The US spent billions on border surveillance. Why can’t it catch people before they die?

LeadDev9 Hot9 min4 h agoAI

Meet the developers rejecting AI

Bối cảnh ngày càng nhiều nhà phát triển từ chối AI dù điều này có thể làm mất khách hàng, cơ hội việc làm và cả sự nghiệp. Nguyên nhân kỹ thuật xuất phát từ lo ngại về bảo mật code, chất lượng mã nguồn và vấn đề bản quyền khi sử dụng công cụ AI như GitHub Copilot. Hệ quả là các lập trình viên này phải đối mặt với áp lực từ doanh nghiệp và thị trường lao động đang ngày càng ưu tiên AI. Điều đáng học là việc từ chối AI không chỉ là quan điểm cá nhân mà còn phản ánh cuộc tranh luận sâu sắc về đạo đức và trách nhiệm trong ngành công nghệ phần mềm.

Bài viết tiết lộ lý do sâu xa khiến các lập trình viên sẵn sàng hy sinh sự nghiệp để phản đối AI.

#career #github #ai-coding Source

Atomic Spin1 Hot9 min1 d agoAI

AI Power Tools and the Ignorance Problem

Công cụ AI giống như những công cụ điện khí hóa mạnh mẽ nhưng tiềm ẩn nguy hiểm nếu không được sử dụng đúng cách. Nguyên nhân kỹ thuật nằm ở việc các mô hình Large Language Model như GPT-4 hay Claude không hiểu được ngữ cảnh thực tế mà chỉ dựa vào pattern recognition. Hệ quả là người dùng có thể nhận được thông tin sai lệch hoặc nguy hiểm khi AI đưa ra khuyến nghị trong lĩnh vực y tế, tài chính hay pháp lý. Điều đáng học hỏi là cần áp dụng nguyên tắc "human-in-the-loop" và kiểm chứng chéo các output của AI trước khi triển khai ứng dụng thực tế.

Bài viết này giúp lập trình viên nhận thức được cách sử dụng AI một cách an toàn và hiệu quả như cách sử dụng dụng cụ điện trong các ngữ cảnh phù hợp.

#genai #ai-safety #ethical-ai Source

freeCodeCamp1 Hot19 min2 d agoAI

How to Turn a RECIST Line into a 3D Tumor Segmentation Mask

Bài viết giải quyết vấn đề chuyển đổi RECIST line (đo thẳng) thành 3D tumor segmentation mask (khối u 3D) trong y học hình ảnh. Phương pháp sử dụng deep learning model như UNet để dự đoán hình dạng 3D từ các đo thẳng trên CT scan. Kết quả cho độ chính xác lên đến 89% khi so sánh với manual segmentation. Điều đáng học là kỹ thuật này giảm 70% thời gian làm việc so với phương pháp thủ công truyền thống.

Bài này giúp lập trình viên chuyển đổi RECIST line thành 3D tumor segmentation mask một cách hiệu quả.

#computer-vision #pytorch Source

Codrops1 Hot13 min15 d agoAI

Building a Real-Time 3D Face Mask with MediaPipe, Threlte and Three.js

Cần tạo hiệu ứng mặt nạ 3D thời gian thực trên web mà không phụ thuộc vào phần cứng chuyên dụng. Bài viết sử dụng MediaPipe Face Mesh để trích xuất 468 điểm landmark khuôn mặt, sau đó ánh xạ chúng lên mô hình mặt chuẩn của Google để tạo lưới đa giác phù hợp. Các điểm landmark được truyền qua Threlte – bộ bao Svelte cho Three.js – để cập nhật vị trí và hướng của đối tượng Three.js mỗi khung hình, cho phép render mặt nạ có texture ở khoảng 60 FPS trên trình duyệt hiện đại. Kết hợp việc ước lượng tư thế dựa trên ML với rendering WebGL qua framework component-based giúp giảm lượng mã boilerplate và duy trì hiệu suất cao mà không cần viết shader phức tạp. Điều này cho thấy việc tách biệt giai đoạn xử lý landmark (CPU) và giai đoạn render (GPU) là chìa khóa để đạt được trải nghiệm AR mượt mà trên web.

Bài này sẽ giúp bạn nắm cách kết hợp MediaPipe, Threlte và Three.js để tạo mặt nạ 3D thời gian thực trên trình duyệt.

#webdev #computer-vision #svelte Source

Quesma1 Hot19 min18 d agoAI

Mushroom hunting with LLMs: what can go wrong?

Bài benchmark đánh giá 4 model LLM (GPT-5.6-Sol, Gemini 3.7 Flash, GLM-5.3-Flash, Claude Fable 5.1) trong nhiệm vụ nhận diện nấm độc/ăn được trên dataset FungiTastic. Kết quả cho thấy tỷ lệ lỗi nguy hiểm lên tới 30-40% khi phân biệt nấm độc, đặc biệt là các loài có hình thái tương tự nấm ăn được. Nguyên nhân chính là do các model thiếu dữ liệu chuyên sâu về đặc điểm vi sinh vật và phản ứng sinh hóa của nấm, dẫn đến khả năng general hóa kém. Hệ quả là người dùng có thể bị gợi ý sai dẫn đến ngộ độc nếu tin tưởng hoàn toàn vào kết quả AI. Điều đáng học là ngay cả các model tiên tiến nhất cũng cần dữ liệu domain-specific chất lượng cao và cơ chế cảnh báo rủi ro rõ ràng khi ứng dụng trong lĩnh vực y tế/đời sống.

Bài viết cảnh báo những sai lệch nguy hiểm khi AI xác định nấm ăn được hay độc.

#llm #computer-vision #google-gemini Source

Charity7 Hot17 min2 mo agoAI

Make AI Boring Again (xpost)

Charity Majors cho rằng AI không phải là công nghệ độc ác đặc biệt mà chỉ là công cụ, và các kỹ sư công nghệ có trách nhiệm đạo đức tham gia vào thay vì từ bỏ vì "sự trong sạch". Bà chỉ ra những tác hại thực tế (khai thác dữ liệu huấn luyện, tiêu thụ năng lượng, lao động, tập trung quyền lực) nhưng nhấn mạnh nhận thức về hại nên thúc đẩy cải tiến chứ không phải từ bỏ. Bà phê phán xu hướng "thuần khiết biểu diễn" là vô hiệu và tự cao, đồng thời kêu gọi học sâu về AI, thảo luận thẳng thắn nơi làm việc, thúc đẩy trách nhiệm giải trình và tham gia xây dựng công cụ này thay vì rời bỏ.

Lập trình viên nên đọc bài này để hiểu cách chuyển đổi sự lo ngại về AI từ sự phản đối bề ngoài sang hành động thực sự xây dựng giải pháp trách nhiệm, thay vì chỉ ngồi trong tư tưởng "tránh xa" mà không đóng góp vào việc định hình tương lai công nghệ.

#ai #ethical-ai Source

MIT Technology Review1 Hot2 min26 d agoAI

Your brain on AI

Bài viết so sánh tác động của GPS đối với khả năng định vị tự nhiên của con người với cách mà sự phụ thuộc vào chatbot AI ảnh hưởng đến tư duy phản biện. Khi người dùng thường xuyên nhận câu trả lời trực tiếp từ chatbot mà không tự tra cứu nguồn, họ dần giảm thói quen kiểm chứng thông tin. Sự suy giảm này dẫn đến khả năng phát hiện tin giả bị yếu hóa, vì người dùng ít khi đặt câu hỏi về độ tin cậy của nội dung được cung cấp. Điều này đồng nghĩa với việc các lỗi lường trong việc đánh giá tin tức có thể tăng lên khi sự can thiệp của con người trong quá trình xác thực bị thay thế bằng tự động hoá. Bài học chính là dù AI có thể cung cấp thông tin nhanh chóng, người lập trình và người dùng vẫn cần duy trì khả năng suy luận độc lập và không thay thế quá trình kiểm chứng bằng sự tự động hoá của chatbot.

Bài viết cảnh báo về tác động tiêu cực của việc quá phụ thuộc vào chatbot đến khả năng nhận diện tin giả của não bộ.

#llm #ethical-ai Source

OddBird1 Hot1 min27 d agoAI

Pottery, Theater, CSS Collaboration, and the Ethics of AI

Bối cảnh là cuộc trò chuyện giữa Brad và Miriam Suzanne về cách họ kết hợp gốm, sân khấu, làm việc với khách hàng và việc phát triển tiêu chuẩn CSS. Miriam giải thích rằng sự sáng tạo hợp tác là đường xuyên qua các lĩnh vực này, và quy trình làm việc trực tiếp quyết định kết quả cuối cùng. Từ góc độ kỹ thuật, cô nhấn mạnh rằng CSS vốn là một ngôn ngữ có tính chất hợp tác vì nó phải đáp ứng nhu cầu của người dùng, trình duyệt và thiết bị khác nhau. Do đó, cô cảnh báo không nên đơn giản chấp nhận AI như giải pháp duy nhất mà cần giữ vai trò của sự cộng tác con người trong thiết kế và phát triển. Bài học rút ra là khi chúng ta đặt quy trình và sự hợp tác lên hàng đầu, dù là trong nghệ thuật hay trong tiêu chuẩn web, chúng ta sẽ đạt được kết quả bền vững và sáng tạo hơn.

Bài này giúp lập trình viên hiểu về giá trị của sự sáng tạo hợp tác trong CSS và đạo đức sử dụng AI trong công việc kỹ thuật.

#webdev #css #ethical-ai Source

The US spent billions on border surveillance. Why can’t it catch people before they die?

Recommended for you

Bình luận

Meet the developers rejecting AI

AI Power Tools and the Ignorance Problem

How to Turn a RECIST Line into a 3D Tumor Segmentation Mask

Building a Real-Time 3D Face Mask with MediaPipe, Threlte and Three.js

Mushroom hunting with LLMs: what can go wrong?

Make AI Boring Again (xpost)

Your brain on AI

Pottery, Theater, CSS Collaboration, and the Ethics of AI

One account, the whole ecosystem

8syncdev.com

Courses

Coding practice

IELTS

ZUS — AI IDE

mind0

AcoLeads