Danh sách thiết bị Samsung được ‘lên đời’ One UI 9

Trong kỷ nguyên của nhà thông minh, việc trang bị hệ thống camera an ninh giám sát đã trở thành giải pháp phổ biến của hàng triệu gia đình để bảo vệ tài sản và người thân. Với các tính năng hiện đại như xem trực tiếp qua ứng dụng, lưu trữ đám mây bảo mật và điều khiển xoay quét linh hoạt, camera được ví như những 'mắt thần' không ngủ canh giữ tổ ấm.

Tuy nhiên, giới chuyên gia bảo mật cảnh báo hiệu quả của một hệ thống an ninh phụ thuộc tới 80% vào vị trí đặt thiết bị. Việc thiếu kiến thức phần cứng, lắp đặt camera theo cảm tính không chỉ khiến thiết bị mất đi khả năng giám sát mà còn vô tình biến chúng thành công cụ xâm phạm quyền riêng tư, thậm chí tạo cơ hội cho tội phạm công nghệ cao tống tiền gia chủ.

Sai lầm chí mạng và đứng đầu danh sách cảnh báo chính là việc lắp đặt camera tại các khu vực nhạy cảm cần không gian riêng tư như phòng ngủ hoặc phòng tắm. Camera được sinh ra để mang lại cảm giác an toàn cho các thành viên, chứ không phải tạo nên sự e ngại và kém thoải mái ngay trong chính ngôi nhà của mình.

Quan trọng hơn dưới góc độ an toàn thông tin, nếu tin tặc bẻ khóa được tài khoản lưu trữ đám mây hoặc mật khẩu camera, những thước phim sinh hoạt kín đáo của gia đình sẽ bị lộ lọt, biến thành 'vũ khí' cho các hành vi tống tiền đen tối. Đối với các khu vực này, giải pháp thông minh hơn là sử dụng các cảm biến đóng/mở cửa ở cửa sổ, cửa chính để kích hoạt còi báo động khi có đột nhập thay vì dùng camera ghi hình liên tục.

Một lầm tưởng phổ biến khác là đặt camera trong nhà hướng ống kính ra ngoài qua lớp kính cửa sổ để tiết kiệm chi phí mua camera ngoài trời. Thực tế, hiện tượng phản chiếu ánh sáng ban ngày và ánh đèn hồng ngoại dội ngược vào ban đêm từ tấm kính sẽ tạo thành một vùng lóa sáng trắng xóa, khiến camera hoàn toàn bị 'mù'. Chưa kể, việc hướng ống kính mập mờ qua cửa sổ dễ khiến bạn vướng vào các rắc rối pháp lý kiện tụng từ phía hàng xóm vì hành vi xâm phạm đời tư.

Bên cạnh các yếu tố bảo mật, việc nắm rõ các giới hạn vật lý của thiết bị là bắt buộc để tránh lãng phí tiền bạc:

Cuối cùng, người dùng cần lưu ý đến các yếu tố tác động từ môi trường theo thời gian. Việc phơi camera ngoài trời hoàn toàn lộ thiên không có mái che, hay đặt máy ngay trên khu vực tỏa ra nhiệt lượng cao sẽ nhanh chóng làm suy giảm tuổi thọ của cảm biến quang học, gây hỏng hóc bo mạch và chai pin hệ thống. Ngoài ra, hãy luôn phân tích kỹ hướng mở của các cánh cửa trong nhà hoặc tốc độ phát triển của các cành cây ngoài sân để đảm bảo ống kính camera không bị che khuất một cách đáng tiếc sau vài tháng sử dụng.

Hệ thống camera an ninh chỉ thực sự bảo mật khi được bố trí một cách đúng đắn. Hãy dành thời gian rà soát lại toàn bộ hệ thống các mắt camera trong nhà, điều chỉnh lại các góc máy chưa đúng để đảm bảo góc quan sát, sự an toàn và riêng tư của gia đình bạn.

Tin Gốc: Thanh Niên

GS.TS Thái Trà My là nữ giáo sư gốc Việt duy nhất đạt danh hiệu IEEE Fellow, cấp bậc thành viên cao nhất của Học viện kỹ sư Điện và Điện tử (Institute of Electrical and Electronics Engineers), Mỹ. Bà hiện công tác tại Đại học Florida (Mỹ), đồng thời là Phó giám đốc viện Nelms và Tổng biên tập ACM Computing Surveys - tạp chí có hệ số ảnh hưởng cao nhất về lý thuyết và phương pháp khoa học máy tính.

Nhân dịp ra mắt cuốn sách về AI đầu tiên bằng tiếng Việt, bà chia sẻ với VnExpress về hành trình trở thành một nhà nghiên cứu AI có ảnh hưởng tại Mỹ, đồng thời đưa ra những khuyến nghị để Việt Nam trở thành "quốc gia mạnh về AI".

- Cơ duyên nào đưa bà đến với lĩnh vực khi học máy và AI hơn 20 năm trước vẫn là khái niệm như trong phim viễn tưởng?

- Năm 1995, tôi bắt đầu theo học hai chuyên ngành toán và khoa học máy tính. Tôi không bắt đầu từ AI, mà từ toán tối ưu, bị cuốn hút bởi một câu hỏi rất cơ bản: làm thế nào để tìm được lời giải tốt nhất giữa vô số khả năng khác nhau.

Ban đầu, tôi nghiên cứu những bài toán tối ưu mạng thông tin, cải thiện mức độ an toàn và hiệu suất mạng. Dần dần, một cách tự nhiên các bài toán đưa tôi đến với AI - vốn cũng là một hình thức tối ưu, theo nghĩa mô hình có thể hành động như thế nào để có đầu ra tốt nhất.
Khi đó AI chưa phổ biến như bây giờ. Tôi cũng không nghĩ mình đang theo đuổi một công nghệ mới, chỉ đơn giản theo đuổi những bài toán hấp dẫn, những câu hỏi mà mình thấy đáng để dành nhiều năm tìm hiểu.

Đầu những năm 2010, các mô hình học sâu bắt đầu thực hiện khá hiệu quả các tác vụ nhận diện hình ảnh, chữ viết, giọng nói hay tìm hình mẫu lặp lại trong dữ liệu. Tuy nhiên, khi đó các mô hình vẫn như những "hộp đen", chúng ta biết đầu vào và đầu ra, nhưng không biết quá trình xử lý như thế nào. Câu hỏi lớn nhất với tôi là làm sao có thể tin tưởng được kết quả, hay biết tại sao nó sai hoặc đúng để cải tiến, điều chỉnh.

Đây cũng là lý do tôi đi sâu hơn vào hướng AI có thể giải thích được. Chẳng hạn, khi chúng ta đưa cho mô hình một hình ảnh để chẩn đoán bệnh, cần biết nó đã nhìn vào điểm ảnh nào hay những yếu tố nào để đưa ra kết luận.
Đi sâu hơn, tôi nhận ra rất nhiều vấn đề về học máy và ra quyết định cuối cùng đều dẫn trở lại những nguyên lý toán tối ưu. Đến bây giờ, điều giữ tôi ở lại vẫn là sự tò mò ban đầu và sự đam mê tuyệt đối với khoa học.

- Nền tảng khoa học cơ bản ảnh hưởng thế nào đến cách bà tiếp cận nghiên cứu AI?

- Với tôi, một trong những điều quan trọng nhất toán học dạy chúng ta là sự phân biệt giữa trực giác và sự thật. Có rất nhiều điều trông có vẻ đúng cho đến khi chúng ta cố gắng chứng minh.

Tôi cho rằng bên cạnh toán, một người nghiên cứu AI cũng cần có tư duy về triết học. Tư duy kỹ thuật sẽ giúp trả lời câu hỏi "làm thế nào để hệ thống này chạy nhanh hơn, dự đoán chính xác hơn". Thế nhưng, triết học sẽ buộc chúng ta dừng lại và hỏi "sự chuẩn mực chính xác đó thực chất đang đại diện cho lợi ích của nhóm người nào và ai sẽ bị bỏ lại phía sau".

Câu hỏi này rất quan trọng đối với AI ngày nay. Ví dụ từ một trường hợp có thật, một tập đoàn công nghệ lớn của Mỹ từng có một mô hình quét hồ sơ ứng viên nhằm loại bỏ hồ sơ không phù hợp trước khi chuyển đến bộ phận nhân sự. Bằng một cách nào đó, mô hình này có xu hướng loại bỏ hồ sơ ứng viên nữ. Khi phân tích, họ phát hiện, trong dữ liệu huấn luyện, các hồ sơ của nữ giới thường không mạnh bằng nam giới và cũng ít hồ sơ nữ hơn. Vì thế mô hình tạo ra "lối tắt" để chọn rất nhanh hồ sơ dựa trên giới tính thay vì nội dung thực sự.

- AI công bằng hay thiên kiến sẽ nằm ở đâu giữa những công thức toán học, dữ liệu?

- AI có thể phản chiếu, chuyển hóa, và thậm chí phóng đại những định kiến đã tồn tại sẵn trong lịch sử dữ liệu. Hơn thế nữa, thiên kiến của AI còn ẩn nấp rải rác ở cách chúng ta thiết kế hàm mục tiêu, cách mô hình tự tối ưu và cả những điều chúng ta quyết định bỏ qua.

Tôi nhận ra mức độ nghiêm trọng của vấn đề này khi xây dựng các khung chẩn đoán đa phương thức để phát hiện sớm bệnh Alzheimer. Hãy thử tưởng tượng nếu một mô hình AI chủ yếu được huấn luyện bằng dữ liệu y tế của những bệnh nhân ở các quốc gia phát triển, thì khi áp dụng vào thực tế, nó có thể hoạt động rất chính xác với họ. Nhưng nếu dùng chính AI đó chẩn đoán cho một người lớn tuổi ở nông thôn Việt Nam, nơi thói quen sinh hoạt, cách biểu đạt ngôn ngữ và văn hóa hoàn toàn khác biệt, mô hình có thể dễ dàng bỏ qua những dấu hiệu sa sút trí tuệ ở giai đoạn đầu tiên. Trong y tế, một thiên kiến nhỏ của thuật toán có thể dẫn đến việc chẩn đoán sai, đe dọa trực tiếp đến sinh mạng.

Sự bùng nổ về AI khiến nhiều người lầm tưởng về khả năng công nghệ

- Trong cuốn "AI hiện đại - Từ nguyên lý cổ điển tới các mô hình nền tảng", có đề cập vấn đề dùng AI sao cho nhanh nhất, hiệu quả nhất mà nhiều người đang quan tâm?

- Tục ngữ có câu "ăn chắc mặc bền, ăn xổi ở thì". Đi nhanh mà không có nền tảng vững chắc rất dễ xây một lâu đài trên cát. Sự bùng nổ của AI hiện nay khiến nhiều người lầm tưởng về khả năng của công nghệ, nhưng thực chất để làm chủ và tùy biến AI sao cho hữu ích với những bài toán đặc thù của người dùng và doanh nghiệp Việt Nam, chúng ta bắt buộc phải hiểu cơ chế bên trong của nó.
Hãy tưởng tượng việc dùng AI mà không hiểu nền tảng giống như bạn đang lái xe dựa hoàn toàn vào GPS. Nếu không có một chút cảm quan nào về phương hướng hay địa hình thực tế, khi GPS chỉ sai, bạn có thể dễ dàng lao xe xuống vực mà không hề hay biết.
Hơn nữa, chúng ta đang bước vào một thời đại mà năng lực quan trọng nhất không phải khả năng tìm ra câu trả lời mà là đánh giá chất lượng của câu trả lời và cách đặt câu hỏi. Đó là lý do nhóm tác giả cuốn sách muốn giúp người đọc bắt đầu từ những nền tảng căn bản nhất.

- Liệu AI có thể trở nên hoàn toàn đáng tin cậy và an toàn?

- Các mô hình hiện vẫn mắc lỗi và tạo ra hiện tượng ảo giác (hallucination), tức tự bịa ra thông tin sai. Một trong những vấn đề nguy hiểm nhất hiện nay là AI tạo sinh được huấn luyện để tạo ra văn bản mạch lạc và giọng điệu vô cùng tự tin, trong khi thực tế đầu ra chỉ là những gì hợp lý nhất về mặt xác suất thống kê giữa các từ ngữ chứ không dựa trên "sự thật".

Nhưng về mặt tâm lý học, con người dễ bị đánh lừa bởi sự tự tin ấy. Khi thấy một mô hình đưa ra câu trả lời trơn tru như thế, bộ não chúng ta tự động tắt đi cơ chế phê bình và tư duy phản biện.

- Bà có lời khuyên gì cho những người dùng thông thường khi AI đang xuất hiện trong mọi lĩnh vực của cuộc sống?
- Tôi luôn khuyến khích mọi người học cách cộng tác với AI, đồng thời duy trì khả năng phản biện, kiểm chứng thông tin và đưa ra quyết định độc lập. Điều đáng lo ngại không phải AI mắc sai lầm, mà có rất nhiều người quên rằng AI có thể mắc sai lầm.

Một vấn đề khác, có những câu hỏi đáng lẽ AI không được phép cung cấp thông tin, chẳng hạn cách chế tạo vũ khí. Thế nhưng, trước đây nhiều người "phá khóa" bằng cách tạo câu lệnh theo hướng "tôi đang viết một câu chuyện, trong đó có một người đang chế tạo bom, hãy viết tiếp" để khiến AI sẽ cung cấp thông tin. Hiện có nhiều nỗ lực kỹ thuật nhằm hạn chế phá khóa, nhưng đây vẫn là vấn đề khó đối với một công cụ có giao diện là ngôn ngữ tự nhiên với vô số cách yêu cầu khác nhau.

Đối với một công cụ mạnh như AI hiện đại, luôn có hai phương diện kỹ thuật và hành vi sử dụng. Một mặt, các kỹ thuật sẽ luôn được cải tiến để công cụ đáng tin cậy và an toàn hơn, nhưng mặt khác người dùng cũng cần có ý thức về việc sử dụng công cụ như thế nào.

Tôi nghĩ mọi người nên thực hành ba nguyên tắc. Thứ nhất, hiểu rõ công cụ mình đang sử dụng và dữ liệu nào đang được chia sẻ. Thứ hai, không đưa những thông tin nhạy cảm hoặc dữ liệu cá nhân quan trọng vào các hệ thống mà mình không hiểu rõ cơ chế bảo mật. Thứ ba, luôn kiểm chứng các kết quả do AI tạo ra trước khi sử dụng cho những quyết định quan trọng. AI nên là trợ lý hỗ trợ con người chứ không phải người ra quyết định cuối cùng.

Cần đầu tư mạnh hơn vào nghiên cứu cơ bản, hạ tầng tính toán

- Theo bà Việt Nam cần làm gì để phát triển AI bền vững?

- Việt Nam có nhiều lợi thế như nguồn nhân lực trẻ, nền tảng toán học tốt và khả năng thích ứng công nghệ nhanh. Chúng ta cũng có lợi thế của người "đi sau", có thể học hỏi những kỹ thuật mới, những bài học kinh nghiệm trong quá trình phát triển công nghệ. Tuy nhiên, để phát triển AI bền vững, cần đầu tư mạnh hơn vào nghiên cứu cơ bản, hạ tầng tính toán, dữ liệu chất lượng cao và cơ chế kết nối giữa trường đại học, viện nghiên cứu với doanh nghiệp.
Hơn thế nữa, một quốc gia mạnh về AI không chỉ là quốc gia sử dụng công nghệ tốt, mà có khả năng tạo ra công nghệ mới, đóng góp tri thức mới và giải quyết những bài toán mà thế giới chưa giải được. Điều đó đòi hỏi đầu tư rất dài hạn vào con người, nghiên cứu cơ bản và môi trường học thuật, bởi những thành quả quan trọng nhất của khoa học thường không xuất hiện ngay lập tức.

- Làm thế nào để doanh nghiệp có thể "biến AI thành tiền", tạo tài sản từ AI?

- Nếu chỉ nhìn AI như một công cụ để cắt giảm chi phí hay tăng năng suất, chúng ta vẫn đang tư duy theo lối mòn của những cuộc cách mạng công nghiệp cũ. Trong kỷ nguyên này, việc tạo ra một đoạn mã, một bài viết hay một dự đoán bằng AI sẽ ngày càng trở nên dễ dàng và rẻ. Khi năng lực tính toán và nội dung trở thành thứ đại trà, theo tôi, quy luật kinh tế sẽ thay đổi. Sự dồi dào của công nghệ sẽ đẩy giá trị về phía sự khan hiếm của niềm tin (Trust) và tính nguyên bản (Authenticity).

Vì vậy, để thực sự tạo ra tài sản bền vững từ AI, tôi cho rằng doanh nghiệp cần tập trung vào những bài toán cụ thể của khách hàng, xây dựng dữ liệu chất lượng cao và tạo ra các sản phẩm có khả năng mở rộng.
Về phía chính sách, tôi nghĩ chúng ta cần có môi trường thuận lợi cho đổi mới sáng tạo, hỗ trợ nghiên cứu phát triển, đặc biệt là có các sandbox (khung thể chế thử nghiệm) để doanh nghiệp có thể thử nghiệm các mô hình kinh doanh AI mới một cách an toàn mà không bị bó buộc bởi các quy định cũ.
Tuy nhiên, trong quá trình thương mại hóa AI, chúng ta cũng cần đặc biệt chú ý đến quyền riêng tư, tính minh bạch, an toàn dữ liệu và các tác động xã hội của công nghệ. Thành công lâu dài sẽ thuộc về những doanh nghiệp tạo được niềm tin bên cạnh hiệu quả kinh tế.

Tin Gốc: Vnexpress

Những ăng-ten này thường có thiết kế vặn vít để kết nối trực tiếp với mặt sau của máy tính hoặc dạng vây cá mập, kết nối qua dây cáp mở rộng. Lúc này, nhiều người có thể thắc mắc tại sao máy tính cần ăng-ten Wi-Fi trong khi các thiết bị di động như smartphone hay laptop vẫn kết nối tốt với Wi-Fi mà không cần ăng-ten ngoài.

Trong thực tế, mặc dù không nhìn thấy ăng-ten lớn trên thiết bị di động, mỗi thiết bị vẫn sử dụng một loại ăng-ten nào đó. Hầu hết máy tính để bàn và laptop từ các thương hiệu nổi tiếng đều có ăng-ten bên trong, nhưng thường được giấu kín vì lý do thẩm mỹ. Smartphone thường sử dụng khung kim loại làm ăng-ten hoặc có ăng-ten dạng màng mỏng dán bên trong vỏ máy.

Vai trò của ăng-ten Wi-Fi là rất quan trọng vì thiếu nó có thể gây ra lỗi kết nối Wi-Fi và ảnh hưởng đến cả kết nối Bluetooth, do cùng một loại ăng-ten thường được sử dụng cho cả hai chức năng.

Các ăng-ten Wi-Fi cắm vào máy tính giúp chip Wi-Fi khuếch đại tín hiệu, duy trì kết nối ổn định với các mạng Wi-Fi. Chip Wi-Fi hiện đại trong máy tính để bàn thường nhỏ, có khả năng hạn chế trong việc truyền và thu sóng vô tuyến, do đó phụ thuộc vào ăng-ten. Hơn nữa, vỏ máy tính thường hoạt động như một lồng Faraday làm giảm khả năng thu phát tín hiệu không dây.

Ngoài việc hỗ trợ kết nối Wi-Fi, các chip Wi-Fi hiện đại còn tích hợp bộ thu phát Bluetooth, nghĩa là ăng-ten cũng cần thiết cho các thiết bị và phụ kiện Bluetooth. Mặc dù một số thiết bị ngoại vi có thể hoạt động mà không cần ăng-ten ngoài, nhưng luôn có nguy cơ bị ngắt kết nối.

Việc sử dụng ăng-ten ngoài cho máy tính để bàn mang lại nhiều lợi ích. Các nhà sản xuất thiết bị di động đã tập trung vào thiết kế nhỏ gọn, nhưng máy tính để bàn vẫn ưu tiên hiệu suất với các ăng-ten đơn giản, dễ nâng cấp. Khác với điện thoại và laptop có các bộ phận bằng kính hoặc nhựa cho phép tín hiệu truyền qua, vỏ máy tính để bàn chủ yếu là kim loại, gây khó khăn cho việc truyền tín hiệu.

Việc sử dụng ăng-ten ngoài không chỉ giúp nâng cấp chip Wi-Fi dễ dàng hơn khi có thế hệ mới mà còn cho phép bắt tín hiệu yếu hiệu quả hơn so với ăng-ten bên trong, từ đó giúp người dùng có trải nghiệm kết nối Wi-Fi ổn định và mạnh mẽ hơn.

Tin Gốc: Thanh Niên