Cổ phiếu của Dialog Semiconductor đã giảm đến 36% trong các phiên giao dịch gần đây. Điều này cũng dễ hiểu bởi vì 70% doanh thu trong năm 2016 của công ty này đến từ gã khổng lồ công nghệ Apple. Cần phải nói thêm rằng Dialog Semiconductor chiếm đến 20% thị phần chip quản lý năng lượng (PMIC) toàn cầu.

Theo thông tin từ Cục Cạnh tranh và Bảo vệ người tiêu dùng (Bộ Công Thương), trong năm 2017, Cục đã tiếp nhận một số lượng lớn đơn khiếu nại liên quan đến chất lượng sản phẩm và dịch vụ khi mua hàng tại Lazada.vn (Công ty TNHH Recess).

Cụ thể, các vụ việc của người tiêu dùng mua hàng trên trang web Lazada.vn chủ yếu tập trung vào những hành vi như chậm giao hàng, giao hàng không đúng như quảng cáo, giao hàng cũ/đã qua sử dụng, không xuất hóa đơn, tự động hủy đơn hàng, quảng cáo giảm giá nhưng người tiêu dùng phải mua với giá chưa giảm...

Thực hiện các yêu cầu, hướng dẫn từ Cục Cạnh tranh và Bảo vệ người tiêu dùng, đến hết năm 2017, Lazada đã giải quyết 40/41 vụ việc khiếu nại của người tiêu dùng theo phương thức thương lượng.

Nhiều người dùng iPhone cũ vẫn băn khoăn có nên thay pin smartphone của Apple hay không sau khi scandal Táo khuyết tự động làm chậm thiết bị cũ để ngăn việc tắt máy đột ngột.

Trong khi đó với 2 ký tự đầu tiên (từ 00 đến 99) của mã bưu chính quốc gia người ta có thể xac định mã tỉnh, thành phố trực thuộc Trung ương.

Theo đó tỉnh có số quận nhỏ hơn 13 được gán 1 mã (gồm 50 tỉnh); tỉnh có số quận từ 13 trở lên được gán 2 mã (gồm 10 tỉnh); và một số trường hợp đặc biệt như: tỉnh Thanh Hóa được gán 3 mã; Hà Nội được gán 5 mã; TP.HCM được gán 5 mã.

Mã bưu điện TP.HCM mới nhất 2018 là gì?

Theo Quyết định 2475 thì 2 ký tự đầu tiên để xác định mã tỉnh, thành phố trực thuộc Trung ương của mã bưu chính TP.HCM mới sẽ là từ 70 đến 74 (5 mã).

Về mã cấp quận huyện, TP.HCM được cấp cụ thể như sau:

Quận 1: 710

Quận 2: 711

Quận 9: 712

Quận Thủ Đức: 713

Quận Gò Vấp: 714

Quận 12: 715

Huyện Củ Chi: 716

Huyện Hóc Môn: 717

Huyện Bình Chánh: 718

Quận Bình Tân: 719

Quận Tân Phú: 720

Quận Tân Bình: 721

Quận Phú Nhuận: 722

Trong dự án của các nhà nghiên cứu đến từ học viện Allen về AI (AI2, một tổ chức phi lợi nhuận ở Seattle, Mỹ), họ đã phát triển một tập dữ liệu mang tên AI2 Reasoning Challenge (ARC) bao gồm các câu hỏi nhiều lựa chọn trong lĩnh vực khoa học cấp tiểu học. Mỗi câu hỏi cần một số hiểu biết về cách thức vận hành của thế giới.

Một ví dụ như câu hỏi này:Món nào dưới đây không được làm từ một nguyên liệu trồng trong tự nhiên? (A) áo sơmi cotton, (B) ghế gỗ, (C) muỗng nhựa, (D) rổ bằng cỏ

Câu hỏi này rất dễ khi bạn biết rằng nhựa không phải là cái trồng được trong tự nhiên. Câu trả lời liên quan tới bức tranh kinh nghiệm thực tiễn (common-sense) về thế giới mà hầu hết mọi người đều có, kể cả các trẻ nhỏ.

Nhưng với AI thì câu hỏi trên đây là một câu hỏi khó, vì kinh nghiệm thực tiễn là cái mà AI thua kém các trợ lý âm thanh, chatbot, và cũng là thiếu sót của các phần mềm dịch thuật. Đó là một trong những lý do khiến AI dễ dàng lúng túng trước câu hỏi này.

Cho tới nay, các hệ thống ngôn ngữ phụ thuộc vào học máy thường chỉ cung cấp các câu trả lời thuyết phục cho những câu hỏi mà chúng đã thấy qua nhiều ví dụ tương tự. Ví dụ, một hệ thống đào tạo hàng ngàn cuộc trò chuyện (chat) hỗ trợ công nghệ thông tin có thể tự nhận mình là người hỗ trợ kỹ thuật trong những tình huống giới hạn. Nhưng hệ thống này sẽ thất bại trong những câu hỏi cần kiến thức rộng hơn.

"Chúng ta cần sử dụng kinh nghiệm thực tiễn để lấp đầy những khoảng trống trong ngôn ngữ mà chúng ta thấy được, để có một bức tranh mạch lạc về những gì đang được phát biểu. Máy móc không có kinh nghiệm chung này, vì vậy chúng chỉ có thể hiểu được những gì được viết ra rõ ràng mà bỏ qua nhiều ẩn ý và giả định bên dưới văn bản", lời trưởng nhóm nghiên cứu dự án ARC, Peter Clark.

Thử nghiệm mới là một trong những sáng kiến của học viện AI2 để giúp các hệ thống AI thấm nhuần những hiểu biết dạng này về thế giới. Nghiên cứu này rất có ý nghĩa vì việc xác định cách thức mà một hệ thống ngôn ngữ hiểu rõ điều mình đang nói sẽ đòi hỏi sự tinh tế, khéo léo như con người.

Một ví dụ cho quan điểm trên là nghiên cứu của Microsoft và một nhóm ở Alibaba hồi tháng 1 vừa qua. Trong một thử nghiệm đơn giản mang tên Stanford Question Answering Dataset (tập dữ liệu trả lời câu hỏi Stanford), các nhà nghiên cứu đã phát triển một chương trình hỏi và trả lời thể hiện năng lực giỏi hơn con người. Những tiến bộ này đã xuất hiện trên tiêu đề các báo với các ý kiến cho rằng, giờ đây AI có thể đọc hiểu tốt hơn con người.

Thật ra thì các chương trình nêu trên chưa thể trả lời những câu hỏi phức tạp hơn hoặc truy cập được những nguồn kiến thức khác. Vì vậy, trong thời gian tới, các công ty công nghệ sẽ tiếp tục phát triển năng lực AI theo hướng mới này. Gần đây, Microsoft đã công bố việc phát triển một phần mềm có khả năng dịch các tin tức từ tiếng Anh sang tiếng Hoa và ngược lại, với kết quả được các tình nguyện viên độc lập đánh giá là tương đương các nhà biên dịch chuyên nghiệp. Để đạt được mức độ chính xác cao hơn, các nhà nghiên cứu của Microsoft đã sử dụng một kỹ thuật học sâu cao cấp. Kết quả này tuy rất hữu ích và có tiềm năng nhưng hệ thống AI vẫn sẽ phải vật lộn với việc biên dịch các hội thoại tự do hoặc văn bản trong một lĩnh vực xa lạ như các ghi chú y khoa.

Trong bối cảnh đó, bài kiểm tra mới thách thức năng lực AI của học viện AI2 đã nhận được sự ủng hộ của một giáo sư đại học New York. Theo ông, "đây là một liều thuốc giải độc rất tốt cho những chuẩn mực đo lường hời hợt đã quá phổ biến trong lĩnh vực học máy. Nó sẽ thật sự ép buộc các nhà nghiên cứu AI vượt lên trước trong cuộc chơi của mình".