Các hệ thống này có thể được sử dụng để giám sát các luồng dữ liệu lớn ở quy mô và theo thời gian thực, theo những cách không khả thi đối với con người.. Các hệ thống loại này đã đượ[r]
(1)Hội thảo
Trí tuệ nhân tạo
và những vấn đề đặt với pháp luật
và quyền người
Workshop
Artificial Intelligence:
Impacts on Law and Human Rights
(2)MỤC LỤC
PHẦN
TRÍ TUỆ NHÂN TẠO VÀ NHỮNG VẤN ĐỀ ĐẶT RA VỚI PHÁP LUẬT
1 TRÍ TUỆ NHÂN TẠO: THỰC TRẠNG VÀ MỘT SỐ VẤN ĐỀ ĐẶT RA VỚI CÁC QUỐC GIA
NCS Nguyễn HoàngHà
(Khoa Luật - ĐHQG Hà Nội) TRÍ TUỆ NHÂN TẠO VÀ TIẾP CẬN CÔNG LÝ 20
TS Nguyễn BíchThảo
(Khoa Luật – ĐHQG Hà Nội) MỘT SỐ TÁC ĐỘNG CỦA TRÍ TUỆ NHÂN TẠO TỚI NGHỀ LUẬT 29
TS Nguyễn VănQuân
(Khoa Luật – ĐHQG Hà Nội) CHÍNH SÁCH, PHÁP LUẬT HÌNH SỰ VIỆT NAM TRƯỚC THÁCH THỨC CÁCH MẠNG CÔNG NGHIỆP LẦN THỨ TƯ 38
PGS.TS Trịnh TiếnViệt
(Khoa Luật – ĐHQG Hà Nội) CHÍNH SÁCH, PHÁP LUẬT CỦA HÀN QUỐC VỀ PHÁT TRIỂN, THÚC ĐẨY NGHIÊN CỨU VỀ LĨNH VỰC TRÍ TUỆ NHÂN TẠO 59
ThS Phạm ThanhTùng
(Khoa Luật – ĐHQG Hà Nội)
NCS Nguyễn ThịThu
(Hàn Quốc) TÁC ĐỘNG CỦA BLOCKCHAIN VÀ TRÍ TUỆ NHÂN TẠO TỚI LUẬT SỞ HỮU TRÍ TUỆ NHỮNG GIÁ TRỊ THAM KHẢO CHO VIỆT NAM 68
ThS Đỗ ThịDiện
(Khoa Dân - Trường Đại học Luật Huế) TRÍ TUỆ NHÂN TẠO VÀ XU HƯỚNG ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG HOẠT ĐỘNG HÀNH CHÍNH NHÀ NƯỚC Ở VIỆT NAM 80
Trương Thế Nguyễn – Phạm VânAnh
(Trường Chính trị tỉnh Sóc Trăng) TƯ CÁCH PHÁP LÝ VÀ QUYỀN CỦA TRÍ TUỆ NHÂN TẠO MỘT SỐ VẤN ĐỀ LÝ LUẬN VÀ THỰC TIỄN 95
Đoàn VănNhật
9 TRÁCH NHIỆM ĐẠO ĐỨC VÀ PHÁP LÝ VỀ ROBOT: MỘT SỐ VẤN ĐỀ LÝ LUẬN, THỰC TIỄN 103
NCS Hoàng Thị Bích Ngọc - PGS.TS Vũ CơngGiao
10 TRÍ TUỆ NHÂN TẠO: GĨC NHÌN VÀ GIẢI PHÁP 113
NCS Vũ ThịLinh
(Đại học Luật Hà Nội) 11 HOẠT ĐỘNG LẬP PHÁP VỀ TRÍ TUỆ NHÂN TẠO CỦA HOA KỲ 126
Nguyễn NgọcLan
(3)PHẦN
TRÍ TUỆ NHÂN TẠO
VÀ NHỮNG VẤN ĐỀ ĐẶT RA VỚI QUYỀN CON NGƯỜI
12 TIẾN BỘ KHOA HỌC VÀ NHÂN QUYỀN: QUAN ĐIỂM VÀ NHỮNG NỖ LỰC CỦA LIÊN HỢP QUỐC 139
PGS.TS Vũ Cơng Giao – Đồn VănNhật
13 TRÍ TUỆ NHÂN TẠO VÀ NHỮNG YÊU CẦU ĐẶT RA VỚI VIỆC CỦNG CỐ KHUNG PHÁP LUẬT QUỐC TẾ VỀ BẢO VỆ VÀ THÚC ĐẨY NHÂN QUYỀN 153
NCS Lê Thị Thuý Hương - PGS.TS Vũ CơngGiao
14 TÁC ĐỘNG CỦA TRÍ TUỆ NHÂN TẠO ĐỐI VỚI QUYỀN CON NGƯỜI 166
PGS.TS Đặng MinhTuấn
(Khoa Luật ĐHQG Hà Nội) 15 KIỂM SỐT HỆ THỐNG TRÍ TUỆ NHÂN TẠO NHẰM BẢO VỆ QUYỀN CON NGƯỜI 178
ThD Nguyễn Thị HoàiPhương
(Khoa Luật Hành chính, Đại học Luật Huế) 16 PHÁP LUẬT VỀ AN NINH CÁ NHÂN CỦA PHẠM NHÂN TRƯỚC TÁC ĐỘNG CỦA CUỘC CÁCH MẠNG CÔNG NGHIỆP 4.0 191
NCS Nguyễn ĐứcHoà
(Đại học Luật Hà Nội) 17 ỨNG DỤNG TRÍ TUỆ NHÂN TẠO VÀ TÁC ĐỘNG TỚI QUYỀN CON NGƯỜI: GĨC NHÌN TỪ MƠ HÌNH ĐÁNH GIÁ TÍN NHIỆM XÃ HỘI (SCS) Ở TRUNG QUỐC 202
ThS Bùi PhúChâu TS Nguyễn VănQuân
18 TRÍ TUỆ NHÂN TẠO VÀ VẤN ĐỀ XÂM PHẠM QUYỀN CON NGƯỜI 215
Ths Đậu CôngHiệp
Khoa Pháp luật Hành chính-nhà nước Đại học Luật Hà Nội 19 QUYỀN ĐƯỢC LÃNG QUÊN TRONG KỶ NGUYÊN SỐ: THÁCH THỨC CỦA ỨNG DỤNG TRÍ TUỆ NHÂN TẠO 223
TS Ngô Thị Minh Hương
Khoa Luật, Đại học Quốc gia Hà Nội TS Phạm Hải Chung Học viện Báo chí Tuyên truyền 20 HIỂU BIẾT, XÁC ĐỊNH, GIẢM THIỂU VÀ KHẮC PHỤC NHỮNG RỦI RO VỀ QUYỀN CON NGƯỜI MÀ CUỘC CÁCH MẠNG CƠNG NGHIỆP 4.0, ĐẶC BIỆT LÀ TRÍ TUỆ NHÂN TẠO, CÓ THỂ ĐẶT RA Ở VIỆT NAM 238
Vũ NgọcBình
Cố vấn Cao cấp - Viện Dân số, Gia đình Trẻ em (thuộc Liên hiệp Hội Khoa học Kĩ thuật Việt Nam) 21 TÁC ĐỘNG CỦA SỰ PHÁT TRIỂN VÀ ỨNG DỤNG CỦA TRÍ TUỆ NHÂN TẠO ĐỐI VỚI VẤN ĐỀ VỀ PHÁP LÝ - CHATBOT - CÔNG CỤ HỖ TRỢ NGƯỜI VIỆT NAM LAO ĐỘNG TẠI NƯỚC NGOÀI 250
(4)PHẦN
(5)(6)TRÍ TUỆ NHÂN TẠO: THỰC TRẠNG
VÀ MỘT SỐ VẤN ĐỀ ĐẶT RA VỚI CÁC QUỐC GIA
NCS Nguyễn Hoàng Hà
(Khoa Luật ĐHQG Hà Nội)
Tóm tắt
Bài viết tổng hợp thơng tin báo cáo phân tích số quan nghiên cứu uy tín làm rõ vấn đề sau: Khái niệm đặc điểm bản trí tuệ nhân tạo; Sự phát triển triển vọng ứng dụng trí tuệ nhân tạo thế giới kỷ 21; Những lợi ích trí tuệ nhân tạo với nhân loại thách thức trí tuệ nhân tạo đặt với quốc gia Trên sở đó, tác giả gợi mở số vấn đề cần làm Việt Nam, đặc biệt lĩnh vực lập pháp, để tận dụng hội hố giải thách thức trí tuệ nhân tạo lĩnh vực trị, kinh tế, văn hoá, xã hội thời gian tới
1 Khái niệm đặc điểm trí tuệ nhân tạo
Cuộc Cách mạng công nghiệp 4.0 diễn sâu rộng giới, đó bước đầu đạt số thành tựu to lớn lĩnh vực trí tuệ nhân tạo (AI) học máy mà áp dụng loạt ngành nghề ngành y, ngành tài chính, giao thông vận tải thí điểm số ngành công nghiệp khác Những phát triển có thể có tác động sâu sắc đến kinh tế tồn cầu mơi trường an ninh quốc tế nhiều năm
Giống động nước, điện động đốt trong, AI công nghệ cho phép ứng dụng đa dạng nhiều ngành nghề khác Các công nghệ cách mạng công nghiệp thứ thứ hai cho phép tạo máy móc chuyên dụng với nhiệm vụ cụ thể có thể thay lao động chân tay người Tuy nhiên, ngày nay, AI cho phép tạo máy móc chuyên dụng thay lao động nhận thức người cho nhiều nhiệm vụ cụ thể khác
Cuộc cách mạng AI có thể thay đổi cán cân sức mạnh toàn cầu tiến tới dẫn đến thay đổi tảng cho kinh tế toàn cầu Cũng giống than làm nhiên liệu chạy động nước dầu làm nhiên liệu chạy động đốt trong, liệu làm nhiên liệu chạy động học tập máy móc Các quốc gia có quyền truy cập vào liệu tốt nhất, tài ngun điện tốn, vốn nhân lực q trình
đổi sẵn sàng tạo bước nhảy vọt kỷ nguyên trí tuệ nhân tạo1
Đến chưa có định nghĩa thống trí tuệ nhân tạo (AI), có nhiều định nghĩa tạm thời tùy theo cách tiếp cận khác Theo Russell
1 Xem Paul Scharre and Michael C.Horowitz, Artificial Intelligence: What Every Policy-maker needs to
(7)Norvig (2010), “AI định nghĩa máy tính máy móc tìm cách hành động hợp lý, suy nghĩ hợp lý, hành động người suy nghĩ người”2
Cách tiếp cận bốn phương pháp nêu Russell Norvig tác nhân hợp lý, đó AI thiết kế để đạt mục tiêu thông qua nhận thức kết hành động Cách tiếp cận thứ hai, suy nghĩ hợp lý, dựa logic chính thức Theo cách tiếp cận này, AI thiết kế để giải cách hợp lý vấn đề, suy luận tối ưu hóa kết Cách tiếp cận thứ ba, hệ thống thiết kế để hành xử người, hình thức trí thơng minh khái niệm hóa
sau đó phổ biến thành Thử nghiệm Turing, bao gồm kiểm tra xử lý
ngôn ngữ tự nhiên, tri thức, lý luận tự động học tập Cách tiếp cận thứ tư, mơ hình hóa suy nghĩ người, lấy cảm hứng từ khoa học nhận thức
Nghiên cứu Nilsson đưa khái niệm rộng trí tuệ nhân tạo,
theo đó AI là: “hoạt động làm cho máy móc trở nên thơng minh trí thơng minh
chất lượng cho phép thực thể hoạt động phù hợp có tầm nhìn xa mơi trường nó”3
Ngồi việc xác định khái niệm chung AI, nhà nghiên cứu phân biệt khái niệm AI theo nghĩa hẹp nghĩa rộng AI theo nghĩa hẹp đề cập đến ứng dụng cung cấp chun mơn hồn thành nhiệm vụ cụ thể theo miền, theo nghĩa rộng đề cập đến ứng dụng AI thể trí thông minh tương đương với người, xa hơn, nhiều bối cảnh mà người tương tác Mặc dù có tiến đáng kể việc phát triển AI vượt trội người số lĩnh vực cụ thể, số nhà quan sát tin AI theo nghĩa rộng khó có thể đạt vài thập kỷ tới
Một cách tiếp cận khác để hiểu AI cách xem xét sóng cơng nghệ phát triển, thay đưa định nghĩa thống cụ thể Launchbury (2016) đưa khung phân tích khái niệm AI theo ba sóng, dựa khác biệt khả liên quan đến nhận thức, học tập, trừu tượng hóa lý luận Những sóng có thể mơ tả rộng rãi sau:
• Làn sóng thứ - hệ thống dựa chuyên gia quy tắc;
• Làn sóng thứ - hệ thống học tập, nhận thức dự đoán thống kê và
• Làn sóng thứ - khả trừu tượng hóa lý luận, bao gồm khả giải thích.
Làn sóng AI thể kiến thức chuyên môn tiêu chí phát triển theo luật nguồn có thẩm quyền khác mã
2 Xem Stuart J Russell and Peter Norvig, Artificial Intelligence: A Modern Approach, 3rd ed (N.J.: Pearson, 2010) 3 Xem Nils J Nilsson, The Quest for Artificial Intelligence: A History of Ideas and Achievement
(8)hóa thành thuật toán máy tính, gọi hệ thống chuyên gia Ví dụ, hệ thống chuyên gia bao gồm chương trình thực lập kế hoạch hậu cần chuẩn bị thuế Các hệ thống chuyên gia mạnh lý luận, chúng phản ánh logic quy tắc lập trình vào chúng Các chuyên gia thuế hiểu quy tắc mã số thuế quy tắc có thể lập trình thành phần mềm mang lại tờ khai thuế hoàn thành dựa đầu vào cung cấp Các hệ thống sóng tiếp tục mang lại lợi ích lĩnh vực hoạt động AI
Làn sóng thứ hai công nghệ AI dựa học máy móc, học thống kê, bao gồm xử lý ngôn ngữ tự nhiên (ví dụ: nhận dạng giọng nói) công nghệ thị giác máy tính, số công nghệ khác Trái ngược với hệ thống theo sóng thứ nhất, hệ thống sóng thứ hai thiết kế để nhận thức học hỏi Các hệ thống sóng AI thứ hai có khả phân loại dự đoán sắc thái không có khả suy luận theo ngữ cảnh mức tối thiểu Ví dụ hệ thống sóng thứ hai bao gồm trợ lý kỹ thuật số kích hoạt giọng nói, ứng dụng hỗ trợ nhân viên y tế việc chẩn đoán lựa chọn hướng điều trị phù hợp giúp phương tiện tự động lái, di chuyển vật thể theo yêu cầu thực tế sống
Làn sóng công nghệ AI thứ ba kết hợp điểm mạnh AI sóng thứ thứ hai thêm khả xử lý tinh tế theo ngữ cảnh, trừu tượng hóa có giải thích Một ví dụ sóng AI thứ ba tàu có thể điều hướng biển mà không cần can thiệp người vài tháng cảm nhận tàu khác, điều hướng tuyến đường biển thực nhiệm vụ cần thiết.phù hợp yêu cầu đề
Theo Launchbury, chỉ bắt đầu sóng công nghệ AI thứ ba cần tiếp tục nghiên cứu sâu trước công nghệ sóng thứ ba trở nên thịnh hành Một phần quan trọng sóng AI thứ ba phát triển hệ thống AI không chỉ có khả thích ứng với tình mà cịn có thể giải thích cho người dùng lý đằng sau định
Ngày nay, hệ thống học máy hệ thống hộp đen mà người dùng hiểu cách thức hệ thống đưa định khuyến nghị cụ thể, định có thể bị lỗi cách sửa lỗi Mục tiêu AI có thể giải thích phát triển hệ thống học máy đưa giải thích cho định đề xuất họ cho phép người dùng biết hệ thống thành công hay thất bại
2 Sự phát triển triển vọng ứng dụng trí tuệ nhân tạo giới trong kỷ 21
(9)quan đến trí tuệ nhân tạo, số chính phủ nỗ lực phát triển công cụ cần thiết để thiết lập độ tin cậy AI (bao gồm niềm tin, khả giải thích, xác nhận, xác minh bảo mật) cho ứng dụng quan trọng chính phủ an ninh quốc gia; phát triển củng cố hệ sinh thái AI
Vì hệ thống AI có giá trị cao giúp người đưa định lớn, nó phải đảm bảo có độ tin cậy cao phải bảo mật Niềm tin vấn đề quan trọng thúc đẩy hạn chế tiến AI ảnh hưởng đến việc áp dụng triển khai công nghệ Độ tin cậy việc triển khai cơng nghệ AI địi hỏi hiểu biết tính minh bạch mơ hình, đơi gọi khả giải thích cho người dung khác Đó khả người dùng hiểu rõ cách thức lý thuật toán giúp đến kết cụ thể
Xác minh xác nhận, mô phỏng, sử dụng nhiều lần kiểm tra chế theo đó niềm tin xây dựng minh bạch mơ hình hiểu Phản hồi có thể giúp giảm thiểu không chắn xây dựng niềm tin Dữ liệu tài sản quý giá, cần thiết cho tương lai AI, đặc biệt ứng dụng học máy đòi hỏi đào tạo tập liệu, liệu ảnh hưởng nhiều đến giá trị chất lượng
đầu thuật toán4
Tuy nhiên, việc ứng dụng thành cơng AI địi hỏi nhiều chỉ có liệu dung thuật toán Một lực lượng lao động lành nghề, hiểu cặn kẽ chính sách có tiêu chuẩn đạo đức tốt, cần thiết để hiểu liệu, thuật toán vấn đề mà AI áp dụng Một tảng kỹ thuật số mà đó thuật toán liệu xây dựng, quản lý tích hợp sở liệu, cần thiết Khi xem xét AI, ta cần hiểu hệ sinh thái (hệ thống hỗ trợ)
Những tiến học máy kết hợp với liệu sẵn có sức mạnh tính toán có nghĩa AI có thể trả lời câu hỏi hữu ích mặt ngữ nghĩa với tốc độ phù hợp Học máy cải tiến kích hoạt tính khả dụng khả mở rộng điện toán đám mây, cho phép AI xử lý tập liệu lớn thực nhiều thuật toán học Nhiều giải pháp AI triển khai học máy với phân tích liệu, thị giác máy tính xử lý ngôn ngữ tự nhiên để thực nhận dạng mẫu, đặc biệt lĩnh vực mà người có thể vật lộn, chẳng hạn luồng liệu có độ tin cậy thấp, tìm mẫu yếu vật lộn với liệu khổng lồ Giải pháp học máy lợi lớn AI, làm việc mà người không có thời gian lực để làm làm
Nhiều ứng dụng AI kết hợp học máy với kỹ thuật khác thị giác
4 Xem tham khảo Artificial Intelligence and National Security – the Importance of the AI Ecosystem của tác
(10)máy tính5 (ví dụ: nhận dạng khuôn mặt, xe tự lái), xử lý ngôn ngữ tự nhiên (ví dụ: trợ lý ảo, hỗ trợ trung tâm gọi) phân tích liệu (ví dụ: giám sát gian lận thẻ tín dụng) Tận dụng học máy cho phép tổ chức trích xuất giá trị theo cách từ liệu nguồn, từ văn đến hình ảnh, video âm
Việc chấp nhận AI đòi hỏi nhiều thuật toán Các tổ chức phải phát triển hệ sinh thái AI môi trường mà thuật toán sống Điều bao gồm lực lượng lao động có khả năng, thực tiễn cấu trúc liệu tảng, sở hạ tầng điện toán mạng chiến lược triển khai cho thấy khả ứng dụng AI vào vấn đề Do đó, AI triển khai tối thiểu quy mơ bên ngồi lĩnh vực cơng nghệ, nơi hệ sinh thái AI phát triển tương đối tốt Khi đánh giá mức độ AI áp dụng trường hợp sử dụng, không giống quyền tự chủ, không có số liệu biện pháp sẵn sàng để đánh giá mức độ AI cấp độ hệ thống Các biện pháp đánh giá mức độ tích hợp kỹ thuật AI vào giải pháp công nghệ biện pháp hữu ích cho khu vực công khu vực tư để đánh giá tổ chức áp dụng AI, nơi AI triển khai AI sử dụng quy mô Để có thể tận dụng hết mạnh AI môi trường doanh nghiệp, quan/tổ chức không chỉ cần có chính sách ứng dụng AI mà cịn cần tạo mơi trường phát triển hệ sinh thái AI cho doanh nghiệp
3 Những lợi ích trí tuệ nhân tạo với nhân loại
Các hệ thống AI dựa quy tắc xuất nhiều thập kỷ, tiến gần liệu lớn, sức mạnh tính toán thuật toán cải tiến dẫn đến cải tiến đáng kể khả AI Do đó, hệ thống AI tiên tiến di chuyển khỏi phòng thí nghiệm vào giới thực Đối với số ứng dụng, chẳng hạn nhận dạng hình ảnh, hệ thống AI thắng
đua với người nhiều kiểm tra tiêu chuẩn6 Trong trường hợp khác,
chẳng hạn dịch ngôn ngữ, hệ thống AI không hiệu dịch giả giỏi người đủ tốt để hữu ích số cài đặt Các hệ thống AI có thể không cần phải đạt hiệu suất siêu phàm để có giá trị Tuy nhiên, số trường hợp, giá trị lợi AI đến từ chi phí rẻ hơn, vận hành nhanh dễ dàng triển khai quy mô lớn
1 Phân loại liệu: Các hệ thống AI có thể sử dụng để giúp phân loại
dữ liệu, từ hình ảnh đến thể loại hát đến hình ảnh chẩn đoán y tế7 Trong
5 Thị giác máy tính (tiếng Anh: computer vision) lĩnh vực bao gồm phương pháp thu nhận, xử lý
ảnh kỹ thuật số, phân tích nhận dạng hình ảnh và, nói chung liệu đa chiều từ giới thực thông tin số biểu tượng giúp ích cho trình đưa định Nguồn: Wikipedia, truy cập ngày 09.05.2019
6 Xem Paul Scharre and Michael C.Horowitz, Artificial Intelligence: What Every Policy-maker needs to
know, tldd, tr.9
7 Nguồn: Christopher Mims, “Using Neural Networks to Classify Music,” MIT Technology Review, June 3,
(11)nhiều trường hợp, hệ thống AI có thể phân loại liệu đáng tin cậy chính xác người
2 Phát bất thường: Các hệ thống AI có thể giúp phát hành vi bất
thường, chẳng hạn giao dịch tài chính gian lận phần mềm độc hại
mới8 Các hệ thống AI có thể tìm thấy bất thường mà chữ ký chúng chưa
được biết cách phân tích mơ hình hành vi thông thường (tài chính, mạng khác) sau đó xác định hành vi nằm định mức Các hệ thống có thể sử dụng để giám sát luồng liệu lớn quy mô theo thời gian thực, theo cách không khả thi người
3 Dự đoán: Bằng cách tìm mẫu tập liệu lớn, hệ thống
AI có thể đưa dự đoán thống kê hành vi tương lai Các hệ thống loại sử dụng thương mại thông thường, chẳng hạn tự động điền công cụ tìm kiếm đề xuất Netflix Amazon Học máy chứng minh giá trị
trong việc cải thiện dự báo thời tiết 9 Một số ứng dụng đưa vấn đề đạo đức
gai góc, chẳng hạn sử dụng AI để dự đoán chính sách ước tính tuổi thọ
của bệnh nhân y tế chăm sóc cuối đời10
4 Tối ưu hóa: Hệ thống AI có thể sử dụng để tối ưu hóa hiệu suất cho
các hệ thống nhiệm vụ phức tạp Ví dụ, DeepMind sử dụng học máy để tối ưu hóa trung tâm liệu Google để cải thiện hiệu sử dụng lượng, giúp tiết kiệm 40% nguồn lượng cần thiết để làm mát cải thiện hiệu suất
tổng thể lượng 15%11 Tóm lại, AI có thể mang lại số lợi ích giúp
cải thiện kết kinh tế tăng mức suất, cải thiện giúp tăng cường việc định người cung cấp hiểu biết giải pháp tiềm cho vấn đề kinh tế xã hội phức tạp cấp bách
Li, Antoni B Chan, and Andy HW Chun, “Automatic Musical Pattern Feature Extraction Using Convolutional Neural Network” (paper presented at the proceedings of the International MultiConference of Engineers and Computer Scientists 2010, Hong Kong, March 17-19, 2010), http://www.iaeng org/publication/IMECS2010/IMECS2010_pp546-550 pdf; and Dave Fornell, “How Artificial Intelligence Will Change Medical Imaging,” ImagingTechnologyNews.com, February 24, 2017, https://www.itnonline.com/article/ how-artificial-intelligence-will-change-medical-imaging
8 Nguồn: Efstathios Kirkos, Charalambos Spathis, and Yannis Monolopoulous, “Data Mining Techniques
for the detection of fraudulent financial statements,” Expert Systems with Applications, 32 (2007), 995-1003, http://delab.csd auth.gr/papers/ESWA07ksm.pdf; and “DeepArmor: A cognitive approach to endpoint protection,” SparkCognition.com, https://www.sparkcognition.com/deeparmor-enterprise/
9 Xem Emilcy Hernández et al., “Rainfall Prediction: A Deep Learning Approach” (paper presented at the
proceedings of the International Conference on Hybrid Artificial Intelligence Systems, Seville, Spain, April 18-20, 2016), https:// link.springer.com/chapter/10.1007/978-3-319-32034-2_13
10 Xem Randy Rieland, “Artificial Intelligence Is Now Used to Predict Crime But Is It Biased?,”
Smithsonian.com, March 5, 2018, https://www.smithsonianmag.com/innovation/artificial-intelligence-is-now-used-predict-crime-is-it-biased-180968337/; and Anand Avanti et al., “Improving Palliative Care with Deep Learning,” Preprint, submitted November 17, 2017, https://arxiv.org/pdf/1711.06402.pdf
11 Xem Richard Evans and Jim Gao, “DeepMind AI Reduces Google Data Centre Cooling Bill by 40%,”
(12)4 Những thách thức trí tuệ nhân tạo đặt với quốc gia
Mặc dù có ưu điểm nêu trên, trí tuệ nhân tạo nhiều hạn chế đáng kể Các hệ thống AI thường thiếu khả hiểu ngữ cảnh cho hành vi chúng, thích ứng linh hoạt với tình lạ bên tham số thiết kế sử dụng người có thể nghĩ "lẽ thường" Ví dụ, hệ thống AI nhận dạng hình ảnh đương đại có thể xác định chính xác vật thể cảnh, nhìn chung vất vả kể câu chuyện mạch lạc xảy
Tương tự, hệ thống AI có thể xác định chính xác khuôn mặt cảm xúc người theo dõi chính xác chuyển động thể, kể câu chuyện hợp lý giải thích động lực cho hành vi người Kết hình thức giống người thơng minh, hành vi lại ngốc nghếch, khó hiểu Các hệ thống AI có thể hoạt động tốt nhiều so với người số lĩnh vực lại thua việc thể ý thức chung
Ngoài hạn chế, thách thức kể trên, hệ thống AI tồn số lỗ hổng mối lo ngại an toàn mà nhà hoạch định chính sách cần tính đến Điều đặc biệt quan trọng ứng dụng liên quan đến an ninh quốc gia, nơi hậu sai lầm hành vi hacking đối thủ có thể nghiêm trọng Dưới liệt kê số thách thức:
Tính dễ vỡ
Bản chất hẹp hệ thống AI có thể khiến trí thông minh chúng trở nên dễ vỡ Không có khả hiểu bối cảnh rộng hành động mình, hệ thống AI có thể khơng hiểu bối cảnh đó thay đổi hành vi khơng cịn phù hợp Trong cài đặt bị hạn chế chương trình trị chơi, điều có thể ít xảy cố Tuy nhiên, cài đặt giới thực, điều có nghĩa hệ thống AI có thể bị hỏng đột ngột bất thường môi trường bối cảnh sử dụng chúng thay đổi Hệ thống có thể chuyển từ siêu thông minh sang siêu “ngớ ngẩn” Điều có thể hệ thống học tập Do đó, việc giám sát phán đoán người việc triển khai hệ thống AI cần thiết nhằm phòng tránh giảm thiểu rủi ro “tính dễ vỡ” Con người giám sát hoạt động hệ thống AI có thể can thiệp giúp ngăn chặn thay đổi hoạt động hệ thống môi trường thay đổi hệ thống đó bắt đầu vận hành sai lệch
Năng lực dự đoán
(13)trở nên trầm trọng hệ thống AI định hướng mục tiêu và/hoặc tương tác với môi trường giới thực Ví dụ, người dùng có thể không dự đoán chính xác xe tự lái thay đổi đường thực thao tác khác Tương tự, lập trình viên thiết kế chương trình máy tính chơi cờ có thể khơng dự đốn chương trình cờ chơi Trong hai ví dụ, đưa quy tắc chung cách ứng xử, hệ thống AI trao quyền xác định hướng hành động tốt để đạt mục tiêu (lái xe đến đích; chiến thắng ván cờ) dựa trường hợp cụ thể thời gian (môi trường lái xe; vị trí quân cờ bàn cờ) Thay nhược điểm, tính linh hoạt chính xác điểm thiết kế hệ thống AI - cho phép cỗ máy xác định hướng hành động tốt để giải vấn đề, với nhiều điều kiện môi trường tiềm Tuy nhiên, tính hệ thống hỗ trợ AI có thể có vấn đề, nhiên, hành vi hệ thống nằm giới hạn loại hành động mà người dùng có thể mong đợi mong muốn
Các vấn đề hành vi khơng thể đốn trước có thể xảy hệ thống không sử dụng máy học Ví dụ, vào năm 2012, công ty thương mại tài chính Knight Capital Group bị xóa sổ cố tài chính khiến thuật toán họ
thực triệu giao dịch sai 45 phút, dẫn đến 460 triệu đô la12 Điều
xảy Knight Capital Group tự động giao dịch thuật toán tương đối đơn giản so với phương pháp AI tiên tiến Thử nghiệm đánh giá tốt hệ thống AI môi trường thực tế có thể giúp xác định trước hành vi này, thách thức có thể rủi ro hệ thống tự trị phức tạp tương tác với môi trường giới thực
Khả giải thích
Một số phương pháp AI gây khó khăn, sau thực tế, để giải thích nguyên nhân hành vi họ Hành vi hệ thống dựa quy tắc thường dễ hiểu, ít sau đó, hành vi định có thể truy trở lại theo quy tắc cụ thể tương tác quy tắc Đối với hệ thống học tập, hành vi hệ thống AI phụ thuộc vào kinh nghiệm trước đó liệu đào tạo Thông tin mà mạng thần kinh sâu sử dụng để xác định hình ảnh mã hóa cường độ kết nối mạng, ví dụ, quy tắc có thể giải thích Một hệ thống nhận dạng hình ảnh AI có thể xác định chính xác hình ảnh xe buýt trường học, giải thích đặc điểm hình ảnh khiến nó kết luận hình ảnh xe buýt Bản chất “hộp đen” hệ thống AI có thể tạo thách thức cho số ứng
12 Tham khảo D7, “Knightmare: A DevOps Cautionary Tale,” Doug Seven, April 17, 2014,
(14)dụng Chẳng hạn, việc chẩn đoán y tế AI có thể khơng đủ để chẩn đốn; bác sĩ có thể muốn biết AI sử dụng chỉ số để làm điều đó Nghiên cứu thêm phương pháp AI có thể giải thích quan trọng để mở rộng ứng
dụng tiềm cho hệ thống AI 13.
Vấn đề an toàn học máy tính dễ bị tổn thương
Kỹ thuật học máy mạnh mẽ, có số vấn đề an toàn tiềm ẩn có thể phát sinh từ thất bại giai đoạn trình học tập Hệ thống học tập có thể tạo kết thiếu sót mục tiêu họ, chức mục tiêu, chỉ định không Điều có thể xảy theo hai cách có thể: (i) mục tiêu không tính đến số yếu tố quan trọng đó, việc theo đuổi mục tiêu dẫn đến số tác dụng phụ tiêu cực tác hại Đơn cử thực tế thí nghiệm
về suy nghĩcủa robot làm chức dọn dẹp vơ tình làm hỏng lọ hoa
thao tác đổ lọ hoa nó khơng lập trình để tránh làm điều vậy; (ii) mục tiêu chỉ định không có thể gây vấn đề thuật toán tham gia vào việc hack phần thưởng Đây máy học hành vi mặt kỹ thuật đáp ứng mục tiêu nó khơng phải người thiết kế dự định Do đó, hệ
thống hack chức phần thưởng nó14 Đối với người quan sát, điều
này thường trông giống hệ thống AI tìm kẽ hở để đáp ứng mục tiêu nó, ý định Việc tiến hóa thường đơn giản mặt chức để khai thác lỗ hổng thước đo định lượng để đạt kết mong muốn thực tế Chúng thường gán cho sáng tạo cho luật sư tìm thấy tinh tế sơ hở pháp lý, tiến hóa kỹ thuật số thường bực bội mánh khóe tương tự Những vấn đề an toàn đặt câu hỏi ứng dụng an ninh quốc gia tiềm máy học Ví dụ, hệ thống an ninh mạng giao nhiệm vụ bảo vệ mạng chống lại phần mềm độc hại có thể biết người nguồn chính để giới thiệu phần mềm độc hại khóa chúng (tác dụng phụ tiêu cực) Hoặc đơn giản có thể lấy máy tính ngoại tuyến để ngăn chặn phần mềm độc hại tương lai giới thiệu (hack phần thưởng) Mặc dù bước mặt kỹ thuật có thể đạt mục tiêu hệ thống, chúng nhà thiết kế dự định
Vấn đề an toàn có thể phát sinh từ máy liệu sử dụng để tìm hiểu
13 Xem: David Gunning, “Explainable Artificial Intelligence (XAI),” Defense Advanced Research Projects
Agency, https://www.darpa.mil/program/explainable-artificial-intelligence; David Gunning, “Explainable Artificial Intelligence (XAI),” Lecture, https://www.cc.gatech
edu/~alanwags/DLAI2016/(Gunning)%20IJCAI-16%20 DLAI%20WS.pdf; Wojciech Samek, Thomas Wiegand, and Klaus-Robert Müller, “Explaining Artificial Intelligence: Understanding, Visualizing and Interpreting Deep Learning Models,” submitted August 28, 2017, https://arxiv.org/pdf/1708.08296.pdf;
Andreas Holzinger et al., “What we need to build explainable AI systems for the medical domain?,”
submitted December 28, 2017, https://arxiv.org/pdf/1712.09923.pdf; and Lisa
14 Xem Anne Hendricks et al., “Generating Visual Explanations,” submitted March 28, 2016,
(15)Các hệ thống AI có thể phải chịu thách thức tương tự mức mơ hình thống kê nói chung Q mức liệu hệ thống AI học bắt chước chính xác liệu đào tạo, thay khái niệm mà liệu đào tạo đại diện, đó hệ thống thất bại áp dụng bên liệu đào tạo Một vấn đề khác đảm bảo mạnh mẽ cho thay đổi đầu vào liệu Ngay hệ thống đào tạo cách tập liệu ban đầu, môi trường thực tế thay đổi, hệ thống có thể thích nghi đầy đủ Đây có thể vấn đề phổ biến liệu sử dụng để đào tạo hệ thống học tập đầy đủ liệu mà nó phải đối mặt giới thực
Độ sai lệch
Độ sai lệch (tiếng Anh bias) so với tiêu chuẩn chung có thể phát sinh hệ thống AI theo nhiều cách khác Sai lệch lúc có vấn đề, có thể phát sinh vấn đề số trường hợp, theo cách mà hệ thống AI có thể có thiên vị chức mục tiêu phản ánh thiên vị (rõ ràng ẩn) phần nhà thiết kế Nếu mục tiêu hệ thống AI phản ánh chính xác giá trị nhà thiết kế, theo nghĩa đó, nó hệ thống thiết kế tốt Nhưng mục tiêu đó khơng xã hội mong muốn, có thể có hậu có hại cho việc sử dụng hệ thống Sai lệch mối quan tâm ứng dụng an ninh quốc gia nơi liệu đào tạo lệch khỏi môi trường hoạt động thực tế Ví dụ, khó để quân đội mô thực tế chiến tranh thực Điều giới thiệu tiềm cho hệ thống bị lệch, có khả theo cách mà quân đội không khám phá chiến đấu Sương mù ma sát chiến tranh thực có nghĩa có số tình trận chiến mà khó để đào tạo AI để dự đoán, trận chiến thực tế, có thể có nguy xảy lỗi khó lường hết hệ
Tai nạn hệ thống
AI dễ bị lỗi hệ thống, xuất phát từ tương tác phức tạp yếu tố hệ thống Tai nạn hệ thống, có thể xảy hệ thống đủ phức tạp nào, trở nên trầm trọng môi trường cạnh tranh nơi tác nhân không khuyến khích chia sẻ thuật toán họ với Khi hệ thống AI tham gia, tương tác thuật toán khác có thể dẫn đến hành vi kỳ quái, với tốc độ siêu phàm
(16)5 Xây dựng hệ sinh thái chế quản lý quốc gia trí tuệ nhân tạo
Hệ sinh thái AI bao gồm lực lượng lao động lành nghề quản lý am hiểu; khả kỹ thuật số để thu thập, xử lý khai thác liệu; tảng kỹ thuật kết hợp niềm tin, an ninh độ tin cậy môi trường đầu tư khung chính sách cần
thiết giúp AI phát triển15.
Đầu tư vào công nghệ cần thiết cho nghiên cứu tảng thích ứng công nghệ AI với nhu cầu chính phủ, cần phải đầu tư có hệ thống vào hệ sinh thái AI để đảm bảo chính phủ có khả kỹ thuật số để sử dụng AI
Sự thiếu hụt khả kỹ thuật số chính phủ, dẫn đến kết hợp nợ kỹ thuật thiếu hụt lực lượng lao động làm hạn chế tiềm áp dụng AI Đầu tư cần thiết thứ sở hạ tầng mạng, thu thập liệu xử lý liệu Không may, khoản đầu tư không hào nhoáng, việc củng cố hệ sinh thái AI theo cách quan trọng để triển khai thành công AI
Mặc dù có nhiều tiến thời gian gần đây, hệ thống AI tồn nhiều thách thức từ thực tiễn ứng dụng nhiều nước khác nhau, khó khăn chuyển dịch hệ thống số lĩnh vực, ngành lĩnh vực có liên quan chặt chẽ
Việc chấp nhận AI địi hỏi nhiều thuật tốn Các tổ chức phải phát triển hệ sinh thái AI mơi trường mà thuật tốn sống Điều bao gồm lực lượng lao động có khả năng, thực tiễn cấu trúc liệu tảng, sở hạ tầng điện toán mạng chiến lược triển khai cho thấy khả ứng dụng AI vào vấn đề
Cả người áp dụng AI khu vực công khu vực tư phải học cách coi thông tin tài sản chiến lược, triển khai công nghệ phù hợp để tận dụng thông tin đó, tích hợp với hệ thống cũ kết nối cấu phần liệu
đơn vị chức toàn doanh nghiệp16.
Việc áp dụng cơng nghệ AI địi hỏi phải có sẵn liệu sức mạnh tính toán, kích hoạt sở tảng lực kỹ thuật số mà AI triển khai Nền tảng lực kỹ thuật số hàm chứa việc quản lý sở liệu, yêu cầu ghi báo cáo liệu, nhu cầu cạnh tranh truy cập liệu bảo mật liệu, phần cứng phần mềm tương xứng với nhu cầu sử dụng
Việc quản lý thành công sử dụng công nghệ AI đòi hỏi phải kết hợp khả AI vào cấu trúc kiểm soát quan/doanh nghiệp có đồng thời giải
quyết thách thức trình sử dụng17.
15 Xem tham khảo Artificial Intelligence and National Security – the Importance of the AI Ecosystem, tldd, tr.1 16 Xem Fintech Vs Traditional Trade: Surviving the Digital Transition, Trade Finance, September 2016,
https://www.baft.org/docs/default-source/default-document-library/trade-finance-sibos-2016 Pdf? sfvrsn=0
17 Xem tham khảo Artificial Intelligence and National Security – the Importance of the AI Ecosystem của tác
(17)Quản lý AI đưa thách thức cho tổ chức cấp độ, bao gồm cấp chiến lược, hoạt động chiến thuật Phản hồi quản lý AI chạy theo hai hướng Bài học rút từ thực tiễn AI thông báo chính sách chuyển từ cấp chiến thuật lên cấp chiến lược thông qua cấp độ hoạt động, chính sách bắt buộc thông báo thay đổi thực tiễn AI chuyển từ cấp chiến lược sang cấp chiến thuật qua cấp hoạt động cụ thể
Ở cấp độ chiến lược hệ sinh thái AI, xã hội chính phủ định hình hệ sinh thái tổng thể Quốc hội ban hành luật pháp quan hữu quan xây dựng chính sách, đưa hướng dẫn, tiêu chuẩn chia sẻ thực tiễn tốt giúp vận hành công nghệ AI Các tiêu chuẩn sử dụng tiêu chuẩn đạo đức thiết lập để định hình hệ sinh thái, hướng dẫn thể chế vận hành cấp độ hoạt động chiến thuật
Cấp độ hoạt động bao gồm tổ chức thực thể áp dụng công nghệ AI cho miền không gian vấn đề họ Chuyển từ cấp chiến lược sang cấp độ hoạt động, chính sách cung cấp tầm nhìn định hướng cho tổ chức việc áp dụng công nghệ để đáp ứng ưu tiên chiến lược Phản hồi từ cấp độ hoạt động đến cấp chiến lược thông báo cho khu vực ứng dụng thiết lập hoàn thiện tiêu chuẩn thực hành tốt
Cấp độ chiến thuật hệ sinh thái có định hướng tới người sử dụng Cấp độ bao gồm người sử dụng đầu cuối, người quản lý nhà nghiên cứu Các cán cấp độ thực công nghệ theo mảng chức tổ chức không gian sử dụng chuyên nghành Chuyển từ cấp độ hoạt động xuống chiến thuật, hệ sinh thái cho phép ứng dụng thông qua chế độ ưu đãi giúp giảm bớt rủi ro Các hoạt động cấp chiến thuật sau đó giúp phản hồi cho cấp độ hoạt động cụ thể nó thông báo chức hạn chế công nghệ AI, xác định lĩnh vực nghiên cứu hướng tới nâng cao lực hoàn thiện
Quản lý hoạt động AI đồng nghĩa với việc giải rủi ro hệ sinh thái qua cấp Khả thích ứng với bối cảnh thuộc tính mà người sử dụng phấn đấu vận hành công nghệ AI, khả thích ứng điều đáng lo ngại nhất, đặt ưu tiên cao cho việc quản lý hiệu hoạt động AI Sự bất cẩn mạng phân tán lớn hệ thống phức tạp có thể có tác động đáng kể xếp tầng Khi AI vận hành mạng, hoạt động bảo mật mạng phải xem xét cách cẩn trọng cần tập trung liên tục khả cải tiến Một hệ sinh thái hoạt động nhiều cấp độ đòi hỏi phải có chính sách chấp nhận rủi ro tất cấp
(18)6 Một số gợi mở cho Việt Nam
Theo số liệu khảo sát từ Top 500 doanh nghiệp lớn Việt Nam năm
201818, Công ty Cổ phần Báo cáo đánh giá (VietNam Report) thực hiện, chỉ có
13,6% doanh nghiệp cho biết đầu tư để đưa ứng dụng AI vào sản xuất kinh doanh, 18,2% nghiên cứu 18,2% dự định đầu tư 2-3 năm tới Còn lại có 40,9% chưa có dự định đầu tư 9,1% không có ý định đầu tư Bản thân nhiều doanh nghiệp Việt Nam chưa đổi mơ hình sản xuất kinh doanh theo hướng kỹ thuật số trí tuệ nhân tạo Thực trạng đánh giá cho đáng báo động cộng đồng doanh nghiệp Việt Nam nói chung sức cạnh tranh 500 doanh nhiệp khảo sát nói riêng Thách thức lớn không chỉ phát sinh từ lực quản lý, tầm nhìn chiến lược doanh nghiệp từ chính việc cần đảm bảo luật pháp quy định quản lý hệ thống kích hoạt AI phải quan tâm xây dựng, chính sách ban hành phải đầy đủ việc áp dụng AI không vi phạm quyền tự dân Hiến định
Nhu cần phát triển khuôn khổ đạo đức để chi phối việc sử dụng AI ngày trở nên cấp bách hết nhằm đảm bảo hành động định hệ thống AI có thể giải thích thỏa đáng chấp nhận
người tương tác với hệ thống đó Theo Bộ Khoa học Công Nghệ19, Việt Nam
cần ý đến biện pháp ưu tiên hướng tới xác lập mục tiêu chiến lược
quốc gia trí tuệ nhân tạo bao gồm: Thứ nhất, cần xác định quy mô thị
trường AI Việt Nam thời theo kỳ vọng chiến lược quốc gia xếp
hạng 29 vào năm 2030, xếp hạng 20 vào năm 2050 tính theo GDP giới; Thứ
hai, cần xác định chính xác hội thách thức phát triển AI;
Thứ ba, cần khảo sát, phân tích cách khoa học nội dung chiến lược AI quốc gia nước giới Chiến lược quốc gia phát triển AI Việt Nam cần đặt nghiên cứu phát triển theo mục tiêu kinh doanh doanh nghiệp có mục tiêu ngắn hạn vào tổng thể, nghiên cứu theo mục tiêu chiến lược phát triển đất nước
dài hạn Chính phủ; Thứ tư, cần quan tâm tới lực hội nhập toàn cầu
doanh nghiệp Việt Nam, đặc biệt doanh nghiệp vừa nhỏ; Thứ năm,
nhân lực AI tài nhân tố cốt lõi đảm bảo cho thành công phát triển AI kinh tế số Việt Nam
Đứng trước thách thức nêu trên, Việt Nam cần xác định:
(a) Một đường hướng tới tích lũy chun mơn kỹ thuật AI tất
các cấp quyền: Chiến lược quốc gia trí tuệ nhân tạo phải tập trung
18Nguồn: Báo Việt Nam Net,
https://vietnamnet.vn/vn/kinh-doanh/dau-tu/the-gioi-bung-no-tri-tue-nhan-tao-doanh nghiệp-viet-cham-chan-502604.html, truy cập ngày 10.05.2019
19 Nguồn: Báo Đầu tư Chứng Khoán,
(19)cao lực không chỉ doanh nghiệp mà quan hành pháp giúp quản trị hiệu thông qua việc xây dựng mạng lưới nhiều chuyên gia hiểu có thể phân tích tương tác công nghệ AI, mục tiêu lập trình giá trị xã hội tổng thể chung Thiếu chuyên môn kỹ thuật để đánh giá an toàn số liệu khác, quan chức hành pháp Trung ương địa phương có thể từ chối cho phép ứng dụng có triển vọng, chỉ đơn giản nhận lời nhà công nghệ công nghiệp bật đèn xanh cho ứng dụng nhạy cảm chưa thẩm định, đánh giá tác động cách đầy đủ
(b) Loại bỏ trở ngại nhận thức thực tế để nghiên cứu công bằng, bảo mật, quyền riêng tư tác động xã hội hệ thống AI: Nghiên
cứu bước đầu sở pháp lý điều chỉnh mối quan hệ xã hội nảy sinh trình ứng dụng hệ thống công nghệ AI, lên kế hoạch xây dựng khung pháp lý toàn diện lĩnh vực Nghiên cứu quan trọng nhằm tránh hệ thống AI vận hành để lại hậu vật chất không đáng có thực tiễn
(c) Tăng cường hợp tác chuyên sâu quan quản lý Nhà nước, trường đại học doanh nghiệp lĩnh vực thúc đẩy AI tất
cả cấp: Là lĩnh vực nhiều thách thức Chính phủ, cụ thể
là quan quản lý Nhà nước khoa học-công nghệ, quan chính quyền nói chung, đòi hỏi vai trò “kiến tạo” mạnh mẽ khía cạnh (chính sách, môi trường đầu tư nguồn lực) bối cảnh hợp tác chặc chẽ với trường đại học (trung tâm nghiên cứu chuyên sâu AI) doanh nghiệp thành phần kinh tế (môi trường ứng dụng công nghệ AI) Các sáng kiến hợp tác trí tuệ nhân tạo cần ưu tiên đầu tư nghiên cứu hợp tác với Viện nghiên cứu khu vực quốc tế, ưu tiên hàng đầu cho hoạt động phát triển chuyển giao công nghệ tập đoàn kinh tế lớn, tập đoàn Vin-Group tập đoàn tư nhân đầu lĩnh vực phát triển trí tuệ nhân tạo Việt Nam thông qua việc thành lập Viện nghiên cứu trí tuệ nhân tạo (Vin-AI Research) vào ngày 17/04/2019 Viện xác định
mục tiêu trước mắt là: “xây dựng lực lượng nòng cốt chuyên gia hàng
(20)Tài liệu tham khảo:
1 Artificial Intelligence and Life in 2030, 100-year Study on AI, Report of the 2015 Study Panel, September 2016
2 Andrew P.Hunter, Lindsey R Sheppard and Robert Karlen, Artificial Intelligence and National Security – The Importance of the AI Ecosystem,
Report of the CSIS Defense-Industrial Initiatives Group, November 2018 Paul Scharre and Michael C Horowitz, Artificial Intelligence – What Every
Policy-maker Needs to Know, Center for a New American Security, June 2018 Salima Benhamou et Lionel Janin, Intelligence Artificielle Et Travail,
Rapport Mars 2018
5 Artificial Intelligence: Opportunities and Implications for the Future of Decision Making, UK Government Office for Science, 2015
6 Ekkehard Ernst, Rossana Merola and Daniel Samaan, The Economics of Artificial Inttelligence: Implications for the Future of Work, ILO Research Department Research Paper Series, 2018
7 Báo Việt Nam Net, https://vietnamnet.vn/vn/kinh-doanh/dau-tu/the-gioi-bung-no-tri-tue-nhan-tao-doanh nghiệp-viet-cham-chan-502604.html, truy cập ngày 10.05.2019
8 Báo Đầu tư Chứng Khoán, https://tinnhanhchungkhoan.vn/fin-tech/tri-tue-nhan-tao-ai-viet-nam-van-con-rat-nhieu-viec-de-lam-255086.html, truy cập ngày 11.05.2019
9 Anne Hendricks et al., “Generating Visual Explanations,” submitted March
28, 2016, https://arxiv.org/ pdf/1603.08507.pdf
10 Tham khảo “Knightmare: A DevOps Cautionary Tale,” Doug Seven, April 17,
(tiếng Anh: xử lý ảnh kỹ thuật số, https://vietnamnet.vn/vn/kinh-doanh/dau-tu/the-gioi-bung-no-tri-tue-nhan-tao-doanh nghiệp-viet-cham-chan-502604.html, https://tinnhanhchungkhoan.vn/fin-tech/tri-tue-nhan-tao-ai-viet-nam-van-con-rat-nhieu-viec-de-lam-255086.html,