Tessa Nguyen

Recent advances in machine learning and neuroscience, the abundances of sensors and emotion data have endowed machines with ability to detect, classify, and interact with human emotions. This study philosophize about affective computing devices by examining emotional artificial intelligence (AI) through the lens of affective artifacts, focusing on as personal AI assistants, work-related emotion trackers, and emotional AI toys and robots. Drawing from philosophical accounts on affective artifacts and empirical evidence on human-AI interaction, we argue how emotional AI technologies fulfill the criteria of being affective artifacts from the four key properties: underlying algorithmic complexity, artifactual nature, semi-agentive capabilities, and semi-interpersonal interactions. Furthermore, recognizing that the underlying algorithmic complexity renders these technologies easily manipulated for emotion-related tasks, we also analyze how these tools help us regulate emotions and influence self-perception, interconnecting with the maintenance and construction of our sense of self and identity, blurring the lines between the infosphere and lived experience.

While generative AI has been embraced as a powerful tool for research, its integration into academic workflows has paradoxically undermined productivity in several ways. This essay explores four key challenges: secondary source of anxiety, where overreliance on AI-generated summaries fosters doubt about source credibility and scholarly rigor; operational inefficiency, as AI often generates redundant or misleading outputs that necessitate extensive verification; the hidden labor of AI integration, requiring researchers to develop new skills and oversight mechanisms to manage AI-driven processes; and ethical ambiguity, as evolving AI capabilities blur the boundaries of authenticity, originality, and responsible scholarship. These issues are further compounded by diverging institutional and cultural perspectives on what constitutes legitimate intellectual contribution. As AI continues to evolve, so too must the research communities’ strategies for its responsible use—ensuring it functions as a tool for discovery rather than a bottleneck of informational chaos that stifles innovation.

Sự thâm nhập của trí tuệ nhân tạo (AI) tạo sinh vào ngành báo chí đã tạo nên sự thay đổi về xu hướng tiêu thụ và sản xuất thông tin. Cụ thể, có năm thay đổi trong xu hướng hành vi tiêu thụ và sản xuất thông tin như sau: việc tạo ra nội dung trở nên dễ dàng và đa dạng hơn; AI tạo sinh có thể là tiếp điểm mới của con người đối với dòng chảy của tin tức; ranh giới mờ giữa người tiêu thụ thông tin và người sản xuất thông tin; sự thuận tiện, dễ dàng trong việc tạo ra giá trị gia tăng cho các nội dung; sụ thay đổi quá trình sáng tạo và thậm chí là định nghĩa về sự sáng tạo trong nghề báo chí. Từ năm thay đổi trong hành vi trên, những ảnh hưởng lên kinh tế báo chí của AI tạo sinh đã được phân tích. Các phân tích chạm tới cả mặt tích cực của AI tạo sinh trong việc giảm chi phí và tăng giá trị của nội dung tin tức, cũng như những vấn đề đáng lo ngại đối với việc giảm doanh thu của báo chí: vấn đề tìm kiếm không nhấp chuột, bản quyền, đối tượng tiếp cận thông tin, kiểm soát chất lượng và nguồn tin. Những vấn đề trên cho thấy sự quan trọng trong việc sử dụng AI tạo sinh một cách có trách nhiệm xã hội và điều này đặt ra những câu hỏi đáng suy nghĩ cho toàn xã hội.

Bài viết này giới thiệu năm yếu tố tiền đề đó với mục đích gia tăng nhận thức về quan hệ giữa người và máy trong bối cảnh công nghệ ngày càng thay đổi cuộc sống thường nhật. Năm tiền đề bao gồm: Tiền đề về cấu trúc xã hội, văn hóa, chính trị, và lịch sử; về tính tự chủ và sự tự do của con người; về nền tảng triết học và nhân văn của nhân loại; về hiện tượng tiếp biến văn hóa sinh ra từ tương tác giữa người và máy; về tam giác tương tác giữa con người với máy tính, giữa con người với con người, và giữa con người với thiên nhiên. Trên cơ sở giải thích rõ về năm tiền đề này, bài viết đã đưa ra ba gợi ý cho Việt Nam về việc phát triển, ứng dụng, và quản lý trí tuệ nhân tạo.

Ngành báo chí, một trong những ngành truyền thông mạnh mẽ nhất hiện nay, đang đóng vai trò quan trọng trong việc cung cấp thông tin, giáo dục công chúng, và giải trí nhưng đồng thời cũng là một lĩnh vực có tính cạnh tranh cao và đầy biến động trong bối cảnh kinh tế toàn cầu. Bài viết nhằm đóng góp cái nhìn dưới lăng kính kinh tế học vào quá trình phát triển và cập nhật xu hướng của báo chí. Những Lý thuyết như trợ cấp chính phủ (government subsidy), lựa chọn hợp lý (rational choice), cũng những kiến thức phổ biến về cung và cầu sẽ giúp người đọc hiểu hơn về sự vận hành nền báo chí. Đồng thời, bài viết chỉ ra một số đặc tính riêng biệt của nền báo chí Việt Nam để giúp định hướng rõ hơn các chính sách phát triển. Cuối cùng, bài viết sẽ nêu ra một số thách thức và cơ hội dưới góc nhìn kinh tế học.

Bài viết này giới thiệu năm yếu tố tiền đề đó với mục đích gia tăng nhận thức về quan hệ giữa người và máy trong bối cảnh công nghệ ngày càng thay đổi cuộc sống thường nhật. Năm tiền đề bao gồm: Tiền đề về cấu trúc xã hội, văn hóa, chính trị, và lịch sử; về tính tự chủ và sự tự do của con người; về nền tảng triết học và nhân văn của nhân loại; về hiện tượng tiếp biến văn hóa sinh ra từ tương tác giữa người và máy; về tam giác tương tác giữa con người với máy tính, giữa con người với con người, và giữa con người với thiên nhiên. Trên cơ sở giải thích rõ về năm tiền đề này, bài viết đã đưa ra ba gợi ý cho Việt Nam về việc phát triển, ứng dụng, và quản lý trí tuệ nhân tạo.

- Sự phát triển của công nghệ thông minh đã khiến bài toán về mô hình hóa quá trình chắt lọc từ biển thông tin hỗn loạn để tạo ra tri thức hữu ích ngày càng trở nên cấp thiết. Bài viết giới thiệu mô hình hành vi chấp nhận công nghệ qua tiếp biến văn hóa mindsponge, gọi tắt là mô hình MTAM. - Lý thuyết về sự sàng lọc qua tiếp biến văn hóa về công nghệ cho chúng ta ba gợi ý để giảm bớt sự hỗn loạn của biển thông tin. - Ưu tiên trong việc làm rõ về giá trị cốt lõi của cá nhân và tổ chức, qua đó phân tích sự tính tương thích của các hệ thống công nghệ mới, thông tin mới với các giá trị đó. - Việc phát triển chuyên môn sâu, có tính kỉ luật giúp nền tảng bộ lọc thông tin của các cá nhân và tổ chức trở nên mạch lạc hơn. - Cuối cùng, việc đổi mới và sáng tạo để thích nghi trong điều kiện chuyển đổi số và công nghệ phát triển như vũ bão là quá trình đồng thời phản tỉnh về giá trị cốt lõi, kỉ luật phát triển chuyên môn sâu, nhằm tạo ra kết nối thông tin mới có tính giải thích, suy phóng cao.

Deep Brain Stimulation (DBS) is an effective treatment for advanced Parkinson’s disease. However, identifying stimulation parameters, such as contact and current amplitudes, is time-consuming based on trial and error. Directional leads add more stimulation options and render this process more challenging with a higher workload for neurologists and more discomfort for patients. In this study, a sweet spot-guided algorithm was developed that automatically suggested stimulation parameters. These suggestions were retrospectively compared to clinical monopolar reviews. A cohort of 24 Parkinson’s disease patients underwent bilateral DBS implantation in the subthalamic nucleus at our center. First, the DBS’ leads were reconstructed with the open-source toolbox Lead-DBS. Second, a sweet spot for rigidity reduction was set as the desired stimulation target for programming. This sweet spot and estimations of the volume of tissue activated were used to suggest (i) the best lead level, (ii) the best contact, and (iii) the effect thresholds for full therapeutic effect for each contact. To assess these sweet spot-guided suggestions, the clinical monopolar reviews were considered as ground truth. In addition, the sweet spot-guided suggestions for best lead level and best contact were compared against reconstruction-guided suggestions, which considered the lead location with respect to the subthalamic nucleus. Finally, a graphical user interface was developed as an add-on to Lead-DBS and is publicly available. With the interface, suggestions for all contacts of a lead can be generated in a few seconds. The accuracy for suggesting the best out of four lead levels was 56%. These sweet spot-guided suggestions were not significantly better than reconstruction-guided suggestions (p = 0.3). The accuracy for suggesting the best out of eight contacts was 41%. These sweet spot-guided suggestions were significantly better than reconstruction-guided suggestions (p < 0.001). The sweet spot-guided suggestions of each contact’s effect threshold had a mean error of 1.2 mA. On an individual lead level, the suggestions can vary more with mean errors ranging from 0.3 to 4.8 mA. Further analysis is warranted to improve the sweet spot-guided suggestions and to account for more symptoms and stimulation-induced side effects.