[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_tr%C3%AD%20tu%E1%BB%87%20nh%C3%A2n%20t%E1%BA%A1o%20ai{\"limit\":5}":3,"_public_topic_byId_trí tuệ nhân tạo ai":37},{"code":4,"data":5,"meta":11},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":35,"vietnamLatest":36},[],[8,23],{"publicationId":9,"title":10,"originalTitle":11,"authorNames":12,"authorCount":16,"journalName":17,"vietnamJournal":18,"publishDate":19,"publishYear":20,"totalCitation":11,"url":21,"doi":11,"summary":22},"3111f74b-32a0-49be-814a-4732c065cd3f","Nhận thức về trí tuệ nhân tạo (AI) trong học tập của học sinh trung học phổ thông: Nghiên cứu so sánh học sinh thành thị và nông thôn",null,[13,14,15],"Ngô Văn Giang Ngô Văn Giang","Nguyễn Thị Thủy Nguyễn Thị Thủy","Phan Hồng Hạnh Phan Hồng Hạnh",3,"Tạp chí Giáo dục",false,"2026-05-05",2026,"https:\u002F\u002Ftcgd.tapchigiaoduc.edu.vn\u002Findex.php\u002Ftapchi\u002Farticle\u002Fview\u002F5708","\u003Cp>\u003Cb>Khảo sát xã hội học giáo dục so sánh\u003C\u002Fb> đánh giá mức độ hiểu biết và hành vi sử dụng công nghệ số ở học sinh trung học phổ thông giữa khu vực đô thị và nông thôn. Dữ liệu bảng hỏi phản ánh sự chênh lệch rõ rệt về nhận thức \u003Ci>awareness\u003C\u002Fi> và kỹ năng tiếp cận các công cụ học tập thông minh. Công trình khuyến nghị tăng cường đào tạo năng lực số giúp thế hệ trẻ ứng dụng văn minh và hiệu quả nguồn lực \u003Cb class=\"publication-topic-keywords\">trí tuệ nhân tạo ai\u003C\u002Fb>.\u003C\u002Fp>",{"publicationId":24,"title":25,"originalTitle":26,"authorNames":27,"authorCount":29,"journalName":11,"vietnamJournal":18,"publishDate":30,"publishYear":31,"totalCitation":11,"url":32,"doi":33,"summary":34},"10fae1ae-a498-4eda-a085-3445c5df8025","Trí tuệ nhân tạo: tương lai của y học hay một ý tưởng được thổi phồng và nguy hiểm?","Artificial Intelligence: the future of medicine, or an overhyped and dangerous idea?",[28],"Shubhangi Karmakar",1,"2021-11-16",2021,"https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs11845-021-02853-3","10.1007\u002Fs11845-021-02853-3","\u003Cp>\u003Cb>Bài tổng quan phản biện đạo đức y sinh học\u003C\u002Fb> phân tích thực trạng ứng dụng công nghệ tính toán thông minh \u003Ci>artificial intelligence\u003C\u002Fi> trong thực hành khám chữa bệnh hiện đại. Tác giả chỉ rõ khoảng cách giữa kỳ vọng lâm sàng với ranh giới trách nhiệm pháp lý khi máy tính hỗ trợ chẩn đoán. Nghiên cứu đề xuất khung nguyên tắc minh bạch nhằm kiểm soát các rủi ro phát sinh khi tích hợp sâu rộng \u003Cb class=\"publication-topic-keywords\">trí tuệ nhân tạo ai\u003C\u002Fb> vào hệ thống chăm sóc sức khỏe.\u003C\u002Fp>",[],[],{"code":4,"data":38,"meta":11},{"id":39,"title":40,"description":41,"content":42,"term":39,"englishTitle":43,"synonyms":44,"definition":48,"discipline":49,"references":50,"faqs":65,"createUser":75,"publishUser":11,"keywords":78,"keywordCount":85,"enrichTopicLink":18,"status":86,"createTime":87,"updateTime":88,"publishTime":11,"linkEnrichedTime":89,"publicationScanTime":90,"contentErrorMessage":11,"viewCount":91,"relateTopics":92},"trí tuệ nhân tạo ai","Trí tuệ nhân tạo (AI): Lịch sử, các phân ngành và mô hình nền tảng","Trí tuệ nhân tạo (AI) mô phỏng các năng lực nhận thức con người qua học máy, học sâu và các mô hình tạo sinh, định hình kỷ nguyên số hóa.","\u003Cp>\u003Cstrong>Trí tuệ nhân tạo\u003C\u002Fstrong> (tiếng Anh: \u003Cem>artificial intelligence\u003C\u002Fem>, viết tắt: \u003Cem>AI\u003C\u002Fem>) là một ngành khoa học và công nghệ thuộc lĩnh vực khoa học máy tính chuyên nghiên cứu, thiết kế và phát triển các hệ thống máy tính có khả năng mô phỏng các quá trình nhận thức của con người như học tập, suy luận logic, hiểu ngôn ngữ tự nhiên, cảm nhận thị giác và tự thích nghi với môi trường thay đổi.\u003C\u002Fp>\n\u003Ch2>Lịch sử phát triển và các cột mốc quan trọng\u003C\u002Fh2>\n\u003Cp>Lịch sử của trí tuệ nhân tạo trải qua nhiều chu kỳ thăng trầm với các cột mốc mang tính bước ngoặt:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Thập niên 1950 - Khởi nguyên:\u003C\u002Fstrong> Năm 1950, Alan Turing đề xuất phép thử Turing (Turing Test) để định nghĩa khả năng trí tuệ của máy móc. Thuật ngữ \"Artificial Intelligence\" chính thức ra đời tại Hội nghị Dartmouth năm 1956 do John McCarthy, Marvin Minsky, Nathaniel Rochester và Claude Shannon tổ chức.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Thập niên 1970 - 1980 - Các mùa đông AI và Hệ chuyên gia:\u003C\u002Fstrong> Sau những kỳ vọng ban đầu quá lớn, AI rơi vào thời kỳ suy giảm tài trợ (mùa đông AI). Đến thập niên 1980, các hệ chuyên gia dựa trên luật (rule-based expert systems) như MYCIN hay DENDRAL phục hồi niềm tin thương mại.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Thập niên 1990 - 2000 - Học máy thống kê:\u003C\u002Fstrong> Năm 1997, siêu máy tính Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Garry Kasparov. Kỷ nguyên học máy thống kê với SVM, Random Forest và mạng Bayes phát triển mạnh mẽ.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Từ năm 2012 đến nay - Kỷ nguyên Học sâu và AI tạo sinh:\u003C\u002Fstrong> Năm 2012, mạng AlexNet tạo nên cuộc cách mạng trong thị giác máy tính. Năm 2016, AlphaGo đánh bại Lee Sedol. Từ năm 2017, kiến trúc Transformer ra đời thúc đẩy sự bùng nổ của các {{topic|%7B%22topic%22%3A%22m%C3%B4%20h%C3%ACnh%20ng%C3%B4n%20ng%E1%BB%AF%20l%E1%BB%9Bn%22%7D}} (LLMs) và AI tạo sinh đa phương thức.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Phân loại trí tuệ nhân tạo\u003C\u002Fh2>\n\u003Cp>AI được phân loại theo hai góc độ tiếp cận chính:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Theo mức độ năng lực:\u003C\u002Fstrong>\n  \u003Cul>\n    \u003Cli>\u003Cem>Trí tuệ nhân tạo hẹp (Artificial Narrow Intelligence - ANI):\u003C\u002Fem> Hệ thống chuyên sâu xử lý một tác vụ đơn lẻ với hiệu suất cao (như dịch thuật, {{topic|%7B%22topic%22%3A%22nh%E1%BA%ADn%20d%E1%BA%A1ng%20khu%C3%B4n%20m%E1%BA%B7t%22%7D}}, xe tự lái cấp độ hạn chế). Toàn bộ AI hiện nay đều thuộc nhóm này.\u003C\u002Fli>\n    \u003Cli>\u003Cem>Trí tuệ nhân tạo tổng quát (Artificial General Intelligence - AGI):\u003C\u002Fem> Hệ thống giả định có khả năng hiểu, học và áp dụng tri thức linh hoạt trên bất kỳ lĩnh vực nhận thức nào như con người.\u003C\u002Fli>\n    \u003Cli>\u003Cem>Siêu trí tuệ nhân tạo (Artificial Superintelligence - ASI):\u003C\u002Fem> Trí tuệ vượt trội hơn hẳn toàn bộ trí tuệ kết hợp của nhân loại trên mọi phương diện sáng tạo và khoa học.\u003C\u002Fli>\n  \u003C\u002Ful>\n\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Theo cơ chế hoạt động:\u003C\u002Fstrong> Bao gồm AI biểu tượng (Symbolic AI dựa trên logic hình thức) và AI kết nối (Connectionist AI dựa trên mạng nơ-ron và {{topic|%7B%22topic%22%3A%22d%E1%BB%AF%20li%E1%BB%87u%20th%E1%BB%B1c%20nghi%E1%BB%87m%22%7D}}).\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Các phân ngành trụ cột của AI hiện đại\u003C\u002Fh2>\n\u003Cp>Các lĩnh vực cốt lõi cấu thành hệ sinh thái trí tuệ nhân tạo bao gồm:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Học máy (Machine Learning):\u003C\u002Fstrong> Tập hợp các giải thuật cho phép máy tính tự học quy luật từ dữ liệu mà không cần lập trình tường minh, bao gồm học có giám sát (supervised learning), {{topic|%7B%22topic%22%3A%22h%E1%BB%8Dc%20kh%C3%B4ng%20gi%C3%A1m%20s%C3%A1t%22%7D}} (unsupervised learning) và học tăng cường (reinforcement learning).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Học sâu (Deep Learning):\u003C\u002Fstrong> Nhánh học máy dựa trên các mạng nơ-ron nhân tạo sâu (nhiều lớp ẩn) như Mạng nơ-ron tích chập (CNN) cho xử lý ảnh, Mạng nơ-ron hồi quy (RNN\u002FLSTM) và Transformer cho dữ liệu chuỗi thời gian.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Xử lý ngôn ngữ tự nhiên (NLP):\u003C\u002Fstrong> Nghiên cứu sự tương tác giữa máy tính và ngôn ngữ loài người, bao gồm dịch máy, tóm tắt văn bản, phân tích cảm xúc và mô hình sinh ngôn ngữ hội thoại.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Thị giác máy tính (Computer Vision):\u003C\u002Fstrong> Cho phép máy tính thu nhận, xử lý và {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20t%C3%ADch%20th%C3%B4ng%20tin%22%7D}} thị giác từ hình ảnh số hoặc video kỹ thuật số để nhận diện vật thể, {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20%C4%91o%E1%BA%A1n%20ng%E1%BB%AF%20ngh%C4%A9a%22%7D}} và tái tạo không gian 3D.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Robot học và hệ thống tự hành (Robotics & Autonomous Systems):\u003C\u002Fstrong> Tích hợp cảm biến, bộ điều khiển và thuật toán lập kế hoạch chuyển động để robot tương tác vật lý an toàn với thế giới thực.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Đạo đức, an toàn và quản trị AI\u003C\u002Fh2>\n\u003Cp>Sự phát triển vũ bão của AI đặt ra những thách thức lớn về an toàn và xã hội: tính thiên vị của dữ liệu (bias), vấn đề hộp đen thiếu minh bạch (explainability), bản quyền dữ liệu đào tạo, quyền riêng tư cá nhân và nguy cơ chuyển dịch việc làm trên diện rộng. Việc thiết lập các khung quy chuẩn pháp lý và tiêu chuẩn AI có trách nhiệm (Responsible AI) đang trở thành ưu tiên hàng đầu của các tổ chức quốc tế.\u003C\u002Fp>\n","Artificial intelligence",[45,46,47],"trí tuệ nhân tạo","AI","artificial intelligence","Trí tuệ nhân tạo (AI) là một ngành khoa học và công nghệ thuộc lĩnh vực khoa học máy tính chuyên nghiên cứu, thiết kế và phát triển các hệ thống thuật toán có khả năng mô phỏng các chức năng nhận thức của con người như học tập, suy luận logic, giải quyết vấn đề và tự thích nghi.","ENGINEERING_TECHNOLOGY",[51,57,61],{"citationText":52,"title":53,"authors":54,"source":53,"year":55,"doi":56,"url":11},"Rane, Kaya, Rane (2024). Artificial Intelligence, Machine Learning, and Deep Learning for Sustainable Industry 5.0. Artificial Intelligence, Machine Learning, and Deep Learning for Sustainable Industry 5.0. doi:10.70593\u002F978-81-981271-8-1","Artificial Intelligence, Machine Learning, and Deep Learning for Sustainable Industry 5.0","Rane, Kaya, Rane",2024,"10.70593\u002F978-81-981271-8-1",{"citationText":58,"title":59,"authors":54,"source":53,"year":55,"doi":60,"url":11},"Rane, Kaya, Rane (2024). Advancing the Sustainable Development Goals (SDGs) through artificial intelligence, machine learning, and deep learning. Artificial Intelligence, Machine Learning, and Deep Learning for Sustainable Industry 5.0. doi:10.70593\u002F978-81-981271-8-1_4","Advancing the Sustainable Development Goals (SDGs) through artificial intelligence, machine learning, and deep learning","10.70593\u002F978-81-981271-8-1_4",{"citationText":62,"title":63,"authors":54,"source":53,"year":55,"doi":64,"url":11},"Rane, Kaya, Rane (2024). Artificial intelligence, machine learning, and deep learning applications in smart and sustainable industry transformation. Artificial Intelligence, Machine Learning, and Deep Learning for Sustainable Industry 5.0. doi:10.70593\u002F978-81-981271-8-1_2","Artificial intelligence, machine learning, and deep learning applications in smart and sustainable industry transformation","10.70593\u002F978-81-981271-8-1_2",[66,69,72],{"question":67,"answer":68},"Trí tuệ nhân tạo hẹp (ANI) khác gì so với Trí tuệ nhân tạo tổng quát (AGI)?","ANI (Artificial Narrow Intelligence) được thiết kế chuyên biệt để thực hiện xuất sắc một tác vụ cụ thể (như chơi cờ, nhận diện ảnh), trong khi AGI (Artificial General Intelligence) là hệ thống giả định có trí tuệ toàn diện tương đương hoặc vượt con người trên mọi lĩnh vực nhận thức.",{"question":70,"answer":71},"Sự khác biệt giữa Học máy (Machine Learning) và Học sâu (Deep Learning) là gì?","Học máy là tập con của AI yêu cầu trích xuất đặc trưng thủ công từ dữ liệu, trong khi Học sâu là nhánh của học máy sử dụng mạng nơ-ron nhiều lớp để tự động học các biểu diễn phân cấp phức tạp từ dữ liệu thô.",{"question":73,"answer":74},"Mô hình Transformer đóng vai trò gì trong bước ngoặt của AI tạo sinh?","Kiến trúc Transformer với cơ chế tự chú ý (self-attention) cho phép xử lý song song và nắm bắt mối liên hệ ngữ cảnh xa trong chuỗi dữ liệu, trở thành nền tảng cho các mô hình ngôn ngữ lớn (LLM) hiện đại.",{"id":29,"researcherId":11,"name":76,"imageUrl":77},"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[79,80,81,82,83,84],"mô hình ngôn ngữ lớn","nhận dạng khuôn mặt","dữ liệu thực nghiệm","học không giám sát","phân tích thông tin","phân đoạn ngữ nghĩa",6,"PUBLISHED","2024-01-16T02:50:43.034+00:00","2026-09-07T08:11:22.955+00:00","2026-09-07T08:11:22.699+00:00","2026-09-06T08:17:06.284+00:00",378,[93,96,99,102,112,122,131,137,140,145],{"id":94,"title":95,"term":94,"englishTitle":11,"definition":11,"discipline":11,"disciplineCode":11,"disciplineLabel":11,"disciplineColor":11,"disciplineIcon":11},"học máy nâng cao","Học máy nâng cao là gì? Các nghiên cứu khoa học liên quan",{"id":97,"title":98,"term":97,"englishTitle":11,"definition":11,"discipline":11,"disciplineCode":11,"disciplineLabel":11,"disciplineColor":11,"disciplineIcon":11},"ứng suất dư","Ứng suất dư là gì? Các nghiên cứu khoa học về Ứng suất dư",{"id":100,"title":101,"term":100,"englishTitle":11,"definition":11,"discipline":11,"disciplineCode":11,"disciplineLabel":11,"disciplineColor":11,"disciplineIcon":11},"mô hình chuẩn","Mô hình chuẩn là gì? Các nghiên cứu về Mô hình chuẩn",{"id":103,"title":104,"term":103,"englishTitle":105,"definition":106,"discipline":107,"disciplineCode":108,"disciplineLabel":109,"disciplineColor":110,"disciplineIcon":111},"năng lực thực nghiệm","Năng lực thực nghiệm là gì? Cấu trúc và phát triển trong giáo dục","Experimental competency","Năng lực thực nghiệm là tổ hợp các kiến thức, kỹ năng và thái độ của người học cho phép đề xuất giả thuyết khoa học, thiết kế phương án thí nghiệm, vận hành trang thiết bị, thu thập và xử lý dữ liệu để giải quyết các vấn đề trong khoa học tự nhiên và giáo dục.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users",{"id":113,"title":114,"term":113,"englishTitle":115,"definition":116,"discipline":117,"disciplineCode":118,"disciplineLabel":119,"disciplineColor":120,"disciplineIcon":121},"bằng chứng","Bằng chứng là gì? Phân loại, giá trị chứng minh trong khoa học và pháp luật","evidence","Bằng chứng là thông tin, dữ liệu hoặc hiện vật khách quan được dùng để xác minh tính đúng đắn của giả thuyết khoa học hoặc phục vụ phán quyết tư pháp.","HUMANITIES","humanities","Nhân văn và nghệ thuật","#9333EA","book-open",{"id":123,"title":124,"term":123,"englishTitle":125,"definition":126,"discipline":49,"disciplineCode":127,"disciplineLabel":128,"disciplineColor":129,"disciplineIcon":130},"tối ưu hóa quy trình","Tối ưu hóa quy trình là gì? Các phương pháp và ứng dụng","process optimization","Tối ưu hóa quy trình là tập hợp các phương pháp toán học, kỹ thuật và quản lý nhằm điều chỉnh các thông số vận hành của một quy trình để đạt hiệu suất cao nhất theo các mục tiêu xác định dưới những ràng buộc kỹ thuật và kinh tế.","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":132,"title":133,"term":134,"englishTitle":135,"definition":136,"discipline":117,"disciplineCode":118,"disciplineLabel":119,"disciplineColor":120,"disciplineIcon":121},"hoán dụ ý niệm","Hoán dụ ý niệm là gì? Bản chất, cơ chế tri nhận và phân loại","Hoán dụ ý niệm","conceptual metonymy","Hoán dụ ý niệm là một quá trình nhận thức trong đó một thực thể ý niệm (phương tiện) cung cấp lối tiếp cận tinh thần đến một thực thể ý niệm khác (mục tiêu) bên trong cùng một miền ý niệm hoặc mô hình nhận thức lý tưởng hóa (ICM).",{"id":138,"title":139,"term":138,"englishTitle":11,"definition":11,"discipline":11,"disciplineCode":11,"disciplineLabel":11,"disciplineColor":11,"disciplineIcon":11},"mô hình mô phỏng","Mô hình mô phỏng là gì? Các nghiên cứu khoa học liên quan",{"id":141,"title":142,"term":141,"englishTitle":143,"definition":144,"discipline":107,"disciplineCode":108,"disciplineLabel":109,"disciplineColor":110,"disciplineIcon":111},"phương pháp nghiên cứu","Phương pháp nghiên cứu là gì? Các nghiên cứu khoa học về Phương pháp nghiên cứu","research methodology","Phương pháp nghiên cứu (research methodology) là hệ thống các nguyên lý lý thuyết, công cụ và quy trình kỹ thuật được nhà nghiên cứu áp dụng có kế hoạch nhằm thu thập, phân tích dữ liệu và trả lời câu hỏi khoa học một cách khách quan.",{"id":146,"title":147,"term":146,"englishTitle":11,"definition":11,"discipline":11,"disciplineCode":11,"disciplineLabel":11,"disciplineColor":11,"disciplineIcon":11},"deep learning","Deep learning là gì? Các nghiên cứu khoa học liên quan"]