Please enable JavaScript.
Coggle requires JavaScript to display documents.
Một số vấn đề xã hội về trí tuệ nhân tạo và sinh trắc học - Coggle Diagram
Một số vấn đề xã hội về trí tuệ nhân tạo và sinh trắc học
Trí tuệ nhân tạo
Khái niệm
Ban đầu tập trung vào logic hình thức (game, xử lý ngôn ngữ tự nhiên), sau chuyển sang tính toán số (nhờ sức mạnh phần cứng tăng)
Mục tiêu: Tạo ra tác nhân thông minh (autonomous agents) có khả năng tự hành động và hỗ trợ con người
AI là lĩnh vực nghiên cứu mô phỏng trí thông minh con người, ứng dụng vào giải quyết vấn đề thực tế
Tập trung vào các hoạt động mà trí thông minh con người có thể được biểu diễn bằng logic bậc nhất (chơi cờ, xử lý ngôn ngữ tự nhiên) hoặc học máy, mạng nơ-ron, fuzzy logic
Ví dụ: Robot, trợ lý ảo (Siri), xe tự lái (Google Car)
Những tiến bộ trong AI
Robot & Autonomous Agents
khám phá vũ trụ (Sojourner, Curiosity, Dante, dự án Mặt Trăng Nhật Bản)
Y tế
Ứng dụng trong quân sự (drone, UAV, cứu thương tự động)
Sản xuất công nghiệp
Xe tự lái: Google Car, ALV, UGV, Prometheus Project
Trợ lý ảo & phần mềm thông minh: Siri, Julia (tác nhân trò chuyện trong MUSE), CAP, COACH, ASK, WEBGUIDE
Ứng dụng công nghiệp: Lắp ráp máy tính, nhận dạng giọng nói, xử lý ảnh
Các lĩnh vực nghiên cứu mới: Neural networks, fuzzy logic, machine learning
Trí tuệ nhân tạo và đạo đức
Vấn đề đạo đức, lo ngại
Trách nhiệm đạo đức: Ai chịu trách nhiệm nếu AI gây hậu quả? Người tạo hay người sử dụng?
Nguy cơ mất quyền tự chủ con người khi AI thay thế kỹ năng lao động
Sợ hãi "Frankenstein": Con người mất kiểm soát nếu máy thông minh hơn
Quy tắc đạo đức
Luật Robot của Asimov: Không làm hại con người, tuân theo lệnh con người, bảo vệ bản thân
Carbonell: Hệ thống AI nên có thứ bậc mục tiêu định hướng theo đạo đức
Quan điểm ủng hộ
Hỗ trợ con người trong công việc nguy hiểm và nhàm chán
Cơ hội hiểu rõ hơn về bản chất con người
Sinh trắc học
Khái niệm
Biometric: Đặc điểm vật lý/sinh học đo được (vân tay, khuôn mặt, giọng nói, mống mắt…)
Không thể quên hoặc bị đánh cắp như mật khẩu
Sử dụng các đặc điểm sinh học (vân tay, giọng nói, khuôn mặt, mống mắt, võng mạc) để xác thực danh tính
Quy trình xác thực
Ghi danh (Enrollment): Quét đặc điểm sinh học → tạo mẫu số hóa (template) lưu vào cơ sở dữ liệu
Xác thực (Authentication): Quét lại → tạo mẫu mới → so sánh với template đã lưu
Thành phần hệ thống
Bộ so khớp (matcher)
Kho lưu trữ dữ liệu tham chiếu (reference archive)
Bộ trích xuất đặc trưng (feature extraction)
Thiết bị cảm biến (sensor)
Công nghệ chính
Nhận diện khuôn mặt: Dùng eigenface, bị hạn chế bởi ảnh & video 2D
Nhận diện giọng nói: Dựa trên formant (tần số cộng hưởng), dễ bị giả mạo
Hình học bàn tay: Độ chính xác không cao, thường kết hợp công nghệ khác
Phân tích chữ viết tay: Dùng trong đánh giá tính cách
Vân tay: Phổ biến nhất, dễ dùng nhưng dễ bị đánh lừa (dấu vết, ảnh 3D)
Mống mắt (Iris): Bảo mật cao, được coi là “tiêu chuẩn vàng”
Võng mạc (Retina): Chính xác nhất nhưng bất tiện & xâm lấn
Vấn đề đạo đức
Nguy cơ phân biệt chủng tộc: Một số công nghệ có thể hoạt động kém chính xác với các nhóm dân tộc khác nhau
Rủi ro bảo mật: Đánh cắp, chỉnh sửa mẫu sinh trắc có thể dẫn đến đánh cắp danh tính
Quyền riêng tư & Nhân phẩm: Lo ngại việc số hóa đặc điểm cơ thể dẫn tới phân loại, phân biệt đối xử hoặc xâm phạm đời tư