Reload document 
Open in new tab 
Kỳ thi tốt nghiệp THPT năm 2025 diễn ra trong hai ngày 26 và 27-6. Thí sinh lưu ý những mốc thời gian quan trọng để thực hiện đúng.
Lịch thi tốt nghiệp THPT 2025
Bộ Giáo dục và Đào tạo đã có Công văn 1239/BGDĐT-QLCL năm 2025 về việc hướng dẫn một số nội dung tổ chức Kỳ thi tốt nghiệp trung học phổ thông năm 2025
Lịch thi đối với các thí sinh dự thi với Đề thi của Chương trình giáo dục phổ thông hiện hành:
Lịch thi đối với các thí sinh dự thi với Đề thi của Chương trình giáo dục phổ thông được ban hành kèm theo Quyết định 16/2006/QĐ-BGDĐT Chương trình Giáo dục thường xuyên được ban hành kèm theo Quyết định 50/2006/QĐBGDĐT như sau:
Trí tuệ nhân tạo (AI) là một công nghệ có khả năng giải quyết vấn đề như con người. Cách thức hoạt động của AI dường như mô phỏng trí tuệ của con người – AI có thể nhận dạng hình ảnh, làm thơ và đưa ra dự đoán dựa trên dữ liệu.
AI là gì?
AI, còn được biết đến như Trí tuệ nhân tạo, là một công nghệ có khả năng giải quyết vấn đề như con người. Cách thức hoạt động của AI dường như mô phỏng trí tuệ của con người – nó có thể nhận dạng hình ảnh, làm thơ và đưa ra dự đoán dựa trên dữ liệu.
Các tổ chức hiện đại thu thập khối lượng dữ liệu cực lớn từ nhiều nguồn khác nhau như cảm biến thông minh, nội dung do con người tạo ra, công cụ giám sát và bản ghi hệ thống. Công nghệ trí tuệ nhân tạo phân tích và sử dụng dữ liệu để hỗ trợ hoạt động kinh doanh một cách hiệu quả. Ví dụ: công nghệ AI có thể phản hồi các cuộc trò chuyện của con người trong lĩnh vực hỗ trợ khách hàng, tạo hình ảnh và văn bản gốc để tiếp thị và đưa ra các đề xuất thông minh để phân tích.
Cuối cùng, mục tiêu của trí tuệ nhân tạo là làm cho phần mềm thông minh hơn để đáp ứng tương tác người dùng tùy chỉnh và giải quyết vấn đề phức tạp.
I. Một số loại công nghệ AI là gì?
Các ứng dụng và công nghệ AI đã tăng theo cấp số nhân trong vài năm qua. Dưới đây là một số ví dụ về các công nghệ AI phổ biến mà bạn có thể đã gặp.
1. Tạo hình ảnh
Tạo hình ảnh bằng AI giúp đưa ra hình ảnh mới hoàn toàn hoặc dựa trên các mô tả. Ví dụ: AI có thể nhận một câu lệnh văn bản đơn giản như “cảnh hoàng hôn trên núi” và tạo ra một hình ảnh theo phong cách chân thực hoặc thêm tính chất nghệ thuật của cảnh đó. Công nghệ này được sử dụng trong nghệ thuật, giải trí và tiếp thị, cho phép người sáng tạo hình dung các khái niệm một cách nhanh chóng và hiệu quả.
2. Tạo văn bản
Tạo văn bản là khi AI viết văn bản tự động, bắt chước khả năng viết của con người. Công nghệ này có thể tạo ra bất cứ điều gì từ câu đơn giản đến bài viết, bài thơ hoặc câu chuyện hoàn chỉnh. Công nghệ này được sử dụng trong chatbot, tạo nội dung và thậm chí để viết email hoặc báo cáo.
3. Tạo và nhận dạng giọng nói
Tạo giọng nói cho phép AI tạo ra các từ được nói, giống như cách các trợ lý ảo (chẳng hạn như Alexa) nói chuyện với bạn. Nhận dạng giọng nói là khi AI hiểu và xử lý lời nói của con người. Công nghệ này được sử dụng rộng rãi trong các thiết bị kích hoạt bằng giọng nói, đường dây nóng dịch vụ khách hàng và thậm chí trong việc giúp người khuyết tật giao tiếp hiệu quả hơn.
4. AI đa phương thức
AI đa phương thức kết hợp các loại dữ liệu khác nhau, như văn bản, hình ảnh và âm thanh để tạo ra sự hiểu biết toàn diện hơn về thông tin. Ví dụ: AI đa phương thức có thể phân tích video bằng cách hiểu các từ được nói, nhận diện các đối tượng trong video và đọc bất kỳ văn bản nào xuất hiện trên màn hình. Hình thức AI tiên tiến này được sử dụng trong các lĩnh vực như xe tự lái, nơi việc hiểu và diễn giải nhiều loại dữ liệu đồng thời là rất quan trọng để đảm bảo vận hành an toàn.
II. Lịch sử của AI
Trong nghiên cứu của Alan Turing vào năm 1950, “Máy tính và trí tuệ”, ông đã xem xét vấn đề liệu máy móc có thể suy nghĩ hay không. Trong bài báo này, Turing lần đầu tiên đưa ra thuật ngữ trí tuệ nhân tạo và trình bày nó như một khái niệm lý thuyết và triết học. Tuy nhiên, như chúng ta biết ngày nay, AI là kết quả nỗ lực của tập thể các nhà khoa học và kỹ sư trong nhiều thập kỷ.
– Từ năm 1940 đến năm 1980
Năm 1943, Warren McCulloch và Walter Pitts đã đề xuất một mô hình tế bào thần kinh nhân tạo, đặt nền móng cho mạng nơ-ron, công nghệ cốt lõi của AI.
Không lâu sau đó, vào năm 1950, Alan Turing đã xuất bản cuốn “Máy tính và trí tuệ”, giới thiệu khái niệm về Phép thử Turing để đánh giá trí thông minh của máy tính.
Điều này dẫn đến việc các sinh viên tốt nghiệp Marvin Minsky và Dean Edmonds xây dựng cỗ máy mạng thần kinh đầu tiên với tên gọi SNARC, Frank Rosenblatt phát triển Perceptron, một trong những mô hình sớm nhất của mạng nơ-ron, và Joseph Weizenbaum tạo ra ELIZA, một trong những chatbot đầu tiên mô phỏng phương pháp tâm lý trị liệu Rogerian từ năm 1951 đến năm 1969.
Từ năm 1969 đến năm 1979 Marvin Minsky đã chứng minh những hạn chế của mạng nơ-ron, gây ra sự suy giảm tạm thời trong việc nghiên cứu mạng nơ-ron. “Mùa đông AI” đầu tiên xảy ra do giảm kinh phí và hạn chế về phần cứng và máy tính.
– 1980–2006
Vào những năm 1980, làn sóng quan tâm và tài trợ của chính phủ dành cho nghiên cứu AI một lần nữa lại nổi lên, tập trung chủ yếu vào lĩnh vực dịch thuật và chép lời. Trong thời gian này, các hệ thống chuyên môn như MYCIN đã trở nên phổ biến vì chúng mô phỏng quá trình đưa ra quyết định của con người trong các lĩnh vực cụ thể như y học. Với sự hồi sinh của mạng nơ-ron vào những năm 1980, David Rumelhart và John Hopfield đã xuất bản các tài liệu về kỹ thuật học sâu cho thấy máy tính có thể học hỏi từ kinh nghiệm
Từ năm 1987 đến 1997, do các yếu tố kinh tế xã hội khác và sự bùng nổ của dot-com, mùa đông AI thứ hai đã xuất hiện. Nghiên cứu AI diễn ra nhỏ lẻ hơn, trong đó các đội ngũ giải quyết các vấn đề theo lĩnh vực cụ thể trong nhiều trường hợp sử dụng khác nhau.
Kể từ năm 1997 đến khoảng năm 2006, đã có những thành tích đáng kể trong ngành AI, bao gồm việc phần mềm cờ vua Deep Blue của IBM đã đánh bại nhà vô địch cờ vua thế giới Garry Kasparov. Ngoài ra, Judea Pearl đã xuất bản một cuốn sách bao gồm lý thuyết về xác suất và quyết định trong nghiên cứu AI. Đồng thời, Geoffrey Hinton và những người khác đã phổ biến công nghệ học sâu, dẫn đến sự hồi sinh của mạng nơ-ron. Tuy nhiên, lợi ích thương mại vẫn còn hạn chế.
– Từ năm 2007 đến nay
Từ năm 2007 đến năm 2018, sự tiến bộ trong điện toán đám mây đã làm cho sức mạnh điện toán và cơ sở hạ tầng AI trở nên dễ tiếp cận hơn. Điều này dẫn đến sự gia tăng trong việc áp dụng, đổi mới và tiến bộ trong máy học. Những tiến bộ bao gồm một kiến trúc mạng nơ-ron tích chập (CNN) với tên gọi AlexNet, được phát triển bởi Alex Krizhevsky, Ilya Sutskever và Geoffrey Hinton, giành chiến thắng trong cuộc thi ImageNet, thể hiện sức mạnh của việc học sâu trong nhận dạng hình ảnh và AlphaZero của Google, thành thạo các trò chơi như cờ vua, cờ shogi và cờ vây bằng cách tự chơi mà không cần dữ liệu của con người.
Vào năm 2022, các chatbot sử dụng trí tuệ nhân tạo (AI) và xử lý ngôn ngữ tự nhiên (NLP) để có các cuộc trò chuyện giống con người và hoàn thành các tác vụ như ChatGPT của OpenAI đã trở nên nổi tiếng rộng rãi với khả năng đàm thoại, tạo nên làn sóng quan tâm và phát triển mới của AI.
AI trong tương lai
Các công nghệ trí tuệ nhân tạo hiện tại đều hoạt động trong một tập hợp các thông số đã xác định trước. Ví dụ: các mô hình AI được đào tạo về nhận dạng và tạo hình ảnh không thể xây dựng trang web.
Trí tuệ nhân tạo tổng quát (AGI) là một lĩnh vực nghiên cứu AI lý thuyết nhằm cố gắng tạo ra phần mềm có trí thông minh giống con người và có khả năng tự học. Mục tiêu là để phần mềm thực hiện các nhiệm vụ mà nó không nhất thiết phải được đào tạo hoặc phát triển cho những công việc đó.
AGI là một mục tiêu theo đuổi lý thuyết để phát triển các hệ thống AI có khả năng tự kiểm soát tự chủ, tự hiểu biết hợp lý và khả năng học các kỹ năng mới. Nó có thể giải quyết các vấn đề phức tạp trong bối cảnh và tình huống mà nó không được dạy trong quá trình tạo ra. AGI với khả năng của con người vẫn là một khái niệm lý thuyết và mục tiêu nghiên cứu. Đó là một tương lai tiềm năng của AI.
III. Ngày nay AI được sử dụng như thế nào?
Ngày nay AI có mặt ở khắp mọi nơi, âm thầm hoạt động để vận hành các ứng dụng yêu thích của bạn.
1. Đề xuất nội dung
AI luôn hoạt động mỗi khi bạn đăng nhập vào dịch vụ phát trực tuyến mà bạn yêu thích. Các nền tảng phát trực tuyến sử dụng thuật toán AI để phân tích thói quen xem hoặc nghe và đề xuất nội dung phù hợp với sở thích của bạn. Thuật toán xem xét các yếu tố như lựa chọn trước đây của bạn, nội dung xu hướng và sự tương đồng với những người dùng khác. Thuật toán này đảm bảo bạn luôn có một chương trình thú vị để xem hoặc nghe.
2. Cá nhân hóa trải nghiệm mua sắm
Các nhà bán lẻ trực tuyến dùng AI để cá nhân hóa trải nghiệm mua sắm của bạn. AI gợi ý các mặt hàng phù hợp với sở thích của bạn bằng cách phân tích lịch sử duyệt web, mô hình mua hàng và thời gian bạn dành để xem xét các sản phẩm cụ thể; điều này giúp bạn tìm thấy sản phẩm mình đang tìm kiếm nhanh hơn và có thể khám phá các sản phẩm mới.
3. Chăm sóc sức khỏe
AI đang cách mạng hóa chăm sóc sức khỏe bằng cách hỗ trợ chẩn đoán, lập kế hoạch điều trị và theo dõi bệnh nhân. Ví dụ: các hệ thống dựa trên AI phân tích hình ảnh y tế để phát hiện các dấu hiệu lâm sàng của các bệnh như ung thư. Hệ thống AI tích hợp dữ liệu từ thiết bị đeo thông minh, hồ sơ bệnh nhân và tiền sử gia đình để giúp các bác sĩ tùy chỉnh kế hoạch điều trị cho các bệnh mãn tính.
4. Dự báo
Dự báo bằng AI là khả năng dự đoán các sự kiện hoặc xu hướng trong tương lai dựa trên dữ liệu lịch sử. Ví dụ: các hệ thống dự báo thời tiết sử dụng AI để dự đoán các mẫu thời tiết, giúp mọi người chuẩn bị trước bão hoặc các sự kiện liên quan đến thời tiết khác. Dự báo AI giúp các công ty dự đoán nhu cầu sản phẩm, cho phép họ quản lý hàng tồn kho tốt hơn và tránh tình trạng thiếu hụt hoặc thặng dư.
4. Quản lý lưu lượng truy cập
Hệ thống AI phân tích dữ liệu không gian địa lý theo thời gian thực để dự đoán lưu lượng giao thông, tối ưu hóa lộ trình và đề xuất các tuyến đường thay thế khi gặp tắc nghẽn. AI giúp bạn đến địa điểm mong muốn nhanh hơn và giảm mức tiêu thụ nhiên liệu và khí thải, góp phần tạo ra một môi trường xanh hơn.
IV. Ví dụ về trí tuệ nhân tạo dành cho doanh nghiệp
Trí tuệ nhân tạo có vô số các ứng dụng. Mặc dù không phải là danh sách đầy đủ, nhưng đây là các ví dụ làm nổi bật các trường hợp sử dụng đa dạng của AI cho các tổ chức.
1. Chatbot và trợ lý thông minh
Chatbot và trợ lý thông minh dựa trên AI tham gia vào các cuộc trò chuyện phức tạp hơn và giống con người hơn. Chúng có thể hiểu bối cảnh và tạo ra các câu trả lời mạch lạc cho ngôn ngữ tự nhiên phức tạp và các truy vấn của khách hàng. Chúng có khả năng xuất sắc trong hỗ trợ khách hàng, trợ giúp ảo và tạo nội dung để cung cấp các tương tác được cá nhân hóa. Khả năng học tập liên tục của các mô hình này cho phép chúng thích ứng và cải thiện hiệu năng theo thời gian, nâng cao trải nghiệm và hiệu quả của người dùng.
Ví dụ: Deriv, một trong những nhà môi giới trực tuyến lớn nhất thế giới, phải đối mặt với những thách thức khi truy cập một lượng lớn dữ liệu được phân phối trên nhiều nền tảng khác nhau. Công ty đã triển khai một trợ lý dựa trên AI để truy xuất và xử lý dữ liệu từ nhiều nguồn trong hoạt động hỗ trợ khách hàng, tiếp thị và tuyển dụng. Nhờ có AI, Deriv đã giảm 45% thời gian đào tạo nhân viên mới và giảm 50% thời gian tuyển dụng.
2. Xử lý tài liệu thông minh
Xử lý tài liệu thông minh (IDP) diễn giải các định dạng tài liệu phi cấu trúc thành dữ liệu có thể sử dụng được. Ví dụ: chức năng này chuyển đổi các tài liệu kinh doanh như email, hình ảnh và PDF thành thông tin có cấu trúc. IDP sử dụng các công nghệ AI như xử lý ngôn ngữ tự nhiên (NLP), học sâu và tầm nhìn máy tính để trích xuất, phân loại và xác thực dữ liệu.
Ví dụ: HM Land Registry (HMLR) xử lý các quyền sở hữu tài sản cho hơn 87% diện tích của Anh và xứ Wales. Nhân viên HMLR so sánh và xem xét các văn bản pháp lý phức tạp liên quan đến giao dịch tài sản. Tổ chức đã triển khai một ứng dụng AI để tự động hóa việc so sánh tài liệu, giúp cắt giảm 50% thời gian xem xét và tăng cường quy trình phê duyệt chuyển nhượng tài sản.
3. Giám sát hiệu năng ứng dụng
Theo dõi hiệu suất ứng dụng (APM) là quá trình sử dụng các công cụ phần mềm và dữ liệu đo từ xa để theo dõi hiệu suất của các ứng dụng quan trọng với doanh nghiệp. Các công cụ APM dựa trên AI sử dụng dữ cũ để dự đoán các vấn đề trước khi chúng xảy ra. Chúng cũng có thể giải quyết các vấn đề theo thời gian thực bằng cách đề xuất các giải pháp thực tế cho các nhà phát triển của bạn. Chiến lược này duy trì các ứng dụng chạy hiệu quả và giải quyết các vấn đề bế tắc.
Ví dụ: Atlassian tạo ra các sản phẩm để hợp lý hóa tinh thần làm việc nhóm và tổ chức. Atlassian sử dụng các công cụ AI APM để liên tục theo dõi các ứng dụng, phát hiện các vấn đề tiềm ẩn và ưu tiên mức độ nghiêm trọng. Với chức năng này, các nhóm có thể nhanh chóng phản hồi các khuyến nghị do ML đưa ra và giải quyết sự suy giảm hiệu suất.
4. Bảo trì dự đoán
Bảo trì dự đoán tăng cường AI sử dụng khối lượng lớn dữ liệu để xác định các sự cố có thể dẫn đến thời gian ngừng hoạt động trong vận hành, hệ thống hoặc dịch vụ. Bảo trì dự đoán cho phép các doanh nghiệp giải quyết các vấn đề tiềm ẩn trước khi chúng xảy ra, giảm thời gian ngừng hoạt động và ngăn ngừa sự gián đoạn.
Ví dụ: Baxter sử dụng 70 cơ sở sản xuất trên toàn thế giới và hoạt động 24/7 để cung cấp công nghệ y tế. Baxter sử dụng bảo trì dự đoán để tự động phát hiện các điều kiện bất thường trong thiết bị công nghiệp. Người dùng có thể triển khai các giải pháp hiệu quả trước thời hạn để giảm thời gian chết và nâng cao hiệu quả hoạt động.
5 Nghiên cứu y học
Nghiên cứu y học sử dụng AI để tinh giản các quy trình, tự động hóa các tác vụ lặp đi lặp lại và xử lý dữ liệu khổng lồ. Bạn có thể sử dụng công nghệ AI trong nghiên cứu y học để tạo điều kiện phát hiện và phát triển dược phẩm từ đầu đến cuối, sao chép hồ sơ y tế và cải thiện thời gian đưa ra thị trường các sản phẩm mới.
Một ví dụ thực tế là C2i Genomics sử dụng trí tuệ nhân tạo để chạy các đường ống gen quy mô cao, có thể tùy chỉnh và kiểm tra lâm sàng. Các nhà nghiên cứu có thể tập trung vào hiệu năng lâm sàng và phát triển phương pháp bằng cách sử dụng các giải pháp điện toán. Các nhóm kỹ thuật cũng sử dụng AI để giảm nhu cầu tài nguyên, bảo trì kỹ thuật và chi phí NRE.
V. Lợi ích của trí tuệ nhân tạo đối với doanh nghiệp
Tổ chức bạn có thể tích hợp các khả năng trí tuệ nhân tạo để tối ưu hóa quy trình kinh doanh, nâng cao trải nghiệm khách hàng và đẩy mạnh quá trình đổi mới.
1. Tự động hóa một cách thông minh
Các tổ chức đã tự động hóa các quy trình kỹ thuật số trong một thời gian đến nay. Tuy nhiên, trí tuệ nhân tạo đưa vào một cấp độ sâu mới và khả năng giải quyết vấn đề cho quy trình này. Ví dụ: một hệ thống xử lý hóa đơn dựa trên công nghệ AI có thể tự động quét và ghi lại dữ liệu hóa đơn từ bất kỳ mẫu hóa đơn nào. Hệ thống này cũng có thể phân loại hóa đơn dựa trên các tiêu chí khác nhau, chẳng hạn như nhà cung cấp, địa lý, bộ phận, v.v. Hệ thống này thậm chí có thể kiểm tra lỗi và xử lý thanh toán với ít sự giám sát.
2. Tăng năng suất
Nhân viên tri thức thường thực hiện các tác vụ liên quan đến tìm kiếm và khám phá thông tin quan trọng. Ví dụ: nhân viên chăm sóc sức khỏe tra cứu hồ sơ bệnh nhân, chính sách bệnh viện và cơ sở dữ liệu thuốc, hay như nhân viên hàng không sẽ tìm kiếm thông tin chuyến bay. Thời gian dành cho việc tìm kiếm và hợp nhất thông tin từ nhiều nguồn khác nhau khiến nhân viên mất tập trung vào vai trò chính của họ. Công nghệ AI có thể cung cấp thông tin tổng hợp và tóm tắt theo bối cảnh và đúng thời gian. Các chức năng tìm kiếm và khám phá thông minh dựa trên trí tuệ nhân tạo có thể tăng mức độ hài lòng và năng suất của nhân viên trong bất kỳ ngành nào. Ví dụ: Ryanair, hãng hàng không lớn nhất châu Âu, đã xây dựng một hệ thống AI để hỗ trợ nhân viên, nâng cao năng suất và mức độ hài lòng.
3. Giải quyết các vấn đề phức tạp
Nhiều ngành đang vật lộn với các vấn đề phức tạp đòi hỏi phải phân tích hàng triệu giao dịch trong quá khứ và khám phá các kiểu mẫu ẩn – ví dụ như phát hiện gian lận, bảo trì máy móc và đổi mới sản phẩm. Hệ thống AI có thể thu thập và phân tích dữ liệu trên quy mô lớn từ nhiều nguồn khác nhau để hỗ trợ quá trình ra quyết định phức tạp của con người. Ví dụ: để đưa ra câu trả lời về khi nào một linh kiện cơ khí cụ thể cần được sửa chữa đòi hỏi phải phân tích dữ liệu máy như nhiệt độ và tốc độ cùng với các báo cáo mức sử dụng và lịch trình bảo trì trong quá khứ. Trí tuệ nhân tạo có thể lấy tất cả dữ liệu này, khám phá các kết nối ẩn và đề xuất lịch trình bảo trì tối ưu để tiết kiệm đáng kể chi phí. Tương tự, trí tuệ nhân tạo có thể hỗ trợ các lĩnh vực phức tạp hơn như nghiên cứu bộ gen và phát hiện thuốc.
4. Tạo trải nghiệm khách hàng mới
Các tổ chức sử dụng trí tuệ nhân tạo để tạo trải nghiệm khách hàng tùy chỉnh với độ bảo mật và tốc độ cao hơn. Ví dụ: hệ thống AI có thể kết hợp dữ liệu hồ sơ khách hàng, chẳng hạn như sở thích và hành vi kỹ thuật số, với dữ liệu sản phẩm hoặc dịch vụ khác để tạo báo cáo, đề xuất và kế hoạch hành động được cá nhân hóa. Khách hàng có thể tìm câu trả lời theo thời gian thực cho các câu hỏi hoặc khám phá các sản phẩm và dịch vụ mới mà không cần chờ bộ phận hỗ trợ khách hàng trực tiếp. Ví dụ: Lonely Planet đã dùng trí tuệ nhân tạo để tạo ra các hành trình du lịch được tuyển chọn dành cho khách hàng, đồng thời cắt giảm 80% chi phí tạo hành trình.
VI. Điểm khác biệt giữa máy học, học sâu và trí tuệ nhân tạo là gì?
Trí tuệ nhân tạo (AI) là thuật ngữ bao trùm cho các chiến lược và kỹ thuật khác nhau \để biến các cỗ máy trở nên giống người hơn. AI bao gồm tất cả mọi thứ từ xe ô tô tự lái đến robot hút bụi và trợ lý thông minh như Alexa. Mặc dù máy học và học sâu đều thuộc phạm vi của AI, nhưng không phải tất cả các hoạt động AI đều là máy học và học sâu. Ví dụ: AI tạo sinh thể hiện khả năng sáng tạo giống con người và là một hình thức học sâu rất tiên tiến.
1. Máy học
Mặc dù bạn có thể thấy các thuật ngữ trí tuệ nhân tạo và máy học được sử dụng thay thế cho nhau ở nhiều nơi, nhưng về mặt kỹ thuật, máy học là một trong nhiều nhánh khác của trí tuệ nhân tạo. Đó là khoa học phát triển các thuật toán và mô hình thống kê để tương quan dữ liệu. Các hệ thống máy tính sử dụng thuật toán máy học để xử lý khối lượng lớn dữ liệu lịch sử và xác định các khuôn mẫu dữ liệu. Trong bối cảnh hiện tại, máy học đề cập đến một tập hợp các kỹ thuật thống kê được gọi là mô hình máy học mà bạn có thể sử dụng độc lập hoặc để hỗ trợ các kỹ thuật AI phức tạp hơn khác.
2. Deep learning
Học sâu đưa máy học tiến thêm một bước nữa. Các mô hình học sâu sử dụng các mạng nơ-ron hoạt động cùng nhau để học và xử lý thông tin. Các mô hình này bao gồm hàng triệu thành phần phần mềm thực hiện các phép toán vi mô trên các đơn vị dữ liệu nhỏ để giải quyết một vấn đề lớn hơn. Ví dụ: chúng xử lý các pixel riêng lẻ trong một hình ảnh để phân loại hình ảnh đó. Các hệ thống AI hiện đại thường kết hợp nhiều mạng nơ-ron sâu để thực hiện các tác vụ phức tạp như viết thơ hoặc tạo hình ảnh từ câu lệnh văn bản.
VII. Trí tuệ nhân tạo hoạt động như thế nào?
Hệ thống trí tuệ nhân tạo sử dụng một loạt các công nghệ để hoạt động. Các chi tiết cụ thể sẽ khác nhau, nhưng các nguyên tắc cốt lõi vẫn giữ nguyên: chúng chuyển đổi tất cả các loại dữ liệu, chẳng hạn như văn bản, hình ảnh, video và âm thanh, thành các biểu diễn dạng số và xác định theo toán học các kiểu mẫu và mối quan hệ giữa chúng. Do đó, các công nghệ trí tuệ nhân tạo đòi hỏi phải được đào tạo – chúng được tiếp xúc với khối lượng lớn các tập dữ liệu hiện có để “học” – tương tự như con người học từ các kho lưu trữ kiến thức hiện có. Dưới đây là một số công nghệ làm cho trí tuệ nhân tạo hoạt động.
1. Mạng nơ-ron
Mạng nơ-ron nhân tạo sẽ hình thành cốt lõi của công nghệ trí tuệ nhân tạo. Chúng phản ánh quá trình xử lý diễn ra trong não người. Bộ não chứa hàng triệu nơ-ron giúp xử lý và phân tích thông tin. Mạng nơ-ron nhân tạo sử dụng các nơ-ron nhân tạo cùng nhau xử lý thông tin. Mỗi nơ-ron nhân tạo, hoặc nút, sử dụng các phép tính toán học để xử lý thông tin và giải quyết các vấn đề phức tạp.
2. Kỹ thuật xử lý ngôn ngữ tự nhiên
Xử lý ngôn ngữ tự nhiên (NLP) sử dụng mạng nơ-ron để giải thích, hiểu và thu thập ý nghĩa từ dữ liệu văn bản. Phương thức này sử dụng các kỹ thuật điện toán khác nhau chuyên giải mã và hiểu ngôn ngữ của con người. Những kỹ thuật này cho phép máy xử lý các từ, cú pháp ngữ pháp và kết hợp từ để xử lý văn bản của con người và thậm chí tạo ra văn bản mới. Xử lý ngôn ngữ tự nhiên rất quan trọng cho các chatbot tóm tắt tài liệu và tiến hành phân tích cảm xúc.
3. Thị giác máy tính
Tầm nhìn máy tính sử dụng các kỹ thuật học sâu để trích xuất thông tin và thông tin từ các video và hình ảnh. Bạn có thể sử dụng tầm nhìn máy tính để giám sát nội dung trực tuyến để tìm hình ảnh không phù hợp, nhận dạng khuôn mặt và phân loại chi tiết hình ảnh. Điều quan trọng trong ô tô và xe tải tự lái là giám sát môi trường và đưa ra quyết định tức thời.
4. Nhận dạng giọng nói
Phần mềm nhận dạng giọng nói sử dụng các mô hình học sâu để diễn giải lời nói của con người, xác định các từ và phát hiện ý nghĩa. Các mạng nơ-ron có thể chuyển thể lời nói thành văn bản và biểu thị tình cảm giọng nói. Bạn có thể sử dụng chức năng nhận dạng giọng nói trong các công nghệ như trợ lý ảo và phần mềm trung tâm cuộc gọi để xác định ý nghĩa và thực hiện các nhiệm vụ có liên quan.
5. AI tạo sinh
AI tạo sinh đề cập đến các hệ thống trí tuệ nhân tạo có khả năng tạo ra nội dung và tạo tác mới như hình ảnh, video, văn bản và âm thanh từ các câu lệnh bằng văn bản đơn giản. Không giống như AI trước đây chỉ giới hạn trong việc phân tích dữ liệu, AI tạo sinh tận dụng học sâu và tập dữ liệu khổng lồ để tạo ra đầu ra sáng tạo chất lượng cao, giống như con người. Trong khi kích hoạt các ứng dụng sáng tạo thú vị, mối quan tâm xoay quanh sự thiên vị, nội dung có hại và sở hữu trí tuệ vẫn tồn tại. Nhìn chung, AI tạo sinh thể hiện một sự tiến hóa lớn trong khả năng AI để tạo ra ngôn ngữ con người cũng như nội dung và tạo tác mới theo cách giống như con người.
VIII. Các thành phần chính của cấu trúc ứng dụng AI là gì?
Cấu trúc trí tuệ nhân tạo bao gồm ba lớp lõi. Tất cả các lớp chạy trên cơ sở hạ tầng CNTT cung cấp tài nguyên điện toán và bộ nhớ cần thiết cho AI.
Lớp 1: lớp dữ liệu
AI được xây dựng dựa trên các công nghệ khác nhau như máy học, xử lý ngôn ngữ tự nhiên và nhận dạng hình ảnh. Trọng tâm của các công nghệ này là dữ liệu, tạo thành lớp nền tảng của AI. Lớp này chủ yếu tập trung vào việc chuẩn bị dữ liệu cho các ứng dụng AI.
Lớp 2: Lớp mô hình
Ngày nay, trí tuệ nhân tạo chủ yếu sử dụng các mô hình nền tảng và mô hình ngôn ngữ lớn để thực hiện các tác vụ kỹ thuật số phức tạp. Mô hình nền tảng là các mô hình học sâu được đào tạo trên một loạt các dữ liệu tổng quát và không được dán nhãn. Dựa trên câu lệnh đầu vào, các mô hình này có thể thực hiện một loạt các tác vụ hoàn toàn khác biệt với độ chính xác cao. Các tổ chức sử dụng các mô hình nền tảng hiện có, được đào tạo trước và tùy chỉnh chúng với dữ liệu nội bộ để thêm khả năng AI vào các ứng dụng hiện có hoặc tạo các ứng dụng AI mới. Điều quan trọng cần lưu ý là nhiều tổ chức tiếp tục sử dụng các mô hình máy học cho nhiều tác vụ kỹ thuật số. Các mô hình máy học có thể vượt trội hơn các mô hình nền tảng trong nhiều trường hợp sử dụng và các nhà phát triển trí tuệ nhân tạo có thể linh hoạt lựa chọn các mô hình tốt nhất cho từng nhiệm vụ cụ thể. Tìm hiểu thêm về các mô hình nền tảng »
Lớp 3: Lớp ứng dụng
Lớp thứ ba là lớp ứng dụng, là phần hướng tới khách hàng của kiến trúc AI. Bạn có thể yêu cầu các hệ thống AI hoàn thành các tác vụ cụ thể, tạo thông tin, cung cấp thông tin hoặc đưa ra quyết định dựa trên dữ liệu. Lớp ứng dụng cho phép người dùng cuối tương tác với các hệ thống AI.
IX. Các tùy chọn đào tạo về AI dành cho người mới bắt đầu
Chương trình đào tạo AI thường bắt đầu với kiến thức cơ bản về lập trình và khoa học máy tính. Bạn nên học các ngôn ngữ như Python, cùng với đó là toán học, thống kê và đại số tuyến tính.
Sau đó, bạn có thể chuyển sang chương trình đào tạo chuyên môn cao hơn. Theo học thạc sĩ về trí tuệ nhân tạo, máy học hoặc khoa học dữ liệu để có được hiểu biết sâu sắc hơn và kinh nghiệm thực tế. Các chương trình này thường liên quan đến các chủ đề như mạng nơ-ron, xử lý ngôn ngữ tự nhiên và thị giác máy tính chuyên sâu.
Tuy nhiên, giáo dục chính quy không phải là con đường duy nhất. Bạn có thể sử dụng các khóa học trực tuyến để học theo tốc độ của riêng bạn và học các kỹ năng cụ thể. Ví dụ: đào tạo AI tạo sinh trên AWS bao gồm các chứng nhận của các chuyên gia AWS về các chủ đề như:
- Giới thiệu về AI tạo sinh
- AI tạo sinh dành cho giám đốc điều hành
- Những điều cần biết về AI tạo sinh dành cho doanh nghiệp
X. Những thách thức trong triển khai trí tuệ nhân tạo là gì?
Một số thách thức làm phức tạp việc triển khai và sử dụng AI. Các rào cản sau đây là một số thách thức phổ biến nhất.
1. Quản trị AI
Các chính sách quản trị dữ liệu phải tuân thủ các hạn chế theo quy định và luật bảo mật. Để triển khai AI, bạn phải quản lý chất lượng dữ liệu, quyền riêng tư và bảo mật. Bạn chịu trách nhiệm về dữ liệu của khách hàng và bảo vệ quyền riêng tư. Để quản lý bảo mật dữ liệu, tổ chức của bạn cần hiểu cách các mô hình AI sử dụng và tương tác với dữ liệu của khách hàng trên mỗi lớp.
2. AI có trách nhiệm
AI có trách nhiệm là quá trình phát triển AI có xét đến tác động xã hội và môi trường của hệ thống AI trên quy mô lớn. Giống như bất kỳ công nghệ mới nào, hệ thống trí tuệ nhân tạo có tác động mang tính chuyển đổi đến người dùng, xã hội và môi trường. AI có trách nhiệm yêu cầu nâng cao tác động tích cực và ưu tiên tính công bằng cũng như minh bạch trong việc phát triển và sử dụng AI. AI có trách nhiệm đảm bảo rằng các đổi mới AI và các quyết định dựa trên dữ liệu tránh vi phạm quyền tự do công dân và nhân quyền. Các tổ chức nhận thấy việc xây dựng AI có trách nhiệm là một thách thức trong khi vẫn phải cạnh tranh trong không gian AI đang phát triển nhanh chóng.
3. Khó khăn kỹ thuật
Đào tạo AI với máy học tiêu tốn lượng tài nguyên khổng lồ. Ngưỡng công suất xử lý cao là điều cần thiết để các công nghệ học sâu hoạt động. Bạn phải có cơ sở hạ tầng điện toán mạnh mẽ để chạy các ứng dụng AI và đào tạo các mô hình của mình. Khả năng xử lý có thể tốn kém và hạn chế khả năng điều chỉnh quy mô của hệ thống AI của bạn.
4. Hạn chế dữ liệu
Bạn cần nhập khối lượng dữ liệu khổng lồ để đào tạo các hệ thống AI công bằng. Bạn phải có đủ dung lượng lưu trữ để xử lý dữ liệu đào tạo. Tương tự, bạn phải có các quy trình quản lý và chất lượng dữ liệu hiệu quả để đảm bảo tính chính xác của dữ liệu mà bạn sử dụng để đào tạo.
(QNP) – Ngày 29/4, Chủ tịch UBND tỉnh Quảng Nam Lê Văn Dũng ký công văn gửi Ban Thường vụ Đảng ủy UBND tỉnh về việc đề xuất, kiến nghị các nội dung bổ sung vào Đề án sắp xếp đơn vị hành chính cấp tỉnh.
Theo đó, trên cơ sở thống nhất của Chủ tịch và các Phó Chủ tịch UBND tỉnh tại cuộc họp giao ban, UBND tỉnh kính đề nghị Ban Thường vụ Đảng ủy UBND tỉnh thống nhất, trình Ban Thường vụ Tỉnh ủy xem xét, bổ sung các nội dung vào Đề án sắp xếp đơn vị hành chính cấp tỉnh, như sau:
Định hướng quy hoạch phát triển đô thị Tam Kỳ, đô thị Núi Thành và đô thị Vùng Đông Thăng Bình, Duy Xuyên (hiện nay) vào định hướng phát triển đô thị hành chính mới sau sắp xếp.
Đề án hỗ trợ sắp xếp, ổn định dân cư miền núi; các dự án phát triển khu vực miền núi phía Tây Quảng Nam hiện nay nhằm tạo ra sự phát triển đồng đều giữa đồng bằng và miền núi sau sắp xếp đơn vị hành chính.
Đề án chuyển đổi nghề nghiệp, ổn định cuộc sống cho ngư dân của tỉnh (giải pháp thực hiện IUU).
Về Quy hoạch Làng Đại học Đà Nẵng: đề xuất cấp có thẩm quyền điều chỉnh địa điểm quy hoạch xây dựng hiện nay vào thành phố Tam Kỳ; kiến nghị các Trường Đại học, Cao đẳng trên địa bàn thành phố Đà Nẵng chuyển địa điểm hoạt động vào thành phố Tam Kỳ sau sắp xếp đơn vị hành chính.
Về Khu Thương mại tự do tại thành phố Đà Nẵng: đề xuất cấp có thẩm quyền điều chỉnh vị trí xây dựng hiện nay vào huyện Núi Thành gắn với phát triển Sân bay Chu Lai (đã được phê duyệt quy hoạch theo Quyết định số 72/QĐ-TTg ngày 17/01/2023 của Thủ tướng Chính phủ); đầu tư luồng Cửa Lở và Trung tâm logistics container Chu Lai (đã được phê duyệt quy hoạch và đã đề xuất chủ trương đầu tư thành cảng nước sâu trên 5 vạn tấn).
Đề án hiện đại hóa ngành Y tế công lập giai đoạn 2026-2030, tầm nhìn đến năm 2050 (hiện tạm dừng do sắp xếp đơn vị hành chính).
Sáng ngày 26/4, Sinh viên Trường Cao đẳng Phương Đông đã tham gia phiên giao dịch việc làm năm 2025 do UBND thành phố Tam Kỳ tổ chức.
Phiên giao dịch việc làm thành phố Tam Kỳ lần này có sự tham gia của Trung tâm Dịch vụ việc làm tỉnh Quảng Nam và 12 doanh nghiệp, với hơn 7.000 vị trí việc làm trong nước và 3000 vị trí việc làm ở nước ngoài tại các quốc gia có thu nhập cao và ổn định như Nhật Bản, Hàn Quốc, Đài Loan mang đến cho sinh viên và người lao động nhiều cơ hội việc làm ổn định, thu nhập cao.
Phiên giao dịch sẽ góp phần giải quyết hiệu quả nhu cầu việc làm cho sinh viên, người dân địa phương, nhất là đối với lực lượng thanh niên, sinh viên mới ra trường.
Học phí, Tin tức - Sự kiện
Miễn học phí toàn khóa – cơ hội học phí 0 đồng không thể bỏ qua cho sinh viên cao đẳng trên cả nước
⭐️ Năm 2025 Trường Cao đẳng Phương Đông tuyển sinh cao đẳng chính quy trên toàn quốc với chương trình ưu đãi 𝐦𝐢𝐞̂̃𝐧 𝟏𝟎𝟎% 𝐡𝐨̣𝐜 𝐩𝐡𝐢́ 𝐭𝐨𝐚̀𝐧 𝐤𝐡𝐨́𝐚 𝐡𝐨̣𝐜 𝐜𝐡𝐨 𝐭𝐚̂́𝐭 𝐜𝐚̉ 𝐭𝐚̂𝐧 𝐬𝐢𝐧𝐡 𝐯𝐢𝐞̂𝐧.
⭐️ Đối tượng được miễn học phí toàn khóa: có bằng tốt nghiệp THPT
⭐️ Các ngành miễn 100%:
𝟏. 𝐃𝐮̛𝐨̛̣𝐜
𝟐. Đ𝐢𝐞̂̀𝐮 𝐝𝐮̛𝐨̛̃𝐧𝐠
𝟑. 𝐘 𝐬𝐲̃ đ𝐚 𝐤𝐡𝐨𝐚
𝟒. 𝐂𝐨̂𝐧𝐠 𝐧𝐠𝐡𝐞̣̂ 𝐊𝐲̃ 𝐭𝐡𝐮𝐚̣̂𝐭 𝐗𝐚̂𝐲 𝐝𝐮̛̣𝐧𝐠
𝟓. 𝐂𝐨̂𝐧𝐠 𝐧𝐠𝐡𝐞̣̂ 𝐊𝐲̃ 𝐭𝐡𝐮𝐚̣̂𝐭 Đ𝐢𝐞̣̂𝐧 – Đ𝐢𝐞̣̂𝐧 𝐭𝐮̛̉
⭐️ Nhà trường miễn chi phí ở Ký túc xá cho tân sinh viên đăng ký ở Ký túc xá của nhà trường.
⭐️ Hãy đến với trường Cao đẳng Phương Đông ngay hôm nay! Cơ hội tuyệt vời để bạn bắt đầu hành trình học tập và chuẩn bị cho tương lai sáng lạng.
⭐️ Bạn đang tìm kiếm một cơ hội để theo đuổi giấc mơ học tiếp lên Đại học, Cao đẳng sau khi tốt nghiệp THPT mà không phải lo lắng về học phí? Trường Cao đẳng Phương Đông – Nơi chắp cánh ước mơ cho thế hệ tương lai.
⭐️ Bên cạnh các ngành thuộc khối ngành Y Dược, Kỹ thuật nhà trường còn có các ngành thuộc khối ngành Kinh tế; Nhà trường giảm 50% học phí năm học đầu tiên cho sinh viên đăng ký học các ngành thuộc khối ngành kinh tế:
𝟏. 𝐐𝐮𝐚̉𝐧 𝐭𝐫𝐢̣ 𝐤𝐢𝐧𝐡 𝐝𝐨𝐚𝐧𝐡
𝟐. 𝐊𝐞̂́ 𝐭𝐨𝐚́𝐧
𝟑. 𝐓𝐚̀𝐢 𝐜𝐡𝐢́𝐧𝐡 𝐧𝐠𝐚̂𝐧 𝐡𝐚̀𝐧𝐠
⭐️ Chương trình đào tạo khối ngành kinh tế nhà trường có đào tạo trực tuyến cho đối tượng sinh viên đăng ký học theo hình thức trực tuyến. Sinh viên được học 𝐨𝐧𝐥𝐢𝐧𝐞 𝟏𝟎𝟎%.
📍 THÔNG TIN LIÊN HỆ Trường Cao đẳng Phương Đông
🏫 Địa chỉ: Số 03 Hùng Vương, TP. Tam Kỳ, Quảng Nam
📞 Hotline: 0913.247.365 – 0968.433.633
🌍 Website: www.cpd.edu.vn
🚀 TƯƠNG LAI TƯƠI SÁNG BẮT ĐẦU TỪ HÔM NAY! 🚀
Thông báo tuyển sinh Đại học hình thức từ xa – năm 2025, liên kết đào tạo giữa Đại học Trà Vinh và Cao đẳng Phương đông
Loading...
Thông báo tuyển sinh trình độ đại học hình thức vừa làm vừa học – Liên kết đào tạo Đại học Trà Vinh và Cao đẳng Phương Đông
Loading...