sử, chia thành một bộ đào tạo và một bộ kiểm tra Người thực hiện lựa chọn một mô hình, hay cấu trúc toán học đặc trưng cho một loạt các quy tắc ra quyết định có thể với các thông số điều chỉnh khác nhau Có thể hình dung mô hình này là một chiếc "hộp" áp dụng quy tắc, và các thông số là núm điều chỉnh ở mặt trước của hộp điều khiển cho hộp hoạt động Trong thực tế, một mô hình có thể có nhiều triệu thông số

Người thực hiện cũng xác định một hàm mục tiêu sử dụng để đánh giá mức độ cần thiết của sản phẩm thu được là các kết quả của một sự lựa chọn các thông số cụ thể Hàm mục tiêu thường sẽ có các phần cho mô hình thật phù hợp với bộ dữ liệu đào tạo, cũng như các phần cho việc sử dụng các quy tắc đơn giản hơn Đào tạo mô hình là quá trình điều chỉnh các thông số để tối đa hóa hàm mục tiêu

Đào tạo là bước kỹ thuật khó trong máy học Một mô hình với hàng triệu thông số sẽ có các kết quả khả năng lớn hơn nhiều so với bất kỳ thuật toán nào, các thuật toán đào tạo thành công như vậy phải thông minh trong cách chúng khám phá không gian của các tập hợp thông số để tìm các tập hợp tốt nhất với một mức độ nỗ lực tính toán khả thi

Khi một mô hình đã được đào tạo, người thực hiện có thể sử dụng bộ kiểm tra để đánh giá độ chính xác và hiệu quả của mô hình Mục tiêu của máy học là để tạo ra một mô hình đào tạo sẽ khái quát hóa - nó sẽ chính xác không chỉ đối với các ví dụ bộ dữ liệu đào tạo, mà còn cả đối với các trường hợp trong tương lai mà nó chưa gặp trước đây Mặc dù nhiều mô hình này có thể đạt được mức hiệu suất tốt hơn so với con người về các nhiệm vụ hẹp như gắn nhãn hình ảnh, nhưng ngay cả những mô hình tốt nhất cũng có thể thất bại theo những cách không thể lường trước Ví dụ, đối với nhiều mô hình gắn nhãn hình ảnh có thể

tạo ra các hình ảnh rõ ràng là nhiễu ngẫu nhiên đối với người, nhưng nó vẫn sẽ được dán nhãn một cách sai trái như là một đối tượng cụ thể với sự tự tin cao của mô hình đào tạo

Một thách thức khác trong việc sử dụng máy học là nó thường không thể trích xuất hay tạo ra một sự giải thích đơn giản cho việc tại sao một mô hình đào tạo cụ thể có hiệu quả Do các mô hình đào tạo có một số lượng rất lớn các thông số thay đổi - thường lên tới hàng trăm triệu hoặc nhiều hơn - việc đào tạo có thể mang lại một mô hình "hoạt động", theo nghĩa phù hợp với các dữ liệu, nhưng không nhất thiết phải là mô hình hoạt động đơn giản nhất Trong việc ra quyết định của con người, bất kỳ độ mờ đục trong quá trình này thường là do không có đủ thông tin về lý do tại sao quyết định như vậy, bởi vì người ra quyết định có thể không thể trình bày được rõ lý do tại sao quyết định "cảm thấy đúng." Với máy học, tất cả mọi thứ về thủ tục ra quyết định này được biết đến với sự chính xác toán học, nhưng có thể đơn giản là quá nhiều thông tin để giải thích một cách rõ ràng

Học sâu

Trong những năm gần đây, một vài trong số những tiến bộ ấn tượng nhất trong máy học thuộc nhánh học sâu (deep learrning), còn được gọi là mạng học sâu Học sâu sử dụng các cấu trúc lỏng lẻo lấy cảm hứng từ bộ não của người, bao gồm một tập hợp các đơn vị (hay "nơron thần kinh") Mỗi đơn vị kết hợp một tập các giá trị đầu vào để sản sinh ra một giá trị đầu ra, rồi các giá trị này lại được chuyển cho các tế bào thần kinh khác ở tuyến tiếp theo Ví dụ, trong ứng dụng nhận dạng hình ảnh, lớp các đơn vị thứ nhất có thể kết hợp các dữ liệu thô của ảnh để nhận dạng các mẫu đơn giản trong hình ảnh; lớp các đơn vị thứ hai có thể kết hợp kết quả của lớp đầu tiên để nhận ra các mẫu - của - mẫu; lớp thứ ba có thể kết hợp các kết quả của lớp thứ hai; và cứ tiếp diễn như vậy

Các mạng học sâu thường sử dụng nhiều lớp - đôi khi đến hơn 100 - và thường sử dụng một số lượng lớn các đơn vị ở mỗi lớp, để cho phép nhận dạng được các mẫu chính xác và vô cùng phức tạp trong các dữ liệu Trong những năm gần đây, các lý thuyết mới về làm thế nào để xây dựng và đào tạo các mạng học sâu đã xuất hiện, khi có các hệ thống máy tính nhanh hơn, lớn hơn, cho phép sử dụng các mạng học sâu lớn hơn nhiều Sự thành công đáng kể của các mạng rất lớn này ở nhiều nhiệm vụ máy học đã làm bất ngờ cho một số chuyên gia, và

là nguyên nhân chính của làn sóng nhiệt tình hiện nay của các nhà nghiên cứu và thực hành TTNT dấn thân vào lĩnh vực máy học

Tự chủ và tự động

TTNT thường được áp dụng cho các hệ thống có thể điều khiển thiết bị truyền động vật lý hoặc kích hoạt các vận hành trực tuyến Khi TTNT tiếp xúc với thế giới hàng ngày, sẽ phát sinh các vấn đề về tự chủ, tự động hóa, và hợp tác người-máy Tự chủ đề cập đến khả năng của một hệ thống hoạt động và thích ứng với các hoàn cảnh thay đổi với việc giảm hoặc không có sự kiểm soát của con người Ví dụ, một chiếc xe tự chủ có thể tự đi đến đích của nó Mặc dù các tài liệu tập trung nhiều vào xe ô tô và máy bay, tự chủ là một khái niệm rộng hơn nhiều bao gồm các kịch bản như giao dịch tài chính tự động và hệ thống sửa nội dung tự động Tự chủ cũng bao gồm các hệ thống có thể chẩn đoán và sửa chữa lỗi rong hoạt động của chúng, chẳng hạn như xác định và sửa chữa các lỗ hổng an ninh

Tự động hóa xảy ra khi một máy hoạt động mà có thể trước đây đã được người thực hiện Thuật ngữ này liên quan đến cả hoạt động vật lý và hoạt động tinh thần hay nhận thức có thể được thay thế bằng TTNT Tự động hóa, và tác động của nó đối với việc làm, đã là hiện tượng xã hội và kinh tế quan trọng ít nhất là từ cuộc Cách mạng công nghiệp Con người chấp nhận rộng rãi rằng TTNT sẽ tự động hóa một số công việc, nhưng còn nhiều tranh luận về việc liệu đây chỉ là chương tiếp theo trong lịch sử của tự động hóa hay TTNT sẽ ảnh hưởng đến nền kinh tế khác với các làn sóng tự động hóa trong quá khứ

Hợp tác nhóm người – máy

Ngược lại với tự động hóa, nơi máy móc thay thế cho công việc của con người, trong một số trường hợp, máy móc sẽ bổ sung cho công việc của con người Điều này có thể xảy ra như một hiệu ứng phụ của sự phát triển TTNT, hay một hệ thống có thể được phát triển riêng với mục tiêu tạo ra một nhóm người-máy Các hệ thống có mục đích là để bổ sung khả năng nhận thức của con người đôi khi được gọi là tăng cường trí tuệ

Trong nhiều ứng dụng, một nhóm người-máy có thể hiệu quả hơn so với khi hoạt động riêng lẻ, sử dụng những thế mạnh của một bên để bù đắp cho điểm yếu của bên kia Một ví dụ là trong chơi cờ vua, khi máy tính yếu hơn thường có thể đánh bại một đấu thủ chơi máy tính mạnh hơn, nếu máy tính yếu hơn được

là đồng đội với người, điều này là đúng, mặc dù các máy tính hàng đầu là những cầu thủ mạnh hơn nhiều so với bất kỳ người nào Một ví dụ khác là trong X quang Trong một nghiên cứu gần đây, với các hình ảnh của các tế bào hạch và được yêu cầu xác định có hay không các tế bào ung thư, phương pháp tiếp cận dựa trên TTNT có tỷ lệ lỗi 7,5 phần trăm, trong khi một nhà nghiên cứu bệnh nhân có tỷ lệ lỗi 3,5 phần trăm; phương pháp kết hợp, sử dụng 11 cả TTNT và con người, đã giảm tỷ lệ lỗi xuống còn 0,5 phần trăm, như vậy tỷ lệ lỗi giảm được 85 phần trăm

Internet vạn vật

Internet vạn vật (Internet of Things - IoT) là một phần tích hợp của Internet Tương lai bao gồm các phát triển Internet và mạng hiện tại và tiến hóa và có thể được định nghĩa theo khái niệm là một cơ sở hạ tầng mạng động toàn cầu với các khả năng tự định hình dựa trên các giao thức liên lạc tiêu chuẩn và tương tác, nơi "vạn vật" hữu hình và ảo có các đặc tính, thuộc tính vật lý, và tính cá nhân ảo, sử dụng các giao diện thông minh và được tích hợp vào mạng thông tin một cách thông suốt

Trong IoT, "vạn vật/đối tượng thông minh" sẽ trở thành những đối tượng tham gia tích cực vào kinh doanh, các quá trình thông tin và xã hội, nơi chúng được tạo khả năng để tương tác và giao tiếp giữa chúng với nhau và với môi trường bằng cách trao đổi dữ liệu và thông tin "cảm nhận được" về môi trường, trong khi tự động phản ứng với các sự kiện "thế giới vật chất/thực tế" và tác động đến nó bằng cách thực hiện các quy trình kích hoạt các hành động và tạo ra các dịch vụ có hoặc không có sự can thiệp trực tiếp của con người Các dịch vụ sẽ có thể tương tác với những "vật thể/đối tượng thông minh" bằng cách sử dụng các giao diện tiêu chuẩn cung cấp liên kết cần thiết thông qua Internet, truy vấn và thay đổi trạng thái của chúng và truy xuất mọi thông tin liên quan đến chúng, có tính đến các vấn đề bảo mật và riêng tư

Internet vạn vật sử dụng các thiết bị cảm biến, bộ truyền động và công nghệ truyền dữ liệu gắn kết với các thực thể vật lý - từ các thiết bị đường bộ đến máy tạo nhịp tim - cho phép những vật thể này được theo dõi, phối hợp hoặc được kiểm soát thông qua một mạng dữ liệu hay Internet Có ba bước trong các ứng dụng của IoT đó là: thu thập dữ liệu từ vật thể (ví dụ, đơn giản như dữ liệu vị trí hay các thông tin phức tạp hơn), tập hợp thông tin đó thông qua một mạng dữ liệu,

và hành động dựa trên các thông tin đó (thực hiện hành động ngay lập tức hoặc tập hợp dữ liệu theo thời gian để thiết kế các cải tiến quy trình)

Internet vạn vật cũng có thể dùng để tạo ra các giá trị theo nhiều phương thức khác nhau Ngoài việc cải thiện năng suất trong các hoạt động hiện thời, IoT có thể cho phép tạo ra các sản phẩm, dịch vụ và chiến lược mới chẳng hạn như các bộ cảm biến từ xa có thể tạo ra các mô hình giá chi tiêu tùy khả năng giống như Zipcar

Phạm vi công nghệ IoT trải rộng từ các thẻ nhận dạng đơn giản đến cảm biến và thiết bị truyền động phức tạp Các thẻ nhận dạng bằng tần số vô tuyến (RFID) có thể được gắn với hầu hết các vật thể Các thiết bị đa cảm biến và thiết bị truyền động tinh vi để truyền các dữ liệu có liên quan đến vị trí, hiệu suất, môi trường và 4 các trạng thái hiện đang ngày càng phổ biến

Với các công nghệ mới hiện đại như các hệ thống vi cơ điện tử (MEMS), có thể đặt nhiều thiết bị cảm biến tinh vi trong hầu như mọi vật thể (thậm chí trong cơ thể con người) Và do chúng được sản xuất ra bằng quy trình chế tạo giống với chất bán dẫn nên giá thành MEMS hiện đang giảm nhanh chóng Với các công nghệ IoT ngày càng tinh vi đang trở nên phổ biến hiện nay, các công ty không chỉ có thể theo dõi luồng sản phẩm hoặc kiểm tra các tài sản hữu hình, mà còn có thể quản lý hiệu suất làm việc của từng thiết bị máy móc và hệ thống, ví dụ như là theo dõi và quản lý một dây chuyền lắp rắp toàn bộ các bộ phận của robot hoặc máy móc nào đó

Các thiết bị cảm biến cũng có thể được nhúng trong cơ sở hạ tầng cơ sở, ví dụ như, bộ cảm biến từ tính đặt trên đường có thể đếm chính xác số lượng các loại phương tiện xe chạy qua, có thể hiệu chỉnh theo thời gian thực thời gian tín hiệu giao thông Quan trọng không kém các cảm biến và các thiết bị truyền động này là các kết nối thông tin liên lạc dữ liệu để truyền dữ liệu này và các chương trình mã hóa, bao gồm các phân tích dữ liệu lớn, làm cho dữ liệu trở nên có ý nghĩa Hơn nữa, các ứng dụng của IoT tính đến cả các thiết lập hệ điều khiển khép kín trong các hoạt động có thể tự động kích hoạt dựa trên các dữ liệu do thiết bị cảm biến đóng gói Ví dụ, trong các ngành công nghệ chế biến, các hệ thống dựa trên thiết bị cảm biến có thể tự động phản ứng với các tín hiệu đầu vào và hiệu chỉnh các quá trình xử lý lưu lượng sao cho phù hợp Chúng có thể thay đổi đèn tín hiệu giao thông sang màu xanh khi một cảm biến trong vỉa hè báo hiệu các phương

tiện ô tô bị ùn tắc kéo dài ở các điểm ngã ba, ngã tư, hoặc cảnh báo bác sỹ khi nhịp tim của bệnh nhân hiển thị bất thường trên màn hình máy giám sát từ xa

Các ứng dụng cơ bản của IoT hiện đã được triển khai thực tế Một trong những ứng dụng lớn nhất cho đến nay là sử dụng RFID để theo dõi lưu lượng của nguyên liệu thô, các thiết bị phụ tùng và hàng hoá thông qua việc sản xuất và phân phối Các thẻ theo dõi này sẽ truyền tín hiệu vô tuyến để có thể xác định vị trí của chúng Vì vậy, ví dụ như khi một sản phẩm đã được gắn thẻ được đưa khỏi nhà máy, các máy tính có thể theo dõi địa điểm của nó ở bất kỳ thời điểm nào Bằng cách sử dụng các thông tin đó, công ty có thể nhận ra các trở ngại, quản lý thời gian cung cấp thiết bị linh kiện vào trong hệ thống, hoặc lên danh mục các xe chuyên chở hàng hóa thành phẩm Các thẻ RFID được gắn trên các thùng chứa hàng và các hộp chứa để theo dõi các sản phẩm khi chúng được đưa vào các kệ chứa trong nhà kho, các trung tâm vận chuyển và thậm chí khi sản phẩm đã đến tay người tiêu dùng (trong các trường hợp có đưa thẻ theo dõi vào các gói hàng) Việc theo dõi lưu lượng hàng hóa này sẽ cho phép các công ty có thể thắt chặt các chuỗi cung ứng và phòng tránh đọng hàng tồn kho quá nhiều Các thẻ RFID cũng được sử dụng trong các hệ thống thu phí tự động E-ZPass, giúp đẩy nhanh luồng giao thông trên các con đường và cầu đường bộ

Viễn cảnh Internet vạn vật

Viễn cảnh của Internet Tương lai dựa trên các giao thức liên lạc tiêu chuẩn xem xét đến việc sáp nhập các mạng máy tính, Internet vạn vật (IoT), Internet Con người (IoP), Internet Năng lượng (IoE), Internet Truyền thông (IoM) và Internet Dịch vụ (IoS) vào một nền tảng công nghệ thông tin toàn cầu chung của các mạng thông suốt và các "vật thể/đối tượng thông minh" được kết nối

Internet Năng lượng (IoE) được định nghĩa là một cơ sở hạ tầng mạng động kết nối mạng năng lượng với Internet cho phép các đơn vị năng lượng (được tạo ra, lưu trữ và chuyển tiếp tại địa phương) được cấp phát khi nào và ở đâu cần thiết Do vậy, các thông tin/số liệu liên quan sẽ theo các luồng năng lượng thực hiện việc trao đổi thông tin cần thiết cùng với việc truyền năng lượng

Internet Dịch vụ (IoS) là một thành phần dựa trên phần mềm sẽ được phân phối qua các mạng và Internet khác nhau Các nghiên cứu về SOA (kiến trúc hướng dịch vụ), Web/doanh nghiệp 3.0/X.0, khả năng tương tác doanh nghiệp, Web dịch vụ, các dịch vụ lưới và Web ngữ nghĩa sẽ giải quyết các vấn đề quan

trọng của bài toán IoS, đồng thời cải thiện sự hợp tác giữa các nhà cung cấp và người sử dụng dịch vụ

Internet Truyền thông (IoM) sẽ giải quyết những thách thức trong khả năng mở rộng mã hoá video và xử lý video 3D, tự động thích ứng với các điều kiện mạng sẽ làm tăng các ứng dụng mới như các trò chơi điện tử di động nhiều người tham gia, rạp chiếu phim kỹ thuật số và các thế giới ảo đặt các loại nhu cầu lưu lượng mới trên các kiến trúc mạng di động

Internet Con người (IoP) kết nối cộng đồng những người sử dụng ngày một tăng trong khi vẫn liên tục tăng cường khả năng thao tác của họ, duy trì sự kiểm soát của họ đối với các hoạt động trực tuyến của họ và duy trì sự tự do trao đổi các ý tưởng IoP cũng cung cấp các phương tiện để tạo điều kiện cho cuộc sống 6 hàng ngày của người dân, cộng đồng, các tổ chức, cho phép đồng thời tạo ra mọi loại hình kinh doanh và xóa bỏ rào cản giữa người tạo ra thông tin và người sử dụng thông tin (khái niệm người sản xuất và sử dụng thông tin - prosumer)

Internet vạn vật (IoT) cùng với những phát triển Internet mới nổi khác như Internet Năng lượng, Truyền thông, Con người, Dịch vụ, Kinh doanh/Doanh nghiệp là xương sống của nền kinh tế kỹ thuật số, xã hội số và nền tảng cho nền kinh tế tri thức trong tương lai và xã hội đổi mới sáng tạo

Những phát triển của IoT cho thấy rằng chúng ta sẽ có 16 tỷ thiết bị được kết nối vào năm 2020, trung bình sẽ có tới 6 thiết bị cho mỗi người trên Trái đất và nhiều hơn cho mỗi người trong các xã hội số Các thiết bị như điện thoại thông minh và liên lạc máy với máy hoặc đồ vật với đồ vật sẽ là các động lực chính cho IoT phát triển hơn nữa Các cảm biến nối mạng không dây trong mọi thứ chúng ta có sẽ tạo thành một Web mới Nhưng nó sẽ chỉ có giá trị nếu hàng tỷ bit dữ liệu mà nó tạo ra có thể được thu thập, phân tích và giải nghĩa Hệ quả trực tiếp đầu tiên của IoT là việc tạo ra một khối lượng dữ liệu khổng lồ, khi mọi đối tượng vật lý hoặc ảo kết nối với IoT có thể có một cặp song sinh số trong đám mây (điện toán), có thể tạo ra các bản cập nhật thường xuyên Kết quả là, khối lượng tin liên quan đến người tiêu dùng IoT có thể dễ dàng đạt từ 1.000 đến 10.000 mỗi người mỗi ngày

Sự đóng góp của IoT sẽ phụ thuộc vào giá trị tăng lên của thông tin được tạo ra bởi số lượng các liên kết giữa các sự vật và sự chuyển đổi thông tin được xử lý thành kiến thức vì lợi ích của nhân loại và xã hội IoT có thể cho phép người và

đồ vật kết nối mọi nơi, mọi lúc, với mọi thứ và mọi người, sử dụng một cách lý tưởng nhất mọi đường dẫn/mạng và mọi dịch vụ

Viễn cảnh chính xác về Internet vạn vật sẽ là gì và kiến trúc cuối cùng của nó sẽ như thế nào, đến nay vẫn chưa có một đáp án thống nhất Mạng của các các mạng trong tương lai có thể được triển khai dưới dạng các hạ tầng công/tư và được mở rộng và cải tiến tự động qua các điểm biên được tạo ra bởi "vạn vật" kết nối với nhau Thực tế, trong các giao tiếp IoT có thể diễn ra không chỉ giữa những sự vật mà còn giữa con người và môi trường của họ

Viễn cảnh của IoT được xây dựng từ những vật thể/đối tượng thông minh cần giải quyết các vấn đề liên quan đến kiến trúc, thiết kế và phát triển hệ thống, quản lý tổng hợp, mô hình kinh doanh và sự tham gia của con người Tầm nhìn này sẽ phải tính đến sự tích hợp các hệ thống và liên lạc kế thừa Các chủ đề như cân bằng chính xác sự phân bố chức năng giữa những vật thể thông minh và cơ sở hạ tầng hỗ trợ, mô hình và biểu hiện trí tuệ của các đối tượng thông minh và các mô hình lập trình là những thành phần quan trọng có thể được giải quyết bằng cách phân loại các đối tượng/vật thể thông minh như: Các đối tượng nhận thức về hoạt động, các đối tượng nhận thức về chính sách, và các đối tượng nhận thức quy trình Những loại hình này thể hiện sự kết hợp cụ thể của ba chiều cấu trúc với mục đích nêu bật sự phụ thuộc lẫn nhau giữa các quyết định thiết kế và khám phá các đối tượng thông minh làm sao có thể hợp tác để tạo thành "Internet của các đối tượng thông minh"

Ví dụ, trong viễn cảnh IoT được xây dựng bởi các đối tượng thông minh, có khả năng cảm nhận, diễn giải, và phản ứng với các sự kiện xung quanh Trong viễn cảnh này, bằng cách nắm bắt và diễn giải các hành động của người dùng, các đồ vật thông minh sẽ có thể nhận thức chỉ dẫn môi trường của chúng, phân tích các quan sát của chúng và liên lạc với các đối tượng khác và Internet Internet mới này sẽ cùng tồn tại và gắn bó mật thiết với Internet thông tin và dịch vụ

Sử dụng kiến thức thực tế về các mức độ kết nối mạng, cũng như mức dịch vụ sẽ cho phép tối ưu hóa các hệ thống theo hướng nâng cao hiệu suất, trải nghiệm người dùng tốt hơn, cũng như hướng tới hiệu quả sử dụng năng lượng cao hơn Việc giải quyết các yếu tố như: Hợp nhất, Nội dung, Lưu trữ, Tính toán, Liên lạc và Kết nối có ý nghĩa quan trọng để cho phép liên kết thông suốt giữa con người với đồ vật và/hoặc giữa đồ vật với nhau

Internet Vạn vật có thể hàm ý một sự tương tác cộng sinh giữa thế giới thực/vật lý và thế giới số/ảo: các thực thể vật lý có các đối tác số và đại diện ảo; Vạn vật đều nhận thức được bối cảnh và chúng có thể cảm nhận, giao tiếp, tương tác, trao đổi dữ liệu, thông tin và kiến thức 'Vạn vật' chỉ có thể nhận thức được bối cảnh, cảm nhận, giao tiếp, tương tác, trao đổi dữ liệu, thông tin và kiến thức nếu chúng được trang bị một cách phù hợp với các công nghệ kết nối đối tượng thích hợp; Tất nhiên trừ khi chúng là những "vật thể"con người hay những thực thể khác có những khả năng nội tại này

Trong viễn cảnh này, thông qua việc sử dụng các thuật toán ra quyết định thông minh trong các ứng dụng phần mềm, các phản ứng nhanh phù hợp có thể dành cho các hiện tượng vật lý, dựa trên những thông tin mới nhất thu thập được về các thực thể vật lý và sự cân nhắc các khuôn mẫu trong dữ liệu lịch sử, hoặc cho cùng một thực thể hoặc cho các thực thể tương tự Điều này tạo ra các cơ hội mới để đáp ứng các yêu cầu kinh doanh, tạo ra các dịch vụ mới dựa trên dữ liệu thế giới vật lý thời gian thực, các hiểu biết sâu sắc về các quy trình và các mối quan hệ phức tạp, xử lý các sự cố, giải quyết sự suy thoái môi trường (ví dụ ô nhiễm, thảm hoạ, sóng thần, nóng lên toàn cầu), giám sát các hoạt động của con người (sức khỏe, vận động, …), cải thiện tính toàn vẹn cơ sở hạ tầng (năng lượng, giao thông …) và giải quyết các vấn đề tiết kiệm năng lượng (đo lường năng lượng thông minh trong các tòa nhà, tiêu thụ năng lượng hiệu quả trong ô tô )

Tất cả mọi thứ từ cá nhân, nhóm, cộng đồng, đối tượng, sản phẩm, dữ liệu, dịch vụ, quy trình có thể sử dụng mạng liên lạc được cung cấp bởi những đối 8 tượng/đồ vật thông minh Trong IoT, kết nối sẽ trở thành một loại hàng hóa, có cho tất cả mọi người với chi phí rất thấp và không thuộc sở hữu của bất kỳ cá nhân nào Trong bối cảnh này, sẽ cần phải tạo ra môi trường phát triển nhận thức đúng đắn để kích thích việc tạo ra các dịch vụ và phần trung gian thông minh thích hợp để hiểu và giải nghĩa thông tin, để đảm bảo tránh bị gian lận và tấn công gây hại (điều chắc chắn sẽ tăng khi Internet ngày càng được sử dụng nhiều hơn) và đảm bảo sự riêng tư

Việc thu thập dữ liệu, thông tin và kiến thức và sự kiện trong thế giới thực ngày càng trở nên dễ dàng hơn với các mạng cảm biến, chia sẻ truyền thông xã hội, dịch vụ định vị, và các ứng dụng IoT mới nổi Việc thu thập và sử dụng kiến thức được thực hiện trong nhiều trường hợp ở cấp ứng dụng và các mạng phần lớn không đồng nhất về những gì đang xảy ra xung quanh các đầu cuối kết nối