Người phụ nữ sinh con lần 4 ngay trong taxi trên đường đi cấp cứu

Chỉ tiêu cụ thể xét tuyển bổ sung và cách xét tuyển như sau:

• Lê Huyền

Trong những năm gần đây, sự phát triển của trí tuệ nhân tạo trong lĩnh vực khoa học và công nghệ diễn ra nhanh hơn bao giờ hết. Học máy, một nhánh của trí tuệ nhân tạo, đã thu hút được sự chú ý rộng rãi, và học sâu, một nhánh của máy học, đã trở thành một điểm nóng nghiên cứu trong những năm gần đây.

Trí tuệ nhân tạo đã từng bước phát triển như thế nào? Hôm nay, chúng ta sẽ cùng nhìn lại lịch sử của trí tuệ nhân tạo.

Năm 1949, Donald Olding Hebb xuất bản cuốn sách "The Organization of Behavior", trong đó mô tả các quy tắc học tập của Hebb và đề xuất khái niệm về trọng số (Metrics). Lý thuyết này đặt nền tảng cho thuật toán học của mạng nơ-ron nhân tạo trong học máy. Mạng nơ-ron nhân tạo là tiền thân của học sâu hiện đang rất phổ biến.

Năm 1950, Alan Turing đã xuất bản một bài báo nổi tiếng có tựa đề "Máy móc có thể suy nghĩ?", trong đó ông đưa ra khái niệm về tư duy của máy móc và đề xuất phép thử Turing (một bài kiểm tra khả năng trí tuệ của máy tính. Phép thử như sau: một người chơi thực hiện một cuộc thảo luận bằng ngôn ngữ tự nhiên với một con người và một máy tính, cả hai đều cố gắng chứng tỏ mình là con người. Ba bên tham gia phép thử được cách ly với nhau). Vì vậy, Turing còn được mệnh danh là "cha đẻ của trí tuệ nhân tạo". Sau đó, để tưởng nhớ những đóng góp của Turing, Hiệp hội Máy tính Hoa Kỳ đã thành lập Giải thưởng Turing để ghi nhận những người có đóng góp xuất sắc trong lĩnh vực khoa học máy tính.

Năm 1952, Arthur Samuel đã phát triển một chương trình chơi cờ có khả năng tự học và thậm chí có thể đánh bại những người chơi cờ chuyên nghiệp sau khi được đào tạo.

Samuel đề xuất khái niệm "học máy", được định nghĩa là "cung cấp cho máy tính một chức năng nhất định mà không được lập trình rõ ràng".

Năm 1956, khái niệm "trí tuệ nhân tạo" được đề xuất tại Hội nghị Dartmouth, vì vậy năm 1956 được gọi là năm đầu tiên của trí tuệ nhân tạo.

Năm 1957, Rosenblatt phát minh ra perceptron, mô hình nơ-ron sớm nhất trong lý thuyết mạng nơ-ron nhân tạo máy học. Ngay sau đó là sự xuất hiện của hàng loạt nghiên cứu lý thuyết học sâu, tế bào cảm thụ được so sánh với mô hình nơ-ron để hiểu sâu hơn về đơn vị cơ bản của mạng nơ-ron...

Do sự đột phá của lý thuyết mạng nơ-ron nhân tạo, lĩnh vực trí tuệ nhân tạo đã được quan tâm rất nhiều, các cơ quan chính phủ đã đầu tư nhiều kinh phí để thành lập nhiều dự án liên quan.

Năm 1960, Vidro là người đầu tiên sử dụng quy tắc học delta cho bước huấn luyện perceptron. Phương pháp này sau đó được gọi là phương pháp bình phương nhỏ nhất. Sự kết hợp của hai điều này tạo ra một bộ phân loại tuyến tính tốt.

Năm 1967, Giải thuật k hàng xóm gần nhất (k-Nearest Neighbor, KNN) xuất hiện, từ đó máy tính có thể thực hiện nhận dạng mẫu đơn giản.

Năm 1969, Marvin Minsky xuất bản cuốn sách "Perceptrons", trong đó ông đề xuất những hạn chế của mạng nơ-ron nhân tạo. Do vị trí quan trọng của Minsky trong lĩnh vực trí tuệ nhân tạo, và do những trở ngại trong lĩnh vực nghiên cứu trí tuệ nhân tạo, các nhà nghiên cứu của các dự án trí tuệ nhân tạo đã không thể thực hiện lời hứa trước đó của họ. Kỳ vọng lạc quan của mọi người về trí tuệ nhân tạo đã bị ảnh hưởng nặng nề, và nhiều các dự án nghiên cứu đã bị dừng lại hoặc chuyển hướng sang các dự án khác. Theo đó, nghiên cứu về AI đã rơi vào tình trạng tụt dốc.

Từ giữa những năm 1970, trí tuệ nhân tạo đã bước vào "thời kỳ tri thức". Một lớp các chương trình AI được gọi là "hệ chuyên gia" (Expert system) bắt đầu được các công ty trên thế giới áp dụng và "xử lý kiến thức" (Knowledge processing) trở thành trọng tâm của nghiên cứu AI chính thống.

Trong thời gian này, nhiều quốc gia tiên phong đã mạnh tay vào đầu tư các dự án tương tự với hy vọng chế tạo những cỗ máy có thể nói chuyện với con người, dịch ngôn ngữ, giải thích hình ảnh và suy luận giống như con người.

Hệ chuyên gia là một chương trình có thể trả lời hoặc giải quyết các vấn đề trong một lĩnh vực cụ thể theo một tập hợp các quy tắc logic rút ra từ kiến thức chuyên ngành.

Dendral, một dự án về trí tuệ nhân tạo được thiết kế từ năm 1965, có thể phân biệt các hỗn hợp dựa trên kết quả đo phổ kế. Năm 1972, MYCIN một hệ thống chuyên gia về chuỗi lạc hậu sớm sử dụng trí thông minh nhân tạo được ra đời, nó có khả năng xác định vi khuẩn gây nhiễm trùng nặng, như nhiễm khuẩn huyết và viêm màng não, và khuyên dùng kháng sinh, với liều điều chỉnh theo trọng lượng cơ thể của bệnh nhân. Theo đó, hệ thống cơ sở tri thức và kỹ thuật tri thức đã trở thành định hướng chính của nghiên cứu AI trong những năm 1980.

Năm 1982, Hopfield đề xuất một loại mạng nơ-ron mới, sau này được gọi là mạng Hopfield, sử dụng một cách hoàn toàn mới để tìm hiểu và xử lý thông tin. Đồng thời, thuật toán lan truyền ngược, một phương pháp huấn luyện của mạng nơ-ron, được đề xuất, và thuật toán này cũng là một trong những thuật toán quan trọng của lý thuyết học sâu. Việc nghiên cứu theo hướng mạng nơ-ron nhân tạo vốn im hơi lặng tiếng nhiều năm thì cho tới thời điểm này đã lấy lại được sự phát triển.

Năm 1986, một thuật toán quan trọng được đề xuất bởi Quinlan, đó là thuật toán cây quyết định hay còn gọi là thuật toán ID3. So với mô hình mạng nơ-ron, thuật toán cây quyết định ID3 cũng được sử dụng như một phần mềm, bằng cách sử dụng các quy tắc đơn giản và các tham chiếu rõ ràng để tìm ra nhiều trường hợp sử dụng thực tế hơn. Cây quyết định là một kỹ thuật được sử dụng thường xuyên trong khai thác dữ liệu, có thể được sử dụng để phân tích dữ liệu cũng như đưa ra dự đoán.

Năm 1990, Schapire lần đầu tiên xây dựng một thuật toán cấp đa thức, thuật toán Tăng cường ban đầu. Một năm sau, Freund đề xuất một thuật toán Thúc đẩy hiệu quả hơn.

Năm 1995, Freund và Schapire đã cải tiến thuật toán Tăng cường và đề xuất thuật toán AdaBoost (Tăng cường thích ứng). Hiệu quả của thuật toán này gần như tương đương với thuật toán Tăng cường do Freund đề xuất năm 1991, nhưng dễ áp dụng hơn vào các vấn đề thực tế.

Cùng năm đó, một trong những đột phá quan trọng nhất trong lĩnh vực học máy, hỗ trợ máy vectơ (SVM), được đề xuất bởi Vapnick và Cortez trong một số lượng lớn các điều kiện lý thuyết và thực nghiệm. Kể từ đó, nghiên cứu học máy đã được chia thành hướng mạng nơ-ron và hướng máy vector hỗ trợ.

Năm 1997, siêu máy tính Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Kasparov đã thu hút sự chú ý của cả thế giới.

Năm 2001, Brehman đề xuất mô hình cây quyết định tổng hợp, bao gồm một tập hợp con ngẫu nhiên của các cá thể và mỗi nút được chọn từ một loạt các tập con ngẫu nhiên. Do đặc tính này, nó còn được gọi là Random forest (RF).

Vào năm 2006, chuyên gia mạng nơ-ron Hinton đã đề xuất một thuật toán học sâu mạng nơ-ron, giúp cải thiện đáng kể khả năng của mạng nơ-ron, thách thức các máy vectơ hỗ trợ và bắt đầu làn sóng học sâu trong giới học thuật và công nghiệp.

Học sâu cho phép các mô hình tính toán với nhiều lớp xử lý để học từ dữ liệu với nhiều lớp trừu tượng. Những phương pháp này đã dẫn đến những cải tiến đáng kể trong nhiều lĩnh vực, bao gồm nhận dạng giọng nói hiện đại, nhận dạng hình ảnh trực quan, phát hiện hình ảnh và nhiều lĩnh vực khác như phát hiện ma túy và gen.

Học sâu có thể khám phá các cấu trúc phức tạp trong dữ liệu lớn. Nó sử dụng thuật toán BP để hoàn thành quá trình khám phá. Thuật toán BP có thể hướng dẫn máy cách lấy lỗi từ lớp trước và thay đổi các thông số bên trong của lớp này, và các thông số bên trong này có thể được sử dụng để tính toán, biểu diễn. Mạng tích hợp sâu đã mang lại những đột phá trong việc xử lý hình ảnh, video, lời nói và âm thanh, trong khi mạng lặp lại đã cho thấy những điểm sáng trong việc xử lý dữ liệu tuần tự như văn bản và giọng nói.

Đồng thời, với sự phát triển không ngừng của dữ liệu lớn, một số vấn đề hiện nay không còn có thể giải quyết theo cách thủ công và thường cần sự trợ giúp của máy tính để hoàn thành một số xử lý dữ liệu phức tạp. Sự kết hợp giữa trí tuệ nhân tạo và dữ liệu lớn là điểm nổi bật của các nghiên cứu hiện nay.

Các phương pháp học thống kê phổ biến nhất trong trí tuệ nhân tạo là học sâu và máy vectơ hỗ trợ, là phương pháp đại diện cho học tập thống kê. Có thể coi cả mạng nơ-ron và máy vectơ hỗ trợ đều có nguồn gốc từ các perceptron.

Mô hình mạng nơ-ron thường được sử dụng để thực hiện các nhiệm vụ khó khăn như nhận dạng đối tượng, nhận dạng giọng nói, xử lý ngôn ngữ tự nhiên, v.v. Trong khi đó, tính đơn giản của SVM lại khiến nó vẫn là phương pháp học máy được sử dụng rộng rãi nhất.

Cải tiến là bản chất của công nghệ và tốc độ cải tiến của nó là cấp số nhân. Tăng trưởng theo cấp số nhân xảy ra khi số lượng tăng tỷ lệ với kích thước của một thứ gì đó. Ví dụ, tiền lãi trả cho một tài khoản ngân hàng tỷ lệ thuận với số dư của nó. Miễn là tăng trưởng theo cấp số nhân thì sẽ có thời gian không đổi.

Bởi vậy có thể nói sự phát triển của trí tuệ nhân tạo ngày hôm nay chỉ là một điểm khởi đầu. Nếu sức mạnh của công nghệ điện toán tiếp tục phát triển, thì trong tương lai, sự phát triển của AI sẽ là viễn cảnh khó lòng có thể dự đoán chính xác và có thể một ngày không xa, trí tuệ nhân tạo sẽ vượt xa sự thông minh của con người ở nhiều khía cạnh.

(Theo Trí Thức Trẻ)

Chiến trường Ukraine vén màn bí mật công nghệ của các ông lớn

Tháng 3/2022, Ukraine thông báo đã thu giữ được 1 đơn vị Krasukha-4, hệ thống tác chiến điện tử hiện đại nhất của quân đội Nga tại chiến trường gần Kiev. Ngay lập tức, hệ thống này được chuyển giao cho phía Mỹ “mổ xẻ”.

Bà xã Thu Trang và con trai ủng hộ Tiến Luật với vai chính đầu tay. 

Khác với các dự án trước, Thu Trang không góp mặt diễn xuất mà chỉ đảm nhiệm vai trò sản xuất. Trong khi đó, ông xã cô – diễn viên Tiến Luật được giao vai chính đầu tiên trong sự nghiệp.

Tiến Luật đóng vai gã đàn ông tên Quân đào hoa, quen với cuộc sống tự do. Một ngày tình cờ anh bị bạn gái cũ tên Linh trao cho một đứa bé và nói đây là con của 2 người rồi bỏ đi. Từ đó, Quân phải làm quen với cuộc sống cha đơn thân với nhiều cảnh dở khóc dở cười xảy ra.

Theo Tiến Luật, anh áp lực khi nhận kịch bản vai diễn. Nam diễn viên từ chối nhiều lần vì “sợ” phải đóng vai chính và thấy hình tượng nhân vật này không phù hợp với mình. Nhờ sự động viên của bà xã Thu Trang và đạo diễn Huỳnh Đông, nam diễn viên nhận lời.  

"Từ trước đến nay trong công việc, tôi và Thu Trang rất rạch ròi. Cái gì thấy hợp lý thì làm chung, không thì thôi. Sau 11 năm đồng hành cùng nhau, đây có lẽ lần hiếm hoi cô ấy phải thuyết phục tôi đồng ý làm một điều gì đó mà ban đầu tôi không muốn", Tiến Luật chia sẻ.

Trong khi đó, Thu Trang cho biết hạnh phúc khi chứng kiến sự lăn xả của ông xã trên phim trường. "Anh Luật chủ động bảo tôi không cần trả tiền lương cát-xê cho anh. Tuy nhiên nếu phim được khán giả yêu mến và có lãi thì hãy sắm cho anh một chiếc mô-tô.  Mọi người đều biết lâu nay tôi không đồng ý mua mô tô cho anh ấy nhưng giờ tôi đã hứa rồi nên sẽ cân nhắc doanh thu phim để thực hiện lời hứa", Thu Trang dí dỏm kể.

Tiến Luật kỳ vọng phim sẽ lấy nước mắt khán giả với những phân cảnh cảm động giữa cha con Quân và Bé Thỏ (Bảo Thy). Quá trình quay, anh xa nhà 1 tháng để đến phim trường ở Châu Đốc, không được gặp vợ con.

Đại diện nhà sản xuất cũng cho biết mức kinh phí đầu tư cho 1 bộ phim điện ảnhhiện tại không dưới 20 tỷ. Ngoài ra, tiền thực hiện tác phẩm này đội lên khá nhiều do đã trải qua hai kỳ quảng bá cũng như không thể ra rạp vì dịch bệnh. Ngoài Tiến Luật, tác phẩm còn có sự góp mặt của Ngô Kiến Huy, Vân Trang, Khương Ngọc, Huỳnh Phương, Lê Khánh, Nguyên Thảo... Bộ phim dự kiến công chiếu vào ngày 29/7 tới.

Các diễn viên trong buổi ra mắt phim

Diễn viên Vân Trang và Khương Ngọc. 

Huỳnh Phương và cặp đôi diễn viên trẻ Thảo Nguyên và Đình Khang.

Trailer phim 'Dân chơi không sợ con rơi'

MV lấy cảm hứng từ câu chuyện của Trung Quân qua hình ảnh một người nghệ sĩ có lịch trình dày đặc. Mỗi ngày. anh trở về nhà khi đêm muộn, sau khi tắm xong thì lỡ giấc ngủ. Những lần mất ngủ kéo dài ám ảnh, khiến anh trở nên bất ổn về tâm lý.

Xuyên suốt MV là khung cảnh căn phòng ngủ với ánh đèn vàng - nơi người nghệ sĩ đối diện với chính mình. Khi xung quanh không còn ai, cảm xúc lo âu, cô đơn ùa về nhưng anh lại không thể ngủ, tình trạng ngày một trầm trọng. 

Trung Quân chia sẻ anh vốn khó ngủ, di chứng hậu Covid-19 khiến giấc ngủ ngon càng "xa xỉ" hơn. Vì thế, anh hiểu rõ cảm giác của những người làm việc cả ngày dài nhưng lại chẳng thể nghỉ ngơi. 

Trong MV, Trung Quân thể hiện sự nổi loạn khác với vẻ điềm đạm thường thấy. Một số cảnh quay, nhân vật chính đã làm mọi cách để bản thân trở nên thật mệt, dễ đi vào giấc ngủ. Ca sĩ đã quay đi quay lại phân đoạn này đến khi hài lòng mới thôi. Đạo diễn MV không ngờ Trung Quân có thể "điên" đến vậy. 

Quá trình quay MV, Trung Quân phải nằm lên trên một thanh sắt để đu lên trần nhà. Anh đã cố gắng giữ thăng bằng, giữ cổ thẳng và thần thái tốt dù thấy đau cột sống. 

Trung Quân mong bài hát Ngủ đi ta hỡisẽ chia sẻ nhiều hơn về trăn trở, những đêm mất ngủ là vấn đề mà giới trẻ ngày nay đối diện. Lần đầu nghe bài này, anh đã thích vì thông điệp khác biệt với những bài tình ca của mình.

“Tôi hy vọng mọi người sẽ đi ngủ sớm, cố gắng bảo toàn giấc ngủ để có sức khỏe tốt, chất lượng cuộc sống cũng từ đó ngày càng cải thiện. Tôi tin dù khó khăn đến đâu thì “sau cơn mưa trời lại sáng”, không điều gì chúng ta không thể vượt qua”, ca sĩ nhắn nhủ. 

Sau năm 2021 đầy biến động, Trung Quân hiện chỉ muốn hát những bài thể hiện đúng bản ngã nhất. Các sản phẩm được thực hiện giản đơn, hướng đến trải nghiệm của người nghe nhiều hơn thay vì toan tính chiến lược thị trường. MV Ngủ đi ta hỡi, nhắm đến sự nhẹ nhàng và tính chữa lành, minh chứng cho quan điểm của ca sĩ hiện tại. 

Hơn nữa, nghiên cứu ngăn chặn hành vi gây tổn hại tại Việt Nam phát hiện ra rằng nhiều trẻ thiếu thông tin, nhận thức và kiến ​​thức về bóc lột và xâm hại tình dục trẻ em qua mạng, điều này càng làm tăng tình trạng dễ bị tổn thương của các em.

Các nền tảng truyền thông xã hội và Internet ở Việt Nam đang bị lạm dụng để nhắm vào những trẻ dễ bị tổn thương. Báo cáo nghiên cứu ngăn chặn hành vi gây tổn hại tại Việt Nam nêu rằng các nền tảng mạng xã hội đã được dùng để xác định, kết nối và tạo dựng lòng tin với nạn nhân tương lai.

Ngoài ra, báo cáo còn cho thấy trẻ em đã chịu nhiều hình thức bóc lột và xâm hại tình dục qua mạng. Cụ thể, 8% trẻ em độ tuổi 12 - 17 sử dụng Internet đã từng nhận được bình luận khiếm nhã về bản thân khiến các em không thoải mái trong năm qua. 43% không nói với ai rằng việc này đã xảy ra, chủ yếu vì cho rằng sẽ chẳng giải quyết được việc gì/chẳng làm được gì nếu các em kể lại vụ việc.

5% trẻ từng nhận được hình ảnh nhạy cảm không mong muốn. Gần một nửa trong số này không biết phải kể với ai.

Kết quả khảo sát cho thấy, 2% trẻ được yêu cầu nói chuyện về tình dục dù không muốn. Khoảng một nửa trong số này đã nhận được những yêu cầu không mong muốn về tình dục trên mạng và hầu hết không nói với ai. Nguyên nhân do trẻ không nghĩ rằng vụ việc đó đủ nghiêm trọng hoặc sợ gặp rắc rối.

Các nhà nghiên cứu tin rằng những phát hiện này chỉ là một bức tranh phác thảo nhanh về hiện trạng bóc lột và xâm hại tình dục trẻ em qua mạng ở Việt Nam. “Chỉ 36% trẻ tham gia khảo sát đã được dạy về vai trò quan trọng của việc giữ an toàn trên mạng, điều này nhấn mạnh sự cần thiết phải nâng cao nhận thức và hiểu biết về vấn đề này ở trong nước”, nhóm nghiên cứu cho hay.

Bên cạnh đó, các chuyên gia cũng khuyến nghị cần tăng cường nguồn lực chuyên môn. Hiện tại, số lượng cán bộ và trang thiết bị có thể không đủ để tiến hành điều tra các vụ bóc lột và xâm hại tình dục trẻ em qua mạng, vấn đề này phải được giải quyết. Phòng ngừa là chìa khóa giúp giải quyết vấn nạn bóc lột và xâm hại tình dục trực tuyến ở Việt Nam.

Vân Anh

Lần đầu Việt Nam có chương trình cấp quốc gia riêng về bảo vệ trẻ em trên mạng

Với việc phê duyệt Chương trình bảo vệ và hỗ trợ trẻ em tương tác lành mạnh, sáng tạo trên môi trường mạng đến năm 2025, lần đầu tiên Việt Nam có một chương trình cấp quốc gia riêng về bảo vệ trẻ em trên mạng.

Thậm chí, anh đã đăng tải hình ảnh của Angela Baby lên trang cá nhân kèm dòng trạng thái: "Nếu như em không vướng phải vấn đề sức khoẻ lúc đó đã tham gia ''Thần điêu đại hiệp'' của anh rồi. Anh cũng sẽ không nhận về nhiều lời cười nhạo lúc đó. Thật sự đây là đáng tiếc lớn nhất của anh".

Angela xinh đẹp khi hoá thân Tiểu Long Nữ.

Sau khi trạng thái của Vu Chính được đăng tải, rất nhiều bình luận bên dưới, chủ yếu chỉ trích biên kịch nổi tiếng vì những lời nói của anh. Họ cho rằng, anh viết như vậy là không tôn trọng Trần Nghiên Hy - người đã đóng vai Tiểu Long Nữ trong bản Thần điêu đại hiệp 2014 mà Vu Chính tham gia sản xuất. 

Trần Nghiên Hy từng hứng chịu những chỉ trích nặng nề về tạo hình cũng như thân hình chưa đủ thon thả để vào vai nữ chính. Vu Chính đã đứng ra bảo vệ cô. Anh đã thẳng thắn đáp trả những bình luận chê bai diễn viên của mình và khẳng định Trần Nghiên Hy đủ nhan sắc cũng như khí chất của nhân vật.  

"Tạo hình này tôi thật sự ưng ý, hoàn toàn hài lòng. Đừng vội đánh giá hay chê bai, thời giam sẽ chứng minh tất cả" - Vu Chính từng bênh vực Trần Nghiên Hy khi cô bị chê bai ngoại hình.

Khán giả nhanh chóng lật lại đồng thời gay gắt nhận xét anh giả tạo, lời nói trước sau bất nhất. Điều này không chỉ khiến ngôi sao "Cô gái năm ấy chúng ta cùng theo đuổi" bị tổn thương, Angela Baby cũng sẽ khó xử.

Tiểu Long Nữ 2014 bị chỉ trích, Vu Chính bênh vực rất nhiều.

Dù bài đăng được xoá sau đó và Vu Chính cũng lên tiếng xin lỗi nhưng khán giả vẫn không ngừng chỉ trích anh trên các diễn đàn. Đây không phải lần đầu tiên nhà biên kịch sinh năm 1978 vấp phải những tranh cãi về phát ngôn. Trước đó, anh cũng từng bị công kích khi chê bai diễn xuất của Dương Mịch, hay "bóng gió" về việc Đồng Lệ Á không nhận lời đóng phim của anh. 

Vu Chính tham gia sản xuất nhiều bộ phim nổi tiếng như Cung toả tâm ngọc, Mỹ nhân tâm kế, Diên hi công lược... và được nhận xét khá "mát tay" trong việc đưa các diễn viên nữ đi lên hàng ngôi sao trong làng giải trí Hoa ngữ.

Tiểu Ngọc

'Nhĩ Khang' Châu Kiệt bị xúc phạm nơi công cộng

Mới đây, diễn viên Châu Kiệt bức xúc khi bị những người lạ mặt nhận ra, chửi bới và xúc phạm nơi công cộng.