Các thiết bị đeo thông minh luôn được kỳ vọng sẽ tạo ra cuộc cách mạng trong chăm sóc sức khỏe và đời sống hằng ngày. Tuy nhiên, hạn chế lớn nhất của chúng nằm ở phần cứng: chip xử lý hiện tại thường cứng, giòn và tiêu tốn nhiều năng lượng.

Các nhà nghiên cứu tại MIT vừa phát triển những cấu trúc silicon siêu nhỏ có khả năng thực hiện tính toán ngay bên trong thiết bị điện tử bằng cách tận dụng nhiệt dư thừa thay vì điện năng. Phương pháp mới này hứa hẹn mở ra hướng đi cho các hệ thống tính toán tiết kiệm năng lượng hơn trong tương lai.

Microsoft vừa công bố chip trí tuệ nhân tạo thế hệ thứ hai mang tên Maia 200, đánh dấu bước tiến quan trọng trong nỗ lực tự chủ phần cứng và giảm sự phụ thuộc vào Nvidia – nhà cung cấp GPU hàng đầu hiện nay.

Xuất khẩu thủy sản nói chung và bột cá nói riêng đóng vai trò quan trọng trong cơ cấu xuất khẩu nông – thủy sản của Việt Nam, góp phần tạo nguồn ngoại tệ, giải quyết việc làm và thúc đẩy phát triển kinh tế vùng ven biển. Tuy nhiên, sản lượng xuất khẩu bột cá có xu hướng biến động mạnh theo thời gian do chịu ảnh hưởng của nhiều yếu tố như nguồn nguyên liệu đầu vào, biến động thị trường quốc tế, chính sách thương mại và các hiệp định thương mại tự do. Do đó, việc dự báo chính xác sản lượng xuất khẩu bột cá có ý nghĩa thiết thực trong công tác hoạch định chính sách và quản lý xuất khẩu. Nghiên cứu này tập trung ứng dụng mô hình SARIMA nhằm dự báo sản lượng xuất khẩu bột cá của Việt Nam trong 8 tháng cuối năm 2023. Dữ liệu nghiên cứu được thu thập từ Tổng cục Hải quan Việt Nam trong giai đoạn từ tháng 01 năm 2018 đến tháng 04 năm 2023. Quá trình phân tích và dự báo được thực hiện bằng phần mềm R, ngôn ngữ lập trình Python, kết hợp tham khảo gợi ý từ trí tuệ nhân tạo của OpenAI. Kết quả nghiên cứu cho thấy mô hình SARIMA(1,0,0)(1,0,0)12_{12}12 là mô hình phù hợp nhất để dự báo sản lượng xuất khẩu bột cá của Việt Nam, với độ chính xác cao và sai lệch thấp so với số liệu thực tế. Trên cơ sở kết quả dự báo, nghiên cứu đề xuất một số khuyến nghị chính sách nhằm nâng cao hiệu quả xuất khẩu bột cá, bao gồm đa dạng hóa thị trường xuất khẩu, khai thác hiệu quả các hiệp định thương mại tự do, quy hoạch hợp lý vùng nuôi trồng thủy sản và điều tiết sản lượng xuất khẩu nhằm đảm bảo cân đối cung – cầu trong nước.

Sự phát triển và mở rộng của lưới điện phân phối hiện đại làm gia tăng đáng kể mức độ phức tạp trong công tác bảo vệ, đặc biệt là bài toán phối hợp rơle quá dòng điện. Đây là một bài toán tối ưu phi tuyến với nhiều ràng buộc chặt chẽ, phản ánh trực tiếp các yêu cầu kỹ thuật nghiêm ngặt trong vận hành hệ thống điện. Trong bài báo này, thuật toán Tiến hóa vi phân (Differential Evolution – DE) được đề xuất như một công cụ tối ưu hiệu quả nhằm giải quyết bài toán phối hợp rơle quá dòng, đồng thời tiến hành so sánh chi tiết với thuật toán Di truyền (Genetic Algorithm – GA). Hai kịch bản tối ưu được xem xét bao gồm: (i) bài toán tối ưu phi tuyến với các biến liên tục và (ii) bài toán tối ưu hỗn hợp số nguyên – phi tuyến, qua đó phản ánh sát hơn các điều kiện vận hành thực tế của lưới điện phân phối. Các thử nghiệm được thực hiện trên hệ thống chuẩn IEEE 8 nút và một xuất tuyến phân phối thực tế cấp điện áp 22 kV. Kết quả mô phỏng cho thấy thuật toán DE đạt được hiệu quả vượt trội trong việc giảm tổng thời gian tác động của các rơle chính, với mức cải thiện lần lượt là 12,98% và 61,25% đối với hai kịch bản trên lưới IEEE 8 nút, đồng thời thể hiện tốc độ hội tụ nhanh và ổn định. Những kết quả này khẳng định tiềm năng ứng dụng của thuật toán DE trong bài toán phối hợp rơle bảo vệ quá dòng điện trong lưới điện phân phối hiện nay.

Hư hỏng mặt đường là một trong những nguyên nhân quan trọng ảnh hưởng trực tiếp đến an toàn giao thông và chi phí bảo trì hạ tầng. Các phương pháp kiểm tra truyền thống chủ yếu dựa trên khảo sát thủ công, không chỉ tốn nhiều thời gian, nhân lực mà còn thiếu tính liên tục và kịp thời. Trước bối cảnh đó, nghiên cứu này đề xuất một ứng dụng Android có khả năng phát hiện hư hỏng đường bộ theo thời gian thực dựa trên các mô hình học sâu phát hiện đối tượng. Trong nghiên cứu, hai mô hình Faster R-CNN và YOLOv12m được huấn luyện và đánh giá trên tập dữ liệu RDD2022 gồm hơn 47.000 ảnh chứa nhiều loại hư hỏng mặt đường. Kết quả thực nghiệm cho thấy Faster R-CNN đạt độ chính xác cao hơn đôi chút (mAP@50 = 66,5%) nhưng có tốc độ suy luận chậm (104 ms/ảnh), trong khi YOLOv12m có độ chính xác xấp xỉ (mAP@50 = 65%) nhưng thời gian xử lý nhanh hơn đáng kể (77 ms/ảnh). Nhờ ưu thế về tốc độ, YOLOv12m được lựa chọn để triển khai trong hệ thống phát hiện thời gian thực. Hệ thống được xây dựng theo mô hình máy chủ – máy khách, trong đó mô hình YOLOv12m được triển khai tại máy chủ và giao tiếp với ứng dụng Android thông qua WebSocket. Kết quả phát hiện được truyền và hiển thị trực tiếp trên giao diện người dùng. Giải pháp đề xuất cho thấy tính khả thi cao trong việc tự động hóa công tác giám sát hạ tầng giao thông, đồng thời tạo tiền đề cho các nghiên cứu và ứng dụng tiếp theo trong lĩnh vực thị giác máy tính và phát hiện hư hỏng đường bộ theo thời gian thực.

Sự phát triển nhanh chóng của trí tuệ nhân tạo và công nghệ xử lý ảnh đã mở ra những phương thức tương tác mới giữa con người và thiết bị theo hướng tự nhiên, trực quan và thân thiện hơn. Trong bối cảnh đó, điều khiển thiết bị điện bằng cử chỉ tay đang trở thành một xu hướng nghiên cứu và ứng dụng quan trọng trong lĩnh vực thị giác máy tính và nhà thông minh. Bài viết này trình bày quá trình xây dựng và triển khai một mô hình điều khiển thiết bị điện dựa trên nhận dạng cử chỉ tay, sử dụng thư viện OpenCV-Python kết hợp với Mediapipe và bo mạch vi điều khiển Arduino. Hệ thống khai thác hình ảnh thu được từ camera máy tính để nhận dạng trạng thái gập – duỗi của các ngón tay, mã hóa cử chỉ tay dưới dạng chuỗi nhị phân và chuyển đổi chúng thành các lệnh điều khiển thiết bị điện như đèn LED, động cơ DC và động cơ Servo. Kết quả thực nghiệm cho thấy mô hình có khả năng nhận dạng chính xác các cử chỉ tay cơ bản trong điều kiện ánh sáng phù hợp, với khoảng cách nhận dạng hiệu quả lên đến 100 cm. Nghiên cứu góp phần minh họa tính khả thi của việc ứng dụng công nghệ xử lý ảnh và thị giác máy tính trong giảng dạy, học tập cũng như trong các hệ thống điều khiển thông minh.

Ngày 08/12, Hàn Quốc cho biết hệ thống y tế nước này đang đối mặt với nguy cơ mất an ninh mạng nghiêm trọng. Các bệnh viện và phòng khám đang phải hứng chịu các cuộc tấn công bằng mã độc tống tiền và rò rỉ dữ liệu do hệ thống an ninh mạng yếu kém, cũng như các mối đe dọa từ nội bộ.

Trong năm 2025, bối cảnh an ninh mạng toàn cầu đã bị chi phối bởi một loạt các mối đe dọa có tính chất đa dạng và phức tạp, từ các chiến dịch tấn công có tổ chức mang tính quốc gia, như Salt Typhoon, cho đến những lỗ hổng phần mềm nghiêm trọng như React2Shell, cũng như các kỹ thuật tấn công nhắm vào chuỗi cung ứng phần mềm. Bài viết tổng hợp và phân tích 5 mối đe dọa nổi bật nhất, đánh giá nguyên nhân, diễn biến và tác động của chúng đối với môi trường an ninh mạng toàn cầu. Đồng thời, bài viết cũng đưa ra những bài học quan trọng nhằm tăng cường khả năng phòng thủ của cộng đồng bảo mật và các tổ chức trong bối cảnh các mối nguy hiểm ngày càng trở nên tinh vi và khó lường.

Loại worm máy tính tự nhân bản Shai-Hulud 2.0 từng xuất hiện trên hệ thống đăng ký NPM vào cuối tháng 11/2025, chính là nguyên nhân gây ra vụ đánh cắp 8,5 triệu USD từ ví tiền điện tử Trust Wallet gần đây.