Neural Network, Deep Learning và các ứng dụng trong cuộc sống

20/09/2023 4.998 lượt xem
Cỡ chữ

Trong thế giới công nghệ hiện nay, trí tuệ nhân tạo (AI) đã trở thành một phần không thể thiếu trong cuộc sống hằng ngày. Mạng thần kinh (Neural Network) là một phương thức trong lĩnh vực AI, được sử dụng để hỗ trợ máy tính xử lí dữ liệu theo cách lấy cảm hứng từ bộ não con người. Đây là một loại quy trình học sâu (Deep Learning), sử dụng các nút hoặc nơ-ron liên kết với nhau trong một cấu trúc phân lớp tương tự như bộ não con người. Phương thức này tạo ra một hệ thống thích ứng được máy tính sử dụng để học hỏi từ sai lầm của chúng và liên tục được cải thiện. Vì vậy, Neural Network nhân tạo hướng tới giải quyết các vấn đề phức tạp, chẳng hạn như tóm tắt tài liệu hoặc nhận diện khuôn mặt với độ chính xác cao hơn. Mặc dù một số người sử dụng Neural Network và Deep Learning thay thế cho nhau, nhưng những tiến bộ, tính năng và ứng dụng của chúng thực tế lại khác nhau. Bài viết phân tích về sự khác nhau giữa Neural Network và Deep Learning, từ đó đề cập đến những ứng dụng của chúng trong cuộc sống con người.
 
1. Khái niệm về Neural Network
 
Neural Network nhân tạo được mô phỏng theo bộ não con người. Nó phân tích dữ liệu phức tạp, hoàn thành các phép toán, tìm kiếm các mẫu và sử dụng thông tin thu thập được để đưa ra dự đoán và phân loại. Cũng giống như bộ não con người, Neural Network nhân tạo có một đơn vị chức năng cơ bản được gọi là nơ-ron. Những nơ-ron này còn được gọi là các nút, truyền thông tin trong mạng. (Hình 1)
 
Hình 1: Mô hình về Neural Network


Một Neural Network cơ bản có các nút được kết nối với nhau trong các lớp (layer) đầu vào (input layer), layer ẩn (hidden layer) và layer đầu ra (output layer). 
 
Layer đầu vào xử lí và phân tích thông tin trước khi gửi nó đến layer tiếp theo.
 
Layer ẩn nhận dữ liệu từ layer đầu vào hoặc các layer ẩn khác. Sau đó, layer ẩn tiếp tục xử lí và phân tích dữ liệu bằng cách áp dụng một tập hợp các phép toán để chuyển đổi và trích xuất những tính năng có liên quan từ dữ liệu đầu vào.
 
Layer đầu ra cung cấp thông tin cuối cùng bằng cách sử dụng các tính năng được trích xuất. Layer này có thể có một hoặc nhiều nút, tùy thuộc vào kiểu thu thập dữ liệu. Đối với phân loại nhị phân, đầu ra sẽ có một nút hiển thị kết quả 1 hoặc 0.
 
Hoạt động của Neural Network
 
Bộ não con người chính là nguồn cảm hứng cho kiến trúc Neural Network. Các tế bào não của con người được gọi là nơ-ron, tạo thành một mạng lưới phức tạp, có tính liên kết cao và gửi các tín hiệu đến nhau để giúp con người xử lí thông tin. Tương tự, một Neural Network nhân tạo được tạo ra từ các tế bào nơ-ron, cùng nhau phối hợp để giải quyết một vấn đề. Neural Network nhân tạo là các module phần mềm, được gọi là nút và Neural Network nhân tạo là các chương trình phần mềm hoặc thuật toán mà về cơ bản, sử dụng hệ thống máy tính để giải quyết các phép toán.
 
Một số loại mạng Neural Network nhân tạo
 
FeedForward Neural Network: Chủ yếu được sử dụng để nhận dạng khuôn mặt, truyền thông tin theo một hướng. Điều này có nghĩa là mọi nút trong một layer được liên kết với mọi nút trong layer tiếp theo, với thông tin truyền đi một chiều cho đến khi nó đến được nút đầu ra. Đây là một trong những loại Neural Network nhân tạo đơn giản nhất.
 
Recurrent Neural Network: Dạng Neural Network này hỗ trợ việc học lí thuyết. Recurrent Neural Network được sử dụng cho dữ liệu như ngôn ngữ tự nhiên và âm thanh. Chúng cũng được sử dụng cho các ứng dụng chuyển văn bản thành giọng nói cho Android và IOS. Không giống như các Feedforward Neural Network xử lí thông tin theo một hướng, Recurrent Neural Network sử dụng dữ liệu từ nơ-ron xử lí và gửi lại vào mạng.
 
Tùy chọn này rất quan trọng, nó có khả năng phản hồi lại khi hệ thống đưa ra các dự đoán sai. Recurrent Neural Network có thể cố gắng tìm ra lí do dẫn đến kết quả không chính xác và điều chỉnh cho phù hợp.
 
Convolutional Neural Network (CNN): Các Neural Network truyền thống đã được thiết kế để xử lí những đầu vào có kích thước cố định, nhưng các CNN có thể xử lí dữ liệu có kích thước khác nhau. CNN lí tưởng để phân loại dữ liệu trực quan như hình ảnh và video có độ phân giải và tỉ lệ khung hình khác nhau, rất hữu ích cho các ứng dụng nhận dạng hình ảnh.
 
Deconvolutional Neural Network: Neural Network này còn được gọi là Transposed Convolutional Neural Network và ngược lại với CNN.
 
Trong một CNN, hình ảnh đầu vào được xử lí thông qua các layer tích chập để trích xuất những tính năng quan trọng. Đầu ra này sau đó được xử lí thông qua một loạt các layer được kết nối, những layer này thực hiện phân loại – gắn tên hoặc nhãn cho hình ảnh đầu vào dựa trên những tính năng của nó. Điều này rất hữu ích cho việc nhận dạng đối tượng và phân đoạn hình ảnh.
 
Tuy nhiên, trong một Deconvolutional Neural Network, bản đồ đặc trưng trước đây là đầu ra sẽ trở thành đầu vào. Bản đồ đặc trưng này là một mảng giá trị ba chiều và không được gộp để tạo thành hình ảnh gốc với độ phân giải không gian tăng lên.
 
Modular Neural Network: Neural Network này kết hợp các module được kết nối với nhau, mỗi module thực hiện một nhiệm vụ phụ cụ thể. Mỗi module trong mạng module bao gồm một Neural Network được thiết kế sẵn để giải quyết một nhiệm vụ phụ như nhận dạng giọng nói hoặc dịch ngôn ngữ.
 
Modular Neural Network có thể thích ứng và hữu ích để xử lí đầu vào với nhiều dữ liệu rất khác nhau.
 
2. Deep Learning là gì?
 
Deep Learning là một thể loại nhỏ của học máy (Machine Learning), liên quan đến việc đào tạo các Neural Network nhân tạo để tự động học hỏi và phát triển một cách độc lập mà không cần được lập trình để làm như vậy.
 
Deep Learning có phải là AI không? Câu trả lời là có. Nó là động lực thúc đẩy nhiều ứng dụng AI và dịch vụ tự động hóa, giúp người dùng thực hiện các tác vụ mà ít cần sự can thiệp của con người. 
 
Có nhiều layer ẩn giữa layer đầu vào và đầu ra của Deep Learning. Điều này cho phép mạng thực hiện các hoạt động rất phức tạp và liên tục học hỏi khi dữ liệu đi qua các layer.
 
Deep Learning đã được áp dụng để nhận dạng hình ảnh, giọng nói, tổng hợp video và khám phá; ngoài ra, còn được áp dụng cho những sáng tạo phức tạp như ô tô tự lái, sử dụng thuật toán Deep Learning để xác định các chướng ngại vật và điều hướng xung quanh một cách hoàn hảo.
 
Người dùng phải cung cấp một lượng lớn dữ liệu được gắn nhãn vào mạng để huấn luyện mô hình Deep Learning. Trọng số và độ lệch của các nơ-ron trong mạng được điều chỉnh cho đến khi có thể dự đoán chính xác đầu ra cho dữ liệu đầu vào mới.

3. Sự khác biệt giữa Neural Network và Deep Learning

Neural Network và Deep Learning cùng là những tập hợp con của Machine Learning. Tuy nhiên, chúng khác nhau theo nhiều phương diện.
 

Layer: Neural Network nhân tạo thường được tạo thành từ layer đầu vào, layer ẩn và layer đầu ra. Trong khi đó, các mô hình Deep Learning bao gồm một số layer của Neural Network nhân tạo.
 
Phạm vi: Mặc dù các mô hình Deep Learning kết hợp Neural Network nhân tạo, nhưng chúng vẫn là những khái niệm riêng biệt. Các ứng dụng của Neural Network nhân tạo bao gồm nhận dạng mẫu, khuôn mặt, dịch máy và trình tự.
Trong khi đó, người dùng có thể sử dụng các mạng Deep Learning để quản lí quan hệ khách hàng, xử lí lời nói và ngôn ngữ, khôi phục hình ảnh… 
 
Trích xuất các tính năng: Neural Network nhân tạo yêu cầu sự can thiệp của con người, vì các kĩ sư phải xác định thứ bậc của những tính năng theo cách thủ công. Tuy nhiên, các mô hình Deep Learning có thể tự động xác định thứ bậc của các tính năng bằng cách sử dụng bộ dữ liệu được gắn nhãn và dữ liệu thô phi cấu trúc.
 
Hiệu suất: Neural Network nhân tạo mất ít thời gian hơn để đào tạo, nhưng có độ chính xác thấp hơn khi so sánh với Deep Learning (Deep Learning phức tạp hơn). Ngoài ra, các Neural Network cũng được biết là diễn giải các nhiệm vụ kém hơn mặc dù hoàn thành rất nhanh.
 
Tài nguyên tính toán: Deep Learning là một mạng lưới nơ-ron phức tạp có thể phân loại và giải thích dữ liệu thô với ít sự can thiệp của con người nhưng đòi hỏi nhiều tài nguyên tính toán hơn. Neural Network nhân tạo là một tập hợp con đơn giản hơn của Machine Learning, có thể được đào tạo bằng cách sử dụng các bộ dữ liệu nhỏ với ít tài nguyên tính toán hơn nhưng khả năng xử lí dữ liệu phức tạp bị hạn chế.
 
Mặc dù được sử dụng thay thế cho nhau nhưng Neural Network và Deep Learning vẫn là những khái niệm khác nhau. Chúng có các phương pháp đào tạo và mức độ chính xác khác nhau. Tuy nhiên, các mô hình Deep Learning tiên tiến hơn và tạo ra kết quả với độ chính xác cao hơn, có thể học tập độc lập mà ít có sự can thiệp của con người.
 
4. Một số ứng dụng của Neural Network và Deep Learning
 

ChatGPT và GPT-3  là một trong những ứng dụng của Neural Network và Deep Learning.
 
ChatGPT và GPT-3 đang là những chủ đề được tranh luận sôi nổi. Các phần mềm trò chuyện hỗ trợ của AI này đã được công bố là có thể đạt được cuộc trò chuyện chân thật giống con người và còn nhiều hơn thế.
 
Trong trường hợp người dùng chưa biết những Chatbot này vượt xa những Chatbot thông thường trong các tình huống hỗ trợ khách hàng, người sử dụng có thể yêu cầu GPT viết mã (Code), vẽ tranh hoặc suy đoán về một chủ đề nhất định, sau vài giây, Chatbot này đã sử dụng một lượng lớn thông tin để đưa ra câu trả lời phù hợp nhất.
 
ChatGPT: Đúng như tên gọi của nó, phần quan trọng trong tên của ChatGPT là “Chat”. Mô hình Machine Learning này được xây dựng với mục đích cụ thể là có thể trò chuyện tự nhiên, tương tự như con người. ChatGPT đã được phát triển với một bộ dữ liệu khổng lồ về dữ liệu hội thoại. Điều này có nghĩa là, mô hình đã được đào tạo với các phản ứng giống con người ngay từ đầu. Đó là một công cụ mạnh mẽ, nhưng phạm vi của nó bị hạn chế hơn.
 
Mục tiêu chính của ChatGPT là hỗ trợ bất cứ khi nào cần thực hiện các tác vụ ngôn ngữ. Chúng có thể bao gồm những cuộc trò chuyện với con người, dịch thuật, tạo văn bản và các nhiệm vụ văn học khác. 
 
GPT-3: GPT-3 là mô hình Machine Learning dựa trên Neural Network nhân tạo, có thể sử dụng dữ liệu Internet để tạo văn bản. Cả ChatGPT và GPT-3 đều được phát triển bằng cách sử dụng cùng một sơ đồ đào tạo. Nó là Neural Network nhân tạo lớn nhất từng được sản xuất tính đến thời điểm hiện tại.
 
GPT-3 không được thiết kế đặc biệt để trò chuyện với con người, mặc dù câu trả lời mà nó cung cấp nghe giống lời của con người. Nói một cách dễ hiểu, ChatGPT là một người hòa đồng nhưng không hiểu biết nhiều, trong khi GPT-3 là một cá nhân rất hiểu biết, đủ lịch sự nhưng không thích nói chuyện phiếm.
 
GPT-3 phù hợp hơn cho các nhiệm vụ đàm thoại và có thể đưa ra phản hồi theo ngữ cảnh cụ thể; điều mà ChatGPT không được đào tạo để thực hiện. Nó cũng nhanh chóng và hiệu quả hơn trong các nhiệm vụ đàm thoại.
 
GPT-3 là lựa chọn phù hợp khi cần làm một bài tiểu luận, cung cấp về lí thuyết hoặc bất kì thứ gì đòi hỏi một lượng lớn dữ liệu để phân tích, ngoại suy và đưa ra giải pháp bằng văn bản mạch lạc. Cả hai ứng dụng này đều có những ưu điểm riêng. Người dùng nên thử để biết chúng có thể làm những gì và khi nào nên sử dụng từng loại theo nhu cầu của mình.
 
5. Kết luận
 
Với sự phát triển của Neural Network nhân tạo và Deep Learning, khối lượng dữ liệu được thu thập của các Chatbot như ChatGPT, GPT-3 không ngừng tăng lên và các vấn đề về quyền riêng tư, việc sử dụng thông tin cá nhân rất đáng lo ngại. Vì điều khoản dịch vụ của công ty tạo ra ChatGPT, GPT-3 có quyền sử dụng tất cả dữ liệu đầu vào và đầu ra do người dùng và ChatGPT, GPT-3 cung cấp. Dù công ty này có hệ thống xóa tất cả các thông tin nhận dạng cá nhân khỏi dữ liệu mà mình sử dụng nhưng gần như không thể xác định và xóa “triệt để” thông tin cá nhân khỏi dữ liệu do chu kì cập nhật dữ liệu nhanh chóng của ChatGPT, GPT-3. Để bảo vệ dữ liệu cá nhân, người dùng cần nâng cao nhận thức trong cách sử dụng trên Internet.
 
Mặc dù ChatGPT, GPT-3 được xem như là bước tiến ngoạn mục khi có thể tổng hợp dữ liệu với tốc độ tính bằng phần trăm giây trong quá trình “con người hóa” giao tiếp với máy móc nhưng vẫn còn nhiều việc phải làm. Nó có thể thay thế con người trong việc tìm kiếm thông tin, viết báo cáo tổng hợp hay viết các văn bản dựa vào năng lực tổng hợp thông tin nhưng không đồng nghĩa với việc ChatGPT, GPT-3 có thể sẽ đưa ra các văn bản hay thông tin tốt nếu thông tin được yêu cầu nằm ngoài cơ sở dữ liệu được cung cấp. Vì thế, những yêu cầu mang tính đánh đố, thử sức của cộng đồng mạng trong thời gian gần đây sẽ dẫn đến những câu trả lời thiếu chính xác hoặc ngây ngô.
 
Câu trả lời của AI phụ thuộc dữ liệu đầu vào và nguồn thông tin có sẵn trong hệ thống máy tính nên ChatGPT, GPT-3 cũng không hoàn toàn chắc chắn về các thông tin trả lời của nó có đúng hay không khi gặp những câu hỏi khó hay mang tính riêng tư. Chính vì thế, với những thông tin được ChatGPT, GPT-3 cung cấp, người dùng Internet cần kiểm tra và xác định lại thông tin bằng các nguồn đáng tin cậy. AI có thể tự học, để sau đó nó trở nên tốt hơn, năm sau sẽ tốt hơn năm trước. Điều đó cũng cần người sử dụng luôn thận trọng với các cỗ máy, nhất là khi nó đang ngày càng thông minh hơn. Lúc đầu sử dụng người dùng sẽ thấy nó rất tuyệt vời, nhưng sau 10 lần, rồi 100 lần sử dụng, sẽ có lúc nó đưa ra kết quả sai. Nếu dữ liệu nạp vào không đúng, kết quả sẽ đưa ra sai – cũng giống như những thông tin giả mạo vẫn xuất hiện trên không gian mạng.
 
Công nghệ luôn có tính hai mặt và Neural Network và Deep Learning cũng vậy, nếu biết lựa chọn những ưu thế thì khả năng tổng hợp dữ liệu của những ứng dụng trí tuệ, ví dụ như ChatGPT, GPT-3 sẽ giúp công việc thống kê của con người dễ dàng hơn. Còn nếu không, công cụ này sẽ là thảm họa với con người. Cách sử dụng những công cụ như ChatGPT, GPT-3, sử dụng những tiện ích và mặt tích cực của Chatbot này phục vụ cho cuộc sống của con người, phù hợp với xu thế chuyển đổi số hiện nay. Cũng như bất kì công cụ sử dụng AI, trong tương lai ChatGPT, GPT-3 có thể sẽ được cải thiện tốt hơn nhưng điều quan trọng là cách sử dụng và tiếp nhận thông tin của người dùng Internet.
 
Nguyễn Công Minh
Trung tâm Viễn thông 4 – Viễn thông Hà Nội

Chia sẻ

In trang

Bình luận
Ý kiến của bạn sẽ được kiểm duyệt trước khi đăng. Vui lòng gõ tiếng Việt có dấu


Bình luận

Đóng lại
ok

Bình luận của bạn chờ kiểm duyệt từ Ban biên tập

Các tin tức khác
Xem tất cả

Thiết kế tiền kĩ thuật số của ngân hàng trung ương và một số khuyến nghị đối với Việt Nam

Thiết kế tiền kĩ thuật số của ngân hàng trung ương và một số khuyến nghị đối với Việt Nam

15/11/2023
365 lượt xem
Bài viết tìm hiểu tiền kĩ thuật số của ngân hàng trung ương (Central Bank Digital Currency – CBDC) và các yếu tố kĩ thuật đặc biệt quan trọng cần được coi trọng trong quá trình thiết kế và triển khai CBDC.

Quản lí mối quan hệ giữa khách hàng với ngân hàng: Sức mạnh của dữ liệu và công nghệ

Quản lí mối quan hệ giữa khách hàng với ngân hàng: Sức mạnh của dữ liệu và công nghệ

09/11/2023
595 lượt xem
Trong quá trình phát triển kinh tế, việc quản lí doanh nghiệp đã trải qua nhiều sự phát triển khác nhau. Từ việc tập trung vào sản phẩm ban đầu, sau đó là tập trung vào thị trường và cuối cùng là tập trung vào khách hàng.

Thanh toán không dùng tiền mặt: Thành quả và thách thức

Thanh toán không dùng tiền mặt: Thành quả và thách thức

01/11/2023
1.099 lượt xem
Khuôn khổ pháp lí, hạ tầng công nghệ, truyền thông giáo dục tài chính là những trụ cột quan trọng tạo nền tảng cho thanh toán không dùng tiền mặt (TTKDTM) phát triển. Thời gian qua, ngành Ngân hàng đã triển khai tích cực các giải pháp để TTKDTM ngày càng phổ biến trong xã hội, đưa lại nhiều tiện ích cho người dân, doanh nghiệp và nền kinh tế.

Thúc đẩy thị trường thẻ hướng đến xã hội không tiền mặt và tài chính toàn diện

Thúc đẩy thị trường thẻ hướng đến xã hội không tiền mặt và tài chính toàn diện

24/10/2023
1.660 lượt xem
Hành lang pháp lí không ngừng được hoàn thiện, cơ sở hạ tầng công nghệ phục vụ thanh toán thẻ được đầu tư, nâng cấp, các tổ chức phát hành thẻ đã chủ động, sáng tạo nghiên cứu, phát hành, cung ứng các sản phẩm, dịch vụ thẻ đa tiện ích, gia tăng trải nghiệm cho khách hàng.

Bảo vệ người tiêu dùng tài chính trước sự gia tăng của tội phạm lừa đảo trực tuyến

Bảo vệ người tiêu dùng tài chính trước sự gia tăng của tội phạm lừa đảo trực tuyến

10/10/2023
3.068 lượt xem
Để hạn chế lừa đảo, gian lận trong hoạt động ngân hàng nói chung và trong thanh toán trực tuyến nói riêng, cần sự nỗ lực hành động, phối hợp của nhiều bộ, ngành, trong đó có vai trò quan trọng của ngân hàng và người dùng. Khi các ngân hàng tăng cường hàng rào bảo mật, kẻ gian sẽ khó tấn công người dùng.

Sử dụng công nghệ phân tích dữ liệu bảo vệ quyền riêng tư hỗ trợ các nền tảng chia sẻ thông tin khách hàng

Sử dụng công nghệ phân tích dữ liệu bảo vệ quyền riêng tư hỗ trợ các nền tảng chia sẻ thông tin khách hàng

16/09/2023
5.643 lượt xem
Từ trước đến nay, các ngân hàng thường rất vất vả trong việc phát hiện các giao dịch bất hợp pháp trong vô số giao dịch mà họ xử lí hằng ngày.

Ngăn chặn các ứng dụng chứa mã độc và phần mềm độc hại tấn công tài khoản ngân hàng

Ngăn chặn các ứng dụng chứa mã độc và phần mềm độc hại tấn công tài khoản ngân hàng

13/09/2023
5.273 lượt xem
Ngoài các chiêu trò lừa đảo mạo danh tin nhắn, website ngân hàng, mạo danh cán bộ ngân hàng, thuế, công an… nhằm chiếm đoạt tài khoản ngân hàng của khách hàng, tội phạm công nghệ còn có nhiều chiêu trò tinh vi, phức tạp như tấn công ứng dụng ngân hàng trên di động bằng mã độc, phần mềm độc hại.

Chuyển đổi số trong lĩnh vực ngân hàng và một số giải pháp

Chuyển đổi số trong lĩnh vực ngân hàng và một số giải pháp

08/09/2023
7.998 lượt xem
Chuyển đổi số trong lĩnh vực ngân hàng ngày càng giữ vai trò quan trọng, quyết định đến sự “sống còn”, phát triển của các ngân hàng. Trong thời gian qua, công cuộc chuyển đổi số ngân hàng ở Việt Nam đã đạt được những thành tựu nhất định, đóng góp vào sự phát triển chung của nền kinh tế.

Hội nhập quốc tế trong lĩnh vực ngân hàng: Thách thức và một số giải pháp khắc phục

Hội nhập quốc tế trong lĩnh vực ngân hàng: Thách thức và một số giải pháp khắc phục

03/09/2023
6.364 lượt xem
Hội nhập quốc tế đang dần trở thành một xu hướng tất yếu của các ngân hàng, mang đến cho ngành Ngân hàng nhiều cơ hội chuyển mình nhưng cũng đặt ra không ít các thách thức.

Nguồn dữ liệu từ cơ sở dữ liệu quốc gia về dân cư giúp ngân hàng tiết kiệm thời gian, chi phí trong giải quyết thủ tục cho vay

Nguồn dữ liệu từ cơ sở dữ liệu quốc gia về dân cư giúp ngân hàng tiết kiệm thời gian, chi phí trong giải quyết thủ tục cho vay

31/08/2023
5.436 lượt xem
Nguồn dữ liệu từ cơ sở dữ liệu quốc gia về dân cư (CSDLQGvDC) sẽ là “mỏ vàng” để các tổ chức tín dụng (TCTD) xác minh nhân thân khách hàng và tra cứu các thông tin để đánh giá khả năng trả nợ (như thông tin về đóng thuế thu nhập, bảo hiểm xã hội…), từ đó có thể đẩy nhanh quá trình giải quyết thủ tục, tiết kiệm chi phí, có thêm điều kiện để ngân hàng giảm lãi vay tiêu dùng, kích thích người dân vay phục vụ nhu cầu đời sống, góp phần giảm tín dụng đen.

Thực trạng và giải pháp phát triển công nghệ tài chính tại Việt Nam

Thực trạng và giải pháp phát triển công nghệ tài chính tại Việt Nam

23/08/2023
0 lượt xem
Từ khởi điểm là lĩnh vực có quy mô nhỏ, lẻ mang nhiều tiềm năng ứng dụng, đến nay thị trường công nghệ tài chính (Fintech) đã và đang phát triển mạnh mẽ, toàn diện, góp phần phát triển lĩnh vực tài chính trên phạm vi toàn cầu.

Ngăn chặn lừa đảo trực tuyến trong lĩnh vực ngân hàng: Nâng cao kĩ năng cho người sử dụng dịch vụ ngân hàng trên nền tảng số

Ngăn chặn lừa đảo trực tuyến trong lĩnh vực ngân hàng: Nâng cao kĩ năng cho người sử dụng dịch vụ ngân hàng trên nền tảng số

15/08/2023
6.651 lượt xem
Trong bối cảnh công nghệ phát triển mạnh mẽ, các thủ đoạn lừa đảo tài chính ngày càng tinh vi trong khi người tiêu dùng còn chưa kịp cập nhật hết các thủ đoạn. Kẻ gian chủ yếu đánh vào lòng tham hoặc sự lo lắng, sợ hãi của người dùng. Để hạn chế rủi ro, bảo vệ người tiêu dùng dịch vụ tài chính, bên cạnh tăng cường các biện pháp về an toàn thông tin, đầu tư công nghệ bảo mật của ngành Ngân hàng, quan trọng nhất vẫn là nhận thức và sự cảnh giác của người dùng.

Thực trạng và giải pháp phát triển công nghệ tài chính tại Việt Nam

Thực trạng và giải pháp phát triển công nghệ tài chính tại Việt Nam

11/08/2023
8.561 lượt xem
Từ khởi điểm là lĩnh vực có quy mô nhỏ, lẻ mang nhiều tiềm năng ứng dụng, đến nay thị trường công nghệ tài chính (Fintech) đã và đang phát triển mạnh mẽ, toàn diện, góp phần phát triển lĩnh vực tài chính trên phạm vi toàn cầu. Theo báo cáo Fintech Asean 2022, sự bùng nổ và kéo dài của đại dịch Covid-19 từ năm 2020 – 2021 cùng với cuộc khủng hoảng năng lượng toàn cầu do xung đột Nga – Ukraine cũng như việc nâng mức lãi suất cơ sở liên tục trong những năm qua để chống lạm phát đã tác động lớn đến các nền kinh tế thông qua việc đẩy mạnh tốc độ số hóa. Không nằm ngoài xu hướng chung, ngành Fintech của Việt Nam cũng đang trên đà phát triển.

Nghiên cứu các yếu tố tác động đến sự chấp nhận Chatbot AI của khách hàng tại một số ngân hàng thương mại

Nghiên cứu các yếu tố tác động đến sự chấp nhận Chatbot AI của khách hàng tại một số ngân hàng thương mại

07/08/2023
7.911 lượt xem
Nghiên cứu này xem xét vai trò của các yếu tố chất lượng trí tuệ nhân tạo (AI) – Chatbot (Chatbot AI) và nhận thức của người dùng Chatbot AI tại bốn ngân hàng thương mại cổ phần (NHTMCP) trên địa bàn Thành phố Hồ Chí Minh.

Machine Learning trong quản trị rủi ro tín dụng của ngân hàng

Machine Learning trong quản trị rủi ro tín dụng của ngân hàng

26/07/2023
8.052 lượt xem
Học máy (Machine Learning – ML) cho phép máy tính hành xử và học hỏi giống như con người và cải thiện hơn nữa khả năng học tập của chúng thông qua dữ liệu, đầu vào dưới dạng tương tác và quan sát trong thế giới thực. Nghiên cứu ML là một phần của nghiên cứu về trí tuệ nhân tạo (Artificial Intelligence – AI), cung cấp kiến thức cho máy tính thông qua các tương tác trong thế giới thực, cuối cùng cho phép máy tính thích ứng với các cài đặt mới.

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

sex

sex

sex

sex

sexviet88

sex

sex

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

SEX

english sexy vedeo indiantubetv.com forced indian sex video sextoon pornmovieswatch.org ishitha chauhan arab exposed analpornvids.info lesbian pussy licking video سكي اجنبى realarabporn.com افلام سكس مصرية 2018 bad romeo ep 7 pinoywebtv.com ang probinsyano may 4 2022
indian x tube themovs.mobi video bf xxxx jieitai kano chi nite, kaku tatakaeri hentaida.net hentaifox manga اكبر طيز supercumtube.com سكس مركب gma drama series superpinoy.net ang probinsyano july 11 2021 the broken marriage vow feb 11 2022 teleseryefullepisodes.com appeal in tagalog
the pollinic girls xhentaisex.com crazy 4 you hentai xxx muvie soloporntrends.com sexvediofreedownload tamil aunty sex photo desixxxhd.com indian prone sex apetube.com porn-tube-home.net naked girls desi hot fucked freepornfinder.info indianbhabi sex com