Sau những nỗ lực rất lớn của các nhà cung cấp dịch vụ đám mây nội địa trong việc nắm bắt xu hướng chuyển đổi số, thị phần Cloud trong nước đã bắt đầu tăng, tham gia vào cuộc đua với các nhà cung cấp Cloud quy mô toàn cầu.

Đối mặt với áp lực phải cung cấp các dịch vụ thông minh, nhanh chóng và cá nhân hóa hơn, các công ty dịch vụ chuyên nghiệp đang dần ứng dụng AI để thay đổi cách vận hành của mình

Một cách tiếp cận thực tế cho các doanh nghiệp để xây dựng chiến lược lưu trữ giúp tối ưu hóa chi phí trong khi vẫn đáp ứng nhu cầu về hiệu suất và bảo mật.

Sau khi tìm hiểu về 7 dự án Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) trong phần đầu tiên, hãy cùng VNG Cloud tiếp tục khám phá 6 dự án nổi bật khác trong phần 2. Những dự án này trải rộng trên nhiều ứng dụng NLP và có thể giúp bạn hiểu cũng như xử lý ngôn ngữ tự nhiên thông qua các kỹ thuật học máy.

Người ta thường nghĩ AI (trí tuệ nhân tạo) mặc dù vượt trội trong việc ra quyết định dựa trên dữ liệu nhưng chúng vẫn gặp khó khăn trong các nhiệm vụ định tính so với con người.

Deep learning, một lĩnh vực con của machine learning đang phát triển nhanh chóng, đã đạt được những kết quả tăng trưởng đáng kể trong lĩnh vực trí tuệ nhân tạo (AI) bằng cách mô hình hóa những mối liên kết phức tạp của dữ liệu. Kỹ thuật này liên quan đến việc huấn luyện các mạng nơ-ron nhân tạo đa lớp, cho phép chúng tìm được thông tin giá trị từ các bộ dữ liệu lớn, giúp dự đoán chính xác, phân loại thông tin và thực hiện các nhiệm vụ phức tạp một cách hiệu quả hơn so với các thuật toán machine learning truyền thống. Các ứng dụng của deep learning trải rộng trong nhiều lĩnh vực khác nhau, từ chăm sóc sức khỏe, tài chính, nông nghiệp đến xử lý ngôn ngữ tự nhiên (NLP), chứng tỏ tác động mạnh mẽ của nó.

Mặc dù trí tuệ nhân tạo (AI), học máy (machine learning), học sâu (deep learning) và mạng nơ-ron (neural network) là những công nghệ liên quan tới nhau, việc sử dụng những thuật ngữ này để thay thế cho nhau vẫn thường gây ra sự nhầm lẫn dù có sự khác biệt giữa chúng. Bài viết này sẽ làm sáng tỏ sự mơ hồ xung quanh những khái niệm này.

Dự kiến chi phí cho cơ sở hạ tầng đám mây của các doanh nghiệp sẽ vượt ngưỡng 1 nghìn tỷ USD vào năm 2024 trên toàn thế giới. Điều này được thúc đẩy bởi những yếu tố như nhu cầu ngày càng tăng về việc áp dụng các nền tảng mới và các dịch vụ theo mô hình as-a-service, đặc biệt là các dịch vụ trí tuệ nhân tạo (AI).

Mô hình Ngôn ngữ lớn (Large Language Model - LLM) là thuật toán deep learning mạnh mẽ với khả năng xử lý nhiều tác vụ trong natural language processing (NLP).

Các doanh nghiệp trên khắp thế giới đang nhanh chóng áp dụng tiềm năng của các mô hình ngôn ngữ lớn (LLM) như ChatGPT của OpenAI, Claude của Anthropic và Jurassic của AI12Lab để nâng cao các mục tiêu kinh doanh như nghiên cứu thị trường, dịch vụ chăm sóc khách hàng và sản xuất nội dung.

Sự phát triển đột phá trong lĩnh vực Generative AI thường xuyên được đề cập trên các phương tiện truyền thông hiện nay. Sự quan tâm này hoàn toàn có cơ sở, vì theo nghiên cứu “The economic potential of generative AI” của McKinsey cho thấy công nghệ Generative AI có khả năng mang lại giá trị từ 2,6 nghìn tỷ đến 4,4 nghìn tỷ USD hàng năm. Giám đốc thông tin (CIO) và Giám đốc công nghệ (CTO) đóng vai trò then chốt trong việc khai thác giá trị tiềm năng này. Tuy nhiên, cần phải nhớ rằng chúng ta đã thấy các trường hợp tương tự trong quá khứ với các công nghệ như internet, di động và mạng xã hội. Những đổi mới này đã khơi nguồn một loạt các thí nghiệm và dự án thử nghiệm, nhưng việc hiện thực hóa mức giá trị kinh doanh lớn cũng thường đi kèm những thách thức đáng kể. Nhiều bài học quý báu thu được từ những xu hướng trước đó vẫn còn phù hợp cho ngày nay, đặc biệt là về quá trình chuyển từ giai đoạn thử nghiệm sang giai đoạn mở rộng quy mô ra đại chúng.

Điện toán đám mây cách mạng hóa hoạt động ngân hàng bằng cách cho phép kết nối trực tiếp giữa nhân viên ngân hàng và người dùng. Thông qua các dịch vụ số được cung cấp bởi điện toán đám mây, quan hệ khách hàng có thể được duy trì mọi lúc, mọi nơi. Internet tạo điều kiện lưu trữ, quản lý và truy cập thông tin liền mạch, mang lại lợi ích cho cả ngân hàng và người tiêu dùng.

Lĩnh vực chăm sóc sức khỏe hiện đang trải qua giai đoạn đổi mới mạnh mẽ. Những tiến bộ công nghệ đang ảnh hưởng đến các khía cạnh khác nhau của ngành, bao gồm bảo mật, khả năng chuẩn đoán, tiếp cận và hiệu quả chi phí.

Máy ảo (Virtual Machine - VM) và Container là những công nghệ có nhiều điểm tương đồng vì cả hai đều góp phần vào việc tăng cường hiệu suất công nghệ thông tin, tạo điều kiện thuận lợi cho tính di động của ứng dụng và thúc đẩy các phương pháp DevOps. Tuy nhiên, hiểu rõ sự khác biệt giữa chúng là yếu tố quan trọng để phát triển một chiến lược linh hoạt và cung cấp ứng dụng dựa trên điện toán đám mây.

Là người quản lý CNTT, developer hoặc designer, bạn có thể nhận thức được tác động đáng kể của việc lựa chọn phần cứng đối với hiệu suất, hiệu quả và chi phí dự án của mình. Tuy nhiên, việc xác định nên sử dụng CPU hay GPU cho một công việc của bạn có thể là một quyết định khó khăn. Bạn phải cân nhắc cẩn thận những ưu điểm và nhược điểm của từng lựa chọn. Ngoài ra, việc hiểu những việc nào phù hợp để sử dụng CPU hoặc GPU là rất quan trọng. Trong bài viết sau, chúng ta sẽ khám phá lời giải đáp cho những câu hỏi này, và tìm hiểu sâu hơn về ưu/nhược điểm của từng lựa chọn.

Big Data (hay Dữ liệu lớn) là một nguồn tài nguyên vô hạn, đóng vai trò quan trọng trong rất nhiều hoạt động của các doanh nghiệp. Trong chăm sóc sức khỏe, Big Data có thể giúp phát hiện bệnh tật ở giai đoạn đầu. Trong lĩnh vực ngân hàng, Big Data hỗ trợ nhận ra các hoạt động bất hợp pháp như rửa tiền. Còn trong khí tượng học, Big Data có thể giúp nghiên cứu hiện tượng nóng lên toàn cầu.