NGÀNH CNTT TUYỂN SINH NHIỀU CHỈ TIÊU NGÀNH CNTT, CNTT VIỆT NHẬT VÀ KHOA HỌC DỮ LIỆU

Góc học tập

Dùng AI để phát hiện sớm rủi ro y tế tại Anh

on .

Nhằm khắc phục tình trạng tiêu chuẩn kém trong dịch vụ sức khỏe tâm thần và sản khoa, NHS (Dịch vụ Y tế Quốc gia của Vương quốc Anh) sẽ sử dụng AI để phân tích cơ sở dữ liệu bệnh viện và phát hiện sớm các bê bối tiềm ẩn liên quan đến an toàn y tế.

 

Hệ thống y tế sử dụng AI để phân tích dữ liệu và tăng an toàn y tế. Ảnh: Midjourney

Bộ Y tế và Chăm sóc Xã hội nước này cho biết công nghệ này sẽ cung cấp một hệ thống cảnh báo sớm có khả năng phát hiện các mô hình hoặc xu hướng bất thường và kích hoạt các cuộc thanh tra khẩn cấp. Sáng kiến này nằm trong kế hoạch cải cách 10 năm cho NHS dự kiến sẽ được Bộ trưởng Wes Streeting công bố trong tuần này.

Tuần trước, ông Streeting đã công bố một cuộc điều tra quốc gia về dịch vụ sản khoa và sơ sinh của NHS với mục tiêu mang lại “sự thật và trách nhiệm giải trình”, xem xét những vấn đề đã xảy ra trong suốt 15 năm qua. Báo cáo dự kiến sẽ công bố vào tháng 12/2025.

Từ tháng 11, một “hệ thống tín hiệu” sẽ được triển khai trên toàn bộ các tổ chức NHS, sử dụng dữ liệu gần như theo thời gian thực để giám sát tỷ lệ thai chết lưu, tử vong sơ sinh và chấn thương não cao bất thường - trọng tâm chính của công tác cải thiện chất lượng chăm sóc sản khoa.

Bộ trưởng Streeting cho biết: “An toàn và trao quyền cho bệnh nhân là trọng tâm trong kế hoạch y tế 10 năm của chúng tôi. Bằng cách áp dụng AI và đưa vào hệ thống cảnh báo sớm lần đầu tiên trên thế giới, chúng tôi sẽ phát hiện các dấu hiệu nguy hiểm sớm hơn và tiến hành thanh tra nhanh chóng trước khi sự cố xảy ra.

“Công nghệ này sẽ cứu sống nhiều người: phát hiện chăm sóc không an toàn trước khi nó trở thành thảm kịch. Đây là bước quan trọng trong cam kết đưa NHS chuyển từ ‘thời kỳ analog’ sang ‘kỹ thuật số’, mang đến dịch vụ chăm sóc tốt hơn, an toàn hơn cho mọi người.”

GS. Meghana Pandit - Giám đốc y tế quốc gia phụ trách chăm sóc cấp hai của NHS, cho biết, NHS tại Anh sẽ là quốc gia đầu tiên trên thế giới thử nghiệm hệ thống cảnh báo hỗ trợ AI để phát hiện các vấn đề an toàn bệnh nhân. Hệ thống này sẽ phân tích nhanh dữ liệu bệnh viện thường xuyên và các báo cáo do nhân viên y tế tại cộng đồng gửi về. “Biện pháp này sẽ đẩy nhanh tốc độ và hiệu quả trong việc phát hiện những mối lo ngại về an toàn, từ đó cho phép chúng tôi phản ứng kịp thời để cải thiện chất lượng chăm sóc”, Giáo sư nói.

Tuy nhiên, GS. Nicola Ranger - Tổng thư ký Hội Điều dưỡng Hoàng gia, cho rằng việc dùng AI để duy trì an toàn bệnh nhân không thể thay thế cho việc tăng số lượng nhân viên y tế. Bà Ranger nói: “Công nghệ luôn có vai trò quan trọng, nhưng việc đầu tư đúng chỗ nên bắt đầu bằng việc có đủ nhân viên ở tuyến đầu để đảm bảo an toàn cho bệnh nhân”.

(Nguồn: theguardian.com)

Nguồn: https://baomoi.com/dung-ai-de-phat-hien-som-rui-ro-y-te-tai-anh-c52698480.epi?utm_source=dapp&utm_campaign=share

Thuật toán đang định hình niềm tin của chúng ta

on .

Trên phạm vi toàn cầu, không gian thông tin đang thay đổi nhanh chóng dưới tác động của trí tuệ nhân tạo (AI) và thuật toán. Các nội dung giả ngày càng tinh vi, khiến ranh giới thật – giả mờ nhạt, kéo theo sự xói mòn dần niềm tin xã hội.

 Nhiều thông tin sai lệch lan tràn trên mạng.

Nhiều thông tin sai lệch lan tràn trên mạng.

Niềm tin bị thao túng trong kỷ nguyên thuật toán

Các cuộc điều tra của tờ The Guardian (Anh) cho thấy, nhiều nhóm cực đoan trên thế giới đã và đang tận dụng AI, đặc biệt là công nghệ nhân bản giọng nói bằng AI và chuyển văn bản thành giọng nói để mở rộng tuyên truyền. Từ các nhóm tân phát xít đến mạng lưới thánh chiến cực đoan, họ biến văn bản thành những đoạn âm thanh “nghe như người thật”, giữ nguyên tông giọng, cảm xúc và cường độ ý thức hệ, rồi phát tán trên nhiều nền tảng và nhiều ngôn ngữ khác nhau.

Cơ chế thao túng này đánh trúng một phản xạ tâm lý rất căn bản: con người có xu hướng tin nhanh hơn khi cảm giác xác thực đủ mạnh. Một giọng nói nghe quen, có vẻ đáng tin, mang dáng dấp của quyền lực hay chuyên môn sẽ làm suy giảm rào cản hoài nghi. Khi những nội dung đó tiếp tục được thuật toán ưu tiên phân phối vì gây sốc, gây tranh cãi hoặc kích thích cảm xúc mạnh, niềm tin dần được hình thành nhờ cảm xúc, sự lặp lại và vẻ ngoài “giống thật”.

Theo Guardian, các phiên bản tiếng Anh của những bài diễn thuyết mang màu sắc cực đoan, được tạo ra bằng công nghệ nhân bản giọng nói AI, đã đạt tới hàng chục triệu lượt nghe và xem trên các nền tảng như X, Instagram và TikTok.

Hệ quả của sự bào mòn niềm tin này đã vượt ra ngoài phạm vi công nghệ. Ông Tim Davie – Tổng giám đốc Đài Phát thanh – Truyền hình Anh cảnh báo rằng: “Tương lai của một xã hội gắn kết và dân chủ đang thực sự bị đe dọa”. Ông gọi làn sóng thông tin sai lệch trên các nền tảng số là một “khủng hoảng niềm tin”, nhấn mạnh rằng khi xã hội không còn một nền tảng sự thật chung, người bất đồng dễ bị coi là kẻ thù, sự đồng cảm suy giảm và các giá trị dân chủ bị xói mòn.

Theo một nghiên cứu công bố năm 2024 do các nhà khoa học Mỹ và Đức hợp tác thực hiện về hệ thống đề xuất của TikTok, nhóm nghiên cứu đã theo dõi hành vi sử dụng của 347 người dùng thực và 5 tài khoản người dùng giả lập được kiểm soát nhằm quan sát cách thuật toán phản ứng trước các tương tác hằng ngày. Kết quả cho thấy, 30-50% nội dung TikTok được gợi ý trực tiếp dựa trên những sở thích mà thuật toán đã tự động nhận diện, chứ không phải từ lựa chọn có ý thức của người dùng. Khi dòng nội dung đề xuất cá nhân hóa này vận hành gần như hoàn toàn tự động, niềm tin có thể hình thành trước cả khi khả năng phản biện kịp xuất hiện.

Giành lại quyền kiểm soát trước thuật toán

Không có “nút tắt” nào để nhanh chóng khôi phục niềm tin xã hội trong kỷ nguyên thuật toán. Tuy vậy, nhiều quốc gia và tổ chức quốc tế đã bắt đầu triển khai các biện pháp cụ thể nhằm giành lại quyền chủ động trước hệ thống đề xuất, với nhận thức chung rằng thuật toán đã trở thành một lực lượng xã hội cần được giám sát và quản trị.

Một trong những hướng đi quan trọng nhất là yêu cầu minh bạch và giám sát thuật toán. Liên minh châu Âu (EU) là khu vực đi đầu với việc ban hành Đạo luật Dịch vụ Kỹ thuật số (DSA), buộc các nền tảng công nghệ lớn phải công bố nguyên tắc hoạt động của hệ thống đề xuất, cho phép cơ quan độc lập và giới nghiên cứu đánh giá rủi ro xã hội, đồng thời chịu trách nhiệm pháp lý nếu thuật toán của họ khuếch đại nội dung gây hại.

Nhiều quốc gia đang thúc đẩy việc thay đổi mục tiêu thiết kế của thuật toán. Thay vì chỉ tối ưu cho mức độ tương tác, các nền tảng được yêu cầu tính đến tác động xã hội dài hạn. Thụy Điển, Phần Lan và Đan Mạch đã gây sức ép buộc các nền tảng giảm lặp lại nội dung cực đoan, tăng tính đa dạng nguồn thông tin trong hệ thống đề xuất, hạ thứ hạng các nội dung bị gắn cờ thao túng và đặc biệt là hạn chế lợi ích kinh tế từ nội dung kích động.

Vai trò của truyền thông công ích và báo chí chuyên nghiệp đang được điều chỉnh theo hướng thực tế hơn. Nhiều cơ quan báo chí hiện diện ngay trong không gian do thuật toán chi phối, nhưng vẫn giữ chuẩn mực nghề nghiệp. Giáo sư nghiên cứu truyền thông Sonia Livingstone (Trường Kinh tế và Khoa học Chính trị London) nhận định rằng, khi phần lớn công chúng, đặc biệt là giới trẻ, tiếp cận tin tức chủ yếu qua các nền tảng số, sự vắng mặt của báo chí chính thống sẽ để lại những khoảng trống thông tin dễ bị nội dung sai lệch và thao túng chiếm lĩnh. Theo bà, trong môi trường truyền thông bị chi phối bởi thuật toán, việc báo chí chuẩn mực hiện diện trên các nền tảng nơi công chúng hình thành nhận thức là điều kiện cần để thông tin đã được kiểm chứng tiếp cận đúng đối tượng và đúng thời điểm.

Ở cấp độ cá nhân, các chuyên gia truyền thông và giáo dục cho rằng giải pháp nằm ở việc nâng cao năng lực tiếp nhận thông tin của người dùng. Nhiều quốc gia như Canada, Australia và các nước châu Âu đã đưa giáo dục kỹ năng số và hiểu biết truyền thông vào trường học cũng như các chương trình cộng đồng. Trọng tâm của các chương trình này là giúp người dân hình thành thói quen trì hoãn phản ứng trước nội dung gây sốc, chủ động đối chiếu nhiều nguồn thông tin, đọc toàn văn thay vì chỉ tiêu đề, và nhận thức rõ rằng những hành vi rất nhỏ như dừng lại xem hay xem lại một nội dung cũng chính là cách “huấn luyện” thuật toán.

Thuật toán ngày nay vận hành như một hạ tầng xã hội vô hình, nguy cơ nằm ở chỗ chúng từng bước định hình và làm xói mòn niềm tin thông qua việc lặp lại và khuếch đại một số thông tin nhất định. Trong bối cảnh đó, giành lại quyền chủ động trước thuật toán là điều cần thiết để xã hội duy trì khả năng đối thoại dựa trên sự thật và đưa ra các quyết định chung một cách có trách nhiệm.

Trong kỷ nguyên AI và thuật toán, niềm tin xã hội ngày càng được định hình bởi những nội dung được lặp lại và khuếch đại.

Hồng Nhung


Nguồn: https://baomoi.com/thuat-toan-dang-dinh-hinh-niem-tin-cua-chung-ta-c54127856.epi

Tản mạn với thầy giáo già- 4

on .

TỔNG QUÁT HÓA và ĐẶC THÙ HÓA.

Trong triết học có 9 cặp phạm trù, bài này sẽ bàn về cặp cái chung (tổng quát hóa)- cái riêng (đặc thù hóa).

Tổng quát hóa là quá trình rút ra quy luật, cấu trúc hoặc nguyên lý chung, từ những mẫu rời rạc, để áp dụng cho vô số trường hợp cụ thể khác.

Tổng quát hóa là thấy “luật chơi”, không chỉ thấy “quân cờ”. Nó là kim chỉ nam cho người muốn học một nhưng biết mười.

Ngược với tổng quát hóa là đặc thù hóa (hay cụ thể hóa). Tổng quát hóa là cố gắng tìm thấy cái chung. Đặc thù hóa là áp cái chung vào một trường hợp cụ thể (cái riêng). Tổng quát hóa sinh ra trí tuệ. Đặc thù hóa sinh ra hành động, giải quyết.

 

Câu hỏi: khi nào đặc thù hóa (cái riêng) thắng cái chung (tổng quát hóa)?

Vẫn có thể. Chân lý phổ quát đôi khi quá xa so với nhận thức của con người, nó cần được gò nắn để vừa với con người cụ thể. 

Đặc thù hóa giúp phát triển đúng người, tạo tinh hoa. Tổng quát hóa chỉ tạo số đông trung bình. 

Áp dụng nguyên lý chung một cách cứng nhắc có thể gây tai hại. Ví dụ: Trong ngành Y, y học là khoa học của cái chung (nguyên lý), nhưng là nghệ thuật của cái riêng khi chữa bệnh cho từng cá thể. 

  • Ví dụ 1: “Huyết áp cao thì hạ xuống càng nhanh càng tốt”, lý thuyết là hợp lý nhưng không phải lúc nào cũng đúng. Một người lớn tuổi bị tăng huyết áp lâu năm, cơ thể đã “quen” với mức huyết áp cao. Việc làm huyết áp giảm quá nhanh, dễ gây ngất, chóng mặt. 
  • Ví dụ 2 (ngành an toàn thông tin): “Càng bảo mật chặt thì càng an toàn”. Đúng — nhưng nếu áp dụng máy móc, lại phản tác dụng. Một công ty áp dụng chính sách,  Mật khẩu phải dài ≥ 16 ký, Phải có chữ hoa, chữ thường, số, ký tự đặc biệt; Phải đổi mỗi 7 ngày. Kết quả thực tế: Nhân viên không nhớ nổi mật khẩu; Ghi ra giấy dán lên màn hình. Hệ thống yếu hơn, không phải mạnh hơn.
  • Ví dụ 3 (võ thuật): “Ra đòn càng mạnh càng tốt”. Nghe rất hợp lý,  sức mạnh lớn thì dễ thắng. Một người luôn cố tung đòn thật mạnh, dồn toàn bộ lực vào mỗi cú đánh.Khi gặp đối thủ nhanh và linh hoạt, người ta phát hiện đòn tuy rất mạnh, nhưng chậm, dễ đoá, dễ mất thăng bằng khi ra đòn hụt, nên kết quả: thua nhanh hơn.
  • Ví dụ 4 (kính tế): “Giảm thuế sẽ kích thích kinh tế”. Một quốc gia quyết định: Giảm mạnh thuế thu nhập, Giảm thuế doanh nghiệp

 

=> Kết quả: Thiếu tiền cho y tế, giáo dục; Tăng vay nợ;Mất ổn định tài chính. Trong kinh tế: không có chính sách nào “đúng trong mọi hoàn cảnh”. 

=> Hay nói gọn:Thuốc tốt nhưng dùng sai liều → thành thuốc độc.

 

Để phát hiện quy luật người ta có thể dùng một hoặc tổ hợp các phương pháp như sau: so sánh, quy nạp, trừu tượng, tương tự, loại trừ, phân nhóm.

Phương Đông và Tây thường có cách tiếp cận khác nhau khi tìm quy luật.

 

Phương Tây: Bottom-up

Bắt đầu từ sự vật riêng lẻ.

Phân tích, tách nhỏ các sự vật trên.

Tìm đặc điểm lặp lại từ bước phân tích.

Kết luận thành quy luật chung

Ví dụ:

Nhiều vật rơi → đo → tính → định luật hấp dẫn

Nhiều ca bệnh → thống kê → phác đồ chung

 

Phương Đông: Top-down (từ trên xuống)

Bắt đầu quan sát từ cấu trúc toàn thể, hay trong trật tự lớn

Quan sát sự vận hành hài hòa

Đặt sự vật vào bối cảnh

Nhận ra mẫu hình chung

Ví dụ:

Âm/dương, sinh/ khắc, bệnh/khỏe

Cái chung là mẫu hình được “nhận ra”. Trong ví dụ trên, đó là cách chia theo thế giới nhị phân. Cách phân nhóm cơ bản nhất. 

 

Fed hạ lãi suất ảnh hưởng kinh tế như thế nào ?

on .

Khi Cục Dự trữ Liên bang Mỹ (Fed) hạ lãi suất, tác động thường lan ra nhiều mặt của nền kinh tế và thị trường tài chính, không chỉ ở Mỹ mà còn trên toàn cầu. Có thể tóm gọn thành mấy hướng chính:

 

1. Đối với nền kinh tế Mỹ

  • Kích thích tiêu dùng và đầu tư: Lãi suất cho vay thấp → người dân và doanh nghiệp vay rẻ hơn → tăng mua sắm, mở rộng sản xuất.

  • Giảm chi phí nợ: Các khoản vay hiện có (như thế chấp, vay mua ô tô, thẻ tín dụng) có thể giảm lãi phải trả.

  • Hỗ trợ tăng trưởng: Fed thường hạ lãi suất khi muốn kích thích nền kinh tế đang chậm lại hoặc đối phó suy thoái.

     

2. Đối với thị trường tài chính

  • Chứng khoán: Thường tăng do chi phí vốn rẻ hơn và kỳ vọng lợi nhuận doanh nghiệp cải thiện.

  • Trái phiếu: Giá trái phiếu hiện có tăng (do lợi suất mới thấp hơn).

  • Bất động sản: Thị trường nhà đất có thể sôi động vì vay mua nhà rẻ hơn.

     

3. Đối với đồng USD

  • Lãi suất thấp → USD kém hấp dẫn với nhà đầu tư quốc tế → đồng USD thường suy yếu.

  • USD yếu giúp xuất khẩu Mỹ cạnh tranh hơn nhưng làm hàng nhập khẩu đắt hơn → có thể tạo áp lực lạm phát.

 

4. Đối với kinh tế toàn cầu và Việt Nam

  • Dòng vốn: Lãi suất Mỹ giảm → vốn đầu tư có thể chảy sang các thị trường mới nổi (trong đó có Việt Nam) để tìm lợi suất cao hơn.

  • Tỷ giá: USD yếu → VND có thể mạnh lên so với USD (tùy chính sách NHNN) → ảnh hưởng xuất nhập khẩu.

  • Giá hàng hóa: Lãi suất giảm thường đẩy giá vàng, dầu, và hàng hóa cơ bản tăng vì chi phí cơ hội giữ hàng hóa giảm.

Các kỹ năng quan trọng của SV ngành CNTT là gì?

on .

Sinh viên ngành Công nghệ thông tin (CNTT) không chỉ cần giỏi lập trình, mà còn cần nhiều kỹ năng khác để học tốt, làm việc hiệu quả và phát triển lâu dài.

Chia theo 3 nhóm: chuyên môn – tư duy – mềm, cho dễ hình dung 

 I. KỸ NĂNG CHUYÊN MÔN (Technical Skills)

  1. Lập trình (Programming)

    • Thành thạo ít nhất 1–2 ngôn ngữ cốt lõi (Python, Java, C++, hoặc JavaScript).

    • Hiểu rõ cấu trúc dữ liệu, giải thuật, và tư duy tối ưu.

  2. Kiến trúc & Hệ thống máy tính

    • Hiểu hệ điều hành, mạng máy tính, cơ sở dữ liệu, bảo mật cơ bản.

    • Biết cách thiết kế hệ thống và triển khai ứng dụng thực tế.

  3. Phát triển phần mềm (Software Development)

    • Biết dùng Git/GitHub, CI/CD, test, debug.

    • Hiểu SDLC (Software Development Life Cycle), Agile, Scrum.

  4. Cơ sở dữ liệu (Database)

    • SQL (MySQL, PostgreSQL) và NoSQL (MongoDB).

    • Biết thiết kế CSDL, tối ưu truy vấn.

  5. Web / App / AI / Cloud (tùy hướng chuyên sâu)

    • Web: HTML, CSS, JavaScript, React, Node.js.

    • App: Flutter, Kotlin, Swift.

    • AI/Data: Python, Pandas, TensorFlow, scikit-learn.

    • Cloud: AWS, Azure, Docker, Kubernetes.

II. KỸ NĂNG TƯ DUY (Thinking & Cognitive Skills)

  1. Tư duy logic và thuật toán – nền tảng cho mọi bài toán CNTT.

  2. Tư duy phản biện (Critical Thinking) – đặt câu hỏi “vì sao”, “làm cách nào tốt hơn”.

  3. Tư duy hệ thống (Systems Thinking) – nhìn thấy mối liên hệ giữa các phần trong hệ thống.

  4. Giải quyết vấn đề (Problem Solving) – phân tích vấn đề, đề xuất nhiều hướng giải pháp.

  5. Tự học và học suốt đời (Self-learning) – rất quan trọng trong ngành thay đổi nhanh.

 III. KỸ NĂNG MỀM (Soft Skills)

  1. Làm việc nhóm (Teamwork) – phối hợp hiệu quả trong nhóm lập trình, dự án.

  2. Giao tiếp (Communication) – trình bày ý tưởng kỹ thuật rõ ràng, dễ hiểu.

  3. Quản lý thời gian & kỷ luật cá nhân – tự kiểm soát tiến độ, deadline.

  4. Tư duy sản phẩm (Product Mindset) – hiểu nhu cầu người dùng, không chỉ viết code.

  5. Tiếng Anh chuyên ngành – đọc tài liệu, giao tiếp với đồng nghiệp quốc tế.

Gợi ý định hướng cho sinh viên

  • Năm 1–2: Tập trung nền tảng lập trình – giải thuật – cơ sở dữ liệu.

  • Năm 3: Làm dự án thực tế, học teamwork, Git, Agile ...

  • Năm 4: Chọn chuyên ngành (Khoa học dữ liệu, AI, Web, Mobile, Cloud, An ninh mạng, v.v.), thực tập thực tế.

 
 

Các bài khác...