Ông cho hay: "Những nội dung xấu, sự căm ghét trên mạng xã hội đôi khi còn nhiều hơn những điều tốt đẹp. Facebook lẽ ra có thể dùng những biện pháp để ngăn chặn điều này".

CEO Air Asia đã tiên phong việc ngừng dùng Facebook, thể hiện sự chưa hài lòng về việc Facebook xử lý các video phát sóng trực tiếp vụ xả súng tại New Zealand .

CEO AirAsia - Tony Fernandes

Trước đó, sáng 15/3, nghi phạm khủng bố đã phát sóng trực tiếp vụ xả súng trong một nhà thờ tại NewZealand với video dài 17 phút.

Cảnh sát đã cảnh báo Facebook về vấn đề này và Facebook đã nhanh chóng xoá tài khoản của nghi phạm và các video. Facebook cũng cho biết, họ cũng đã loại bỏ những lời khuyến khích hay ủng hộ vụ thảm sát ngay khi họ phát hiện ra.

Dù vậy, những điều này vẫn là chưa đủ với vị CEO của hãng máy bay. Nhận mình là "fan của mạng xã hội", video phát trực tiếp này vẫn khiến ông quyết định bỏ Facebook. Fernandes có khoảng 670.000 người theo dõi trên mạng xã hội này.

Ông cho biết: " Đây là nền tảng tốt để giao lưu nhưng sự việc này quá sức chịu đựng với tôi. Tôi từng là nạn nhân của nhiều thông tin giả và tin lừa đảo tiền ảo. Facebook cần có sự chọn lọc và đừng chỉ nghĩ đến vấn đề tài chính".

Hôm thứ bảy, Facebook cho biết, họ đã xoá 1.5 triệu video về vụ tấn công.

Theo LĐO

Loạt nhân sự cấp cao của Facebook dứt áo ra đi

Giám đốc sản phẩm Chris Cox, một trong những nhân sự cấp cao nhất của Facebook, vừa thông báo sẽ rời Facebook. Lãnh đạo WhatsApp, Chris Daniels, cũng nghỉ việc.

Người kế nhiệm này được nâng cấp bộ xử lý Atom của phiên bản cũ lên Core m3-7Y30 với đồ họa tích hợp HD Graphics 615, ram được nhân đôi lên 8GB. Kích thước màn hình sẽ được tăng lên 6-inch, tuy nhiên vẫn chạy ở 720p. Dung lượng pin của Win 2 cũng sẽ được tăng lên gần 50% so với người tiền nhiệm nhờ trang bị hai chiếc pin 4900mAh.

Bên cạnh những thay đổi về cấu hình trên, thiết kế của chiếc máy này cũng có một số tinh chỉnh và cải tiến, chẳng hạn như hỗ trợ rung. Tuy nhiên nhìn chung thì nó vẫn còn khá giống với chiếc Win cũ. Đây đều là 2 chiếc laptop bỏ túi, sử dụng Win 10 và thiết kế tay cầm điều khiển được tích hợp với thân máy. Ưu điểm chính của thiết bị này là nó chạy được hầu hết toàn bộ những gì mà người dùng cần, tất nhiên là trong mức độ cho phép. Còn nhược điểm chính của thiết kế là phần giao diện người dùng của thiết bị không phải lúc nào cũng phù hợp với kích cỡ của màn hình.

Bán ra với mức giá thấp nhất là 649 USD

Và thậm chí, game thủ còn có thể... bán lại game của họ đã mua, đã phá đảo để lấy tiền mua game bản quyền mới. Đây là điều chưa bao giờ có trong lịch sử. Bất kỳ game nào muốn refund thì đều phải chơi trong khoảng thời gian dưới 2 tiếng đồng hồ như trên Steam, hoặc chưa bao giờ tải về máy như PS4, còn việc cho game thủ chơi chán game rồi bán đi thì quả thật vô tiền khoáng hậu.

Tuy nhiên thay vì đổi game ra một đồng tiền thật nào đó, Robot Cache lại đưa ra một đơn vị tiền ảo mới toanh có tên IRON, cho phép người sử dụng lấy tài khoản để đổi chác thành những game bản quyền phát hành trên nền tảng của Robot Cache. Tối đa, sau khi chơi game, một tựa game sẽ có thể đem về cho game thủ 25% tổng số tiền đã bỏ ra để mua game. Hiểu một cách đơn giản, phá đảo 4 game, bán đi, mua một game mới toanh về chơi tiếp.

Về phần các nhà phát triển game, thay vì 70% lợi nhuận được đổ về túi tiền của họ như ở Steam, thì tại đây, đôi khi số tiền thu về cho họ có thể lên tới 95%, một con số khiến ai cũng phải há hốc mồm kinh ngạc.

Không chỉ dừng lại ở đó, bạn còn có thể cắm máy cày coin y như những người đang chơi tiền ảo và dùng đồng IRON này để mua game, hiểu đơn giản là đổi tiền mua key game thành... tiền điện. Dự kiến Robot Cache sẽ chính thức ra mắt vào Quý 2 năm nay.

Theo GameK

HLV Trưởng của MVP, Kwon Jae-hwan, đã phát ra thông báo trên tài khoản Twitter chính thức của tổ chức rằng đội tuyển sẽ bỏ ra 10,000 Won (khoảng 10 USD, tức hơn 220,000 đồng) với mỗi điểm hạ gục các tuyển thủ ghi được trong các ván thắng trong khuôn khổ LCK.

HLV Trưởng Kwon Jae-hwan

Anh cũng đề nghị các fan hâm mộ “cổ vũ cho đội và các tuyển thủ để họ có thể ghi được thật nhiều điểm hạ gục.”

“Tôi nghe nói tại MLB, tay ném bóng, Clayton Kershaw, đã ủng hộ 500 USD mỗi khi anh thực hiện được một cú ‘strikeout’ (đối phương vung chày nhưng đập hút bóng-PV)”, vị HLV Trưởng của MVP viết. “Tôi đã suy nghĩ một thời gian để làm điều gì đó ý nghĩa như vậy, nên đã nói chuyện với các tuyển thủ, chúng tôi quyết định ủng hộ 10 USD với mỗi điểm hạ gục chúng tôi có được trong những ván thắng.”

Tuy nhiên, có vẻ như hành động mang đậm tính nhân văn của vị HLV Trưởng họ Kwon vẫn chưa tạo ra động lực thi đấu cho MVP – khi đội tuyển này vừa đón nhận thất bại 0-2 trước KT Rolstercách đây ít phút.

Đây đã là trận thua “trắng” thứ hai liên tiếp của MVP ở tuần khai mạc LCK Mùa Xuân 2018. Do đó, họ vẫn chưa có cơ hội để bắt đầu quyên góp tiền từ thiện cho những người gặp khó khăn trong cuộc sống.

Nhưng mùa giải mới chỉ bắt đầu và MVP vẫn còn rất nhiều trận đấu trước mắt để có thể tạo cảm hứng, khích lệ những đội tuyển khác tại LCK Mùa Xuân 2018 hành động như mình.

Trước mắt, MVP sẽ chạm trán Jin Air Green Wingsvào lúc 15g00 ngày 24/01.

Chịu (Theo Inven Global)

Người ta đã sử dụng A.I trong nhiều lĩnh vực như tuyển dụng, bán lẻ, gợi ý hàng tiêu dùng… Tuy nhiên, trí tuệ nhân tạo cũng bộc lộ điểm yếu khó chấp nhận: Chúng khá thiên vị.

Thiên vị có thể là hành vi của riêng con người, và “máy móc không biết nói dối". Nhưng AI, với nguồn gốc từ một cỗ máy lại có thể thiên vị, tức chúng ưu tiên người da trắng hơn da màu trong việc tuyển dụng chẳng hạn. Chính “lỗ hổng” này làm cho các nhà khoa học rất đau đầu và quyết tìm ra nguyên nhân hòng khắc phục triệt để. Tuy nhiên mọi việc không hề đơn giản.

Thiên vị xuất phát từ đâu?

Chúng ta thường đơn giản hóa vấn đề bằng cách đổ lỗi. Trong trường hợp này, có thể cho rằng A.I cũng chỉ là máy, máy móc thiên vị do dữ liệu nhận được bị sai lệch. Nói cách khác dữ liệu mang tính thiên vị.

Tuy nhiên sự thật, dữ liệu chỉ là bước gần cuối cùng của quá trình AI suy nghĩ và giải quyết vấn đề. Nói cách khác, sự thiên vị đã bám rễ rất lâu trước khi các dữ liệu được đưa vào máy tính xử lý. Bản thân các thuật toán xử lý đã có tính thiên vị từ lâu.

Không riêng con người, AI cũng mang tính thiên vị rất cao. Ảnh: Science.

 Ngay từ khi các nhà khoa học máy tính tạo ra mô hình học sâu, họ đã phải quyết định xem rốt cuộc cái họ muốn đạt được là gì. Ví dụ xử lý dữ liệu khách hàng tiềm năng cho một công ty tín dụng. Công ty muốn trí tuệ nhân tạo tìm ra những khách hàng tiềm năng nhất cho họ. Nhưng “tiềm năng nhất” là gì? Là có nhiều tiền hay nhiều khả năng mang lại lợi nhuận cho công ty thông qua vay tín dụng?

Bởi máy tính cần phải số hóa được các tiêu chí đưa ra, chúng chỉ xử lý và phân tích xem các con số của người dùng là lớn hay nhỏ để có thể xem đó là “tiềm năng”.

Như vậy, nếu khách hàng có nhiều tiền nhưng họ không vay tín dụng thì công ty tín dụng sẽ ít lợi nhuận, nhưng ngược lại những người hay vay tiền lại là đối tượng mang lại lợi nhuận lớn hơn, đổi lại tỷ lệ trả tiền của họ có thể thấp hơn, dẫn tới rủi ro cao hơn.

“Từ thuở khai sinh, các thuật toán ra đời để giải quyết mục tiêu số hóa khác nhau của người dùng, chứ không phải để đánh giá công bằng bản chất của họ”, Solon Barocas, trợ lý giáo sư tại đại học Cornell cho biết. Anh là chuyên gia trong lĩnh vực kiểm soát "yếu tố công bằng” của AI.

Như vậy, nếu thuật toán phát hiện ra đối tượng người dùng thích vay tiền và vay nhiều tiền trong quá khứ, nó sẽ kết luận họ là đối tượng “tiềm năng” cho công ty tín dụng. Tuy nhiên, trên thực tế các đối tượng này lại là đối tượng cần tránh xa do rủi ro mà họ mang lại.

Do các vấn đề trên mang tính lựa chọn và cả triết học (đâu là lựa chọn đúng, đâu là sai), xử lý dữ liệu đầu vào tốt có vẻ vẫn là cách khả thi hơn để giải quyết sự thiên vị của máy tính.

Sự thiên vị của AI không dễ để khắc phục bởi phụ thuộc vào tính lựa chọn và cả triết học khi định nghĩa một lựa chọn. Ảnh: Medium.

Dữ liệu cung cấp bị thiên vị

Có hai cách mà sự thiên vị thể hiện trong dữ liệu cần xử lý: Hoặc dữ liệu bạn thu thập không thể hiện đúng thực tế, hoặc nó phản ánh những định kiến hiện có.

Trường hợp đầu tiên có nhiều khả năng xảy ra. Ví dụ, nếu một thuật toán học sâu được cung cấp nhiều hình ảnh về khuôn mặt có màu da sáng hơn so với khuôn mặt có màu da tối, hệ thống nhận diện khuôn mặt chắc chắn sẽ cho rằng gương mặt tối là “không tốt bằng”.

Trường hợp thứ hai đã xảy ra khi Amazon phát hiện ra công cụ tuyển dụng nội bộ của họ liên tục sa thải các ứng cử viên nữ. Bởi nó được học về các quyết định tuyển dụng trong lịch sử công ty, vốn ưa thích đàn ông hơn phụ nữ, nên nó đã chọn cách làm tương tự.

Sự thiên vị có thể xuất hiện trong giai đoạn chuẩn bị dữ liệu, tức việc chọn thuộc tính của đối tượng cho thuật toán xem xét. Ví dụ như trong việc đưa ra các tiêu chí cho “khách hàng tiềm năng” của công ty tín dụng trên, các thông số có thể là tuổi tác, thu nhập, số lần đã trả nợ. Trong trường hợp của Amazon, các thông số có thể là giới tính, trình độ học vấn, số năm kinh nghiệm.

Chính vì các thông số đó dễ bị nhầm lẫn và không hoàn toàn đánh giá đúng đối tượng là con người, việc chọn ra bộ thông số phù hợp với nhu cầu người dùng và đưa cho máy tính xử lý sao cho kết quả ra công bằng là không thể đạt được.

AI có thể đưa ra đúng đối tượng mà bạn mong muốn, nhưng nó chắc chắn sẽ mang tính thiên vị khi loại ra những đối tượng khác.

Rất khó khắc phục sự thiên vị của AI

Ngay cả chúng ta, những con người tạo ra máy móc cũng mang tính thiên vị rất cao. Do đó, có những nguyên nhân căn bản bên trong mang tính triết học mà ngay cả con người còn chưa vượt qua được, huống hồ máy móc.

Đầu tiên là việc không lường trước cái chưa biết. Khi thả bom nguyên tử xuống Nhật Bản, người Mỹ chưa nghĩ tới bụi phóng xạ sẽ còn tồn tại và gây ung thư cho rất nhiều người sau này. Hoặc khi tìm ra xăng dầu vào đầu thế kỉ XX, chưa ai từng nghĩ đến vấn đề nóng lên toàn cầu mà ngày nay chúng ta phải đối mặt.

Mọi vật đều có liên quan ít nhiều đến nhau, các thông số đặc trưng của đối tượng này sớm muộn cũng sẽ bị ảnh hưởng bởi thông số đặc trưng của đối tượng khác.

Amazon tá hỏa khi công cụ của mình loại bỏ toàn nhân viên nữ. Ảnh: Timeslive.

Các kĩ sư của Amazon không ngốc tới mức không lường trước sự thiên vị của AI mà họ xây dựng. Họ đã lập trình để nó bỏ qua các cụm từ về giới tính như “dành cho nam giới”, “của phụ nữ”.

Tuy nhiên người ta sớm phát hiện rằng hệ thống ngôn ngữ của nhân loại hết sức đáng sợ. Các cụm từ khác ám chỉ về giới tính đã được cỗ máy đưa vào dữ liệu cần học như “đao thủ” (100% các đao thủ trong lịch sử là nam giới) hoặc “nội trợ” đã biến khối dữ liệu đầu vào trở nên thiên vị.

Đâu là công bằng?

Chắc chắn rất khó để định nghĩa “sự công bằng” trong xã hội, ngay cả trong triết học cũng không có khái niệm thuyết phục về "tính công bằng”. Đó là lý do các hệ thống pháp luật luôn có kẽ hở và suốt chiều dài lịch sử, loài người luôn tìm kiếm một tầng lớp, một vật thể nào đó gánh hết “bất công” của xã hội như nô lệ, súc vật, máy móc.

Đối với khoa học, “công bằng” chỉ đơn giản là sự cân bằng các đại lượng. Chính sự khác nhau rất lớn giữa 2 khái niệm “công bằng” trong toán học và thực tế xã hội, mà A.I còn lâu mới có thể trở nên công bằng như cái cách mà người ta mong muốn, vì suy cho cùng, con người còn chưa xác định rõ cái “công bằng” mà họ muốn ở đây là gì.

Như trong bài toán của Amazon, đôi khi đúng là các nhân viên nam giới mạnh hơn nhân viên nữ và sẽ phù hợp hơn cho công việc. Tôi mạnh khỏe hơn, tôi được tuyển dụng, chân lý đó chẳng phải đã có từ thuở chúng ta còn ăn lông ở lỗ hay sao? Như vậy, việc máy tính loại ra các nhân viên nữ tuy sai về mặt đạo đức công bằng xã hội , nhưng về mặt lợi ích kinh tế thì hoàn toàn đúng.