SongAI

• Hybrid AI là xu hướng công nghệ mới kết hợp ưu điểm của nhiều mô hình AI khác nhau, mang lại kết quả vượt trội so với việc sử dụng một mô hình AI riêng lẻ.

• AI tạo sinh và mô hình ngôn ngữ lớn (LLM) đang rất phổ biến nhưng vẫn có những hạn chế. LLM dự đoán câu trả lời dựa trên dữ liệu huấn luyện mà không thực sự "hiểu" thông tin như con người.

• Một trong những hạn chế lớn nhất của LLM là khả năng tạo ra thông tin sai lệch một cách tự tin, gọi là hiện tượng "ảo giác". Điều này có thể gây hậu quả nghiêm trọng trong các ứng dụng quan trọng.

• Hybrid AI giải quyết vấn đề này bằng cách kết hợp nhiều mô hình AI. Ví dụ trong y tế, nó có thể kết hợp mô hình học máy truyền thống để chẩn đoán chính xác với AI tạo sinh để giải thích kết quả cho bệnh nhân.

• Trong tài chính, Hybrid AI giúp phát hiện gian lận hiệu quả hơn bằng cách kết hợp thuật toán phát hiện bất thường với xử lý ngôn ngữ tự nhiên để phân tích giao dịch và liên lạc.

• Trong sản xuất, nó tối ưu hóa dây chuyền sản xuất bằng cách kết hợp mô hình bảo trì dự đoán với thuật toán học tăng cường để điều chỉnh thời gian thực.

• Ưu điểm lớn của Hybrid AI là tính linh hoạt và khả năng thích ứng, có thể tùy chỉnh cho từng nhu cầu và thách thức cụ thể.

• Hybrid AI cũng cải thiện khả năng giải thích - yếu tố quan trọng để xây dựng niềm tin vào hệ thống AI, đặc biệt trong các ngành được quản lý chặt chẽ.

• Trong tương lai, Hybrid AI có thể tích hợp cả điện toán lượng tử hoặc công nghệ neuromorphic để tạo ra hệ thống AI mạnh mẽ hơn và phù hợp hơn với lý luận và đạo đức của con người.

• Tuy nhiên, Hybrid AI cũng đối mặt với thách thức về độ phức tạp trong tích hợp và nhu cầu tài nguyên tính toán lớn.

📌 Hybrid AI đang mở ra kỷ nguyên mới cho trí tuệ nhân tạo, kết hợp ưu điểm của nhiều mô hình AI để tạo ra hệ thống thông minh, đáng tin cậy hơn. Nó hứa hẹn định hình tương lai trong nhiều lĩnh vực từ y tế, tài chính đến giáo dục.

https://www.forbes.com/sites/bernardmarr/2024/10/02/why-hybrid-ai-is-the-next-big-thing-in-tech/

• e& và Nokia Bell Labs đã ký kết biên bản ghi nhớ (MoU) không ràng buộc kéo dài 1 năm để hợp tác nghiên cứu và phát triển các ứng dụng AI cho các ngành công nghiệp chiến lược.

• Mục tiêu chính là phát triển các giải pháp AI có trách nhiệm cho ứng dụng tự động hóa doanh nghiệp và công nghiệp bền vững, đồng thời đẩy nhanh quá trình đưa các ý tưởng đổi mới vào triển khai thực tế.

• Thỏa thuận bao gồm việc tìm kiếm cơ hội hợp tác với các doanh nghiệp, trường đại học và trung tâm nghiên cứu trong lĩnh vực AI và công nghệ thông tin truyền thông.

• Hai bên hướng tới phát triển các giải pháp sáng tạo phù hợp với tầm nhìn tổng thể về tự động hóa và số hóa công nghiệp.

• Kết nối mạng, AI và điện toán tiên tiến được coi là nền tảng để giải quyết các thách thức công nghiệp về năng suất, hiệu quả, an toàn, sức khỏe và tính bền vững.

• e& đang nổi lên như một lực lượng tiên phong về AI và AI tạo sinh tại UAE và 33 thị trường hoạt động khác. Công ty cũng cam kết đạt trạng thái phát thải ròng bằng 0 tại UAE vào năm 2030 và trên toàn bộ hoạt động vào năm 2040.

• Nokia Bell Labs là đơn vị dẫn đầu ngành về AI có trách nhiệm, đã xây dựng 6 nguyên tắc hướng dẫn nghiên cứu AI trong tương lai, bao gồm: công bằng, đáng tin cậy, bảo mật, minh bạch, bền vững và trách nhiệm giải trình.

• Các nguyên tắc này không chỉ phản ánh tiêu chuẩn AI trong tương lai mà còn toàn diện đáp ứng sự tập trung mới của ngành viễn thông vào bền vững môi trường, trách nhiệm xã hội và quản trị tốt.

• Thỏa thuận hợp tác này nhấn mạnh tầm quan trọng của việc phát triển AI có trách nhiệm, đặc biệt trong lĩnh vực tự động hóa công nghiệp - nơi có tiềm năng to lớn để cải thiện hiệu quả hoạt động và tính bền vững.

• Việc kết hợp chuyên môn của e& trong lĩnh vực AI và cam kết về phát thải ròng bằng 0 với nguyên tắc AI có trách nhiệm của Nokia Bell Labs có thể tạo ra các giải pháp đột phá cho các thách thức công nghiệp phức tạp.

📌 e& và Nokia Bell Labs ký MoU hợp tác R&D phát triển AI có trách nhiệm cho tự động hóa công nghiệp. Mục tiêu tạo ra giải pháp bền vững, hiệu quả, kết hợp chuyên môn AI của e& và 6 nguyên tắc AI có trách nhiệm của Nokia Bell Labs. Cam kết phát thải ròng 0 của e& vào 2040 là động lực quan trọng.

https://www.thefastmode.com/technology-solutions/37438-e-nokia-bell-labs-sign-mou-to-drive-responsible-ai-for-industrial-automation

- Công nghệ Digital Twin là bản sao kỹ thuật số của một đối tượng vật lý, con người, hệ thống hoặc quy trình, được đặt trong môi trường số mô phỏng chính xác thực tế. Các digital twin có thể mô phỏng và dự đoán hành vi của đối tượng trong môi trường thực tế, giúp doanh nghiệp đưa ra quyết định hiệu quả hơn.
- Digital Twin sử dụng dữ liệu thực tế từ môi trường để cập nhật mô hình theo thời gian thực, từ đó cung cấp thông tin chi tiết về hành vi và hình ảnh hóa các quy trình. Điều này tạo ra một môi trường kỹ thuật số, đôi khi có tính tương tác, giúp tối ưu hóa các kịch bản mô phỏng và lập kế hoạch chiến lược.
- Thị trường công nghệ Digital Twin đang phát triển mạnh mẽ, dự báo sẽ tăng trưởng khoảng 60% mỗi năm trong vòng 5 năm tới, đạt giá trị 73,5 tỷ USD vào năm 2027. Sự phát triển này được thúc đẩy bởi nhu cầu của các doanh nghiệp về cải thiện khả năng dự đoán và ra quyết định.
- Có nhiều loại Digital Twin khác nhau, phù hợp với các nhu cầu và ứng dụng đa dạng:
  - Product Twin: Mô phỏng sản phẩm ở các giai đoạn khác nhau của vòng đời, từ thiết kế khái niệm, kỹ thuật đến sản xuất và vận hành. Ví dụ, sản phẩm twin cho phép các nhà sản xuất theo dõi dữ liệu thời gian thực của sản phẩm khi đang sử dụng, từ đó tối ưu hóa thiết kế và hiệu suất.
  - Data Twin: Như Google Maps, là một dạng Digital Twin mô phỏng dữ liệu thời gian thực để tối ưu hóa các quyết định hàng ngày như chọn lộ trình di chuyển.
  - Systems Twin: Mô hình hóa tương tác giữa các quy trình vật lý và kỹ thuật số, từ sản xuất, quản lý chuỗi cung ứng đến trải nghiệm khách hàng, giúp tối ưu hóa chi phí, tăng khả năng phục hồi và cải thiện trải nghiệm khách hàng.
  - Infrastructure Twin: Đại diện cho cơ sở hạ tầng vật lý như đường xá, tòa nhà, hoặc sân vận động, giúp tối ưu hóa quản lý và bảo trì.
- Digital Twin giúp cải thiện hiệu quả hoạt động và khả năng thích ứng của doanh nghiệp, với 70% các giám đốc công nghệ tại các doanh nghiệp lớn đang tìm hiểu và đầu tư vào công nghệ này.
- Các doanh nghiệp tiên phong trong việc sử dụng Digital Twin đang gặt hái nhiều lợi ích rõ rệt:
  - Ví dụ, Emirates Team New Zealand sử dụng Digital Twin để mô phỏng môi trường đua thuyền, giúp họ thử nghiệm hàng nghìn thiết kế thủy động học mà không cần chế tạo vật lý.
  - Anheuser-Busch InBev ứng dụng Digital Twin trong sản xuất bia và quản lý chuỗi cung ứng, tối ưu hóa quy trình và giảm thiểu sự cố.
  - SoFi Stadium sử dụng Digital Twin để tích hợp dữ liệu từ nhiều nguồn khác nhau, tối ưu hóa việc quản lý và vận hành sân vận động.
- Công nghệ Digital Twin còn có thể kết hợp với AI tạo sinh (GenAI), cho phép các doanh nghiệp tạo ra mô hình kỹ thuật số phức tạp và linh hoạt hơn. AI có thể hỗ trợ trong việc phát triển và cập nhật các bản sao kỹ thuật số, từ đó tối ưu hóa quá trình học hỏi và cải tiến liên tục.
- Digital Twin cũng đóng vai trò quan trọng trong việc cải thiện tính bền vững môi trường của các doanh nghiệp. Các tổ chức có thể giảm thiểu lãng phí vật liệu, cải thiện khả năng truy xuất nguồn gốc sản phẩm và cân bằng chi phí, tốc độ với mục tiêu bền vững.
- Tuy nhiên, phát triển và triển khai Digital Twin không phải là điều dễ dàng. Các thách thức bao gồm yêu cầu về hạ tầng dữ liệu chất lượng cao, quản lý thay đổi, và cần có sự hỗ trợ mạnh mẽ từ ban lãnh đạo cấp cao.

📌 Công nghệ Digital Twin đang trở thành một công cụ quan trọng giúp doanh nghiệp tối ưu hóa hiệu quả hoạt động, giảm thiểu rủi ro và tăng tốc độ ra quyết định, với dự báo thị trường sẽ đạt 73,5 tỷ USD vào năm 2027. Các doanh nghiệp tiên phong trong việc ứng dụng Digital Twin đã ghi nhận những cải tiến rõ rệt về chất lượng sản phẩm và khả năng cạnh tranh trên thị trường.

https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-digital-twin-technology

#McKinsey

• G42, công ty AI hàng đầu của UAE, đã đầu tư hàng tỷ đô la vào nghiên cứu và phát triển để xây dựng nền tảng cho một thủ đô AI toàn cầu.

• Bayanat, một phần của G42, đã thu thập dữ liệu trong khoảng 50 năm trước khi gia nhập công ty AI vào năm 2020. Họ đã huấn luyện AI để hình dung hóa môi trường khu vực và phát hiện các sự kiện cụ thể như tràn dầu trong vòng vài phút sau khi nhận được dữ liệu vệ tinh.

• Nền tảng quản lý thảm họa được hỗ trợ bởi AI (AID) của Bayanat cung cấp dữ liệu và phân tích cho các nhân viên ứng cứu khẩn cấp để xác định những địa điểm cần được ưu tiên chú ý.

• Bayanat đang khám phá việc tích hợp dữ liệu mạng xã hội để sử dụng thông tin chính xác hơn và xóa tan những tin đồn sai lệch có thể gây ra sự chậm trễ trong ứng phó.

• G42 đã công bố sẽ sớm ra mắt LLM tiếng Hindi có tên Nanda với 13 tỷ tham số và khoảng 2,13 nghìn tỷ token dữ liệu ngôn ngữ.

• Bayanat sẽ sáp nhập với Yahsat để thành lập Space42, mở rộng khả năng phát hiện bằng cách sử dụng vệ tinh Synthetic Aperture Radar đầu tiên của UAE.

• Trong tương lai, Bayanat có thể tích hợp nhiều nguồn dữ liệu hơn như video Instagram, tin nhắn từ nhân viên cứu hộ và nội dung TikTok để cung cấp thông tin tốt hơn về tình hình thảm họa.

• AID của Bayanat cung cấp thông tin dưới dạng báo cáo, tóm tắt video và tài liệu PDF dễ hiểu và tiếp cận hơn.

• LLM địa không gian có thể xử lý dự báo thời tiết, hình ảnh vệ tinh và dữ liệu tắc nghẽn đường bộ thời gian thực để tạo ra mô tả chính xác hơn về tuyến đường tốt nhất.

• Bayanat sử dụng dữ liệu từ các tổ chức như USGS, Chương trình Copernicus của EU và bộ dữ liệu do chính họ biên soạn.

• Microsoft đang hợp tác với các cơ quan LHQ để xây dựng bản đồ mọi công trình trên thế giới, sử dụng dữ liệu từ hơn 200 vệ tinh của Planet Labs.

• Microsoft's AI For Good Lab đang áp dụng các tiến bộ địa không gian vào các vấn đề sức khỏe và môi trường khác nhau.

• Công nghệ AI và địa không gian đang được sử dụng để xác định chính xác nơi con người sinh sống, giúp ích cho việc ứng phó thảm họa.

• Project Guacamaya của Microsoft đang sử dụng AI để nhận dạng âm thanh tự nhiên trong rừng Amazon, từ đó lập bản đồ và giám sát sức khỏe môi trường.

📌 UAE đang dẫn đầu trong việc kết hợp AI, dữ liệu lịch sử và công nghệ vệ tinh để cải thiện dự báo thời tiết và ứng phó thiên tai. Bayanat của G42 đã phát triển nền tảng AID, sử dụng 50 năm dữ liệu để phân tích địa không gian nhanh chóng và chính xác. Sự hợp tác với Microsoft và các đối tác toàn cầu đang mở ra những khả năng mới trong việc cứu sống và bảo vệ môi trường.

https://www.thenationalnews.com/future/technology/2024/09/13/uae-llm-microsoft-g42-ai/

• Aisera, một startup ở Thung lũng Silicon, đang mở rộng Microsoft Copilot với trí tuệ chuyên biệt cho từng lĩnh vực để thúc đẩy việc áp dụng AI trong doanh nghiệp.

• Nền tảng GenAI của Aisera được xây dựng trên Azure AI, Microsoft 365 và Azure cloud, cung cấp các giải pháp AI Copilot và AI Search có khả năng mở rộng và bảo mật.

• Aisera tích hợp với nhiều hồ dữ liệu, ứng dụng và dịch vụ doanh nghiệp khác nhau, bao gồm cả kết nối sẵn với các ứng dụng SaaS.

• Microsoft cung cấp cơ sở hạ tầng điện toán Azure và các mô hình nền tảng Azure OpenAI, mà Aisera đã tinh chỉnh để phù hợp với từng lĩnh vực cụ thể.

• Nền tảng Aisera bao gồm hàng trăm tích hợp, hàng nghìn quy trình làm việc AI và các mô hình ngôn ngữ lớn (LLM) chuyên biệt cho các chức năng doanh nghiệp như bán hàng, tài chính, nhân sự, CNTT và dịch vụ khách hàng.

• LLM chuyên biệt được thiết kế để khắc phục hạn chế của LLM chung trong các lĩnh vực chuyên môn. Chúng thường bắt đầu là các mô hình ngôn ngữ nhỏ và sau đó được mở rộng và tinh chỉnh.

• Aisera cung cấp các bộ từ vựng và thư viện ý định của con người được xây dựng sẵn, giúp tạo ra các cuộc hội thoại giống con người hơn và kết quả chính xác hơn.

• Công ty sử dụng khung TRAPS (Đáng tin cậy, Có trách nhiệm, Có thể kiểm toán, Riêng tư và An toàn) để đảm bảo các nền tảng và ứng dụng AI tạo sinh đáp ứng các tiêu chuẩn cao.

• Tìm kiếm AI trên toàn doanh nghiệp của Aisera tạo ra một đồ thị kiến thức động cho nội dung, lập bản đồ mối quan hệ giữa con người, nội dung và tương tác.

• Aisera cung cấp Universal Bot với giao diện thống nhất để giải quyết yêu cầu của người dùng trên tất cả các lĩnh vực.

• Công nghệ của Aisera là đa tác tử. Công cụ lập luận của nó có thể thực hiện chuyển đổi dựa trên ý định và thực hiện hành động trên hàng nghìn điểm cuối doanh nghiệp.

• Các sản phẩm của Aisera bao gồm AiseraGPT, AI Copilot, AI Search và Agent Assist, tất cả đều được xây dựng trên Nền tảng AI tạo sinh của họ.

📌 Aisera mở rộng Microsoft Copilot với AI chuyên biệt cho doanh nghiệp, cung cấp LLM chuyên ngành và giải pháp AI cho nhiều chức năng. Nền tảng của họ tích hợp với hàng trăm hệ thống, có hàng nghìn quy trình AI, và sử dụng khung TRAPS để đảm bảo tiêu chuẩn cao về bảo mật và hiệu quả.

https://thenewstack.io/domain-specific-ai-aiseras-answer-to-enterprise-needs/

• Các startup Ấn Độ đang phát triển công nghệ AI giọng nói có thể tương tác với khách hàng bằng nhiều ngôn ngữ bản địa, thay vì chỉ dùng văn bản.

• Sarvam AI, được mô tả là OpenAI của Ấn Độ, đã giới thiệu phần mềm tương tác bằng giọng nói cho doanh nghiệp, sử dụng dữ liệu từ 10 ngôn ngữ bản địa Ấn Độ và có giá 1 rupee/phút.

• Nhiều startup khác như Gnani AI, CoRover AI và Haloocom Technologies cũng đang phát triển chatbot giọng nói bằng nhiều ngôn ngữ Ấn Độ.

• Gnani AI xử lý hàng triệu cuộc hội thoại bằng giọng nói mỗi ngày cho các ngân hàng, công ty bảo hiểm và ô tô lớn nhất Ấn Độ.

• CoRover AI cung cấp chatbot giọng nói bằng 14 ngôn ngữ Ấn Độ cho công ty đường sắt quốc doanh và lực lượng cảnh sát địa phương.

• Chatbot giọng nói của Haloocom Technologies có thể nói 5 ngôn ngữ Ấn Độ để xử lý dịch vụ khách hàng và hỗ trợ sàng lọc ứng viên.

• Các chatbot này có thể thực hiện nhiều tác vụ như đặt vé tàu, thanh toán, xác định nhu cầu tài chính của khách hàng, thu thập thông tin cá nhân, đánh giá khả năng vay vốn, v.v.

• Công nghệ này hứa hẹn tiếp cận được nhiều người dùng hơn ở Ấn Độ, đặc biệt là những người không thành thạo tiếng Anh.

• Một số startup đang nhắm đến thị trường quốc tế như Trung Đông và Nhật Bản. Gnani đã triển khai chatbot tiếng Tây Ban Nha cho một công ty cho thuê Harley-Davidson lớn ở California.

• Tuy nhiên, công nghệ này cũng gây lo ngại về an toàn và quyền riêng tư ở một số thị trường khác.

📌 AI giọng nói đang thay đổi ngành tổng đài ở Ấn Độ, với các startup phát triển chatbot bằng nhiều ngôn ngữ bản địa. Công nghệ này hứa hẹn tiếp cận hàng tỷ người dùng, tự động hóa nhiều tác vụ và mở rộng ra thị trường quốc tế.

https://www.dallasnews.com/business/technology/2024/09/02/ai-is-sweeping-through-the-overseas-call-center-world/

• Mặc dù cơn sốt AI dường như đã qua đỉnh điểm, việc dự đoán các lĩnh vực mà AI có thể tác động lớn vẫn rất quan trọng, đặc biệt đối với các startup muốn tận dụng nguồn vốn đầu tư cho các dự án AI.

• Ngành dịch vụ pháp lý có khả năng bị AI làm thay đổi mạnh mẽ do phần lớn công việc liên quan đến xử lý dữ liệu văn bản phức tạp - điều mà các mô hình ngôn ngữ lớn (LLM) rất giỏi:
- Các công cụ AI có thể phân tích nhanh chóng khối lượng lớn tài liệu pháp lý để tìm kiếm án lệ, quy chế và tiền lệ liên quan.
- AI đang được sử dụng để soạn thảo và rà soát hợp đồng, xác định các rủi ro tiềm ẩn.
- Công cụ như ROSS Intelligence hỗ trợ luật sư nghiên cứu pháp lý hiệu quả hơn.
- AI có thể giúp dịch vụ pháp lý trở nên dễ tiếp cận và tiết kiệm chi phí hơn.

• Ngành vận tải và logistics cũng đang đứng trước ngưỡng cửa của sự thay đổi lớn nhờ AI:
- Xe tự lái có tiềm năng giảm đáng kể chi phí nhân công và tăng hiệu quả vận chuyển.
- Các công ty như Tesla, Waymo và Uber đang đầu tư mạnh vào công nghệ AI để phát triển phương tiện tự lái.
- Hệ thống AI đang tối ưu hóa tuyến đường giao hàng, giảm tiêu thụ nhiên liệu và cải thiện thời gian giao hàng.
- Công cụ phân tích dự đoán được sử dụng để dự báo nhu cầu và quản lý hàng tồn kho hiệu quả hơn.

• Ngành y tế có tiềm năng bị AI làm thay đổi mạnh mẽ nhờ khả năng xử lý dữ liệu lớn và cải thiện độ chính xác trong chẩn đoán:
- Thuật toán AI có thể phân tích dữ liệu từ hồ sơ y tế, nghiên cứu và thử nghiệm lâm sàng nhanh và chính xác hơn con người.
- AI đang được phát triển để phát hiện sớm các bệnh như ung thư thông qua phân tích hình ảnh y tế, với độ chính xác có thể vượt qua bác sĩ X-quang.
- Trong lĩnh vực phát triển thuốc, AI có thể đẩy nhanh quá trình nghiên cứu và giảm chi phí đáng kể, từ đó thay đổi cách thức hoạt động của ngành dược phẩm.

📌 AI đang tạo ra những thay đổi đột phá trong các ngành pháp lý, vận tải-logistics và y tế. Công nghệ này giúp tự động hóa nhiều quy trình, tăng hiệu quả và giảm chi phí đáng kể. Tuy nhiên, việc áp dụng rộng rãi AI vào thực tế vẫn cần thời gian và đầu tư lớn.

https://www.forbes.com/sites/abdoriani/2024/08/31/3-industries-likely-to-be-disrupted-by-ai/

• FAA đã công bố "Lộ trình đảm bảo an toàn trí tuệ nhân tạo" dài 31 trang, vạch ra chiến lược tích hợp an toàn công nghệ AI vào ngành hàng không. https://www.faa.gov/aircraft/air_cert/step/roadmap_for_AI_safety_assurance

• Lộ trình nhấn mạnh việc làm việc trong hệ sinh thái hàng không hiện có, tập trung vào nâng cao an toàn và áp dụng cách tiếp cận từng bước để tích hợp AI.

• FAA xác định 5 lĩnh vực trọng yếu: hợp tác, sẵn sàng nhân lực FAA, đảm bảo an toàn AI, tận dụng AI để cải thiện an toàn và nghiên cứu an toàn hàng không.

• Cơ quan này sẽ hợp tác với ngành công nghiệp, các cơ quan chính phủ khác và đối tác quốc tế để phát triển các phương pháp đảm bảo an toàn AI hài hòa toàn cầu.

• FAA cũng sẽ nâng cao kiến thức AI cho nhân viên và điều chỉnh các phương pháp đảm bảo an toàn hiện có cho hệ thống AI.

• OpenAI ủng hộ dự luật AB 3211 của California yêu cầu các công ty công nghệ gắn nhãn nội dung do AI tạo ra.

• Dự luật nhằm giải quyết các lo ngại về tài liệu do AI tạo ra, từ meme vô hại đến deepfake gây hiểu lầm về ứng cử viên chính trị.

• OpenAI nhấn mạnh tầm quan trọng của yêu cầu minh bạch và nguồn gốc đối với nội dung do AI tạo ra, đặc biệt là trong năm bầu cử.

• Dự luật đã được thông qua nhất trí tại hội đồng tiểu bang và vượt qua ủy ban phân bổ ngân sách thượng viện.

• Tại Texas, Ủy ban Thương mại và Kinh doanh Thượng viện đã bắt đầu xem xét kỹ lưỡng về quy định AI.

• Trong phiên điều trần kéo dài gần 4 giờ, ủy ban 11 thành viên đã nghe các lời khai về tác động rộng rãi của AI, từ cải thiện hiệu quả trong các cơ quan nhà nước đến lo ngại về thông tin sai lệch, ra quyết định thiên vị và vi phạm quyền riêng tư của người tiêu dùng.

• Các quan chức tiểu bang báo cáo những lợi ích đáng kể từ việc áp dụng AI. Tuy nhiên, các bên liên quan cũng cảnh báo về khả năng lạm dụng AI.

• Texas đã ban hành luật giải quyết vấn đề deepfake trong bầu cử và khiêu dâm. Khi xem xét quy định AI rộng hơn, tiểu bang đang tìm kiếm hướng dẫn từ các khu vực pháp lý khác.

• Thống đốc Greg Abbott, Phó Thống đốc Dan Patrick và Chủ tịch Hạ viện Dade Phelan đã thành lập Hội đồng AI vào tháng 2 để nghiên cứu việc sử dụng AI của các cơ quan tiểu bang và phát triển bộ quy tắc đạo đức tiềm năng.

📌 FAA công bố lộ trình tích hợp AI vào hàng không, nhấn mạnh 5 lĩnh vực trọng yếu. OpenAI ủng hộ dự luật gắn nhãn nội dung AI ở California. Texas bắt đầu xem xét quy định AI, cân nhắc lợi ích và rủi ro. Các bang và cơ quan liên bang đang nỗ lực cân bằng đổi mới và an toàn trong quản lý AI.

https://www.pymnts.com/artificial-intelligence-2/2024/faa-unveils-ai-integration-aviation-roadmap-as-states-eye-regulations/

• AI đang tạo ra những cơ hội mới chưa từng có cho quản lý logistics và chuỗi cung ứng, nhưng nhiều tổ chức vẫn chưa chắc chắn về cách triển khai tốt nhất.

• Chris Caplice, giám đốc điều hành Trung tâm Giao thông và Logistics MIT, cho rằng AI là một mục tiêu di động, luôn vượt quá tầm với của chúng ta. Các nhà quản lý cần hiểu cách các phương pháp phân tích khác nhau như AI truyền thống, AI tạo sinh và nghiên cứu vận hành hoạt động cùng nhau.

• Các công cụ phân tích khác nhau trong logistics:
- AI truyền thống: phân tích dữ liệu để hoàn thành các tác vụ cụ thể
- AI tạo sinh: sử dụng mô hình ngôn ngữ lớn để tóm tắt và tạo nội dung mới
- Nghiên cứu vận hành: sử dụng phương pháp khoa học để nghiên cứu hệ thống đòi hỏi ra quyết định của con người

• AI có thể giải quyết nhiều thách thức logistics như:
- Chuỗi cung ứng phân mảnh và nhu cầu kết nối mạng lưới để tối ưu hóa
- Biến động thị trường về giá cả và gián đoạn dịch vụ
- Các vấn đề an toàn liên quan đến COVID-19, an toàn tài xế và gian lận số
- Tác động của vận tải đường bộ và vận tải hàng hóa đối với biến đổi khí hậu

• Uber Freight đã sử dụng học máy để:
- Tiên phong trong định giá thuật toán cho nhà vận chuyển, đảm bảo giá trước được đảm bảo
- Giải quyết vấn đề định tuyến xe phức tạp, giảm số km chạy không từ 30% xuống 10-15%, tiết kiệm thời gian, nhiên liệu và giảm phát thải carbon

• Phòng thí nghiệm Hệ thống Logistics Thông minh MIT đang kết hợp AI truyền thống, AI tạo sinh và nghiên cứu vận hành để cải thiện kết quả định tuyến

• 4 lợi ích quản lý của AI tạo sinh trong logistics:
1. Mô hình AI vượt trội so với dữ liệu đào tạo, tiết kiệm thời gian tạo dữ liệu đặc biệt
2. Mô hình học liên tục sẽ tự động học các chính sách định tuyến tốt hơn
3. Loại bỏ nhu cầu về thuật toán riêng cho các kích thước và đặc điểm vấn đề cụ thể
4. Khái quát hóa tốt cho các vấn đề chưa từng thấy trước đây

📌 AI đang cách mạng hóa ngành logistics, giải quyết các thách thức như định tuyến xe và tối ưu hóa chuỗi cung ứng. Uber Freight đã giảm số km chạy không từ 30% xuống 10-15% nhờ học máy. AI tạo sinh mang lại nhiều lợi ích quản lý, vượt trội so với phương pháp truyền thống trong giải quyết các vấn đề logistics phức tạp.

https://mitsloan.mit.edu/ideas-made-to-matter/how-artificial-intelligence-transforming-logistics

#MIT

- AI có khả năng tăng cường năng suất cho các nhà máy, nhưng nhiều chủ sở hữu và vận hành nhà máy vẫn chưa sẵn sàng áp dụng công nghệ mới. Theo McKinsey, việc đánh giá mức độ sẵn sàng số là bước quan trọng để xác định các cải tiến cần thiết.
- Các nhà máy hiện tại đang ở nhiều cấp độ khác nhau về độ trưởng thành số. Việc này ảnh hưởng đến khả năng áp dụng AI, với nhiều nhà máy không thể biện minh cho việc lắp đặt cảm biến và hệ thống điều khiển tiên tiến (APCs) do thiếu hiểu biết về giá trị mà chúng mang lại.
- Để cải thiện độ trưởng thành số và sẵn sàng cho việc triển khai AI, các nhà máy cần thực hiện 5 bước quan trọng:
  - Tăng cường độ phủ sóng cảm biến và chú trọng đến việc hiệu chuẩn và lập danh mục các thiết bị đã lắp đặt. Việc này giúp thu thập dữ liệu chính xác và đáng tin cậy.
  - Cải thiện việc sử dụng các APC đã lắp đặt và mở rộng độ phủ sóng của chúng cho các hoạt động quan trọng, từ đó tối ưu hóa quy trình sản xuất.
  - Sử dụng các mô hình tư vấn dựa trên AI để mô tả, dự đoán và thông báo quyết định quy trình, giúp tối ưu hóa các công thức hoạt động trong các điều kiện khác nhau.
  - Xây dựng các đội ngũ công nghệ thông tin và công nghệ vận hành chuyên dụng cho việc triển khai AI, đồng thời nâng cao kỹ năng về kỹ thuật số và phân tích cho đội ngũ hiện tại.
  - Áp dụng chiến lược quản lý thay đổi để tích hợp các giải pháp AI và đầu tư vào phát triển năng lực và tài năng, đảm bảo rằng nhân viên có thể thích ứng với công nghệ mới.
- Việc áp dụng AI có thể giúp tối ưu hóa các quy trình sản xuất, nhưng cần có sự chuẩn bị kỹ lưỡng và chiến lược rõ ràng. McKinsey đã chỉ ra rằng một sự đánh giá định tính về mức độ sẵn sàng có thể là bước đầu tiên quan trọng trong việc triển khai tối ưu hóa quy trình dựa trên AI.

📌 Việc áp dụng AI trong quy trình sản xuất đòi hỏi sự chuẩn bị kỹ lưỡng và nâng cấp công nghệ. Các bước như tăng cường cảm biến, cải thiện sử dụng APC, và phát triển đội ngũ công nghệ là rất cần thiết để tối ưu hóa năng suất, đảm bảo rằng các nhà máy có thể tận dụng tối đa các công nghệ mới.

https://www.mckinsey.com/industries/metals-and-mining/our-insights/using-ai-to-accelerate-process-optimization-is-your-plant-ready#/

#Mckinsey

- Văn phòng Tổng cục Bộ Công nghiệp và Công nghệ thông tin đã phát đi thông báo về việc thu thập các trường hợp ứng dụng điển hình của trí tuệ nhân tạo trong công nghiệp hóa mới.
- Mục tiêu là thực hiện các quyết định của Đảng và Nhà nước về việc thúc đẩy trí tuệ nhân tạo trong công nghiệp hóa.
- Các lĩnh vực chính được tập trung thu thập bao gồm: cơ sở kỹ thuật, ứng dụng công nghiệp, sản phẩm thiết bị và hỗ trợ bảo đảm.
  
Cơ sở kỹ thuật
  - Tập trung vào việc cung cấp và chia sẻ hạ tầng và năng lực kỹ thuật cho công nghiệp hóa mới.
  - Khuyến khích các ứng dụng liên quan đến chip, năng lực tính toán, mô hình lớn trong ngành công nghiệp.

Ứng dụng công nghiệp
  - Đề xuất các trường hợp ứng dụng trong 10 ngành công nghiệp lớn như thép, hóa chất, và điện tử.
  - Tập trung vào các khâu quan trọng như R&D, sản xuất và bảo trì.

Sản phẩm thiết bị
  - Tìm kiếm các sản phẩm thông minh được hỗ trợ bởi trí tuệ nhân tạo.
  - Các công nghệ như học sâu, thị giác máy tính và giọng nói thông minh được nhấn mạnh.

Hỗ trợ và bảo đảm
  - Tập trung vào các yếu tố hỗ trợ như bộ dữ liệu chất lượng cao, hệ thống đánh giá và công cụ kiểm tra an ninh.
  - Tìm kiếm các trường hợp ứng dụng phản ánh vai trò hỗ trợ của trí tuệ nhân tạo trong công nghiệp.

- Điều kiện ứng tuyển yêu cầu doanh nghiệp và viện nghiên cứu có khả năng cốt lõi trong trí tuệ nhân tạo.
- Các trường hợp ứng dụng phải có tính điển hình và đã được triển khai thành công.
- Thời gian nộp hồ sơ từ 1 tháng 8 đến 31 tháng 8 năm 2024.

Quy trình giới thiệu
- Các đơn vị có trách nhiệm tổ chức và giới thiệu các trường hợp ứng dụng.
- Số lượng trường hợp được giới thiệu không vượt quá 25 cho mỗi tỉnh và 5 cho các thành phố lớn.

Hỗ trợ quảng bá
- Bộ Công nghiệp và Công nghệ thông tin sẽ tổ chức các hoạt động nhằm quảng bá và chia sẻ các trường hợp ứng dụng điển hình.

📌 Bộ Công nghiệp và Công nghệ thông tin Trung Quốc đã phát đi thông báo về việc thu thập các trường hợp ứng dụng điển hình của trí tuệ nhân tạo trong 10 ngành công nghiệp lớn như thép, hóa chất, và điện tử... với mục tiêu nâng cao ứng dụng AI trong các ngành công nghiệp chủ chốt và thúc đẩy sự phát triển công nghiệp.

https://www.miit.gov.cn/zwgk/zcwj/wjfb/tz/art/2024/art_eb70e19c3b75499ea7b7e67b7114354c.html

• Các tổ chức sản xuất và dịch vụ hiện trường đang phải đối mặt với nhiều thách thức trong việc hỗ trợ và phát triển năng lực của công nhân tuyến đầu:
  - Khoảng cách kiến thức và kỹ năng ngày càng lớn do lực lượng lao động già hóa nghỉ hưu
  - Tốc độ thay đổi trong môi trường công nghiệp ngày càng nhanh
  - Quy trình, linh kiện và tài sản mới ngày càng phức tạp, đòi hỏi nâng cao kỹ năng và học tập tại chỗ hiệu quả hơn

• Những xu hướng này có thể dẫn đến chi phí vận hành và uy tín tăng cao do thời gian ngừng hoạt động không theo kế hoạch và các vấn đề về chất lượng - lên tới 50 tỷ USD đối với ngành sản xuất công nghiệp

• Giải pháp tiềm năng là tận dụng điện toán không gian và AI tạo sinh để tăng cường công việc theo cách trực quan và tự nhiên đối với người lao động

• Deloitte Consulting LLP, đối tác của AWS, đã phát triển một giải pháp tích hợp Amazon Q (trợ lý AI tạo sinh cho doanh nghiệp) với thực tế tăng cường (AR) để hỗ trợ công nhân hiện trường trong môi trường công nghiệp

• Các tính năng chính của giải pháp bao gồm:
  - Sử dụng kính AR để hiển thị các công cụ hỗ trợ công việc trong tầm nhìn của công nhân
  - Hướng dẫn công việc bằng AR kết hợp với tài liệu sản phẩm và vận hành liên quan cùng mô hình 3D
  - Tích hợp AI tạo sinh để cung cấp hỗ trợ thông minh khi cần
  - Tích hợp với các hệ thống backend cũ để truy cập tài liệu sản phẩm và vận hành thiết yếu
  - Quản lý dữ liệu cấp doanh nghiệp thông qua nền tảng Spatial Data Lake

• Giải pháp này giúp công nhân học nhanh hơn và làm việc an toàn hơn, đồng thời mang lại lợi ích về năng suất lao động và quản lý chi phí

• Đây là ví dụ về cách hội tụ công nghệ mở ra các khả năng tăng cường công việc và năng suất một cách trực quan, trao quyền cho công nhân tuyến đầu với kiến thức và kinh nghiệm khi họ cần

📌 AI tạo sinh kết hợp thực tế tăng cường đang mở ra cơ hội lớn để hỗ trợ công nhân tuyến đầu trong sản xuất và dịch vụ hiện trường. Giải pháp của Deloitte tích hợp Amazon Q với AR giúp nâng cao hiệu quả đào tạo, tăng năng suất và an toàn lao động, tiết kiệm chi phí lên tới 50 tỷ USD cho ngành sản xuất công nghiệp.

https://aws.amazon.com/blogs/industries/generative-ai-meets-augmented-reality-for-frontline-worker-assistance-in-manufacturing-and-field-services/

• Các chuyên gia cho rằng tác động lớn nhất của AI sẽ đến từ các ngành công nghiệp truyền thống như sản xuất, khai thác mỏ, xây dựng, logistics và chăm sóc sức khỏe - chiếm khoảng 75% GDP toàn cầu.

• Những ngành này chưa bị ảnh hưởng nhiều bởi công nghệ số, nhưng sẽ sớm thay đổi nhờ tiến bộ trong phần cứng, dữ liệu đám mây, thuật toán, AI tạo sinh và thực tế hỗn hợp.

• Sản phẩm công nghiệp sẽ được tích hợp cảm biến, phần mềm và dữ liệu thời gian thực. Ví dụ như thiết bị See & Spray của John Deere cho phép phun thuốc diệt cỏ có mục tiêu thay vì phun đại trà.

• Trọng tâm là dữ liệu thời gian thực về sản phẩm đang sử dụng, được tổng hợp trong "datagraph" để hiểu mối quan hệ giữa công ty và khách hàng.

• Các nhà quản lý cần thành thạo trong việc giám sát sự kết hợp mới giữa lĩnh vực kinh doanh vật lý và kỹ thuật số. Ô tô hiện đại là máy tính trên bánh xe kết nối với đám mây, máy kéo trở thành máy móc công nghiệp do các nhà nông học thông minh điều khiển.

• Tương lai của nông nghiệp sẽ là canh tác bền vững nhờ cảm biến và phần mềm. Y học sẽ có chăm sóc sức khỏe cá nhân hóa với chỉ thị sinh học và phương pháp điều trị tùy chỉnh.

• Karl Marx từng nhấn mạnh lao động là yếu tố sản xuất chủ chốt. Tuy nhiên, Trung Quốc - một quốc gia do đảng cộng sản lãnh đạo - đã công nhận dữ liệu là yếu tố sản xuất mới vào năm 2020. Điều này cho thấy sự thay đổi quan trọng trong nhận thức về các yếu tố sản xuất trong thời đại số.

• Các học giả cảnh báo tất cả sản phẩm công nghiệp sẽ trở nên kỹ thuật số sớm hơn dự kiến của các công ty, thách thức quan điểm truyền thống về vai trò của lao động.

• Thay vì 3 chiến lược cạnh tranh truyền thống của Michael Porter, các lãnh đạo cần lựa chọn 1 trong 4 lĩnh vực chiến lược fusion (kết hợp):
1. Sản phẩm: Thiết kế với khả năng đo từ xa và phân tích dữ liệu để cải thiện hiệu suất.
2. Bao quanh sản phẩm fusion bằng dịch vụ fusion: Cung cấp dịch vụ giúp máy móc hoạt động hiệu quả hơn.
3. Tích hợp sản phẩm thành hệ thống fusion: Kết nối các sản phẩm để tạo hệ thống cấp cao hơn.
4. Giải quyết vấn đề khách hàng: Kết hợp sản phẩm, dịch vụ và hệ thống để giải quyết từng vấn đề riêng biệt.

• Các nhà điều hành trong các lĩnh vực ít bị ảnh hưởng bởi cuộc cách mạng kỹ thuật số sẽ phải nhanh chóng nắm bắt và sử dụng những ý tưởng này để định hình lại chiến lược của họ, đồng thời xem xét lại vai trò của lao động trong bối cảnh mới.

📌 AI và dữ liệu sẽ tạo ra cuộc cách mạng lớn trong các ngành công nghiệp truyền thống, chiếm 75% GDP toàn cầu, thách thức quan điểm của Marx về lao động. Các công ty cần áp dụng chiến lược fusion, kết hợp sản phẩm vật lý với dữ liệu và AI để tạo ra giá trị mới. Lãnh đạo phải lựa chọn 1 trong 4 lĩnh vực chiến lược fusion để dẫn đầu sự chuyển đổi này, đồng thời cân nhắc lại vai trò của lao động và dữ liệu trong quá trình sản xuất.

https://www.theglobeandmail.com/business/careers/management/article-the-biggest-changes-from-data-and-ai-will-come-where-you-least-expect/

• Nhà máy smartphone Honor tại Thâm Quyến đã đạt tỷ lệ tự động hóa 85% sau 3 năm hoạt động, tăng từ 70% ban đầu.

• Chỉ cần 22 công nhân vận hành một dây chuyền lắp ráp dài 150m, từ bo mạch thô đến sản phẩm hoàn chỉnh, nhờ sử dụng cánh tay robot và máy laser.

• Môi trường làm việc sạch sẽ, ngăn nắp, khác xa hình ảnh các xưởng "bóc lột" trước đây của Trung Quốc.

• 60% thiết bị sử dụng trong nhà máy được phát triển tại Trung Quốc, 40% còn lại nhập từ Đức và Nhật Bản.

• Nhà máy đạt chứng nhận "Cấp IV" về mức độ chín muồi trong sản xuất thông minh từ Bộ Công nghiệp và Công nghệ Thông tin Trung Quốc.

• Xiaomi cũng vừa ra mắt nhà máy hoàn toàn tự động "không cần ánh sáng" tại Bắc Kinh.

• Sự xuất hiện ngày càng nhiều siêu nhà máy ở Trung Quốc nhờ tích lũy vốn, nhân tài, công nghệ và nguồn lực chuỗi cung ứng qua nhiều thập kỷ.

• Tuy nhiên, vẫn còn một số thách thức:
- Một số điểm nghẽn công nghệ trong chuỗi cung ứng, như chip xử lý vẫn phải nhập từ Qualcomm.
- Phụ thuộc nhiều vào người tiêu dùng nước ngoài do nhu cầu trong nước "không đủ".
- Khó khăn khi bán smartphone 5G ra nước ngoài do lệnh cấm của Mỹ.
- Tự động hóa dẫn đến "tăng trưởng không có việc làm", khó chuyển đổi công việc cho công nhân.

• Dù vậy, sự chuyển đổi của các nhà máy Trung Quốc vẫn rất ấn tượng, củng cố hy vọng nước này sẽ tiếp tục là công xưởng sản xuất thiết bị thông minh của thế giới.

📌 Nhà máy smartphone Honor tại Thâm Quyến đạt tỷ lệ tự động hóa 85% sau 3 năm, với 60% thiết bị nội địa. Mặc dù còn thách thức về công nghệ và việc làm, sự chuyển đổi này cho thấy tiềm năng của Trung Quốc trong sản xuất thiết bị thông minh toàn cầu.

https://www.scmp.com/opinion/china-opinion/article/3270493/how-chinas-automated-super-factories-are-raising-hopes-economic-revival

- Jacobi Robotics, một startup từ UC Berkeley, đang phát triển phần mềm AI để tự động hóa việc xếp hàng hóa lên pallet trong kho.
- Có hơn 2 tỷ pallet đang lưu thông tại Mỹ, vận chuyển hàng hóa trị giá 400 tỷ USD mỗi năm. Tuy nhiên, việc xếp hàng lên pallet vẫn chủ yếu thủ công, gây nguy cơ chấn thương cao cho công nhân.
- Phần mềm của Jacobi sử dụng deep learning để tạo ra "bản nháp" về cách di chuyển của cánh tay robot, sau đó dùng các phương pháp truyền thống để kiểm tra tính an toàn và khả thi.
- Quy trình lập trình robot truyền thống mất hàng tháng. Jacobi hứa hẹn rút ngắn thời gian này xuống chỉ còn 1 ngày, tính toán chuyển động trong chưa đầy 1 mili giây.
- Phần mềm cho phép khách hàng tạo mô phỏng kho của họ, bao gồm mô hình robot, loại hộp, hướng nhãn. Thuật toán sẽ tự động lập kế hoạch chuyển động tối ưu cho cánh tay robot.
- Cách tiếp cận kết hợp tốc độ tính toán nhanh của AI với độ chính xác của kỹ thuật robot truyền thống, giảm khả năng xảy ra lỗi.
- Tốc độ lập kế hoạch nhanh đưa robot vào một hạng mục mới. Mỗi khoảng dừng đồng nghĩa với sự chậm trễ trong môi trường công nghiệp.
- Jacobi nhận được 5 triệu USD từ vòng gọi vốn hạt giống do Moxxie Ventures dẫn đầu, dự kiến ra mắt sản phẩm vào cuối tháng này.

📌 Jacobi Robotics đang phát triển giải pháp AI giúp rút ngắn thời gian lập trình robot xếp pallet từ hàng tháng xuống chỉ 1 ngày. Phần mềm kết hợp deep learning và kỹ thuật robot truyền thống, tính toán chuyển động trong chưa đầy 1 ms. Startup nhận được 5 triệu USD đầu tư và sẽ ra mắt sản phẩm cuối tháng này.

https://www.technologyreview.com/2024/07/11/1094829/ai-is-poised-to-automate-todays-most-mundane-manual-warehouse-task/

#MIT

- Deutsche Telekom lần đầu tiên cung cấp mạng 5G riêng tư trên băng tần mmWave 26 GHz tại Đức
- Băng tần này cho phép độ trễ khứ hồi từ 3-4 mili giây và tốc độ tải xuống/tải lên trên 4/2 Gbps
- Hỗ trợ mmWave được cung cấp như một phần của gói "mạng campus" vốn sử dụng băng tần 3.7-3.8 GHz
- Băng tần mmWave có phạm vi phủ sóng ngắn hơn nhưng băng thông và tốc độ cao hơn
- Tại Đức, băng tần 26 GHz được cấp phép riêng cho doanh nghiệp bởi cơ quan quản lý viễn thông BNetzA
- Deutsche Telekom đã thử nghiệm băng tần 5G 26 GHz với các khách hàng công nghiệp
- Công ty Ger4tech Metall & Mechatronik của Áo đã thử nghiệm máy móc và robot tự động trên băng tần này tại Trung tâm Werner-von-Siemens ở Berlin
- Ericsson cung cấp mạng 5G riêng tại địa điểm này, Telit Cinterion cung cấp bộ định tuyến hai băng tần 3.7 GHz và 26 GHz
- Nhiều trường hợp sử dụng công nghiệp 4.0 có sẵn để thử nghiệm như xe tự hành (AGV), robot di động tự động (AMR)
- Việc bổ sung băng tần 26 GHz giúp doanh nghiệp triển khai các ứng dụng AI đòi hỏi lưu lượng dữ liệu lớn
- Ví dụ: robot nhận đơn hàng và kiểm tra hàng hóa trên đường đi, nếu có sai lệch sẽ tự động đặt hàng bổ sung
- Giám đốc Deutsche Telekom nhấn mạnh tầm quan trọng của việc tải lên dữ liệu từ máy móc theo thời gian thực để phân tích và triển khai AI hiệu quả
- Phó chủ tịch Telit Cinterion cho rằng tích hợp liền mạch 5G mmWave giúp tăng hiệu quả, năng suất và đổi mới ở quy mô chưa từng có

📌 Deutsche Telekom đã giới thiệu mạng 5G riêng tư trên băng tần mmWave 26 GHz tại Đức, cho phép độ trễ 3-4 ms và tốc độ trên 4/2 Gbps. Công ty đã thử nghiệm với khách hàng công nghiệp như Ger4tech, sử dụng giải pháp của Ericsson và Telit Cinterion. Băng tần mới mở ra cơ hội triển khai các ứng dụng AI đòi hỏi truyền tải dữ liệu lớn, nâng cao hiệu quả và năng suất trong công nghiệp 4.0.

https://www.rcrwireless.com/20240613/private-5g/deutsche-telekom-offers-private-mmwave-5g-for-industry-4-0-in-germany

- Thủ tướng Cho Jung-tai cho biết công viên công nghiệp AI mới được xây dựng tại Tainan sẽ là nền tảng cho sự phát triển AI như một ngành công nghiệp và ứng dụng của nó vào các lĩnh vực khác tại Đài Loan.
- Công viên AI mới sẽ mở rộng từ Tòa nhà R&D An ninh mạng và Công nghệ thông minh, và Địa điểm Trình diễn Công nghệ Năng lượng Xanh Shalun, đại diện cho điểm khởi đầu cho sự phát triển AI của thành phố khoa học.
- Hội đồng Khoa học Công nghệ Quốc gia, một trong những cơ quan giám sát công viên, cho biết nó sẽ chứa các trung tâm dữ liệu và các khu vực khác được lên kế hoạch cho công nghệ carbon thấp, khoa học lượng tử, nông nghiệp thông minh, giao thông thông minh và y học thông minh.
- Công viên đang được thành lập để thực hiện chính sách của Tổng thống William Lai về hỗ trợ "5 lĩnh vực công nghiệp đáng tin cậy" - bán dẫn, AI, quốc phòng, an ninh và giám sát, và truyền thông thế hệ tiếp theo.
- Các công ty công nghệ lớn như Nvidia và AMD có kế hoạch mở rộng cơ sở tại Đài Loan và chính phủ có trách nhiệm cung cấp cơ sở hạ tầng tốt để tạo điều kiện cho đầu tư của họ.
- Công viên công nghiệp sẽ là một cơ sở khác kết nối với phía bắc Kaohsiung để tạo thành "hành lang thông minh phía nam".
- Phía bắc Kaohsiung đang nổi lên như một địa điểm cho các công viên công nghệ cao, bao gồm dự án Công viên Công nghiệp Bắc Kaohsiung, Công viên Khoa học Ciaotou nhằm thu hút các công ty bán dẫn, máy móc thông minh và liên quan đến không gian.
- Công viên Công nghệ Nanzih cũng đang mọc lên, nơi TSMC đang xây dựng một nhà máy sản xuất tấm wafer 2nm tiên tiến.
- Trưởng hội đồng Wu Cheng-wen cho biết cơ quan của ông sẽ đẩy nhanh việc xây dựng các trung tâm dữ liệu và hợp tác với các doanh nghiệp hàng đầu quốc tế để biến Shalun thành một thành trì R&D AI ở khu vực Châu Á - Thái Bình Dương.
- Thị trưởng Tainan Huang Wei-che cho biết công viên AI có thể được hưởng lợi từ sự hiện diện của các viện nghiên cứu AI tại Đại học Quốc gia Cheng Kung và Cơ sở Tainan của Đại học Quốc gia Yang Ming Chiao Tung, và cuối cùng cũng sẽ mang lại lợi ích cho các thành phố phía nam khác.

📌 Công viên công nghiệp AI mới tại Tainan được kỳ vọng sẽ là nền tảng cho sự phát triển mạnh mẽ của ngành AI tại Đài Loan, thu hút các tập đoàn công nghệ lớn như Nvidia, AMD đầu tư và tạo thành "hành lang thông minh phía nam" kết nối với các khu công nghệ cao ở Bắc Kaohsiung, hứa hẹn đưa Đài Loan trở thành trung tâm R&D AI hàng đầu khu vực Châu Á - Thái Bình Dương.

https://www.taipeitimes.com/News/taiwan/archives/2024/06/17/2003819472

- Báo cáo Khảo sát Tài nguyên Dữ liệu Quốc gia năm 2023 cho thấy chỉ 3% trong 32.85 zettabyte dữ liệu được tạo ra ở Trung Quốc năm ngoái được lưu trữ và xử lý. 
- Gần 40% dữ liệu được lưu trữ bởi các công ty năm ngoái không được đọc hoặc tái sử dụng sau khi lưu trữ.
- 22% công ty được khảo sát cho biết họ vẫn chưa có hệ thống quản lý dữ liệu. Chỉ 8% công ty tái sử dụng dữ liệu và tạo ra giá trị bổ sung từ đó.
- Nhu cầu về sản phẩm dữ liệu chất lượng của Trung Quốc rất mạnh, đạt 1.75 lần so với nguồn cung.
- Nhu cầu về sức mạnh tính toán cho việc đào tạo mô hình AI lớn dự kiến sẽ vẫn cao. Nhu cầu từ các tổ chức khoa học, chính phủ, tài chính cũng tăng lên.
- Báo cáo dự đoán sản lượng dữ liệu của Trung Quốc sẽ tăng hơn 25% vào năm 2024, nhờ ứng dụng quy mô lớn các công nghệ mới như thông tin vệ tinh, xe tự lái và AI tạo sinh.

📌 Trung Quốc đang lãng phí phần lớn tài nguyên dữ liệu khổng lồ do khả năng lưu trữ và xử lý dữ liệu tụt hậu so với tốc độ tạo ra dữ liệu. Chỉ 3% trong 32.85 zettabyte dữ liệu năm 2022 được lưu trữ, 40% không được tái sử dụng. Nhu cầu về sản phẩm dữ liệu chất lượng và sức mạnh tính toán AI rất cao. Sản lượng dữ liệu dự báo tăng 25% năm 2024 nhờ công nghệ mới như vệ tinh, xe tự lái, AI tạo sinh.

https://www.scmp.com/news/china/science/article/3264938/china-finds-poor-data-storage-leads-waste-ai-satellites-and-self-driving-cars-generate-masses-bytes

- Đám mây ngày nay không chỉ giúp cắt giảm chi phí, cải thiện hiệu quả mà còn thúc đẩy chuyển đổi kinh doanh, mở ra cơ hội ứng dụng AI truyền thống và AI tạo sinh. Theo McKinsey, đến năm 2030, chuyển đổi đám mây có thể tạo ra giá trị 3 nghìn tỷ USD.

- Các giải pháp đám mây chuyên biệt theo ngành đáp ứng được yêu cầu đa dạng về tuân thủ, bảo mật dữ liệu và khả năng mở rộng quy mô để đạt mục tiêu kinh doanh. Ví dụ, y tế cần quản lý dữ liệu nhạy cảm, tuân thủ quy định như HIPAA; bán lẻ cần linh hoạt theo mùa vụ, phân tích hành vi khách hàng và xu hướng thị trường.

- Đám mây cung cấp cơ sở hạ tầng và phần mềm sẵn sàng cho AI, phục vụ doanh nghiệp muốn tích hợp các khả năng công nghệ mới vào quy trình làm việc. Thị trường AI toàn cầu trị giá 196 tỷ USD và dự kiến tăng trưởng 37,3%/năm đến 2030. AI đang cách mạng hóa nhiều ngành như sản xuất, y tế, tài chính.

- Đám mây hỗ trợ mở rộng quy mô linh hoạt, truy cập GPU/TPU mạnh mẽ để đào tạo các mô hình AI như mô hình ngôn ngữ lớn (LLM). Các ứng dụng SaaS trên đám mây đơn giản hóa quản lý tài sản, tự động cập nhật, giúp IT tập trung vào nhiệm vụ chiến lược.

- Các giải pháp phần mềm đám mây tích hợp sẵn công cụ hỗ trợ quản trị dữ liệu, bảo mật và sử dụng AI có trách nhiệm. Điều này giúp doanh nghiệp đáp ứng các tiêu chuẩn đang phát triển về đạo đức và tuân thủ trong sử dụng AI. Theo khảo sát của BCG, tỷ lệ công ty "dẫn đầu về AI có trách nhiệm" tăng gần gấp đôi từ 16% năm 2022 lên 29% năm 2023.

- Thực tế cho thấy đa số doanh nghiệp chưa tận dụng hết tiềm năng của đám mây. Theo McKinsey, trung bình các công ty lớn mới chuyển 15-20% ứng dụng lên đám mây, dù hầu hết đều muốn chạy phần lớn ứng dụng trên đám mây trong 10 năm tới. Chỉ 10% tin rằng họ đã tối ưu hóa giá trị của đám mây.

📌 Để tận dụng tối đa lợi thế cạnh tranh của đám mây, doanh nghiệp nên tìm kiếm các giải pháp chuyên biệt theo ngành và hỗ trợ triển khai AI. Chuyển đổi lên đám mây đòi hỏi cả việc áp dụng ứng dụng SaaS và xây dựng cơ sở hạ tầng đám mây với sức mạnh xử lý và lưu trữ cần thiết, như GPU/TPU để đào tạo các mô hình AI quy mô lớn. Khi kết hợp, những yếu tố này có thể đẩy nhanh đổi mới, cải thiện tính linh hoạt và hỗ trợ các công nghệ mới nổi như AI tạo sinh, qua đó thúc đẩy toàn diện quá trình chuyển đổi kinh doanh. Tuy nhiên, thực tế cho thấy đa số doanh nghiệp vẫn chưa tận dụng hết tiềm năng của đám mây và AI.

Citations:
https://www.technologyreview.com/2024/05/29/1092342/industry-and-ai-focused-cloud-transformation/

#MIT

- Trí tuệ nhân tạo đã là một phần của trò chơi điện tử từ lâu, từ thời kỳ đầu của trò chơi arcade với các mẫu di chuyển được lập trình sẵn.
- Trò chơi No Man's Sky sử dụng AI thủ tục để tạo ra 18 quintillion hành tinh với hệ động thực vật, động vật hoang dã và địa hình độc đáo.
- AI tạo sinh sẽ tạo ra những trải nghiệm năng động hơn trong tương lai, như hành vi NPC thích ứng dựa trên đối thoại thời gian thực và nhiệm vụ người chơi hoàn thành.
- Studio game Parallel công bố kế hoạch cho tựa game Colony - một trò chơi không bao giờ kết thúc được hỗ trợ bởi AI, nơi người chơi kết hợp với một Avatar song song để khám phá thế giới Parallel không ngừng mở rộng.
- Trong Colony, người chơi đóng vai trò như cố vấn cho Avatar AI, vốn có thể ghi nhớ, đưa ra quyết định và thậm chí lưu trữ tài sản để giao dịch độc lập.
- Tính thụ động của "trò chơi 1.5 người chơi" như Colony giúp trò chơi trở nên dễ tiếp cận hơn với mọi lứa tuổi, đặc biệt game thủ lớn tuổi bận rộn không có nhiều thời gian chơi game chủ động.

📌 AI tạo sinh hứa hẹn sẽ mang đến những trải nghiệm gaming sâu sắc và năng động hơn, với hành vi NPC thông minh, thế giới trò chơi mở rộng vô tận. Đồng thời, các trò chơi thụ động được hỗ trợ AI cũng giúp gaming trở nên dễ tiếp cận hơn với mọi lứa tuổi, kể cả những game thủ bận rộn.

https://www.forbes.com/sites/forbestechcouncil/2024/05/16/how-generative-ai-will-change-video-games-forever/

- Samsung đã ra mắt chip di động đầu tiên sản xuất trên tiến trình 3nm gate-all-around, được thiết kế bằng các công cụ EDA sử dụng AI của Synopsys.
- Bộ công cụ Synopsys.ai gồm 3 module chính: DSO.ai cho thiết kế chip, VSO.ai cho kiểm thử chức năng và TSO.ai cho kiểm tra silicon. 
- Các thuật toán học sâu đã tự động hóa và tăng tốc các tác vụ tốn thời gian thường do kỹ sư con người đảm nhiệm, từ lập kế hoạch kiến trúc đến triển khai vật lý và kiểm thử.
- Nhờ các kỹ thuật tối ưu hóa bằng AI như phân vùng thiết kế, xung clock đa nguồn và ánh xạ dây, chip 3nm của Samsung đạt hiệu năng CPU cao hơn 300MHz và giảm 10% điện năng tiêu thụ.
- Đây là lần đầu tiên Samsung triển khai thiết kế phức tạp trên công nghệ 3nm GAAFET. Trước đó họ mới chỉ giới hạn ở các chip đào tiền điện tử đơn giản.
- Chip SoC được hỗ trợ thiết kế bởi AI này đánh dấu bước tiến của Samsung vào lĩnh vực silicon GAAFET hiệu năng cao cho thiết bị di động cao cấp.
- Quy trình thiết kế AI có thể giúp Samsung tăng tốc sản lượng GAAFET cho các chip Exynos tương lai trên smartphone và máy tính bảng Galaxy.

📌 Samsung đã đạt bước tiến lớn khi hợp tác với Synopsys để ra mắt chip di động 3nm GAAFET đầu tiên được thiết kế bởi AI. Chip này đạt hiệu năng vượt trội với xung nhịp CPU tăng 300MHz và điện năng giảm 10%, hứa hẹn thúc đẩy xu hướng ứng dụng AI trong thiết kế vi mạch và nâng tầm hiệu năng cho thiết bị di động cao cấp trong tương lai.

Citations:
[1] https://www.techspot.com/news/102867-samsung-taps-ai-design-first-3nm-mobile-processor.html

- Kể từ năm 2019, chi phí lao động trong ngành bảo dưỡng máy bay đã tăng hơn 20%. Làn sóng nghỉ hưu của các kỹ thuật viên kỳ cựu dẫn đến lực lượng lao động trẻ hơn và năng suất thấp hơn.
- Dự báo đến năm 2033, 1/5 vị trí kỹ thuật viên bảo dưỡng hàng không sẽ bị bỏ trống do thiếu hụt nhân lực. Các hãng hàng không và đơn vị bảo dưỡng, sửa chữa, đại tu (MRO) cũng đang vật lộn với gián đoạn chuỗi cung ứng và lạm phát chi phí vật liệu.
- Nhiều hãng hàng không và đơn vị MRO đang coi công cụ và giải pháp AI tạo sinh là phương tiện giúp nhân viên bảo dưỡng và hành chính làm việc dễ dàng, hiệu quả hơn với sự sáng tạo cao hơn. 
- Với tình trạng thiếu hụt lao động gay gắt trong ngành MRO, AI tạo sinh có thể trở thành đòn bẩy năng suất đáng kể, giúp giảm bớt áp lực về nhân sự và duy trì hoạt động bảo dưỡng ổn định.
- Các nền tảng AI tạo sinh có thể nâng cao chất lượng, tính nhất quán và độ chính xác của công việc bảo dưỡng, giúp nhiều máy bay hoạt động trên bầu trời và giảm thiểu thời gian ngừng khai thác, từ đó tối ưu hóa doanh thu cho các hãng hàng không.
- Một hãng hàng không hàng đầu của Mỹ đang thử nghiệm sử dụng công cụ AI tạo sinh để trích xuất các mẫu hỏng hóc từ nhật ký bảo dưỡng và tự động thiết lập các tác vụ bảo dưỡng theo kế hoạch. Điều này giúp giảm đáng kể công việc hàng ngày cho kỹ sư, giải phóng thời gian để họ tập trung giải quyết các vấn đề độ tin cậy khó khăn nhất.
- Về lâu dài, các hãng hàng không và nhà cung cấp MRO sẽ tích hợp sâu hơn trí tuệ của AI tạo sinh vào toàn bộ chuỗi giá trị bảo dưỡng, mang lại những cách làm việc hoàn toàn khác biệt, nâng cao hiệu quả và chất lượng bảo dưỡng tổng thể.
- Bên cạnh đó, AI tạo sinh cũng có thể hỗ trợ các nhiệm vụ hành chính như lập kế hoạch nguồn lực, quản lý hàng tồn kho và báo cáo, giúp giảm bớt gánh nặng cho nhân viên và tăng cường hiệu quả hoạt động.

Hình ảnh hiển thị một cặp biểu đồ cột so sánh ngày làm việc tiêu biểu của kỹ thuật viên bảo trì trong hai kịch bản: trạng thái hiện tại và một trạng thái tương lai tiềm năng với sự trợ giúp của AI tạo sinh, giả sử để cho thấy công nghệ như thế nào có thể tối ưu hóa thời gian của họ.

Trong biểu đồ 'Trạng thái hiện tại', thời gian của kỹ thuật viên được chia như sau:

- Hoạt động được lên kế hoạch chiếm phần lớn nhất, ở mức 34%.
- Hoạt động không lên kế hoạch và thảo luận kỹ thuật chiếm 30%.
- Dự án cải tiến liên tục là 6%.
- Khắc phục sự cố chiếm 10%.
- Tài liệu và quản trị cũng lấy 10%.
- Họp và coaching chiếm 9%.
- Giao tiếp với các phòng ban khác chiếm phần nhỏ nhất, ở mức 3%.

Trong kịch bản 'Tương lai với AI tạo sinh', biểu đồ cho thấy AI tạo sinh có thể mở khóa thêm năng lực, do đó thay đổi sự phân bổ thời gian:

- Hoạt động không lên kế hoạch và thảo luận kỹ thuật giảm xuống còn 18%, chỉ ra một sự giảm đáng kể.
- Hoạt động được lên kế hoạch giảm nhẹ còn 26%.
- Dự án cải tiến liên tục vẫn ở mức 6%.
- Khắc phục sự cố giảm một nửa còn 5%.
- Tài liệu và quản trị vẫn ở mức 10%.
- Họp và coaching cũng giữ nguyên ở mức 9%.
- Giao tiếp với các phòng ban khác nhất quán ở mức 3%.

Ngoài ra, có một hạng mục mới được gọi là 'Năng lực được mở khóa từ AI tạo sinh', chiếm 24% của ngày làm việc.

Một vài ghi chú làm rõ:
1. Các con số không cộng dồn thành 100% do làm tròn.
2. Thời gian nghỉ trưa được loại trừ.
3. 'Tương lai với AI tạo sinh' đại diện cho trung bình của giả định trong kịch bản thấp và cao.

Hình ảnh được gắn với McKinsey & Company, cho thấy rằng nó  xuất phát từ một nghiên cứu hoặc phân tích do công ty tư vấn này thực hiện.

📌 Trước tình trạng thiếu hụt nhân lực trầm trọng trong ngành bảo dưỡng máy bay, AI tạo sinh mở ra cơ hội lớn để giải quyết các thách thức về năng suất, chất lượng và chi phí. Việc ứng dụng AI tạo sinh giúp tăng năng suất lao động lên 20%, nâng cao độ chính xác và nhất quán trong bảo dưỡng, giảm thời gian máy bay ngừng khai thác, đồng thời giải phóng thời gian cho kỹ sư tập trung vào các vấn đề khó khăn nhất. 

https://www.mckinsey.com/industries/aerospace-and-defense/our-insights/the-generative-ai-opportunity-in-airline-maintenance

#Mckinsey

- Buzz Solutions, một công ty có trụ sở tại California, đang sử dụng AI để quét hình ảnh cáp điện, cột điện và trạm biến áp.
- Hệ thống AI của họ có thể xác định các dấu hiệu hư hỏng như bộ phận bị hỏng hoặc gỉ sét trên cơ sở hạ tầng điện.
- Ngoài ra, AI cũng có thể phát hiện khi cây cối và cây xanh mọc quá gần đường dây điện.
- Việc xác định sớm các vấn đề tiềm ẩn giúp ngăn chặn sự cố mất điện và giảm thiểu nguy cơ cháy rừng.
- Buzz Solutions hợp tác với các công ty điện lực để triển khai giải pháp AI của mình, giúp cải thiện độ tin cậy và an toàn của lưới điện.
- Công nghệ này đặc biệt hữu ích trong bối cảnh biến đổi khí hậu, khi các hiện tượng thời tiết khắc nghiệt ngày càng gia tăng áp lực lên cơ sở hạ tầng điện.
- Việc sử dụng AI trong bảo trì lưới điện đang trở nên phổ biến hơn, với nhiều công ty phát triển các giải pháp tương tự.
- Buzz Solutions tuyên bố công nghệ của họ có thể tiết kiệm hàng triệu đô la chi phí bảo trì và sửa chữa cho các công ty điện lực.

📌 Buzz Solutions đang sử dụng AI để quét hình ảnh cơ sở hạ tầng điện, xác định sớm các dấu hiệu hư hỏng và cây cối mọc gần đường dây. Giải pháp này giúp ngăn chặn sự cố mất điện, giảm nguy cơ cháy rừng và tiết kiệm hàng triệu đô la chi phí bảo trì cho các công ty điện lực trong bối cảnh biến đổi khí hậu ngày càng gia tăng áp lực lên lưới điện.

Citations:
[1] https://www.bbc.co.uk/news/business-68768314

- AI mang lại nhiều giá trị cho IoT công nghiệp như tăng hiệu quả vận hành, dự đoán, ra quyết định chiến lược. Chi tiêu cho AI trong sản xuất dự kiến đạt 9.8 tỷ USD vào năm 2027.

- AI tối ưu hóa quy trình hiện tại và mở ra hướng đi mới cho xuất sắc vận hành và tầm nhìn chiến lược. Tuy nhiên, doanh nghiệp cần thận trọng khi triển khai AI trong hệ sinh thái IoT.

- AI mở rộng bề mặt tấn công, tạo ra lỗ hổng bảo mật có thể bị khai thác. Sự kết nối trong IoT khiến một điểm bị xâm phạm có thể ảnh hưởng dây chuyền. 

- Cần cách tiếp cận đa diện để giải quyết thách thức an ninh như: giao thức bảo mật mạnh, mã hóa dữ liệu an toàn, giám sát mạng, chiến lược chủ động ngăn ngừa mối đe dọa, đào tạo nhân sự.

- Về mặt kỹ thuật, AI có thể trở thành mục tiêu tấn công mạng gây gián đoạn nghiêm trọng. Cần đảm bảo độ tin cậy của hệ thống AI trước dữ liệu bị hỏng.

- Thách thức đạo đức gồm quản lý lo ngại về quyền riêng tư với lượng dữ liệu khổng lồ AI xử lý và giải quyết thiên vị trong thuật toán AI.

- Cần áp dụng chiến lược bảo mật chủ động, toàn diện dựa trên nguyên tắc zero trust, zero tolerance. Tích hợp thực hành vệ sinh mạng tốt để bảo vệ tính toàn vẹn của hệ thống AI và dữ liệu.

- Khuôn khổ pháp lý như Đạo luật AI của EU đóng vai trò then chốt giải quyết hàm ý rộng hơn của AI trong IoT công nghiệp, tập trung vào bảo vệ dữ liệu, ngăn chặn thiên vị, minh bạch, trách nhiệm giải trình.

📌AI hứa hẹn cách mạng hóa IoT công nghiệp, trở thành cộng sự đổi mới, nâng cao hiệu quả và sáng tạo. Tuy nhiên, doanh nghiệp cần cân bằng giữa giá trị và rủi ro, kết hợp biện pháp bảo mật mạnh với quy định thấu đáo để tận dụng tiềm năng của AI một cách an toàn và có đạo đức.

Citations:
[1] https://www.techradar.com/pro/two-sides-of-ai-in-the-industrial-internet-of-things

- Các công ty năng lượng đang tận dụng AI để cải thiện hiệu quả và tính bền vững trong hoạt động, từ giảm phát thải carbon, giảm thiểu tấn công mạng đến dự đoán hỏng hóc cơ khí.
- Shell đã phát triển công cụ AI để giám sát phát thải khí mê-tan. AI có thể tối ưu hóa hiệu quả của hệ thống năng lượng, tạo ra các hệ thống năng lượng mới có lượng khí thải carbon thấp.
- AI giúp cải thiện tính hiệu quả chi phí và độ chính xác của cơ sở hạ tầng năng lượng. Các kỹ sư có thể sử dụng AI để tạo danh sách tuyến đường khả thi trong vài giây thay vì vài ngày.
- AI cho phép các kỹ sư vận hành có cái nhìn tổng quan chiến lược hơn về nguồn cung, phân tích các mẫu sản xuất và sử dụng năng lượng để lập kế hoạch cung cấp hiệu quả hơn.
- Các nhà quản lý tài sản năng lượng có thể sử dụng công cụ AI để dự đoán lỗi hệ thống, kiểm tra và sửa chữa tương ứng, giải quyết cả năng suất và an toàn.
- SSE sử dụng công nghệ AI để dự báo mức sử dụng năng lượng ở cấp độ nhà điều hành hệ thống phân phối và phân tích nhu cầu năng lượng trong tương lai ở cấp độ địa phương.
- AI có thể hợp lý hóa nghiên cứu giao dịch năng lượng bằng cách khảo sát lượng lớn thông tin và phát hiện các mẫu và bất thường. Công nghệ này cũng giúp các công ty năng lượng giám sát và phát hiện các mối đe dọa an ninh mạng.
- Khi các công ty năng lượng tiếp tục tích hợp AI vào hoạt động hàng ngày, họ sẽ cần nhân viên có kỹ năng khoa học dữ liệu và phát triển AI để tạo ra thế hệ mô hình dự đoán tiếp theo.
- Các công ty cũng cần bổ nhiệm các cán bộ đạo đức AI để đảm bảo các thuật toán AI không bị sử dụng sai mục đích. Các chuyên gia an ninh mạng sẽ đóng vai trò lớn hơn trong việc giữ an toàn cho cơ sở hạ tầng năng lượng tương lai.
- AI có thể thay thế các công việc năng lượng có tay nghề thấp. Các công ty có thể sử dụng drone và hệ thống thị giác máy tính để kiểm tra đường dây truyền tải và đường ống thay vì con người.
- Khu xử lý chất thải hạt nhân Sellafield ở Cumbria đang sử dụng robot hỗ trợ AI để giữ an toàn cho người vận hành, tránh xa môi trường làm việc nguy hiểm.
- Lĩnh vực dầu mỏ có thể chịu nhiều tổn thất việc làm liên quan đến AI nhất, nơi công việc cơ khí đang được thay thế bằng tự động hóa robot và AI.

📌 AI đang thúc đẩy mạnh mẽ quá trình chuyển đổi năng lượng, giúp giảm phát thải carbon, tối ưu hóa hiệu quả và an toàn. Tuy nhiên, công nghệ này cũng tạo ra thách thức việc làm, đặc biệt trong lĩnh vực dầu mỏ. Các công ty cần tuyển dụng chuyên gia về khoa học dữ liệu, phát triển AI và đạo đức AI để tận dụng tối đa tiềm năng của công nghệ này.

https://www.ft.com/content/07671f2e-d7b4-4f94-836c-eb0be9f6b605

#FT

- NVIDIA ra mắt cụm máy tính lớn mới nhất dựa trên hệ thống làm mát chất lỏng NVIDIA GB200 NVL72 tại GTC. Nó bao gồm 2 giá đỡ, mỗi giá chứa 18 CPU NVIDIA Grace và 36 GPU NVIDIA Blackwell, kết nối bởi switch NVIDIA NVLink thế hệ thứ 4.
- NVIDIA trình diễn trung tâm dữ liệu hoạt động đầy đủ này dưới dạng digital twin trong NVIDIA Omniverse.
- Để triển khai trung tâm dữ liệu mới nhanh nhất có thể, NVIDIA đầu tiên xây dựng digital twin với các công cụ phần mềm được kết nối bởi Omniverse.
- Kinetic Vision quét cơ sở bằng máy quét lidar đeo được NavVis VLX để tạo dữ liệu điểm mây và ảnh toàn cảnh chính xác cao. Phần mềm Prevu3D được sử dụng để loại bỏ các cụm hiện có và chuyển đổi điểm mây thành lưới 3D.
- Các kỹ sư kết hợp và trực quan hóa nhiều bộ dữ liệu CAD với độ chính xác và chân thực cao hơn bằng cách sử dụng nền tảng Cadence Reality.
- Với PATCH MANAGER, nhóm thiết kế bố cục vật lý của cụm và cơ sở hạ tầng mạng, đảm bảo chiều dài cáp chính xác và định tuyến được cấu hình đúng cách.
- Nhóm sử dụng các bộ giải Cadence's Reality Digital Twin, được tăng tốc bởi API NVIDIA Modulus và NVIDIA Grace Hopper, để mô phỏng luồng không khí, cũng như hiệu suất của hệ thống làm mát chất lỏng mới từ các đối tác như Vertiv và Schneider Electric.
- Digital twin cho phép người dùng kiểm tra, tối ưu hóa và xác thực hoàn toàn thiết kế trung tâm dữ liệu trước khi sản xuất hệ thống vật lý.

📌 NVIDIA đã giới thiệu bản thiết kế kỹ thuật số đột phá để xây dựng trung tâm dữ liệu thế hệ tiếp theo, sử dụng Omniverse digital twin với sự hỗ trợ của nhiều đối tác. Quy trình này cho phép các kỹ sư mô phỏng, tối ưu hóa và xác thực thiết kế một cách toàn diện trước khi triển khai, giúp đưa cụm vào hoạt động nhanh hơn nhiều với hiệu quả và tối ưu hóa cao hơn.

https://blogs.nvidia.com/blog/omniverse-next-gen-data-center/

- Trong sản xuất công nghiệp, AI và machine learning đang thúc đẩy cuộc cách mạng kỹ thuật số, tối ưu hóa quy trình và tăng năng suất. Tuy nhiên, các cơ sở công nghiệp phải đối mặt với khối lượng lớn dữ liệu phi cấu trúc từ cảm biến, hệ thống telemetry và thiết bị trên dây chuyền sản xuất.

- AI tạo sinh sử dụng các mô hình nền tảng lớn đã được tiền huấn luyện như Claude có thể nhanh chóng tạo ra nhiều loại nội dung chỉ dựa trên các lời nhắc văn bản đơn giản. Điều này giúp dân chủ hóa việc tiếp cận AI, mang lại lợi ích ngay cả cho các nhà sản xuất nhỏ.

- Để giải quyết những hạn chế của mô hình nền tảng độc lập trong xử lý dữ liệu công nghiệp phức tạp, có thể sử dụng khả năng tạo mã của mô hình để trả lời các truy vấn ngôn ngữ tự nhiên. Thư viện PandasAI bổ sung khả năng AI tạo sinh cho pandas - công cụ phân tích và thao tác dữ liệu phổ biến.

- Bài viết đề xuất xây dựng động các lời nhắc đa lần cho các truy vấn ngôn ngữ tự nhiên phức tạp để tăng độ chính xác tạo mã. Các lời nhắc đa lần được truy xuất từ một embedding chứa mã Python thành công chạy trên loại dữ liệu tương tự.

- Ngoài phân tích dữ liệu chuỗi thời gian, mô hình nền tảng còn hữu ích trong nhiều ứng dụng công nghiệp khác như đánh giá tình trạng tài sản, tóm tắt chức năng từ hình ảnh, phân tích nguyên nhân gốc rễ bất thường bằng tìm kiếm thông minh với phương pháp tạo sinh được tăng cường bởi truy xuất dữ liệu ngoài (RAG).

- Bài viết giới thiệu một trợ lý thông minh cho các trường hợp sử dụng trong công nghiệp được hỗ trợ bởi Amazon Bedrock, giải quyết các thách thức về truy vấn ngôn ngữ tự nhiên, tạo tóm tắt bộ phận từ hình ảnh và cải thiện phản hồi của mô hình nền tảng để chẩn đoán thiết bị thông qua phương pháp RAG.

📌Ứng dụng AI tạo sinh được giới thiệu trong bài viết giúp giải quyết những hạn chế của mô hình nền tảng trong phân tích dữ liệu chuỗi thời gian công nghiệp. Giải pháp sử dụng thư viện PandasAI và quy trình tạo lời nhắc tùy chỉnh với kiểm tra của con người để tăng độ chính xác tạo mã lên 90%. Với Amazon Bedrock, công nhân công nghiệp có thể tận dụng tối đa tiềm năng của AI tạo sinh trong nhiều trường hợp sử dụng như chẩn đoán nguyên nhân gốc rễ và lập kế hoạch thay thế bộ phận.

Citations:
[1] https://aws.amazon.com/blogs/machine-learning/unlock-the-potential-of-generative-ai-in-industrial-operations/

Tóm tắt đầy đủ nội dung bài viết "Beyond the hype: New opportunities for gen AI in energy and materials" của McKinsey:

- Gen AI có tiềm năng tạo ra 390-550 tỷ USD giá trị bổ sung trong ngành nông nghiệp, hóa chất, năng lượng và vật liệu.

- Ngành năng lượng và vật liệu dựa nhiều vào dữ liệu và phân tích để đổi mới, do đó đặc biệt phù hợp để tận dụng gen AI. 

- Các ứng dụng gen AI trong ngành bao gồm: dự đoán bảo trì cho cơ sở hạ tầng của công ty điện, xử lý dữ liệu địa chấn để thăm dò dầu khí, hỗ trợ bảo trì thiết bị khai thác mỏ, dự đoán tính chất hóa chất mới, tư vấn ảo cho nông nghiệp.

- Để triển khai thành công, cần có lộ trình chiến lược do lãnh đạo dẫn dắt, nhân tài, phương pháp agile, công nghệ và công cụ phù hợp, quản lý dữ liệu tốt, thay đổi mô hình vận hành.

- Các rủi ro cần lưu ý: độ chính xác, bảo mật, quyền riêng tư, công bằng, pháp lý. Cần có biện pháp giảm thiểu rủi ro phù hợp.

- Các lãnh đạo ngành cần tập trung vào các ứng dụng tạo giá trị thực sự, không nên bỏ qua tiềm năng của gen AI.

📌 Gen AI hứa hẹn tạo ra 390-550 tỷ USD giá trị bổ sung cho ngành năng lượng và vật liệu. Để tận dụng tối đa, cần có chiến lược số toàn diện, quản lý tốt dữ liệu và rủi ro. Các lãnh đạo ngành không nên bỏ qua cơ hội chuyển đổi mang tính đột phá này.

Phân tích chi tiết nhiều ứng dụng tiềm năng của gen AI trong các ngành năng lượng và vật liệu, bao gồm:

1. Công ty điện lực:
- Sử dụng gen AI để cải thiện mô hình dự đoán bảo trì và đánh giá tình trạng cho hệ thống đường dây truyền tải, đường ống dẫn và các cơ sở hạ tầng khác.
- Tích hợp nhiều nguồn dữ liệu như hồ sơ lịch sử, kiểm tra bằng mắt thường, dữ liệu từ cảm biến để nâng cao hiệu quả dự đoán.
- Ứng dụng thị giác máy tính với gen AI để phân tích ảnh từ drone, máy bay, vệ tinh cho bảo trì tài sản.

2. Dầu khí:
- Xử lý, nội suy và giải thích dữ liệu địa chấn để xác định các đặc điểm quan trọng như đường ranh giới, vị trí đứt gãy, phân loại trực tiếp hydrocarbon.
- Giảm lượng dữ liệu cần thiết cho thăm dò chi tiết nhưng vẫn nâng cao chất lượng kết quả.

3. Khai thác mỏ: 
- Xây dựng trợ lý AI sử dụng dữ liệu bảo trì như sổ tay, lệnh làm việc, quy trình, danh mục dụng cụ, cơ sở dữ liệu phụ tùng để hỗ trợ kỹ thuật viên bảo trì.
- Tối ưu quy trình làm việc, nâng cao độ tin cậy của thiết bị.

4. Hóa chất:
- Dự đoán tính chất của hóa chất mới bằng cách khai thác cơ sở dữ liệu hóa chất lớn.
- Rút ngắn thời gian tìm kiếm trong phòng thí nghiệm vật lý.
- Mô phỏng số hóa các đường dẫn tổng hợp mới để tối ưu chi phí, năng lượng, giảm phát thải carbon.

5. Nông nghiệp:
- Xây dựng trợ lý ảo sử dụng dữ liệu thời tiết, đất, sâu bệnh để tư vấn cho nông dân, nhà quản lý trang trại.
- Tổng hợp nhiều dữ liệu để tạo kịch bản kiểm tra cho phân tích nông nghiệp, mô phỏng sự kiện để đưa ra đầu ra chính xác hơn.

Tóm lại, gen AI có nhiều ứng dụng tiềm năng để tối ưu hoạt động, nâng cao hiệu quả, giảm chi phí trong nhiều khâu của các ngành năng lượng và vật liệu nhờ khả năng xử lý dữ liệu phức tạp, dự đoán và tạo ra đầu ra mới.

https://www.mckinsey.com/industries/metals-and-mining/our-insights/beyond-the-hype-new-opportunities-for-gen-ai-in-energy-and-materials#/

#Mckinsey

- Theo báo cáo năm 2024 của Viện Kiến trúc sư Hoàng gia Anh (RIBA), 41% kiến trúc sư Anh đang sử dụng AI trong các dự án, giúp công việc nhanh và hiệu quả hơn 43%.
- 54% kiến trúc sư dự định sử dụng AI trong 2 năm tới, kỳ vọng sẽ tăng hiệu suất. 41% công ty có kế hoạch đầu tư vào công cụ AI.
- 57% kiến trúc sư muốn dùng AI cho nghiên cứu môi trường, quy hoạch đô thị xanh và thông minh khi phần lớn dân số sống ở thành phố vào năm 2050.
- 58% lo ngại AI dẫn đến thiết kế na ná. Cộng đồng chia rẽ về tác động của AI lên việc làm.
- Chủ tịch RIBA Muyiwa Oki cho rằng kiến trúc sư sẵn sàng khám phá tiềm năng của AI, hợp tác đa ngành để xây dựng môi trường bao trùm, bền vững.
- Một số ý kiến cho rằng AI giúp giảm tác vụ nhàm chán, cải thiện điều kiện làm việc và lương bổng. Số khác lập luận AI không thể sánh với sự sáng tạo của con người.

📌 Báo cáo RIBA 2024 mở ra tương lai nơi AI và kiến trúc sư hợp tác chặt chẽ. 41% kiến trúc sư Anh đang dùng AI để tăng tốc độ và hiệu quả thiết kế. Tuy nhiên, 58% lo ngại về tính sáng tạo và việc làm. Ngành đang nỗ lực cân bằng giữa tận dụng AI và gìn giữ giá trị độc đáo của kiến trúc sư.

https://www.cryptopolitan.com/architects-in-the-uk-use-ai-in-design/

- Sự phát triển nhanh chóng của AI đang gây áp lực lên lưới điện Hoa Kỳ do nhu cầu năng lượng khổng lồ từ các trung tâm dữ liệu.
- Ước tính đến năm 2030, lượng điện tiêu thụ cho AI sẽ tăng gấp 30 lần, chiếm 15% tổng nhu cầu điện toàn cầu.
- Các "siêu trung tâm dữ liệu" phục vụ cho việc huấn luyện các mô hình AI tiêu tốn lượng điện tương đương 50.000 hộ gia đình.
- Để giảm tác động môi trường, các công ty công nghệ đang chuyển sang sử dụng năng lượng tái tạo và tối ưu hóa hiệu quả năng lượng.
- Google đã cam kết sử dụng 100% năng lượng tái tạo cho các trung tâm dữ liệu vào năm 2030.
- Microsoft hợp tác với Vattenfall để xây dựng trang trại gió 24/7 cung cấp năng lượng cho các trung tâm dữ liệu ở Thụy Điển.
- Các nhà nghiên cứu cũng đang phát triển các thuật toán AI tiết kiệm năng lượng hơn và tận dụng năng lượng tái tạo hiệu quả.

📌 Sự bùng nổ của AI đang đặt áp lực lên lưới điện Hoa Kỳ, với nhu cầu điện năng dự kiến tăng gấp 30 lần vào năm 2030. Để giảm thiểu tác động môi trường, các công ty công nghệ đang chuyển sang sử dụng 100% năng lượng tái tạo và tối ưu hóa hiệu quả năng lượng cho các trung tâm dữ liệu khổng lồ của mình.

https://www.fastcompany.com/91050626/surge-in-ai-straining-the-u-s-power-grid-artificial-intelligence

#hay

- Sự bùng nổ của công nghệ sạch và AI đang gây áp lực lên nguồn cung năng lượng của Hoa Kỳ.
- Các trung tâm dữ liệu đòi hỏi lượng điện khổng lồ, tương đương với 50.000 hộ gia đình trung bình.
- Các tiểu bang như Texas, Virginia và Ohio đang phải đối mặt với thách thức đáp ứng nhu cầu năng lượng ngày càng tăng.
- Một số tiểu bang đang tìm cách thu hút các trung tâm dữ liệu bằng cách cung cấp năng lượng tái tạo.
- Tuy nhiên, việc xây dựng cơ sở hạ tầng năng lượng tái tạo đòi hỏi thời gian và chi phí đầu tư lớn.
- Các chuyên gia cho rằng cần có sự phối hợp giữa chính phủ, ngành công nghiệp và cộng đồng để giải quyết vấn đề này.
- Việc phát triển bền vững và sử dụng hiệu quả năng lượng là yếu tố quan trọng trong bối cảnh nhu cầu năng lượng ngày càng tăng.

📌 Sự bùng nổ của công nghệ sạch và AI đang đặt ra thách thức lớn cho nguồn cung năng lượng của Hoa Kỳ. Các trung tâm dữ liệu đòi hỏi lượng điện khổng lồ, buộc các tiểu bang phải tìm giải pháp đáp ứng nhu cầu năng lượng ngày càng tăng. Việc phát triển cơ sở hạ tầng năng lượng tái tạo và sử dụng hiệu quả năng lượng là yếu tố then chốt để đảm bảo sự phát triển bền vững trong tương lai.

https://www.foxbusiness.com/economy/clean-tech-ai-boom-straining-u-s-energy-supply

• OpenAI đầu tư vào Figure cùng với Microsoft, NVIDIA, Jeff Bezos qua Bezos Expeditions, đặt ra mối đe dọa cho Tesla Optimus của Elon Musk.
• Sam Altman, trong cuộc phỏng vấn với Bill Gates, cho biết dự đoán trước đây là AI sẽ ảnh hưởng đến công việc cổ cồn xanh trước, sau đó mới đến công việc văn phòng và cuối cùng là sự sáng tạo.
• Altman lạc quan về tương lai của robot, nhấn mạnh sự phát triển của phần cứng và khả năng sử dụng mô hình AI để thực hiện những điều kỳ diệu với robot.
• Figure nhằm mục tiêu tạo ra robot hình người linh hoạt để giải quyết tình trạng thiếu hụt lao động, tự động hóa công việc kém mong muốn và nâng cao năng suất con người.
• Brett Adcock của Figure chỉ ra cuộc khủng hoảng lao động lớn, với hơn 10 triệu việc làm ở Mỹ mà mọi người không muốn làm.
• OpenAI đã từng thử nghiệm với robot, bao gồm việc huấn luyện một bàn tay robot giải Rubik's cube thành công vào năm 2019.
• Sora, mô hình mới nhất của OpenAI, có thể mô phỏng một số khía cạnh của con người, động vật và môi trường thế giới thực khi được huấn luyện ở quy mô lớn.
• Cả Figure và Optimus đều có khả năng xử lý tải trọng lên đến 20 kg, với Figure 01 cao 5’6” và nặng 60 kg, trong khi Optimus cao 5’8” và nặng 73 kg.
• Boston Dynamics và Amazon cũng đang phát triển robot hình người, với Boston Dynamics sở hữu hai robot là Atlas và Spot, và Amazon thử nghiệm robot tên là ‘Digit’ trong một số kho hàng ở Mỹ.

📌 Tương lai của tự động hóa và robot hình người đang trở nên sáng sủa hơn với sự đầu tư và phát triển từ các công ty công nghệ lớn như OpenAI, Microsoft, và Amazon. Sự hợp tác giữa OpenAI và Figure, cùng với sự tham gia của các nhà đầu tư nổi tiếng như Jeff Bezos, cho thấy một bước tiến lớn trong việc áp dụng AI vào tự động hóa công việc cổ cồn xanh. Với hơn 10 triệu việc làm ở Mỹ không được người lao động quan tâm, việc triển khai robot hình người có thể là giải pháp cho cuộc khủng hoảng lao động, đồng thời nâng cao năng suất và khả năng của con người.  

https://analyticsindiamag.com/openai-goes-after-blue-collar-jobs/

- Figure, một startup chuyên sản xuất robot humanoid, đã công bố quan hệ đối tác với OpenAI vào ngày 29 tháng 2 năm 2024.
- OpenAI, công ty đứng sau ChatGPT, dự định tích hợp hệ thống trí tuệ nhân tạo của mình vào cơ thể của các robot humanoid thông qua thỏa thuận mới này.
- Figure có trụ sở tại Sunnyvale, California và đã thông báo về việc huy động được 675 triệu đô la vốn đầu tư mạo hiểm.
- Nhóm đầu tư bao gồm nhà sáng lập Amazon Jeff Bezos cùng với Microsoft, nhà sản xuất chip Nvidia và các bộ phận đầu tư mạo hiểm của Amazon, Intel và OpenAI.
- Brett Adcock, CEO của Figure AI, và kỹ sư AI Jenna Reher đã làm việc trên robot humanoid Figure 01 tại cơ sở thử nghiệm của công ty vào ngày 3 tháng 10 năm 2023.

📌 Sự hợp tác giữa Figure và OpenAI đánh dấu một bước tiến quan trọng trong việc kết hợp trí tuệ nhân tạo với robot humanoid, mở ra tiềm năng mới cho ngành công nghệ AI. Với sự hậu thuẫn từ các tên tuổi lớn như Jeff Bezos, Microsoft, Nvidia, cùng các bộ phận đầu tư của Amazon và Intel, Figure có được nguồn lực tài chính đáng kể để thúc đẩy dự án của mình. Việc huy động được 675 triệu đô la vốn đầu tư mạo hiểm cũng phản ánh niềm tin mạnh mẽ của thị trường vào tiềm năng của sự kết hợp giữa AI và robot humanoid, cũng như tầm nhìn của Figure trong tương lai của ngành công nghệ robot.

Citations:
[1] https://apnews.com/article/figure-humanoid-robot-openai-bezos-02ee0bf87ec46021c84646a882133c9a

- ChatGrid là ứng dụng thực tiễn từ nỗ lực tính toán exascale của Bộ Năng lượng Hoa Kỳ, cung cấp trải nghiệm mới trong tương tác dữ liệu dễ dàng, trực quan và tương tác.
- Người vận hành lưới điện theo dõi sự chuyển động của điện từ các nhà máy phát điện đến các trạm biến áp và đến các hộ gia đình, doanh nghiệp, trường học, bệnh viện và nhiều hơn nữa mỗi phút mỗi ngày.
- Họ đảm bảo nguồn cung cấp điện phù hợp với nhu cầu hiện tại và thường phải đưa ra quyết định nhanh chóng nếu có sự cố như bão hoặc hỏng hóc thiết bị.
- Các công cụ hiện tại có thể cồng kềnh và việc điều hướng chúng có thể làm chậm quá trình ra quyết định.
- Shrirang Abhyankar, nhà nghiên cứu về tối ưu hóa và mô hình hóa lưới điện tại Pacific Northwest National Laboratory, đã cùng với cựu thực tập sinh Sichen Jin tạo ra ChatGrid.
- ChatGrid cho phép người vận hành lưới điện đặt câu hỏi và nhận câu trả lời dễ hiểu về lưới điện.
- ChatGrid sử dụng AI để tổng hợp lượng lớn thông tin cho việc tiêu thụ dễ dàng trong thời gian thực, nhưng hiện tại không hiển thị dữ liệu lưới điện thực tế để bảo vệ an toàn thông tin.

📌 ChatGrid là ứng dụng thực tiễn từ nỗ lực tính toán exascale của Bộ Năng lượng Hoa Kỳ, cung cấp trải nghiệm mới trong tương tác dữ liệu dễ dàng, trực quan và tương tác. ChatGrid đánh dấu một bước tiến quan trọng trong việc hỗ trợ người vận hành lưới điện, giúp họ nhanh chóng hiểu và phản ứng với các tình huống phức tạp. ChatGrid cho phép người vận hành lưới điện đặt câu hỏi và nhận câu trả lời dễ hiểu về lưới điện. Mặc dù ChatGrid hiện tại không sử dụng dữ liệu lưới điện thực tế để đảm bảo an toàn thông tin, nhưng tiềm năng của nó trong tương lai, khi kết hợp với dữ liệu thực và AI mạnh mẽ hơn, có thể mở ra những khả năng mới trong việc tự động hóa và tối ưu hóa hoạt động của lưới điện.

Citations:
[1] https://cleantechnica.com/2024/02/25/chatgrid-a-new-generative-ai-tool-for-power-grid-visualization/

### Meta descriptions (in Vietnamese)
Nokia giới thiệu trợ lý AI "MX Workmate" dành cho người lao 

- Nokia đã công bố MX Workmate, một công cụ hỗ trợ AI dành cho người lao động công nghiệp, đánh dấu một kỷ nguyên mới trong giao tiếp và năng suất công nghiệp.
- MX Workmate được trang bị khả năng AI, hứa hẹn sẽ cách mạng hóa cách thức người lao động tương tác với dữ liệu và thực hiện công việc trong các môi trường công nghiệp.
- Sự ra đời của MX Workmate đến vào thời điểm quan trọng khi các ngành công nghiệp đang đối mặt với tình trạng thiếu hụt nhân lực có kỹ năng. Nokia mong muốn giảm bớt gánh nặng cho nguồn lực lao động hiện có bằng cách cung cấp một trợ lý được hỗ trợ bởi AI.
- MX Workmate có khả năng cung cấp cái nhìn sâu sắc và hành động có thể thực hiện được từ dữ liệu phức tạp, giúp cầu nối giữa tiến bộ công nghệ và khả năng sử dụng hiệu quả của lực lượng lao động.
- Công cụ này được thiết kế để tích hợp mượt mà với các hệ thống và quy trình làm việc hiện có, không làm gián đoạn hoạt động và có giao diện thân thiện với người dùng, giúp tối đa hóa hiệu quả sử dụng trong các nhiệm vụ hàng ngày.
- Bằng cách tận dụng công nghệ AI tạo sinh, MX Workmate nhấn mạnh cam kết của Nokia trong việc thúc đẩy đổi mới trong các ngành công nghiệp, làm cho nó trở thành một tài sản quý giá trong nỗ lực tối ưu hóa quy trình và đưa ra quyết định dựa trên dữ liệu.

📌 Nokia đã giới thiệu MX Workmate, một trợ lý AI dành cho người lao động công nghiệp, với mục tiêu cách mạng hóa cách thức tương tác với dữ liệu và thực hiện công việc trong môi trường công nghiệp. Sản phẩm này không chỉ giúp giảm bớt gánh nặng cho nguồn lực lao động hiện có bằng cách cung cấp cái nhìn sâu sắc từ dữ liệu phức tạp mà còn được thiết kế để tích hợp mượt mà vào các hệ thống và quy trình làm việc hiện tại. Với giao diện thân thiện với người dùng và khả năng tận dụng công nghệ AI tạo sinh, MX Workmate đánh dấu một bước tiến quan trọng trong cam kết của Nokia về đổi mới và phát triển công nghệ, hứa hẹn sẽ là một tài sản quý giá trong việc tối ưu hóa quy trình và đưa ra quyết định dựa trên dữ liệu trong các ngành công nghiệp.

Citations:
[1] https://www.cryptopolitan.com/nokia-introduces-ai-assistant-mx-workmate/

- MITRE, một tổ chức nghiên cứu phi lợi nhuận với nguồn tài trợ liên bang, đã đề xuất một hệ thống để phiên âm và nghiên cứu cuộc trò chuyện giữa phi công và kiểm soát viên không lưu.
- Dự án được thực hiện thông qua Trung tâm Phát triển Hệ thống Hàng không Tiên tiến của MITRE, với mục tiêu giúp Cơ quan Quản lý Hàng không Liên bang (FAA) hiểu rõ hơn về hoạt động an toàn và thường ngày của Hệ thống Không gian Quốc gia.
- Công cụ này hiện đang được chuyển giao cho FAA để xem xét triển khai thực tế.
- Greg Tennille, giám đốc quản lý an toàn giao thông của MITRE, nhấn mạnh tầm quan trọng của việc thu thập dữ liệu giọng nói một cách chính xác, hiệu quả và hiệu quả để cung cấp cái nhìn sâu sắc vào không gian hàng không quốc gia và phát hiện xu hướng và nguy cơ tiềm ẩn.
- Công cụ cũng đã được thử nghiệm để xem ChatGPT có thể giúp hiểu các đối thoại phụ trong Kiểm soát Không lưu hay không, và kết quả cho thấy khả năng hứa hẹn.

📌 MITRE đã tiến hành một nghiên cứu quan trọng về việc sử dụng công nghệ xử lý ngôn ngữ tự nhiên trong việc phiên âm và phân tích cuộc trò chuyện giữa phi công và kiểm soát viên không lưu, với mục tiêu cải thiện hiểu biết về hoạt động an toàn và thường ngày trong Hệ thống Không gian Quốc gia. Sự chuyển giao của công cụ này cho FAA đánh dấu một bước tiến quan trọng trong việc áp dụng AI vào quản lý không gian hàng không, mở ra khả năng cải thiện đáng kể hiệu quả và an toàn. Đặc biệt, việc khám phá khả năng của ChatGPT trong việc hiểu các đối thoại phụ trong Kiểm soát Không lưu cho thấy tiềm năng lớn của AI trong việc hỗ trợ các hoạt động hàng không, từ việc nâng cao an toàn đến việc tối ưu hóa quy trình làm việc.

Citations:
[1] https://fedscoop.com/mitre-air-traffic-conversation-ai-tool-faa-dot/

- Các phương pháp tiếp cận sáng tạo ngày càng tăng trong việc áp dụng AI tạo sinh, với ước tính có thể tạo ra giá trị thêm từ 390 tỷ đến 550 tỷ đô la trong những năm tới.
- AI tạo sinh có tiềm năng thúc đẩy tăng trưởng và giảm chi phí, đặc biệt quan trọng đối với lĩnh vực năng lượng và vật liệu, nơi mà dữ liệu và phân tích đóng vai trò chủ chốt trong đổi mới.
- Ngành công nghiệp nặng phức tạp như khai khoáng, dầu khí, hóa chất, nông nghiệp, điện lực và các ngành vật liệu và khai khoáng có cơ hội đặc biệt để tận dụng AI tạo sinh nhằm chuyển đổi các phần của doanh nghiệp.
- Quản lý dữ liệu là yếu tố quan trọng, vì AI tạo sinh được xây dựng dựa trên dữ liệu. Các công ty năng lượng và vật liệu đã bắt đầu tập trung và gỡ bỏ sự phân tán dữ liệu để hỗ trợ ứng dụng phân tích truyền thống và cần được củng cố để kích hoạt các trường hợp sử dụng AI tạo sinh.

📌 Các công ty trong lĩnh vực năng lượng và vật liệu đang đứng trước cơ hội lớn để tận dụng AI tạo sinh, với khả năng tạo ra giá trị thêm lên đến 550 tỷ đô la. Sự phụ thuộc vào dữ liệu và phân tích để đổi mới và tối ưu hóa hiệu quả làm cho các ngành này trở thành môi trường lý tưởng cho việc áp dụng AI tạo sinh. Quản lý dữ liệu hiệu quả và việc loại bỏ sự phân tán dữ liệu là những bước quan trọng để kích hoạt khả năng của AI tạo sinh, từ đó mở ra khả năng chuyển đổi sâu rộng các phần của doanh nghiệp từ văn phòng đến hoạt động cốt lõi.

Citations:
[1] https://www.mckinsey.com/industries/metals-and-mining/our-insights/beyond-the-hype-new-opportunities-for-gen-ai-in-energy-and-materials

• Tata Technologies gây ấn tượng mạnh mẽ khi chứng khoán tăng 180% so với giá IPO chỉ sau vài phút niêm yết trên thị trường chứng khoán Ấn Độ.
• Công ty, bắt đầu như một đơn vị thiết kế ô tô của Tata Motors vào năm 1989, đã trở thành công ty hàng đầu thế giới về kỹ thuật, nghiên cứu và phát triển (ER&D).
• Hiện đang phát triển nền tảng xe hơi kết nối sử dụng AI với các hãng ô tô toàn cầu, cung cấp thông tin thời gian thực về giao thông, thời tiết và điều kiện đường sá.
• Sriram Lakshminarayan, Chủ tịch và Giám đốc Kỹ thuật, tin rằng AI tạo sinh sẽ biến đổi ngành công nghiệp ô tô.
• AI đang cách mạng hóa Hệ thống Hỗ trợ Lái xe Tiên tiến (ADAS), cho phép phân tích thời gian thực các tình huống lái xe phức tạp.
• AI giúp cải thiện phát hiện vật thể, giữ làn đường, và kiểm soát hành trình thích ứng, góp phần lái xe an toàn và hiệu quả hơn.
• Các công nghệ ADAS dựa trên AI ngày càng trở thành yếu tố quan trọng trong việc giảm rủi ro, giảm tai nạn và thúc đẩy sự phát triển của xe tự hành.
• Tata Technologies đã ký Biên bản Ghi nhớ với TiHAN IIT Hyderabad để phát triển Xe Định nghĩa Bằng Phần mềm (SDV) và ADAS.
• Công ty hợp tác với hơn 35 Nhà sản xuất thiết bị gốc (OEM) và đang hợp tác với 7 trong số 10 người chi tiêu hàng đầu về ER&D ô tô và 5 người chi tiêu hàng đầu về ER&D năng lượng mới năm 2022.
• Tata Technologies hỗ trợ khách hàng biến ý tưởng từ giai đoạn thiết kế ban đầu thành hiện thực, áp dụng công nghệ và chuyên môn của mình.

📌 Tata Technologies, với khả năng tăng trưởng ấn tượng 180% so với giá IPO, đã chứng minh sức mạnh của mình trong lĩnh vực công nghệ, đặc biệt là AI tạo sinh trong ngành công nghiệp ô tô. Với hơn 35 OEM và quan hệ đối tác với các nhà chi tiêu hàng đầu về ER&D, công ty đang đóng vai trò quan trọng trong việc hỗ trợ các công ty ô tô tích hợp AI vào sản phẩm của mình, nhằm cải thiện hiệu suất, an toàn và trải nghiệm cá nhân hóa cho người dùng.

• Trong ngành sản xuất, đặc biệt là doanh nghiệp vừa và nhỏ, nhiều người vẫn chưa rõ AI áp dụng thế nào vào hoạt động của họ.
• Theo khảo sát Q3 2023 của Sikich, chỉ 14% các công ty sản xuất và phân phối đã triển khai AI trên dây chuyền sản xuất, và chỉ 19% có kế hoạch sử dụng AI.
• AI và học máy đã mang lại lợi ích trong ngành công nghiệp, bao gồm cả việc quản lý rủi ro và tối ưu hóa quy trình.
• ABB, một công ty đa quốc gia Thụy Điển-Thụy Sĩ, đang dẫn đầu trong việc áp dụng AI vào tự động hóa quy trình sản xuất, tập trung vào bền vững và hiệu quả.
• Fluke Reliability, một công ty con của Fortive Corporation, cũng đang tích cực sử dụng AI, nhất là trong lĩnh vực phân tích rung động dựa trên AI và giám sát từ xa.
• Amatrium, Inc., sử dụng học máy để giúp các nhà sản xuất vừa và nhỏ giảm lãng phí, với các công cụ như Amatrium Process và Amatrium Predict.
• Công nghệ AI đang dần trở thành chuẩn mực và sẽ ngày càng phổ biến trong ngành công nghiệp trong 10 năm tới.

📌 Dù AI chưa được áp dụng rộng rãi trong ngành sản xuất, nhất là ở các doanh nghiệp vừa và nhỏ, chỉ 14% các công ty sản xuất và phân phối đã triển khai AI trên dây chuyền sản xuất, và chỉ 19% có kế hoạch sử dụng AI nhưng tiềm năng của nó là không thể phủ nhận. Các công ty đang dần nhận thức về lợi ích của AI từ việc tăng cường hiệu suất, giảm lãng phí đến tối ưu hóa quy trình. Những ví dụ từ ABB, Fluke Reliability và Amatrium chỉ ra rằng, dù là công ty lớn hay nhỏ, việc áp dụng AI đều mang lại giá trị đáng kể.

• Zepth, startup công nghệ của UAE, đã tích hợp AI vào phần mềm quản lý xây dựng.
• Phần mềm tích hợp 40 agent AI để đạt đẳng cấp trí tuệ nhân tạo tổng quát (AGI).
• Công trình này đặt Zepth vào vị trí dẫn đầu về đổi mới công nghệ tại Trung Đông và toàn cầu.
• Dưới sự lãnh đạo của người sáng lập Prasoon Shrivastava, Zepth hướng đến việc cải tiến môi trường dữ liệu chung với trí tuệ AGI.
• Sản phẩm chủ lực là AI Risk Manager, sử dụng sức mạnh của AGI qua 40 agent AI để nhận diện và đánh giá rủi ro, hỗ trợ lập kế hoạch giảm thiểu rủi ro.
• Kế hoạch mở rộng hệ thống AI của Zepth bao gồm hàng trăm agent chuyên biệt, thích ứng với nhu cầu phức tạp của ngành quản lý xây dựng.
• UAE thể hiện sự quan tâm mạnh mẽ tới giải pháp quản lý xây dựng dựa trên AI như của Zepth, thông qua nhiều sáng kiến chính phủ.
• Thị trường bất động sản UAE tiếp tục phát triển, với giao dịch trị giá 16.6 tỷ dirham trong tuần kết thúc ngày 22 tháng 12 năm 2023.

📌 Zepth đưa ra giải pháp quản lý xây dựng thông qua AI, với 40 agent AI hướng tới AGI, và thị trường bất động sản UAE sôi động với 16.6 tỷ dirham giao dịch, phản ánh sự chấp nhận công nghệ và đổi mới.

• Lái xe tự động thực sự (Truly Autonomous Driving): Các phương tiện có khả năng lái xe một cách độc lập nhờ vào cảm biến tiên tiến và AI.
• Hệ thống giải trí thông minh (Advanced Infotainment): Các hệ thống giải trí tích hợp AI với khả năng cập nhật OTA, dự đoán sở thích của người lái.
• Phòng ngừa hơn là chữa trị (Prevention is Better Than Cure): AI giám sát trạng thái của xe để phát hiện sự cố trước khi chúng xảy ra.
• Lựa chọn tuyến đường tối ưu (The Best Route): AI giúp quản lý pin và lập kế hoạch sạc xe điện một cách chính xác.
• Luôn kết nối (Always Connected): IoT và AI hỗ trợ các phương tiện giao tiếp thông qua mạng lưới thông minh.

📌 AI đang thay đổi ngành công nghiệp ô tô bằng cách nâng cấp các hệ thống lái xe tự động, hệ thống giải trí, quản lý sức khỏe của xe, lập kế hoạch sạc pin và kết nối mạng lưới thông minh. Các rủi ro liên quan đến an ninh mạng cũng được nhấn mạnh và đang được giải quyết thông qua các tiêu chuẩn như ISO 21/434.

• Microsoft đang lên kế hoạch lớn cho việc áp dụng AI tạo sinh vào lĩnh vực game, qua mối quan hệ đối tác với Inworld AI trên nền tảng Xbox.
• Inworld tập trung vào NPC - những nhân vật không thể chơi được trong game, trước kia thường bị giới hạn bởi kịch bản cố định.
• Kylan Gibbs, giám đốc sản phẩm và đồng sáng lập Inworld AI, nhận định AI NPC không chỉ là bước nhảy vọt công nghệ mà còn là sự thay đổi cơ bản trong cách tương tác của người chơi.
• Đối với công ty game và nhà phát triển game, việc chuyển từ kịch bản cố định sang câu chuyện do người chơi tạo ra sẽ tăng khả năng người chơi quay trở lại, giữ chân họ và tăng doanh thu.
• John Spitzer, phó chủ tịch công nghệ phát triển và hiệu suất tại Nvidia, cho biết việc sử dụng AI trong việc quản lý NPC là một trong những ứng dụng thử nghiệm quan trọng.
• Công nghệ đằng sau AI NPC sẽ trở thành chất xúc tác cho một kỷ nguyên mới của kể chuyện, sáng tạo và gameplay đổi mới.
• Bain & Company chỉ ra rằng AI đang đảm nhận một số nhiệm vụ, bao gồm quá trình tiền sản xuất và lập kế hoạch nội dung game. Trong vòng năm đến mười năm, AI dự kiến sẽ quản lý hơn một nửa quy trình phát triển game.
• Sự phổ biến của AI tạo sinh có thể cho phép quá trình phát triển game bao gồm sự tham gia của người chơi thông thường trong việc tạo nội dung.

📌 AI tạo sinh đang mở ra một chương mới cho ngành công nghiệp game, với việc tạo ra NPC thông minh hơn và khả năng tương tác, tăng cường trải nghiệm người chơi. Đối tác giữa Microsoft và Inworld AI hứa hẹn sẽ thúc đẩy sự đổi mới này, trong khi các công ty như Nvidia cũng đang khám phá ứng dụng của AI trong game. Các nhà phát triển game và người chơi có thể mong đợi sự đổi mới trong cách chơi và tạo game, cùng với việc tăng cường sự tham gia và sáng tạo từ phía người dùng.

• Năm 2023 đánh dấu bước ngoặt quan trọng với sự xuất hiện của công nghệ AI, trong đó sự phát triển của AI tạo sinh đã thu hút sự chú ý toàn cầu. Sự áp dụng AI tạo sinh trong doanh nghiệp vẫn còn ở giai đoạn đầu và việc tận dụng công nghệ này vẫn là đề tài nóng.
• AI sẽ thiết lập tốc độ phát triển mới trong lĩnh vực robot, giúp phát triển phần mềm nhanh chóng, tiết kiệm chi phí và hiệu quả hơn. Điều này cho phép tạo ra các giải pháp tùy chỉnh và tối ưu hóa cho nhiều nhiệm vụ và thách thức khác nhau.
• Phần mềm robotics sẽ mở ra khả năng chia sẻ và tái sử dụng trong năm 2024, thông qua việc kết nối người dùng với các robot cơ giới của họ và tận dụng tài sản phần mềm có sẵn.
• Các công ty sẽ kết hợp IT và OT, sử dụng dữ liệu để cải thiện hoạt động. Điều này báo hiệu sự tăng trưởng của hệ thống logistics và sản xuất dựa trên dữ liệu, với việc áp dụng dịch vụ phần mềm dựa trên đám mây để tăng cường chất lượng, hiệu quả chi phí và khả năng dự đoán.
• Lĩnh vực logistics sẽ trở thành điểm nhấn cho robotics, với tỷ lệ tăng trưởng hàng năm dự kiến cho robot cộng tác (cobots) là 46% từ năm 2023 đến 2027, đặc biệt do các thách thức như thiếu hụt lao động nghiêm trọng và áp lực từ toàn cầu hóa và thương mại điện tử.

📌 Phát triển trong AI và robotics dự kiến sẽ tiếp tục định hình ngành công nghiệp sản xuất và logistics trong năm 2024, với sự tập trung vào việc tạo ra phần mềm tùy chỉnh, chia sẻ tài nguyên, kết hợp dữ liệu IT và OT, và tận dụng robot trong các hoạt động logistics.

• Brian Heater từ TechCrunch đã kết hợp ý kiến từ các chuyên gia hàng đầu về robotics từ CMU, UC Berkeley, Meta, Nvidia, Boston Dynamics và Toyota Research Institute.
• Các chuyên gia dự đoán rằng AI tạo sinh sẽ đóng vai trò quan trọng trong việc tạo dữ liệu mới, giúp robot tự học và thích nghi với môi trường.
• Matthew Johnson-Roberson từ CMU cho rằng AI tạo sinh sẽ nâng cao khả năng của robot, trong khi Dhruv Batra từ Meta nhìn thấy hai vai trò chính của nó trong nghiên cứu AI và robotics.
• Aaron Saunders từ Boston Dynamics nhấn mạnh vào tiềm năng của mô hình nền tảng trong việc tạo ra giao diện ngôn ngữ tự nhiên cho robot.
• Russ Tedrake từ TRI và Ken Goldberg từ UC Berkeley đều tin rằng AI tạo sinh sẽ biến đổi mạnh mẽ ngành robotics, cải thiện khả năng hiểu và tương tác của robot.
• Deepu Talla từ Nvidia nhận định sự ảnh hưởng của AI tạo sinh sẽ làm thay đổi lớn trong thiết kế và lập trình robot.
• Vấn đề về hình thức người máy (humanoid form) được thảo luận, với một số chuyên gia tỏ ra lạc quan về khả năng của robot hai chân, hai tay, và tương thích với môi trường sống của con người.

📌 Các chuyên gia hàng đầu trong ngành robotics từ các tổ chức nổi tiếng đã chia sẻ dự đoán của họ về vai trò của AI tạo sinh và hình thức người máy trong tương lai. AI tạo sinh được dự đoán sẽ cải thiện đáng kể khả năng tự học, thích ứng và tương tác của robot với môi trường. Hình thức người máy cũng đang được cải tiến để phù hợp hơn với không gian sống và làm việc của con người.

• QTCore-C1 là chip được tạo ra bởi Dr. Hammond Pearce từ NYU Tandon với sự hỗ trợ của ChatGPT và đã được sản xuất thành công.
• Chip này đã được sử dụng để điều khiển một màn trình diễn đèn Giáng sinh, minh chứng cho khả năng thiết kế chip của AI hiện đại.
• Dự án này đạt giải thưởng trong cuộc thi thiết kế silicon nguồn mở do Efabless Corporation tổ chức.
• ChatGPT không tự thiết kế toàn bộ CPU mà hỗ trợ chuyển đổi thông tin từ ngôn ngữ tự nhiên sang ngôn ngữ mô tả phần cứng (HDL) như Verilog.
• QTCore-C1 được mô tả là một co-processor với kiến trúc 8-bit, có thể thực hiện các phép tính cơ bản, tương tác với các dòng vào/ra và đếm thời gian với bộ đếm nội bộ.
• Efabless, nền tảng cho việc thiết kế và sản xuất ASIC, quan tâm đến việc sử dụng AI trong thiết kế chip để mở rộng thị trường.

📌 Chip QTCore-C1, được thiết kế với sự hỗ trợ của AI ChatGPT, không chỉ là một minh chứng cho sức mạnh của AI trong lĩnh vực thiết kế vi mạch mà còn mở ra hướng mới cho ngành công nghiệp chip với khả năng tạo ra các thiết kế nguồn mở và tiếp cận rộng rãi hơn.

- Trung Quốc tiên phong áp dụng AI Digital Twinning trong sản xuất dầu khí ngoại khơi với hệ thống FPSO thông minh, kết hợp AI, edge computing, đám mây, big data và IoT.

- Halliburton hợp tác cùng Liên minh Libra của Petrobras phát triển bản sao số cho mỏ dầu pre-salt Mero ở Brazil, cải thiện giám sát và tối ưu hóa trữ lượng.

- Dự đoán thị trường Digital Twin toàn cầu tăng trưởng đến 48,2 tỷ đô la mỗi năm vào năm 2026, với tốc độ tăng trưởng hàng năm kết hợp 58%.

- Công nghệ Digital Twin giúp tiết kiệm tới 15% chi phí tổng dự án thanh lý cho ngành dầu khí, với hơn 40 công ty đang khám phá công nghệ này.

- Trong 3 năm qua, ngành công nghiệp này đã nộp và được cấp hơn 534.000 bằng sáng chế.

AI Digital Twinning đang làm thay đổi cách thức thăm dò và sản xuất dầu mỏ, với sự hợp tác của các công ty toàn cầu như Trung Quốc và Halliburton. Sự tích hợp của công nghệ này hứa hẹn sẽ mang lại những ứng dụng và hiệu quả đột phá cho ngành công nghiệp dầu mỏ trong tương lai.

Cách mạng hóa thăm dò dầu mỏ bằng công nghệ AI Digital Twinning, hứa hẹn sự tối ưu hóa trong quy trình vận hành, giảm chi phí và giảm thiểu rủi ro không chắc chắn, với sự gia tăng nhanh chóng trong việc áp dụng công nghệ này trong ngành.