Theo hiệu trưởng Lawrence S. Bacow, nhà trường cũng có kế hoạch chuyển tất cả các lớp sang học trực tuyến bắt đầu từ ngày 23/3 và sinh viên không được quay trở lại trường.

Khuôn viên của ĐH Harvard vẫn sẽ mở, tuy nhiên nhà trường sẽ có các biện pháp phù hợp để bảo vệ sức khỏe của cộng đồng. ĐH Harvard không khuyến khích bất kỳ cuộc họp hoặc sự kiện không quan trọng nào từ 25 người trở lên.

ĐH Harvard yêu cầu sinh viên dọn khỏi ký túc xá

“Đối với sinh viên, đặc biệt là những em sẽ tốt nghiệp năm nay, tôi biết rằng đây không phải là điều các em mong muốn trong giai đoạn chuẩn bị chia tay với Harvard”, Hiệu trưởng Bacow nhắn nhủ tới những sinh viên có thể cảm thấy thất vọng khi phải tạm xa mái trường.

"Tuy nhiên, nhà trường làm điều này không chỉ để bảo vệ các em mà còn để bảo vệ nhiều người khác trong cộng đồng hoặc những người có thể dễ bị nhiễm bệnh".

Tại ĐH Amherst ở bang Massachusetts cũng đã thông báo chuyển sang học trực tuyến từ 23/3 với lo ngại nhiều sinh viên đã đi du lịch trong thời gian nghỉ.

Biện pháp này cũng được áp dụng tương tự tại nhiều trường ĐH khác trong khu vực. Tại Viện Công nghệ Massachusetts (MIT), Hiệu trưởng L. Rafael Reif cho biết, dù nguy cơ nhiễm dịch tại MIT vẫn ở mức thấp, nhưng trước tình hình dịch bệnh lây lan tại bang Massachusetts cũng như nơi khác, nhà trường cũng đưa ra nhiều biện pháp để bảo vệ nhân viên, sinh viên, giáo sư và giảng viên.

Cụ thể, MIT sẽ hủy tất cả các lớp học vào tuần tới, thông báo sinh viên đại học không trở lại trường sau kỳ nghỉ xuân. Sinh viên bắt đầu chuyển khỏi ký túc xá từ ngày 14 và hoàn tất trước trưa 17/3. Các lớp học trực tuyến sẽ bắt đầu từ ngày 30/3.

Tại ĐH Johns Hopkins, trước sự bùng phát của Covid-19, các lớp đại học và sau đại học cũng sẽ triển khai học trực tuyến. Sinh viên được khuyến khích không quay lại trường sau kỳ nghỉ xuân.

Trong bức thư gửi sinh viên, giảng viên, nhân viên ĐH Johns Hopkins, ông Ronald J. Daniels, Chủ tịch Nhà trường viết: “Cách chúng ta đối diện với dịch bệnh là tuân thủ các nguyên tắc y tế công cộng. Để giảm thiểu sự lây lan của dịch bệnh, bắt đầu từ 11/3, nhà trường sẽ chuyển sang hình thức học tập từ xa, ít nhất cho đến 12/4”.

Như vậy, ngoại trừ các lớp thực hành, lâm sàng và đào tạo trong phòng nghiên cứu, phòng thí nghiệm, tất cả các khối lớp đại học, sau đại học của ĐH Johns Hopkins sẽ chuyển sang hình thức học từ xa.

Ngoài ra, trường này cũng khuyến khích sinh viên không quay lại trường sau kỳ nghỉ mùa xuân. Những sinh viên cần ở lại trường sẽ phải đăng ký, kê khai thông tin, vấn đề sức khỏe để có sự hỗ trợ khi cần thiết.

“Nếu sinh viên nào gặp phải rào cản về kinh tế khi rời khỏi trường hoặc học từ xa cũng sẽ được nhà trường hỗ trợ tài chính dựa trên nhu cầu”.

ĐH Johns Hopkins không khuyến khích các sự kiện, cuộc họp không quan trọng từ 25 người trở lên. Các sự kiện tuyển sinh và các sự kiện của cự sinh viên ở trong và ngoài trường cũng sẽ phải hoãn lại.

“Khi đối mặt với dịch bệnh, chúng ta phải nỗ lực cùng nhau. Tôi biết ơn sâu sắc tới những sinh viên, giảng viên đã cùng chúng tôi làm việc không mệt mỏi và thích nghi với hoàn cảnh mới này.

Tôi muốn bày tỏ sự cảm kích đặc biệt đến nhiều đồng nghiệp đã chia sẻ chuyên môn và sự hiểu biết về sức khỏe cộng đồng, hệ thống kỹ thuật và về bệnh truyền nhiễm. Họ chính là những người đang tôn vinh truyền thống tốt đẹp và thể hiện mạnh mẽ giá trị kiến thức cốt lõi để phục vụ nhân loại”, Chủ tịch nhà trường nhắn nhủ.

Nhiều chuyên gia cho rằng, việc một số trường đại học yêu cầu sinh viên rời khỏi ký túc xá như ĐH Harvard đã làm có thể đặt một gánh nặng không đáng có lên sinh viên – những người không thể về nhà trong thời gian trường học đóng cửa.

Trường Giang (Theo CBS Boston, Boston Herald, Hub, Forbers)

Tây Ban Nha đóng cửa các trường học ở thủ đô và nhiều khu vực khác

Tây Ban Nha đã quyết định đóng cửa tất cả các trường học, trường đại học ở thủ đô Madrid và các khu vực bị ảnh hưởng bởi Covid-19 sau khi số ca nhiễm tại đây tăng gấp đôi chỉ sau một ngày.

Con mếu máo kêu cứu trong nỗi bất lực của người mẹ

Thương em bệnh, bé trai xin nghỉ học đi bán vé số

1. Ủng hộ tại Ngân hàng Vietcombank

2. Ủng hộ tại Ngân hàng Viettinbank

3. Ủng hộ tại Báo VietNamNet

Ban Bạn đọc

Ở trận đấu này, U19 Việt Nam chơi tốt trong hiệp 1 nhưng vào hiệp 2 thì để U19 Thái Lan kiểm soát bóng, tạo cơ hội nhiều hơn tuy nhiên chúng tôi vẫn bảo vệ được tỉ số”

Nói về trận chung kết gặp U19 Malaysia cũng như tình hình chấn thương của Văn Trường, HLV U19 Việt Nam chia sẻ: “Hơi khó để kịp kịp hồi phục để đá trận chung kết với Malaysia. Tất nhiên vẫn có giải pháp thay thế cho vị trí tiền vệ tấn công . Nhưng sự vắng mặt của Văn Trường cũng ảnh hưởng ít nhiều đến chuyên môn...

Dù vậy tôi hy vọng trận chung kết sẽ đáng xem và cả hai sẽ cống hiến cho người hâm mộ một cuộc tranh tài mãn nhãn”

Về phần mình, HLV Valero Garcia đánh giá: “Chúng tôi bắt đầu trận đấu rất tệ trong hiệp 1, U19 Việt Nam chơi tốt hơn. Trong hiệp 2 tôi đã có một vài điều chỉnh, hạn chế một vài điểm yếu ở hàng phòng ngự và U19 Thái Lan chơi tốt hơn, có vài cơ hội nhưng không tận dụng thành công.

Với tôi, Việt Nam không phải là đối thủ mà lúc nào Thái Lan cũng muốn đánh bại. Tôi luôn nói với học trò là chúng ta phải giành chiến thắng trong tất cả mọi trận đấu. Riêng hàng công, tôi sẽ cố gắng cải thiện chất lượng của họ trong thời gian tới"

Sau giải đấu này, Thái Lan sẽ có một tuần chuẩn bị, sau đó sẽ di chuyển đến Oman để dự vòng loại U20 châu Á 2023…”

Highlights U19 Việt Nam 1-0 U19 Thái Lan (nguồn: FPT Play)

Vậy "Học sâu" là gì mà giúp các nhà khoa học nhận được giải thưởng VinFuture Grand Prize 2024?

Trên thực tế, "Học sâu" không phải là khái niệm quá mới mẻ và thường được nhắc đến rất nhiều trong thời gian gần đây, nhất là khi cuộc đua phát triển trí tuệ nhân tạo (AI) đang trở nên sôi nổi hơn bao giờ hết.

Tuy nhiên, không phải ai cũng hiểu rõ về khái niệm, cũng như những ứng dụng của công nghệ này vào thực tế.

"Học sâu" là gì?

Học sâu (Deep Learning) là một nhánh của Machine Learning (Học máy) và Artificial Intelligence (AI - Trí tuệ nhân tạo). Học sâu tập trung vào việc dạy máy tính học hỏi và tự cải thiện khả năng thực hiện nhiệm vụ thông qua một mạng lưới nơ-ron nhân tạo mô phỏng cách hoạt động của não người.

Điểm nổi bật của học sâu so với các phương pháp học máy truyền thống là khả năng tự động trích xuất thông tin từ dữ liệu mà không cần can thiệp lập trình thủ công.

Một cách đơn giản, bạn có thể hình dung học sâu giống như việc dạy một em bé nhận biết thế giới xung quanh. Ví dụ, bạn hướng dẫn một đứa trẻ cách nhận biết con mèo.

Ban đầu, khi đứa trẻ nhìn thấy hình ảnh con mèo, não bộ của trẻ sẽ dần dần học được các đặc điểm của mèo như tai nhọn, có râu, đuôi dài, có bốn chân… Mỗi lần thấy một con mèo mới, trẻ sẽ tự động nhận ra "Đây là con mèo" dựa trên những đặc điểm đã học được.

Học sâu cũng hoạt động tương tự như vậy. Nó là một phương pháp dạy cho máy tính "học" từ rất nhiều ví dụ, giống như bộ não con người. Máy tính sẽ tự động tìm ra các đặc điểm quan trọng từ dữ liệu (như tai, râu, đuôi của mèo) qua nhiều lớp xử lý (đó là lý do gọi là "học sâu"), và dùng những đặc điểm này để nhận dạng những thứ mới.

Ví dụ khi bạn đưa cho một mô hình học sâu 1000 bức ảnh mèo, nó sẽ tự học được các đặc điểm của loài vật này. Sau đó, khi bạn đưa cho nó một bức ảnh mới mà hệ thống học sâu chưa từng thấy, nó có thể tự nhận ra "Đây là mèo!" dựa trên những gì đã học được, giống như cách một đứa trẻ thường làm.

Điểm khác biệt chính của học sâu so với các phương pháp trước đây là thay vì con người phải chỉ ra từng đặc điểm cụ thể (chẳng hạn như nhập câu lệnh "tìm tai nhọn", "tìm râu"...), máy tính sẽ tự do khám phá và lọc ra những đặc điểm nào là quan trọng. Điều này giúp nó có thể xử lý được những tác vụ phức tạp mà con người khó có thể mô tả bằng các quy tắc cụ thể.

"Học sâu" cũng giống như quá trình đi học của một học sinh, khi càng được xem nhiều bài minh họa, học sinh đó sẽ học càng tốt, tự rút ra được những cách thức giải bài tập mà không cần thầy cô phải chỉ dạy từng bước. Đó là lý do các hệ thống AI thường đòi hỏi một dữ liệu rất lớn để có thể tự học tập.

Lịch sử phát triển của "Học sâu"

Nguồn gốc của học sâu bắt đầu từ những năm 40 của thế kỷ trước, khi 2 nhà khoa học người Mỹ Warren McCulloch và Walter Pitts xây dựng mô hình nơ-ron toán học đầu tiên.

Tuy nhiên, phải đến thập niên 1980, với sự ra đời của thuật toán "lan truyền ngược" (backpropagation) do nhà khoa học máy tính người Canada Geoffrey Everest Hinton phát minh, mạng nơ-ron toán học nhiều lớp mới thực sự trở nên khả thi và hiệu quả. Geoffrey Everest Hinton cũng chính là một trong 5 nhà khoa học vừa nhận được giải thưởng đặc biệt của VinFuture 2024.

Sự bùng nổ thực sự của học sâu bắt đầu vào đầu những năm 2010, nhờ vào ba yếu tố chính: sự gia tăng đột biến về khả năng tính toán của phần cứng máy tính, khối lượng dữ liệu khổng lồ có sẵn, và những cải tiến quan trọng trong kiến trúc mạng nơ-ron.

Những ứng dụng thực tế của "Học sâu"

Ngày nay, học sâu đã được ứng dụng thực tế vào rất nhiều lĩnh vực của đời sống.

Trong xử lý ngôn ngữ tự nhiên, các chatbot tích hợp AI như ChatGPT, Gemini, Claude AI… đã đạt được những tiến bộ vượt bậc trong dịch thuật, tóm tắt văn bản, trả lời câu hỏi và thậm chí sáng tạo nghệ thuật. Các chatbot AI này ngày càng trở nên thông minh hơn nhờ khả năng hiểu ngữ cảnh và tương tác tự nhiên với con người.

Trong lĩnh vực thị giác máy tính, học sâu đã cách mạng hóa các ứng dụng nhận dạng khuôn mặt, phát hiện đối tượng... Các hệ thống giám sát thông minh có thể phát hiện hành vi bất thường, trong khi các ứng dụng chỉnh sửa ảnh có thể tự động làm đẹp hoặc tạo ra những hình ảnh hoàn toàn mới.

Trong y tế, học sâu đang giúp các bác sĩ chẩn đoán bệnh sớm và chính xác hơn thông qua việc phân tích hình ảnh X-quang, CT, MRI… Các mô hình học sâu còn hỗ trợ trong việc phát triển các loại thuốc mới và dự đoán cấu trúc protein.

Trong sản xuất công nghiệp, học sâu được ứng dụng trong kiểm soát chất lượng tự động và tối ưu hóa quy trình sản xuất. Các robot được trang bị AI có thể thực hiện những nhiệm vụ phức tạp đòi hỏi sự linh hoạt và thích ứng cao nhờ vào học sâu.

Một ứng dụng nổi bật khác của học sâu đó là trong lĩnh vực nhận diện giọng nói. Công nghệ này đã biến đổi cách con người tương tác với máy móc, từ trợ lý ảo như giọng nói đến các công cụ hỗ trợ người khuyết tật.

Ngoài ra, học sâu cũng được sử dụng để phân tích dữ liệu lớn trong các lĩnh vực như tài chính, phát hiện gian lận và thương mại điện tử, nơi nó đề xuất sản phẩm dựa trên hành vi người dùng.

Dẫu vậy, sự phát triển nhanh chóng của học sâu cũng đặt ra nhiều thách thức. Một trong số đó là vấn đề đạo đức và quyền riêng tư, khi dữ liệu cá nhân được sử dụng để đào tạo các mô hình. Ngoài ra, học sâu cũng tiêu thụ năng lượng và sử dụng tài nguyên tính toán rất lớn, làm dấy lên lo ngại về tính bền vững.

Quan trọng hơn, việc hiểu và kiểm soát các mô hình học sâu phức tạp vẫn là một thách thức lớn, đặc biệt khi chúng có thể tự đưa ra các quyết định mà con người khó giải thích.

Trong tương lai, học sâu hứa hẹn sẽ tiếp tục phát triển, mở ra nhiều cơ hội mới trong các lĩnh vực như y học, năng lượng, giáo dục... Tuy nhiên, để tận dụng tối đa tiềm năng của công nghệ này, cần có sự hợp tác chặt chẽ giữa các nhà nghiên cứu, chính phủ và doanh nghiệp để xây dựng các quy chuẩn về đạo đức cũng như trách nhiệm xã hội.

Học sâu không chỉ là một công cụ công nghệ, mà còn là một động lực để thúc đẩy tiến bộ của nhân loại nếu được định hướng và quản lý đúng đắn.