Daily Opt và giải pháp/sản phẩm R&D tại Việt Nam

Phân tích dữ liệu, Tối ưu, Máy học, Thị giác máy tính, Xử lí ngôn ngữ tự nhiên,… các chuyên ngành sâu của Trí Tuệ Nhân Tạo ngày càng được nhắc tới nhiều trên truyền thông, các buổi hội thảo, workshop và đáng mừng nhất là việc trở thành một phần quan trong chiến lược số hóa của các tập đoàn hàng đầu Việt Nam.

Các thành viên Daily Opt đã và đang đóng góp những nỗ lực nhỏ bé nhưng bền bỉ của mình để bước đầu cùng tạo nên một làn sóng kết hợp giữa phân tích dữ liệu và các thuật toán tối ưu trong doanh nghiệp, để việc áp dụng tối ưu giải quyết các vấn đề cấp thiết của doanh nghiệp không còn là một điều xa lạ.

Việc phát triển các giải pháp/sản phẩm Nghiên cứu và phát triển (R&D) hiện đang rất yếu của các doanh nghiệp Việt, cũng như việc đưa các framework Trí Tuệ Nhân Tạo có ứng dụng thực tế vào quá trình đào tạo các kĩ sư tại Việt Nam hiện nay đang là một trong những vấn đề nhức nhối. Nhận thức được vấn đề này, trong định hướng phát triển và tầm nhìn của mình ngay từ khi mới thành lập, Daily Opt luôn tự hào về việc sở hữu các framework Trí Tuệ Nhân Tạo in-house (cụ thể về tối ưu, máy học) được các kỹ sư hàng đầu ngành khoa học máy tính và các chuyên gia DO liên tục kế thừa và phát triển.

Tiếp theo trào lưu về ứng dụng Tối ưu, mảng Máy học (Machine Learning) cũng đang có những tín hiệu khả quan với các đặt hàng nghiêm túc mà Daily Opt nhận được.

Trong hình minh họa là chứng chỉ của chuyên gia Daily Opt (được đề nghị giấu tên – censored) là người đầu tiên tại Việt Nam được Nvidia yêu cầu phỏng vấn và xác thực đủ tiêu chuẩn hợp tác với Nvidia đưa ra các khóa học về deep learning của Nvidia.

Capture

 

New Hanoi Office

Sau 6 tháng đầu năm miệt mài làm việc chinh phục các khách hàng mới trong tập đoàn VinGroup, đội ngũ các DOers trong chi nhánh Hà Nội của Daily Opt chính thức chuyển về văn phòng mới tại tầng 12 toà Mipec 229 Tây Sơn – an cư để tiếp tục chinh phục các mục tiêu tham vọng hơn cho 2 quý cuối năm 2019 👏🥳🌇

20150402142449-d8b8

ePassport – hãy thực tế, AI chỉ hỗ trợ, chưa thể thay thế hoàn toàn con người

ePassport đã được sử dụng tại những đâu?

Đã có quá nhiều các bài viết về triển vọng của AI trong các lĩnh vực khác nhau của đời sống xã hội cũng như các bài thổi phồng về sức mạnh của AI trong các sản phẩm được các doanh nghiệp quảng cáo. Trong bài này, chúng tôi muốn đi vào phân tích một ứng dụng thực tế rộng rãi của AI trong trào lưu áp dụng xác thực Hộ chiếu điện tử (ePassport) khi nhập cảnh tại các sân bay trên thế giới.

Tại Việt Nam, khái niệm ePassport hay Hộ chiếu điện tử còn chưa được biết đển rộng rãi. Tuy nhiên, đây là một trào lưu đang được hưởng ứng rộng rãi trên khắp các châu lục trên thế giới, đã được 65 quốc gia và vùng lãnh thổ tham gia (xem hình dưới đây).

PKDMap

Nguồn: http://www.icao.int

Tại Châu Á cũng đã có Trung Quốc, Hàn Quốc, Nhật Bản, Ấn Độ, Ma Cao, Hong Kong, … thậm chí ngay tại khu vực Đông Nam Á thì Singapore, Philippines, Thailand hay Malaysia đã tham gia sử dụng.

ePassport là gì và hoạt động ra sao?

Việc tham gia khối các nước sử dụng ePassport được xây dựng dựa trên việc các quốc gia đồng ý tham gia xây dựng ICAO Public Key Directory (PKD) – một cơ sở dữ liệu lưu trữ trung tâm để trao đổi thông tin cần thiết cho việc xác thực ePassports thay cho các kiểm tra hộ chiếu hải quan với hộ chiếu thông thường (xem chi tiết tại ICAO PKD).

Trong hình dưới đây là một cổng kiểm tra tự động ePassport – Automated border control.

easy-pass

Nguồn: Internet

Quy trình xác thực cho ePassport trong xuất/nhập cảnh được thực hiện như sau (đã được người viết xác thực cụ thể tại Anh và Bỉ):

  • Người xuất/nhập cảnh có sở hữu ePassport sẽ di chuyển tới cổng kiểm tra ePassport tự động
  • Đưa ePassport vào máy đọc chuyên biệt tại cổng kiểm soát
  • Nhìn vào camera kiểm tra đối chiếu nhận dạng mặt với hình ảnh được lưu trong ePassport và/hoặc các hình ảnh trong cơ sở dữ liệu lưu trữ trung tâm (bước này chỉ thực hiện khi cổng kiểm soát có trang bị camera, việc ứng dụng AI nhận dạng khuôn mặt cũng nằm tại bước này)
  • Nếu tất cả các thông tin được xác thực trùng khớp, thuận lợi, cổng sẽ tự động mở để người xuất/nhập cảnh đi thẳng vào/ra khỏi sân bay.
  • Nếu có vấn đề về thông tin hoặc pháp nhân với người xuất/nhập cảnh, cổng đóng và phát tín hiệu để người điều hành dẫn người xuất/nhập cảnh ra cổng kiểm tra thông tin với nhân viên an ninh truyền thống.

 

Máy kiểm tra ePassport hoạt động ra sao?

ePassport – hộ chiếu điện tử còn được gọi là hộ chiếu sinh trắc học (Biometric passport), được nhận dạng bởi một biểu tượng hình máy ảnh cách điệu trên bìa để phân biệt với hộ chiếu truyền thống thông thường (xem hình dưới đây)

Capture

 

Quy trình kiểm trả ePassport khi đưa ePassport vào máy đọc chuyên biệt tại cổng kiểm soát được thực hiện theo các bước sau:

JAG_ePassport_20170119

Ngoài việc kiểm tra, xác thực các thông tin lưu trữ trong chip trên ePassport trong bước 1 và bước 2, ứng dụng AI được áp dụng trong công nghệ nhận dạng khuôn mặt và so sánh ảnh (với ảnh trong hộ chiếu hoặc ảnh trong cơ sở dữ liệu tội phạm của Interpol) trong 2 bước 3 và 4 khi cổng kiểm soát được trang bị camera.

Hiệu quả của AI trong ePassport tới đâu?

Không thể phủ nhận ePassport hiện đang chứng minh được hiệu quả vượt trội trong giảm tải quá trình kiểm tra an ninh tại các sân bay so với cách cũ chỉ kiểm soát các hộ chiếu truyền thống. Tuy nhiên, hiệu quả của AI trong ePassport vẫn còn 1 số hạn chế nhất định cần thêm nhiều thời gian để cải thiện để có thể đạt được những kì vọng mong muốn.

Về mặt thiết kế hệ thống, việc áp dụng AI trong ePassport mà cụ thể là dùng camera chụp ảnh nhận dạng, so sánh với ảnh trong cơ sở dữ liệu có các hạn chế như sau:

  • Hiện tại ePassport chỉ áp dụng cho các đối tượng từ 18 tuổi trở lên – khi khuôn mặt không có nhiều thay đổi trong vòng 5-10 năm (thời gian có hiệu lực của 1 cuốn hộ chiếu ePassport)
  • Các cổng kiểm soát ePassport tự động mới chỉ đóng vai trò như công cụ giảm tải cho việc kiểm soát an ninh, chưa tự động hoàn toàn vì các lí do sau:
    • ePassport vẫn được lưu hành song song với các hộ chiếu truyền thống chứ chưa thay thế hoàn toàn, nên vẫn cần các cửa kiểm soát an ninh truyền thống với người kiểm tra bằng tay và bằng mắt.
    • Công nghệ AI nhận dạng, so sánh khuôn mặt dù đã có nhiều phát triển trong thời gian qua nhưng vẫn chỉ đạt độ chính xác 80-90%, cần người điều hành để chuyển hướng qua cổng khi có lỗi trong quá trình nhận dạng.

Một trong số các bài báo khoa học mô tả chi tiết về công nghệ nhận dạng khuôn mặt sử dụng trong việc xác thực ePassport: Face-based recognition systems in the ABC e-gates.

Tuy còn hạn chế nhưng việc ứng dụng rộng rãi ePassport có thể coi là một điểm sáng trong việc đưa các ứng dụng AI di vào thực tể cuộc sống và tạo ra giá trị cụ thể giữa ma trận các kì vọng và tin đồn thổi phồng về sức mạnh của AI. Cần thêm rất nhiều mô hình như ePassport, được thiết kế thông minh cho việc dùng AI như công cụ hỗ trợ quyết định,  bổ sung các cơ chế hoạt động “hỗ trợ AI” và chấp nhận một phần rủi ro nhỏ từ chính sự chưa hoàn hảo của các thuật toán được sự dụng cho AI.

 

Khó tuyển nhân sự AI: tại sao Daily Opt chưa bao giờ đăng tin tuyển người?

Tiếp nối bài phân tích về cách giải thích “AI không chỉ là Machine Learning” của CTO Daily Opt – Bùi Quốc Trung.  Trong bài viết này chúng tôi muốn phân tích về thực trạng việc tuyển dụng nhân sự AI tại Việt Nam.

ai-tri-tue-nhan-tao-la-gi-nhung-ung-dung

Ảnh: nguồn Internet

Hiện nay, tình trạng khát nhân sự chất lượng về phần mềm nói chung và AI nói riêng đang là một chủ đề nóng ở Việt Nam cũng như trên toàn thế giới. Từ các công ty lớn có thương hiệu lâu năm trên thị trường Việt Nam, các công ty có vốn đầu tư nước ngoài cho tới các công ty nhỏ có nhu cầu thực sự lớn chấp nhận  mức đãi ngộ đặc biệt, tìm được nhân sự AI chất lượng cao có khả năng làm việc độc lập, hiệu quả là một việc khó như mò kim đáy bể. Rất nhiều lí do có thể kể ra nhưng lí do thuyết nhất có lẽ là chưa xây dựng được mô hình và môi trường thích hợp để tạo điều kiện cho loại hình nhân lực còn mới và rất nóng này.

1. Các nhóm nhân sự về AI

marketshare-1-1508303901

Ảnh: nguồn Internet

Có thể chia nhân sự AI ra làm 2 nhóm lớn:

  • Nhóm 1 – Nhân sự beginner về AI: như đã đề cập trong bài viết trước, “AI không chỉ là Machine Learning” theo cách hiểu thông thường, dễ bị nhầm lẫn. AI có thể là hệ thống có các đặc điểm: Suy nghĩ giống con người (systems that think like humans); Suy nghĩ có logic, hợp lý (system that think rationally); Hành động giống con người (system that act like humans); và Hành động có logic, hợp lý (system that act rationally). (định nghĩa về AI – trí tuệ nhân tạo của hai học giả lớn trong ngành trí tuệ nhân tạo Stuart Russell và Peter Norvig xuất bản trong sách “Artificial Intelligence: A Mordern Approach”). Quay lại việc tuyển dụng nhân sự cho AI, từ việc hiểu AI chỉ đơn thuần là Machine Learning (Máy Học), nhân sự về AI trong nhóm này có thể chia ra làm 2 loại:
    • Nhân sự tổng hợp dữ liệu thô và lọc các thông tin quan trọng theo biểu mẫu cho trước. Nhân sự thuộc nhóm này có thể là bất kì ai đầu tư thời gian và kiên trì trong việc tổng hợp dữ liệu theo yêu cầu cho trước. Bởi yêu cầu đơn giản nên chi phí các công ty đầu tư cho nhân sự thuộc nhóm này cao hay thấp có phụ thuộc lớn vào khối lượng dữ liệu cần tổng hợp cũng như số lượng nhân sự cần cho việc tổng hợp đó. Nhân sự nhóm này dễ tuyển dụng.
    • Nhân sự có kiến thức cơ bản chung về Machine Learning. Nhân sự thuộc nhóm này có thể là những người mới bắt đầu có kinh nghiệm với Machine Learning, hoặc các kỹ sư phần mềm chuyển qua làm Machine Learning. Với kiến thức cơ bản Machine Learning, họ có thể dễ dàng mô phỏng các ví dụ, tìm các Open Source và chạy các ứng dụng đơn giản, phần lớn với các yêu cầu chuẩn và không đòi hỏi cao về việc tùy chỉnh và xây dựng model mới. Nhân sự nhóm này có đặc thù khá giống nhân sự phần mềm nói chung, khá khó tuyển dụng theo 2 nghĩa: chọn được đúng người và nhân sự chịu về làm việc với công ty tuyển dụng.

 

  • Nhóm 2 – Nhân sự expert (chuyên gia) về AI: nhóm nhân sự này thuộc các profile hiếm, không chỉ về Machine Leaning mà còn bao trùm các lĩnh vực khác nhau của AI (tham khảo thêm trong bài Trí Tuệ Nhân Tạo (AI) không chỉ là Học Máy (Machine Learning)), rất khó tuyển dụng được họ.
    • Để được thừa nhận là expert (chuyên gia) về AI tại thị trường Việt Nam rất khó. Vì môi trường R&D của phần lớn các công ty công nghệ chưa được đầu tư, phát triển đúng mức và không thực sự có nhiều mô hình hiệu quả kết hợp giữa doanh nghiệp và các nhóm nghiên cứu trường Đại Học.
    • Một expert về AI tại Việt Nam ngoài việc đòi hỏi khả năng nghiên cứu vượt trội (tự xây dựng và điều chỉnh mô hình, khả năng phân tích dữ liệu cao), còn cần có nhiều năm kinh nghiệm làm việc trong các doanh nghiệp, chịu được tốt áp lực công việc, cũng như có khả năng thích nghi tốt với các môi trường khác nhau.
    • Những nhân sự thuộc nhóm này thường được các công ty săn đón về làm Tech Lead hoặc thậm chí CTO hay co-founder trong doanh nghiệp của mình. Daily Opt không phải là ngoại lệ.

2. Điều gì tạo nên nhân sự AI chất lượng cao

Hiện nay theo trào lưu AI, rất nhiều công ty trên thị trường thừa nhận mình có khả năng về AI nhưng các doanh nghiệp này thường lờ đi, không đề cập tới cấu trúc nhân sự về AI của mình thuộc nhóm nào trong 2 nhóm được nêu trong phần trước.

Để có thể đào tạo ra các AI expert trong nhóm 2, các kiến thức nền tảng cần có phải kể đến:

  • Kiến thức nền tảng mạnh về cấu trúc dữ liệu và giải thuật
  • Kiến thức nền tảng mạnh về toán và các mô hình thống kê
  • Khả năng tư duy lập trình mạnh, có thể độc lập phát triển các giải pháp đặc thù từ các yêu cầu mới chứ không chỉ đơn thuần là tìm Open Source và tùy chỉnh lại.

Những kiến thức này có thể tự học, tự trau dồi nhưng xét một cách toàn diện thì ngành học Khoa Học Máy Tính đào tạo ra những ứng viên lí tưởng nhất. Có một điều khá bất ngờ tại Việt Nam là ngành Công Nghệ Phần Mềm lại được ưa chuộng, hút sinh viên hơn ngành  Khoa Học Máy Tính. Bất ngờ này suy cho cùng lại rất logic khi số lượng các công ty làm về Software Outsourcing chiếm ưu thế tuyệt đối tại thị trường Việt Nam.

3. Tại sao Daily Opt chưa bao giờ đăng tin tuyển người? 

Daily Opt được xây dựng theo một mô hình đặc biệt hướng tới việc phát triển giải pháp tối ưu cho các doanh nghiệp: từ logistics, tới việc lập kế hoạch planing/scheduling, và đưa ra các dự báo, dự đoán forecasting/prediction. Bản thân việc phát triển các giải pháp tối ưu đã đòi hỏi sự kết hợp giữa các profile chuyên gia từ các lĩnh vực khác nhau của AI như Data Analytics, Optimisation, Machine Learning hay cả Computer Vision trong một số yêu cầu đặc biệt liên quan tới xử lí ảnh, video.

Xét trên một khía cạnh khác, bản thân các chuyên gia về AI cũng gặp rất nhiều khó khăn trong việc phát triển mô hình, đội ngũ để mang tới hiệu quả cho các dự án về AI, tối ưu. Việc tối ưu chính mô hình của mình nhằm tạo điều kiện phát triển tối đa cho các chuyên gia về AI đã tạo ra điểm khác biệt cho Daily Opt. Theo đó, các nhóm chuyên gia về Data Analytics và Consulting sẽ làm việc trực tiếp với khách hàng trong Consulting team để giúp họ thực hiện bước khó khăn nhất – định nghĩa đúng các vấn đề cần giải quyết. Tại Daily Opt, các chuyên gia về Optimisation, Machine Learning, Computer Vision được giảm tải bớt rất nhiều các tasks nặng về quan hệ khách hàng đã được các Consulting team thực hiện rất tốt.

Việc tuyển dụng và đào tạo đội ngũ chuyên gia kế cận của Daily Opt bắt đầu như các AI/Algorithm Engineer được chú ý một cách đặc biệt thông qua nguồn cung cấp là các kỹ sư thực tập về Khoa Học Máy Tính chủ yếu tới từ trung tâm đào tạo hàng đầu Việt Nam là ĐH Bách Khoa HN. Việc tuyển chọn, tuyển dụng đội ngũ thực tập này được chọn lựa rất cẩn trọng, kĩ lưỡng từ danh sách các ứng viên tiềm năng AI có mong muốn gia nhập Daily Opt, có đam mê học hỏi và được thử việc qua các dự án AI thực tế với khách hàng chứ không qua việc đăng tuyển đại trà, ồ ạt, thông thường. Đúng với phương châm tối ưu xuyên xuốt của Daily Opt, phải tối ưu từ chính nội bộ của mình trước khi có thể đem lại các giải pháp tối ưu cho khách hàng.

Có một tín hiệu đáng mừng mà chúng tôi nhận thấy trong quá trình tuyển dụng tại Daily Opt, đó là việc các nhân lực AI giỏi và tiềm năng thường đặt mục tiêu lâu dài để phát triển bản thân lên cao hơn vấn đề lương bổng ban đầu. Nhiều bạn từ chối hoặc bỏ các công việc có mức lương cao hơn rất nhiều ở những công ty danh tiếng để gia nhập Daily Opt.

Từ góc nhìn tuyển dụng nhân lực và số lượng các yêu cầu về giải pháp tối ưu Daily Opt nhận được từ các khách hàng, thực tế này cho thấy mục tiêu tạo ra một làn sóng về ứng dụng và phát triển các giải pháp tối ưu của Daily Opt đã đạt được những thành công ban đầu rất đáng ghi nhận.

______________________

 

Trí Tuệ Nhân Tạo (AI) không chỉ là Học Máy (Machine Learning)

Trong bài này chúng tôi đưa ra giới thiệu sơ lược về trí tuệ nhân tạo (Artificial Intelligence) theo cách đơn giản dễ hiểu, không đòi hỏi nhiều kiến thức chuyên sâu về Trí Tuệ Nhân Tạo, cũng như không đòi hỏi các kiến thức nền tảng vững về khoa học máy tính. Mục đích hướng tới nhằm phân tích các khía cạnh khác nhau của Trí Tuệ Nhân Tạo thay vì chỉ dựa trên việc đánh đồng hai khái niệm Trí Tuệ Nhân Tạo và Học Máy như cách tiếp cận thường thấy rộng rãi hiện nay.

Giới thiệu về trí tuệ nhân tạo

Trí tuệ nhân tạo trong phần này sẽ được giới thiệu dưới ngôn ngữ trực quan, dễ hiểu, không sử dụng nhiều từ ngữ chuyên ngành. Phương pháp giới thiệu sẽ thông qua hình thức mô tả và đưa ví dụ.

41169125_486312481849736_4504387247063171072_n

Trí tuệ nhân tạo là gì?

Theo tổng hợp và phân tích những định nghĩa về trí tuệ nhân tạo của hai học giả lớn trong ngành trí tuệ nhân tạo Stuart Russell và Peter Norvig xuất bản trong sách “Artificial Intelligence: A Modern Approach”, trí tuệ nhân tạo là hệ thống có các đặc điểm sau:

  • Suy nghĩ giống con người (systems that think like humans);
  • Suy nghĩ có logic, hợp lý (system that think rationally);
  • Hành động giống con người (system that act like humans); và
  • Hành động có logic, hợp lý (system that act rationally).

Những tính chất đặc trưng của trí tuệ nhân tạo phía trên có thể được viết ngắn lại theo ngôn ngữ dễ hiểu, trực quan như sau: Trí tuệ nhân tạo là một ngành của khoa học máy tính liên quan tới nghiên cứu, xây dựng, phát triển và ứng dụng tự động hóa các hành vi thông minh. Để đạt được những hành vi thông minh và giống con người, các hệ thống thông minh cần:

  • Biểu diễn được tri thức theo cách phù hợp,
  • Nhận biết được môi trường xung quanh,
  • Suy luận hay diễn giải tình huống theo tri thức đã biểu diễn và môi trường xung quanh,
  • Tìm kiểm lời giải, hành động phù hợp với tình huống,
  • Thực hiện đúng lời giải đã tìm được.

Công trình đầu tiên trên thế giới được ghi nhận như là tác phẩm trí tuệ nhân tạo được phát triển bởi Warren McCulloch và Walter Pitts vào năm 1943. Trong tác phầm này các tác giả thảo luận về tri thức, phân tích logic mệnh đề và lý thuyết độ phức tạp tính toán của Turing. Trí tuệ nhân tạo chỉ được ghi nhận là một ngành khoa học vào năm 1987 khi những đóng góp to lớn của nó cho nhân loại được ghi nhận.

Như một câu tổng kết về định nghĩa trí tuệ nhân tạo, trí tuệ nhân tạo là trí tuệ do con người lập trình tạo nên với mục tiêu giúp máy tính có thể tự động hóa các hành vi thông minh như con người.

Cơ sở khoa học của trí tuệ nhân tạo

Theo nghiên cứu của Stuart Russell và Peter Norvig xuất bản trong sách “Artificial Intelligence: A Mordern Approach”, trí tuệ nhân tạo được hình thành từ những thành tựu của các ngành khoa học: Triết học (Philosophy), Toán (Mathematics), Kinh tế học (Economics), Khoa học thần kinh (Neuroscience), Tâm lý học (Psychology), Kỹ nghệ máy tính (Computer Engineering), Khoa học điều khiển học (Control theory and cybernetics), và Ngôn ngữ học (Linguistics). Trong khuôn khổ tài liệu này, chỉ một vài ngành nghiên cứu hỗ trợ hình thành và phát triển trí tuệ nhân tạo sẽ được giới thiệu như sau:

  • Triết học (Philosophy, 428 B.C – present): Triết học giúp xây dựng những nguyên lý hình thức (formal rules) diễn tả tri thức con người; hiểu được nguyên lý suy luận của não người, trí thức được tổng hợp từ đâu, khoa học về dẫn dắt hành động từ tri thức, …
  • Toán học (Mathematics, c. 800 – present): Toán học giúp chúng ta trả lời các câu hỏi như làm sao biểu diễn được tri thức, làm sao để suy luận và tính toán, làm sao để suy xây dựng hành động trong môi trường thông tin không chắc chắn, ….
  • Kinh tế học (Economic, 1776 – present): Kinh tế học giúp chúng ta mô hình hóa lợi ích, tác hại (objective values) của một quyết định, làm sao để đưa ra quyết định tối ưu hóa lợi ích, làm sao diễn tả và suy luận những ràng buộc/yêu cầu trong cuộc sống, làm sao chúng ta tối ưu quyết định hiện tại mang lại giá trị tương lai cân bằng, ….
  • Kỹ nghệ máy tính (Computer Engineering, 1940-present): Kỹ nghệ máy tính giúp con người xây dựng các phần mềm máy tính có trí tuệ nhân tạo hiệu quả. Nó là công cụ để chuyển hóa toàn bộ lý thuyết sang thực tế.

 

Lĩnh vực nghiên cứu của trí tuệ nhân tạo

Trí tuệ nhân tạo là một ngành khoa học lớn, nó bao phủ và hỗ trợ rất nhiều ngành khoa học khác. Chính vì vậy, lĩnh vực nghiên cứu về trí tuệ nhân tạo có thể được phân tích theo nhiều góc nhìn khác nhau, như góc nhìn dựa trên ứng dụng, góc nhìn dựa trên kỹ thuật, góc nhìn dựa trên bản chất vấn đề cần giải quyết, … Tài liệu này phân chia lĩnh vực nghiên cứu của trí tuệ nhân tạo theo bản chất vấn đề cần giải quyết. Đây cũng là hướng tiếp cận của hai học giả lớn trong ngành trí tuệ nhân tạo Stuart Russell và Peter Norvig xuất bản trong sách “Artificial Intelligence: A Mordern Approach”. Lĩnh vực nghiên cứu của trí tuệ nhân tạo gồm:

  • Giải quyết vấn đề (Problem-solving): Nghiên cứu giải quyết vấn đề bằng cách tìm kiếm
  • Tri thức và lập luận (Knowledge and reasoning): Nghiên cứu biểu diễn tri thức dưới dạng logic mệnh đề, Ontology, …
  • Lập lịch (Planning/Scheduling): Giải quyết các bài toán lập lịch có độ khó lớn phù hợp với nhu cầu thực tiễn
  • Biểu diễn và suy luận không chắc chắn (Uncertain knowledge and reasoning): Nghiên cứu biểu diễn và suy luận dựa trên các thông tin không chắc chắn
  • Học máy (Learning): Nghiên cứu các phương pháp giúp máy móc có thể học hỏi dựa trên dữ liệu lịch sử dựa trên các mô hình học máy. Bản chất của các phương pháp này là đi giải các bài toán tối ưu để xác định được các tham số mô hình phù hợp với dữ liệu thực tế
  • Giao tiếp, nhận thức và hành động (Communicating, perceiving, and acting): Nghiên cứu các phương pháp nhận biết môi trường xung quanh, giao tiếp giữa các hệ thống và tìm kiếm, thực thi các hành động phù hợp.

41680231_489789748168676_931972998032785408_n

Ứng dụng nổi bật của trí tuệ nhân tạo

Nội dung của phần này sẽ được trích rút từ mục “the state of art” nằm trong tác phẩm “Artificial Intelligence: A Mordern Approach” của Stuart Russell và Peter Norvig. Ngoài ra, một số thành tựu nổi bật mới của trí tuệ nhân tạo cũng được giới thiệu thêm. Do giới hạn về thời gian, tài liệu này xin trình một số lĩnh vực nổi bật sau:

  • Lập lịch tự hành (autonomous planning and scheduling): Toàn bộ các tàu vũ trụ, tàu thám hiểm trên không gian của cơ quan hàng không vũ trụ NASA hoạt động tự hành dựa trên các thuật toán lập lịch.
  • Thuật toán cho game (game playing): Hiện tại, tất cả các trò chơi trên bàn (board game) con người đã không còn là đối thủ của các thuật toán trí tuệ nhân tạo. Sự kiện lớn như, chương trình chơi cờ vua của IBM tên Deep Blue đã thắng vua cờ Garry Kasparov. Gần đây, trò chơi cờ vây, trò chơi có không gian tìm kiếm lớn nhất trong lĩnh vực board game, con người cũng đại bại trước Alpha Go và Alpha Zero. Sự kiện này đánh dấu một bước to lớn của trí tuệ nhân tạo.
  • Tự điều khiển (Autonomous control): Đó là sự xuất hiện của xe tự lái của các hãng Google, Tesla. Để nhận biết môi trường xung quanh, các xe tự lái này trang bị chương trình trí tuệ nhân tạo, cụ thể thị giác máy tính (computer vision) và học sâu (deep learning).
  • Chuẩn đoán bệnh (diagnosis): Các chương trình chuẩn đoán bệnh dựa trên các các phân tích xác suất thống kê, các hệ chuyên gia, các chương trình đọc ảnh y tế. Một trong những kết quả nổi bật như chương trình IBM Watson đã phát hiện và chuẩn đoán bệnh mà con người không làm được trong một số trường hợp.
  • Lập lịch vận tải (Logistics Planning): Hiện nay, rất nhiều ứng dụng lập lịch vận tải được sử dụng hàng ngày tại các hãng vận tải lớn như Amazon, DHL, … giúp chi phí vận tải giảm đáng kể. Một trong những ví dụ về thành quả trong lĩnh vực này nói riêng và thành quả về 30 năm phát triển trí tuệ nhân tạo có thể nói tới sự kiện sau. Khủng hoảng Vùng vịnh năm 1991, quân đội Mỹ đã triển khai một công cụ lập lịch DART (Daynamic Analysis and Replanning Tool) để tự động lập kế hoạch vận tải. Công cụ này lập kế hoạch và vận chuyển sử dụng khoảng 50.000 phương tiện vận tải, cùng rất nhiều hàng hóa và con người an toàn và đúng giờ.
  • Robot (Robotics): Rất nhiều robot đã được con người phát triển trên thế giới đã quay trở lai giúp đỡ con người trong hoạt động hàng ngày, ví dụ các robot lắp máy móc, dây chuyền, oto, chăm sóc bệnh nhân, …
  • Hiểu ngôn ngữ và giải quyết vấn đề (Language understanding and problem solving): Hiểu ngôn ngữ và tự giải quyết vấn đề chúng ta có thể thấy từ những trợ lý ảo Siri, Cortana, Alexa, … hay trong các chương trình nhà thông minh, …

 

_______________________________________________

Dựa trên bài phân tích về Trí Tuệ Nhân Tạo của CTO Daily Opt – Bùi Quốc Trung trong các tài liệu giới thiệu về Trí Tuệ Nhân Tạo cho khách hàng

Câu chuyện Daily Opt – khi chuyên gia cũng phải bán hàng

Từ chuyên gia đi làm thuê tới chuyên gia phải đi bán hàng

Tháng 11 năm 2016, chúng tôi – một nhóm nhỏ xuất thân từ những người nghiên cứu về Tối Ưu Hóa tốt nghiệp từ Bỉ (đã trở về VN có, ở lại Bỉ cũng có) quyết định phải cùng nhau làm một cái gì đó đáng để làm ở VN. Trong số các anh em đã trở về VN, không ai bằng lòng với việc chỉ giảng dạy lý thuyết đơn thuần  vì họ thấy lãng phí những kiến thức, kinh nghiệm và những tháng năm tuổi trẻ đã dành cho việc học tập và nghiên cứu.

Có người chân trong, chân ngoài, đánh dự án khắp nơi mỗi khi tìm được gì phù hợp với chuyên môn của mình. Có người lại chọn giải pháp bôn ba qua các công ty và tập đoàn lớn tại VN để được trả công xứng đáng hơn, và vui vì được làm đúng với đam mê của mình dù chỉ mang tính thời vụ. Tuy cách tiếp cận khác nhau nhưng cái được lớn nhất là họ đều trở thành chuyên gia trong các lĩnh vực hẹp về Trí Tuệ Nhân Tạo (TTNT) của mình.

Khi đã có một đội ngũ đủ mạnh và kinh nghiệm, quyết định mở một công ty tại VN được thông qua dễ dàng như một lựa chọn tự nhiên. Chúng tôi hướng tới thị trường TTNT tại VN thông qua việc giải quyết các bài toán Tối ưu trong doanh nghiệp (DN). Tôi không biết tại sao nhiều người có suy nghĩ: “Ở Âu, Mĩ và các nước phát triển có nhiều vấn đề cần ứng dụng TTNT hơn ở VN”. Giáo sư người Bỉ, người trực tiếp hướng dẫn chúng tôi về chuyên ngành Tối Ưu Hóa là một người rất gắn bó với giáo dục bậc Thạc Sĩ và Tiến Sĩ của VN. Khi tới cảng Hải Phòng và theo dõi các hoạt động ở đây, ông đã phải buột miệng thốt lên: “Tôi thấy hàng trăm bài toán tối ưu hóa về logistics cảng biển ở đây. Sao các em không làm? “

Vâng, tại sao chúng tôi lại không bắt tay vào làm ngay nhỉ? Nhưng phải làm như thế nào bây giờ? Cần bắt đầu từ đâu? Giáo sư đã gợi ý và giúp đỡ tạo điều kiện cho chúng tôi liên hệ với một công ty ở Bỉ chuyên cung cấp các dịch vụ về cảng biển cho Hải Phòng, chúng tôi liên hệ – họ không trả lời. Qua một số mối quan hệ từ VN, chúng tôi cố gắng liên hệ với các đối tác VN của công ty này – vẫn không có câu trả lời. Lẽ thường trong làm ăn kinh doanh thôi, chắc là họ không có nhu cầu nên đã không trả lời. Về sau này tôi mới được biết lý do chính mà họ không trả lời là vì bản thân công ty ở Bỉ mà chúng tôi liên hệ trước đó đã nhiều lần tìm tới các giáo sư, giảng viên trong các trường đại học tại VN để thử tìm cách giải quyết các bài toán tối ưu hóa về logistics cảng biển, nhưng họ thất bại ngay từ việc xây dựng cơ chế làm việc giữa đội ngũ nghiên cứu và đội ngũ kinh doanh.

À hóa ra không chỉ riêng chúng tôi, ai cũng nhìn thấy nhu cầu về việc ứng dụng TTNT nhưng để xây dựng được một mô hình thực sự hiệu quả vể mặt kinh tế mới chính là rào cản lớn nhất tại VN. Từ chuyên gia đi làm thuê tới chuyên gia phải đi bán hàng, tôi như một đứa trẻ trong giới kinh doanh. Nói một cách ví von thì tự cảm thấy mình như một miếng bọt biển phải thấm hút tất cả mọi thứ xung quanh, cái gì cũng phải học hỏi và trải nghiệm. Bỏ qua các bài học khởi nghiệp đang là trào lưu hiện nay, thì dù cung cấp dịch vụ TTNT thì cũng không thể tránh khỏi các kiếp nạn kinh điển trong kinh doanh mà tất cả các công ty từ lớn tới nhỏ đều phải giải quyết: Từ việc gặp được người có quyền quyết định tại công ty khách hàng, thuyết phục họ cho mình làm thử miễn phí để chứng minh tính khả thi, tới việc định giá, thương thảo hợp đồng, kí kết hợp đồng, và cuối cùng quan trọng nhất là đòi tiền, duy trì hợp đồng, duy trì độ hài lòng của khách hàng.

Khoan hãy nói tới tiền, chúng tôi muốn tạo ra giá trị bằng các giải pháp TTNT thực tế cho phép tối ưu chi phí, tối ưu năng suất lao động, tối ưu lợi nhuận, và tối ưu các nguồn lực hạn hẹp của các DN Việt. Mong muốn là một chuyện nhưng trong thực tế, giá trị là thứ rất khó giải thích bằng lời trong kinh doanh, chỉ khi các giá trị vô hình đó được giải thích bằng các con số (tiền) cụ thể thì câu chuyện trở nên rất rõ ràng và thuyết phục.

Thực trạng ứng dụng TTNT tại VN

Trong quá trình làm dịch vụ TTNT ở VN, được tiếp xúc và làm việc với rất nhiều DN và tập đoàn lớn nhỏ, chúng tôi nhận ra rằng đây là một thị trường cực kì tiềm năng nhưng cũng đầy thử thách. Để minh họa cho đánh giá này, tôi xin được liệt kê ra đây 4 xu hướng chủ đạo về TTNT tại VN.

 

TTNT là Máy Học (Machine Learning)

Đây có lẽ là cách giải thích theo hướng học thuật được nhắc tới nhiều nhất không chỉ ở VN mà còn trên thế giới. Hàng loạt các hội thảo, khóa học, sự kiện về những ứng dụng của Máy Học với sự tham gia của các công ty, chuyên gia trong và ngoài nước được tổ chức với mật độ dày đặc từ Bắc chí Nam thu hút sự quan tâm của rất nhiều thành phần, độ tuổi trong xã hội. Rất nhiều khả năng thuyết phục về việc ứng dụng Máy Học được nhắc tới thông qua các ví dụ thực tế: Từ nhận dạng khuôn mặt, camera giao thông thông minh, phân loại nông sản tới nhận dạng chữ viết tay, biển số xe, CMTND, nhận dạng giọng nói, xe tự lái…

Trên lý thuyết tiềm năng là thế, thế nhưng trong thực tế những ứng dụng này hầu như chưa đi được vào các DN do chưa tạo ra được đủ độ tin cậy và ổn định. Có thể kể đến việc camera và phần mềm nhận dạng khuôn mặt phục vụ cho việc check in/check out công sở đến từ một cường quốc trên thế giới là Trung Quốc hiện chưa tạo ra được sự hài lòng cho các DN sử dụng. Khi nhận được các yêu cầu làm tốt hơn các sản phẩm sẵn có trên thị trường về nhận dạng khuôn mặt, phản xạ ngay lập tức của chúng tôi là từ chối. Đây là một bài toán mang tầm thế giới và đòi hỏi rất nhiều năm nghiên cứu bền bỉ với sự đầu tư về nhân vật lực khổng lồ.

Ngoài ra còn có thể kể đến một bài toán tiêu biểu, nhập môn về Máy Học cho việc nhận dạng chữ viết tay, biển số xe hay CMTND. Hiện tại theo hiểu biết hạn hẹp của mình, chúng tôi chưa thấy được bất kì phần mềm nào trên thị trường có thể đáp ứng được yêu cầu với hệ thống chữ viết, biển số xe hay CMTND VN. Có hai lý do cho vấn đề này: thứ nhất việc nhận dạng chữ viết biển số xe hay CMTND VN chưa được đầu tư phát triển nhiều như tiếng Anh; Thứ hai, yêu cầu của các DN có nhu cầu về phần mềm này thường rất cao, họ thường đòi hỏi việc nhận chính xác 100% hoặc chấp nhận sai số cực thấp trong khi không có đủ khả năng chi trả và không kiên trì đầu tư dài hạn (như các DN nước ngoài – Nhật là một ví dụ tiêu biểu).

Nói như vậy không có nghĩa là vơ đũa cả nắm tất cả các doanh nghiệp VN, khi làm việc với các tập đoàn lớn, chúng tôi nhận thấy sự cầu thị và sự trân trọng của họ đối với các chuyên gia. Chúng tôi hiểu được nỗi đau tốn kém của các tập đoàn lớn với kinh nghiệm đau thương khi làm TTNT với hầu hết các tập đoàn khổng lồ trên thế giới từ Google, IBM, Oracle đến các công ty mới nổi từ khắp nơi trên thế giới đến tư vấn và chào bán sản phẩm. Tôi xin phép được phân tích các lí do dẫn đến sự thiếu hiệu quả này trong phần sau.

  

TTNT là Xử Lí Ngôn Ngữ Tự nhiên (Natural Language Processing trong các ứng dụng về Chatbot)

Cách giải thích này thực sự đã tạo ra một cơn lũ các công ty làm phần mềm về Chatbot – trả lời khách hàng tự động cho 70-80% các công hỏi thông dụng nhất trong việc chăm sóc khách hàng, giảm thiểu nhân lực con người. Có hai lý do tạo nên làn sóng Chatbot này: Thứ nhất, việc tạo ra các sản phẩm Chatbot là công nghệ ít thách thức nhất trong TTNT; Thứ hai, Chatbot là một công nghệ chuẩn thế giới. Rất nhiều thư viện mã nguồn mở sẵn sàng và miễn phí cho phép các công ty tùy chỉnh và áp dụng hiệu quả cho các khách hàng của mình trong một thời gian ngắn. Đây cũng là một yêu cầu mà chúng tôi thường xuyên từ chối.

Bên cạnh việc không có lợi thế cạnh tranh, việc có quá nhiều nhà cung cấp trong và ngoài nước khai thác, cùng với giá nhân công thấp dẫn đến việc Chatbot không được đánh giá cao.

TTNT như Mì ăn liền

Đây là tên của một bài trình bày quảng bá cho Google API (các dịch vụ có sẵn cho Máy Học của Google) xuyên suốt từ Bắc chí Nam. Ý tưởng của Google là các DN công nghệ thậm chí không cần có năng lực Máy Học cũng có thể tạo ra các phần mềm TTNT một cách dễ dàng thông qua việc sử dụng các dịch vụ có sẵn từ Google và trả tiền cho mỗi lần gọi dịch vụ. Chúng tôi vẫn hay nói đùa với nhau là các dịch vụ này của Google giống Bào Ngư, Vây Cá chứ  không giống Mì ăn liền như họ quảng bá. Lí do hết sức đơn giản là khi áp dụng thực tế cho các DN, việc gọi dịch vụ của Google hàng ngàn, hàng triệu lần một ngày sẽ tạo ra chi phí khổng lồ cho các doanh nghiệp VN, trong khi hiệu quả thực tế vẫn là một dấu hỏi lớn. Ngoài Google, các gã khổng lồ khác trên thế giới như IBM, Amazon, Microsoft cũng đang chạy đua vũ trang quyết liệt cho miếng bánh thị trường màu mỡ này.

TTNT là tất cả mọi thứ khác Blockchain, IoT, Siri, …

Cùng với cuộc CMCN 4.0, TTNT đang là thứ trang sức được hầu hết các doanh nghiệp VN và cả thế giới ưa chuộng để đánh bóng hình ảnh của mình. Mọi thứ đều là TTNT, mọi thứ đều tự động hóa, mọi thứ đều màu hồng.

TTNT phục vụ cho Tối ưu

Khi gặp gỡ các doanh nghiệp VN, chúng tôi thường bắt đầu bằng các vấn đề cần Tối Ưu khi các nguồn lực là hạn hẹp dù đối với các công ty nhỏ hay các tập đoàn với doanh thu hàng nghìn tỉ mỗi năm. Bắt đầu vấn đề với cách tiếp cận cầu thị và trung thực với mong muốn hiểu các vấn đề khó khăn của doanh nghiệp, chúng tôi luôn giữ được uy tín, quan hệ và hình ảnh tốt dù có đi tới được hợp đồng hay không. Bằng cách hiểu vấn đề và nghiên cứu độ khả thi của các giải pháp trong một thời gian không quá dài, chúng tôi luôn tư vấn giúp cho các khách hàng đưa được ra các quyết định ngay từ ban đầu về việc nên làm hay không làm để tránh được sự lãng phí về thời gian, nhân vật lực và tiền bạc. Đối với các tập đoàn lớn, đôi khi họ phải chấp nhận một mặt sử dụng các hệ thống lớn với giá cao, mặt khác xử lí một cách thủ công, kinh nghiệm với các tác vụ đặc thù không theo bất cứ một chuẩn nào trên thế giới của doanh nghiệp mình. Lật lại vấn đề, tại sao các gã khổng lồ về TTNT không muốn giải quyết các vấn đề đặc thù tại VN? Câu trả lời theo logic là vì chúng không đáng để đầu tư nghiên cứu với kinh phí quá cao, trong khi vấn đề đặc thù của DN này lại khác xa vấn đề của các DN khác ngay tại thị trường VN. Trong kinh doanh, không có chuyện đầu tư lớn để tạo ra sản phẩm phục vụ cho duy nhất một DN với giá rẻ mà không có khả năng nhân rộng và bán được trên toàn VN, Châu Á hay thậm chí thế giới.

baoai

Bài tóm tắt đăng trên số Tết báo KH&PT

Thay cho lời kết, với những thành công nhỏ bước đầu của mình, chúng tôi thực sự nỗ lực tạo ra một trào lưu sử dụng TTNT trong các vấn đề Tối Ưu, Tự Động Hóa, Số Hóa trong các doanh nghiệp VN. Một mặt các chuyên gia TTNT VN khẳng định được năng lực của mình; mặt khác họ được trả công một cách xứng đáng, được làm đúng đam mê và tạo ra các giá trị có tầm lan tỏa lớn. Để làm được như vậy cần sự hưởng ứng mạnh mẽ từ các doanh nghiệp VN, từ việc cung cấp đầy đủ các dữ liệu chân thực, nghiệp vụ đặc thù, cho tới việc chuẩn bị một đội ngũ hỗ trợ các chuyên gia trong quá trình dài hơi tạo ra các sản phẩm TTNT mang thương hiệu thuần Việt.

Daily Opt – mô hình công ty chỉ làm về Tối ưu và AI

Góc nhìn về công ty

cropped-35225420_2151248484889569_916903860461633536_n.jpg

Daily Opt (DO) được xây dựng từ đội ngũ chuyên gia hầu hết tốt nghiệp PhD từ Châu Âu, với nhiều năm kinh nghiệm trong môi trường phần mềm tại Châu Âu và Việt Nam. Tuy nhiên, DO không nhận các dự án phát triển phần mềm đơn thuần (không có lợi thế cạnh tranh trong thị trường Gia công phần mềm đã phát triển bão hòa) mà chỉ tập trung xây dựng các giải pháp thế mạnh Trí tuệ nhân tạo (Artificial Intelligence – AI) trọng tâm về Tối ưu (Optimization – Opt), Phân tích dữ liệu/dữ liệu lớn (Data Analytics – DA và Big Data – BD), Học máy (Machine Learning – ML, Deep Learning – DL), và Thị giác máy tính (Computer Vision – CV).

Các giải pháp của DO được cung cấp dưới dạng dịch vụ Web services hoặc thư viện đóng gói Libraries nhỏ gọn, loại bỏ các xử lí thừa, dễ dàng tích hợp và đem lại hiệu năng cao.

 

Góc nhìn về con người
DO xây dựng xung quanh các (profile) chuyên gia. Các chuyên gia tại DO (gọi tắt là DOer) hầu hết là các PhD – điều kiện cần để làm việc trong các dự án AI có đòi hỏi cao về nghiên cứu. Điều kiện đủ: DO không làm phần mềm đơn thuần, nhưng các DOer cần có nhiều kinh nghiệm làm việc với các dự án phần mềm để có thể tuân thủ chặt chẽ các quy định của khách hàng, cũng như mềm dẻo linh hoạt trong việc thiết kế, phát triển và triển khai các giải pháp kết hợp với phần mềm, hệ thống của khách hàng.

DO hướng đến việc phát triển tối đa các năng lực riêng và đam mê của từng DOer. Đây là một khẩu hiệu được sử dụng rất thịnh hành tại các công ty công nghệ nhưng hầu như chỉ dừng ở mức hô hào, trong khi đó tại DO đây là nguyên tắc bắt buộc cho việc phát triển các dự án: Đúng người – Đúng việc – Đúng đam mê.

ký-hợp-đồng

Một số ví dụ cụ thể:

  • DungPQ – Opt DOer chịu trách nhiệm (lead) các dự án về Tối ưu (điển hình là “dự án trọn đời” về Opt trong logistics với đối tác Smartlog)
  • TrungBQ – DA/BD DOer chịu trách nhiệm (lead) các dự án Phân tích dữ liệu/dữ liệu lớn (như Phân tích dữ liệu kho hàng, Quản lý rủi ro trong ngân hàng, Đánh giá độ tin cậy của các đối tượng trong quản lí tài chính, Tìm địa điểm cho các chuỗi cửa hàng)
  • SangDV – ML/DL DOer chịu trách nhiệm (lead) các dự án về Học máy (điển hình là dự án dài hơi tới sau 2020 về áp dụng ML, DL trong du lịch cùng một khách hàng Nhật không tiện kể tên)
  • TaiNH – CV DOer luôn chịu trách nhiệm (lead) các dự án về Thị giác máy tính (như nhận dạng và phân loại các đội tượng chuyển động với tốc độ cao từ camera/video với chất lượng vừa phải, cung cấp giải pháp xử lí ảnh/video hiệu năng cao với nhiều cấu hình đặc thù cho khối lượng ảnh/video đầu vào lớn)

 

DO là công ty nhỏ
Vâng, DO là một công ty nhỏ với quy mô nhỏ với 4 DOers khi mới thành lập vào tháng 11/2016 và 15 DOers cho tới thời điểm hiện tại tháng 10/2018, các DOer được trải đều Việt Nam trên khắp 3 miền Bắc (HN), Trung (ĐN), Nam (SG). DO có đầy đủ lợi thế của một nhóm chuyên gia (elite): hiệu quả, mềm dẻo và linh hoạt.

Tại DO, mô hình quản lý phẳng: các DOer hỗ trợ lẫn nhau, không phân cấp dựa trên nguyên tắc: Thẳng thắnChịu trách nhiệm. Khi một DOer nhận một dự án đúng với đam mê và sở trường của mình thì vấn đề nan giải “Chịu trách nhiệm” trở nên hết sức nhẹ nhàng và “Thẳng thắn” chính là chất bôi trơn cho việc kết hợp các DOers với nhau.

DO có lợi thế gì so với các ông lớn về AI trên thế giới như Google, Amazon, IBM ?
Câu trả lời rất đơn giản. Các công ty lớn về AI trên thế giới như Google, Amazon, IBM luôn cung cấp các giải pháp cho các vấn đề chuẩn (standard) với chi phí dịch vụ rất cao. Trong khi thực tế tại các thị trường ở Việt Nam thì khái niệm vấn đề chuẩn gần như không tồn tại. DO đi cùng đối tác và khách hàng ngay từ khâu xác định vấn đề, phát triển giải pháp từ con số 0 và triển khai giải pháp đến tận end-user.

 

Slack khai tử mô hình giao tiếp và quản lí bằng email truyền thống
Không phải ngẫu nhiên mà các dự án dài hơi và quan trọng tại DO lại được quản lí tập trung trên Slack. Thậm chí tất cả các project đơn lẻ và việc quản lí nội bộ công ty cũng được tập trung trên các channel (tên gọi một kênh cho mỗi project) khác nhau của Slack.
Lí do rất đơn giản: Slack miễn phí, Slack hiệu quả, Slack đầy đủ, và Slack cho phép quản lý nhân lực phân tán:

  • Cho phép các thành viên làm việc với nhau từ xa, online
  • Voice, Chat, Message
  • Tạo channel cho từng project với các thành viên liên quan
  • Channel chung cho tất cả các thành viên
  • Lưu trữ file tài liệu theo từng dự án, từng chủ đề
  • Thảo luận trên các comment, file được upload
  • Gim lại các nội dung quan trọng
  • Tag từng người hoặc tất cả thành viên trong 1 channel
  • Tùy biến thông điệp từ người quản trị khi tải Slack
  • Tùy biến cài đặt các ứng dụng có sẵn hoặc người dùng tự viết

Mời các bạn đón đọc các bài viết chuyên sâu tiếp theo về từng thị trường đặc thù về Tối ưu và AI mà DO đang khai thác…

CHỈ CÓ NƯỚC NGA Ở LẠI

Chẳng hẹn hò nào là mãi mãi, World Cup không ngoại lệ. Các nước đã lục tục trở về, chỉ nước Nga là ở lại. Và cho dù trở về hay ở lại thì mọi sinh hoạt vẫn phải quay về nếp cũ.
Chiều qua, trên quảng trường Grand Place ở thủ đô Bruxelles, những con Quỷ đỏ đã có một buổi ra mắt không thể hoành tráng hơn cho một sự trở về, vinh quang nhất trong lịch sử của họ.

 
Nước Pháp chắc chắn cũng sẽ có một lễ đón không kém thế hệ đàn anh của họ cách đây đúng 20 năm trên sân nhà ở France 98, người ở lại Didier Deschamps đã giúp họ làm được điều mà mọi người hâm mộ Gà trống Gaulois chờ đợi.

 
Daily Opt, với đa phần thành viên ít nhiều gắn bó với hai đất nước kể trên cũng sẽ có một cuộc trở về chừng mực và cân bằng, trở về với nhịp sinh hoạt cũ, không bóng đá, không í ới nhau vào điền tỷ số trước giờ bóng lăn, ông nào quên thì mất điểm ráng chịu.

 
Thể thức thi đấu tính điểm qua từng trận khiến không khí nóng liên tục ở ngoài sân bóng, trên không gian mạng và ở phạm vi toàn cầu, với các thành viên thi đấu lệch múi giờ với sân chơi đặt tại Việt Nam. Không loại trực tiếp, không đối đầu, không nhường điểm, không tranh suất, số điểm thưởng tăng đều qua các vòng đấu, bao gồm đoán đúng tỷ số, đoán đúng kết quả (thắng, hòa, thua) hoặc không gì trong hai thứ trên. Qua 5 vòng đấu, từ sơ loại đến chung kết, BTC dự đoán kết quả World Cup Russia 2018 của Daily Opt đã chọn được 3 khuôn mặt lỳ lợm nhất rất ngẫu nhiên trải khắp 3 miền Bắc – Trung – Nam (có chút tài tình và may mắn trong đó) để trao giải, cụ thể như sau :

WC_DO

1. Giải nhất : Vietht – Team Di động (Di động giữa các team)

  • Giải thưởng : 1.000.000 đồng cụ Hồ, chỉ hiện kim, không hiện vật, không cả bằng chứng nhận đoạt giải (Đà Nẵng được cái hải sản cũng rẻ, combo 2 người lớn + 2 trẻ em bao gồm Huda mỗi người mỗi đơn vị lon, bất kể lớn nhỏ ; khai vị mực hấp ; món chính tôm nướng 4 con 2 lạng vẫn mỗi người một con và cháo hải sản tráng miệng. Chắc là đủ, không đủ ráng chịu, 1 người chơi, 3 người ủng hộ và cùng hưởng thành quả cách mạng, không thể tối ưu hơn được nữa).

2. Giải nhì : Hopnx – Team Daily Harvest (Thu gom và vận tải là nghề của chàng, nhưng chỉ vận dụng Tối ưu-Optimization mà không có Trí tuệ nhân tạo-AI thì kết quả chỉ có thể như thế, không hơn)

  • Giải thưởng : 600.000 đồng cụ Hồ, đủ đãi vợ con một trận bún bò, cơm hến, chè Huế chết bỏ (nhà ít người được cái lợi đấy), giấy chứng nhận không cần thiết.

3. Giải ba : Dungpq – Team Optimization-AI-DM (ứng dụng rất tốt AI cho vòng bảng, sang các vòng sau chuyển sang Data Mining nên bị đứt mạch chiến thắng tưng bừng, giải ba e cũng hợp lý cho những tính toán thiếu yếu tố Tối ưu trong đó).

  • Giải thưởng : 400.000 đồng cụ Hồ, nhà 4 người tiêu chuẩn nên chỉ có thể chọn lựa hoặc Phở Thìn Lò Đúc hoặc Khoa ngan-Đệ Nhất Ngan Hà Thành cho món chính và Kem Tràng Tiền cho món khai vị và tráng miệng, khai vị với kem cốm và tráng miệng với vanille, đậu xanh, ốc quế.

Vì cơ cấu giải chỉ có chừng đó nên chương trình tạm kết thúc tại đây, không giải khuyến khích, không dự đoán đẹp, không dự đoán tài năng, không dự đoán có yếu tố phụ nữ, BTC cũng tự động giải tán sau khi đã chuyển giải đến tài khoản của các người chơi chiến thắng.

 
Anh em ra về hoan hỉ, chỉ nước Nga là ở lại với ông Lê-Nin ở nước Nga mà em lại thấy rất là Việt Nam, khép lại một mùa World Cup tưng bừng 4.0.