CSDL Bài trích Báo - Tạp chí
chủ đề: Trí tuệ nhân tạo
101 Trí tuệ nhân tạo được ứng dụng trong chuẩn đoán bệnh: sản phẩm hay dịch vụ / Bùi Nguyễn Trà My, Nguyễn Hoàng Linh Đan // Nghiên cứu Lập pháp .- 2021 .- Số 2 (426) .- Tr. 14-22 .- 340
Bài viết phân tích các quy định của pháp luật hiện hành và lý thuyết về trí tuệ nhân tạo (AI); đưa ra khái niệm về “chẩn đoán bệnh”; làm rõ bản chất, chức năng của AI được ứng dụng trong chẩn đoán bệnh; đưa ra các tiêu chí để xác định một AI chẩn đoán bệnh là “sản phẩm” hay “dịch vụ” và nêu một số quy định về “trách nhiệm sản phẩm”, “trách nhiệm dịch vụ”; và phân tích việc áp dụng “IBM Watson for Oncology” trong chẩn đoán ung thư tại Việt Nam, xác định bản chất loại AI này nhằm tạo điều kiện cho việc quy trách nhiệm pháp lý khi có thiệt hại phát sinh trong tương lai.
102 Trí tuệ nhân tạo và nghề kế toán trong cuộc cách mạng công nghiệp 4.0 / Hồ Thị Vân Anh, Phạm Tú Anh // Khoa học và Công nghệ (Trường Đại học Công Nghiệp Tp. Hồ Chí Minh) .- 2020 .- 46 .- Tr. 21-31 .- 657
Phát triển về Robot và trí tuệ nhân tạo AI. Áp dụng AI trong kinh doanh và kế toán. Thảo luận một số tác động và một số xu hướng có thể phát triển trong tương lai đối với nghề kế toán trong bối cảnh AI hiện nay.
103 Q-RANGE – Một thuật toán đầu tư hiệu quả trên thị trường ngoại hối sử dụng kỹ thuật phát hiện giao dịch đi ngang và trí tuệ nhân tạo / Đặng Minh Quân // Kinh tế & phát triển .- 2020 .- Số 280 .- Tr. 78-85 .- 658
Trong bài viết này, chúng tôi đề xuất một thuật toán đầu tư sử dụng kỹ thuật phát hiện giao dịch đi ngang và trí tuệ nhân tạo cho môi trường FOREX. Kết quả của các mô phỏng chứng minh tính hiệu quả của thuật toán đề xuất. Đóng góp chính của bài báo là thuật toán đầu tư Q-Range và tập hợp các thuộc tính dùng để thực hiện dự đoán nên đầu tư hay bán khống khi hình mẫu giao dịch đi ngang xuất hiện.
104 Xu hướng ứng dụng trí tuệ nhân tạo (AI) tại các doanh nghiệp hiện nay: Vấn đề nguồn nhân lực chất lượng cao Việt Nam / Nguyễn Thanh Điền // .- 2020 .- Số 51(61) .- Tr. 91-99 .- 340
Tóm lược về ứng dụng trí thông minh nhân tạo, một xu hướng trong cuộc cách mạng công nghệ số đang được ứng dụng tại các doanh nghiệp tại Việt Nam. Từ đó chỉ ra những cơ hội và thách thức của nguồn nhân lực chất lượng cao Việt Nam và kiến nghị một số giải pháp giúp nguồn nhân lực Việt Nam giải quyết những vấn đề còn tồn đọng, thích nghi với xu hướng phát triển mới trong nền công nghệ số.
105 Trách nhiệm bồi thường thiệt hại trong kỷ nguyên trí tuệ nhân tạo / Dương Quỳnh Hoa // Nghiên cứu Lập pháp .- 2020 .- Số 09 (409) .- Tr.11 – 14 .- 340
Trí tuệ nhân tạo đang ngày càng tích hợp liền mạch vào cuộc sống hàng ngày của con người; tác động đến nhiều khía cạnh của xã hội và công nghiệp, từ khám phá khoa học, chăm sóc sức khỏe và chẩn đoán y tế đến chính phủ điện tử, các thành phố thông minh, lĩnh vực bán lẻ, giao thông vận tải, định giá... Sự phát triển như vũ bão của máy móc cũng đồng thời làm phát sinh một số thách thức đối với xã hội và lĩnh vực pháp lý, nhất là những thách thức trong trách nhiệm bồi thường thiệt hại, xác định ai chịu trách nhiệm pháp lý, và ở mức độ nào?
106 Sử dụng trí tuệ nhân tạo để phát hiện gian lận tại Ngân hàng / Nguyễn Đoàn Châu Trinh // Thị trường tài chính tiền tệ .- 2020 .- Số 12(549) .- Tr. 22-27 .- 332.12
Giới thiệu về trí tuệ nhân tạo, sử dụng trí tuệ nhân tạo để phát hiện gian lận tại ngân hàng.
107 Dự đoán khả năng phun vữa của vữa xi măng mịn tự hút dựa trên các kỹ thuật trí tuệ nhân tạo / Trần Đức Học // Xây dựng .- 2020 .- Số 03 .- Tr. 118-120 .- 624
Nghiên cứu này nỗ lực dự đoán khả năng phun vữa bằng cách sử dụng các kỹ thuật trí tuệ nhân tạo khác nhau, một số mô hình dự đoán đã được tạo ra như máy vector hỗ trợ, kỹ thuật cây quyết định CHAID, cây phân loại và hồi quy (C&R) để kiểm nghiệm độ chính xác của các mô hình hiện tại.
108 Phát triển trí tuệ nhân tạo tại Việt Nam: Thực trạng và giải pháp / Hồ Đắc Lộc, Huỳnh Châu Duy // .- 2020 .- Số 1+2(730+731) .- Tr.27-31 .- 005
Phân tích tác động to lớn của trí tuệ nhân tạo (AI) trong sự phát triển kinh tế, quân sự và chính trị. Bên cạnh tận dụng những thành tựu phát triển của công nghệ AI và tự động hóa, các nước cần đưa ra những giải pháp phù hợp với tiến trình chuyển đổi nhanh chóng và mạnh mẽ của cuộc cách mạng công nghiệp 4.0 hiện nay.
109 Tối ưu hóa ước tính mức tiêu thụ năng lượng trong các tòa nhà dựa trên các thuật toán trí tuệ nhân tạo / Trần Đức Học, Lê Tấn Tài // .- 2020 .- Tập 14 Số 1V .- Tr. 35-45 .- 624
Mô phỏng và dự báo năng lượng tiêu thụ đóng vai trò quan trọng trong việc thiết lập chính sách năng lượngvà đưa ra quyết định theo hướng phát triển bền vững. Nghiên cứu này sử dụng phương pháp kỹ thuật thốngkê và công cụ trí tuệ nhân tạo bao gồm mạng nơ-ron thần kinh (ANNs – Artificial neutral networks), máy hỗtrợ véc tơ (SVM – Support vector machine), cây phân loại và hồi quy (CART - Classification and regressiontrees), hồi quy tuyến tính (LR - Linear regression), hồi quy tuyến tính tổng quát (GENLIN - Generalized linearregression), tự động phát hiện tương tác Chi-squared (CHAID - Chi-square automatic interaction detector) vàmô hình tổng hợp (Ensemble model) để dự đoán mức tiêu thụ năng lượng trong các căn hộ tòa nhà chung cư.Bộ dữ liệu để xây dựng mô hình gồm 200 mẫu được khảo sát ở nhiều chung cư tại TP. Hồ Chí Minh. Mô hìnhđơn có hiệu quả tốt nhất trong quá trình dự đoán là CART, trong khi đó mô hình được tổng hợp tốt nhất làCART + GENLIN.
110 Phương pháp xử lý hiện tượng mô hình quá khớp trong xây dựng mô hình học sâu để ước lượng khả năng chịu tải của giàn phi tuyến / Hà Mạnh Hùng, Trương Việt Hùng, Đinh Văn Thuật, Vũ Quang Việt // .- 2020 .- Tập 14 Số 1V .- Tr. 12-20 .- 624
Bài báo này sẽ trình bày, phân tích và so sánh hiệu quả của một số kỹ thuậtthường được áp dụng hiện nay cho việc xử lý hiện tượng mô hình quá khớp bao gồm kỹ thuật dừng sớm (EarlyStopping), nhớ mô hình (Model Checkpoint) và kết hợp hai kỹ thuật trên. Một giàn phẳng gồm 39 thanh đượcsử dụng để minh họa cho nghiên cứu. Tập dữ liệu cho mô hình học sâu được tạo ra từ phân tích phi tuyến giàncó thông số đầu vào là diện tích mặt cắt ngang của các thanh giàn và thông số đầu ra là hệ số khả năng chịu tải(LF). Kết quả nghiên cứu cho thấy phương pháp kết hợp cả hai kỹ thuật dừng sớm và nhớ mô hình đem lại hiệuquả cao nhất về cả góc độ thời gian huấn luyện và độ chính xác của mô hình.