Impact of computing · Tác động của máy tính
Computing changes the world
- Computing affects almost every part of life: school, work, health, money, and friends.
- The same tool can bring benefits (good effects) and harms (bad effects).
- A good computer scientist thinks about both sides, not just the cool features.
Tính toán thay đổi thế giới
- Tính toán ảnh hưởng đến hầu như mọi khía cạnh của cuộc sống: trường học, công việc, sức khỏe, tài chính và bạn bè.
- Cùng một công cụ có thể mang lại lợi ích (tác động tốt) và tổn hại (tác động xấu).
- Một nhà khoa học máy tính giỏi suy nghĩ về cả hai phía, không chỉ những tính năng thú vị.
One technology, two sides:
Social media
Benefit: stay in touch, share, learn
Harm: bullying, false news, less sleep
Benefits and harms together
- A benefit for one group can be a harm for another.
- Example: an app that suggests videos keeps you watching (benefit for the company) but can waste your time (harm for you).
- Always ask: who gains, who loses, and what could go wrong?
Lợi ích và tổn害 cùng tồn tại
- Một lợi ích đối với nhóm này có thể là tổn hại đối với nhóm khác.
- Ví dụ: một ứng dụng gợi ý video giữ bạn xem lâu (lợi ích cho công ty) nhưng có thể lãng phí thời gian của bạn (tổn hại cho bạn).
- Luôn hỏi: ai được lợi, ai chịu thiệt, và điều gì có thể sai lầm?
The digital divide
- The digital divide is the gap between people who have good access to computing and those who do not.
- Causes include money, where you live (no fast Internet), and not having training.
- This is unfair: people without access miss out on school, jobs, and information.
Khoảng cách kỹ thuật số
- Khoảng cách kỹ thuật số là sự chênh lệch giữa những người có quyền truy cập tốt vào tính toán và những người không có.
- Nguyên nhân bao gồm tiền bạc, nơi ở (không có internet tốc độ cao) và thiếu đào tạo.
- Điều này là bất công: những người không có quyền truy cập bỏ lỡ cơ hội học tập, việc làm và thông tin.
Bias in computing
- Bias means an unfair result that favors one group over another.
- Software learns from data. If the data is unfair or incomplete, the results can be unfair too.
- Example: a face tool trained mostly on one kind of face may work badly for other people.
Thiên kiến trong tính toán
- Thiên kiến có nghĩa là kết quả không công bằng thiên về một nhóm này so với nhóm khác.
- Phần mềm học từ dữ liệu. Nếu dữ liệu không công bằng hoặc không đầy đủ, kết quả cũng có thể không công bằng.
- Ví dụ: một công cụ nhận diện khuôn mặt được huấn luyện chủ yếu trên một loại khuôn mặt có thể hoạt động kém với những người khác.
Biased data -> biased results
Training data: mostly group A faces
Result: works well for A, poorly for B
Intellectual property and licensing
- Intellectual property (IP) is creative work people make: code, music, art, writing.
- A license is the rules for how others may use that work. Using work without permission can break the law.
- Open source software shares its code so others may read and reuse it; Creative Commons licenses let creators say "you may share this, with these conditions".
Sở hữu trí tuệ và bản quyền
- Sở hữu trí tuệ (IP) là tác phẩm sáng tạo do con người tạo ra: mã nguồn, âm nhạc, hội họa, văn học.
- Bản quyền là các quy tắc về cách người khác sử dụng tác phẩm đó. Sử dụng tác phẩm mà không có sự cho phép có vi phạm pháp luật.
- Phần mềm mã nguồn mở chia sẻ mã nguồn để người khác có thể đọc và tái sử dụng; Giấy phép Creative Commons cho phép tác giả nói "bạn có thể chia sẻ điều này, với những điều kiện sau".
Privacy and PII
- PII means Personally Identifiable Information: data that points to a real person.
- Examples: full name, home address, phone number, ID number, exact location.
- Once data is online it is hard to take back, and apps may collect more than you expect. Share carefully.
Quyền riêng tư và Dữ liệu cá nhân (PII)
- PIII viết tắt của Personally Identifiable Information: dữ liệu chỉ ra một cá nhân thực.
- Ví dụ: họ tên đầy đủ, địa chỉ nhà, số điện thoại, số ID, vị trí chính xác.
- Một khi dữ liệu đã lên mạng, rất khó để thu hồi lại, và các ứng dụng có thể thu thập nhiều hơn bạn dự kiến. Hãy chia sẻ cẩn thận.
Safe computing
- Use a strong, unique password for important accounts (long, mixed, not reused).
- Watch out for phishing: fake messages that trick you into giving passwords or money. Check the sender; do not click strange links.
- Keep software updated, and think before you post personal data.
Tính toán an toàn
- Sử dụng mật khẩu mạnh, duy nhất cho các tài khoản quan trọng (dài, kết hợp, không dùng lại).
- Cẩn trọng với lừa đảo trực tuyến (phishing): tin nhắn giả mạo đánh lừa bạn cung cấp mật khẩu hoặc tiền. Kiểm tra người gửi; đừng nhấp vào liên kết kỳ lạ.
- Giữ phần mềm luôn cập nhật, và suy nghĩ kỹ trước khi đăng dữ liệu cá nhân.
Key words
- Digital divide: the gap in access to computing.
- Bias: an unfair result, often from unfair data.
- Intellectual property / license: who owns creative work and how it may be used.
- PII / privacy: personal data, and protecting it.
- Phishing: fake messages that try to steal your information.
Từ khóa chính
- Khoảng cách số: sự chênh lệch trong khả năng tiếp cận máy tính.
- Độ thiên lệch: kết quả bất công, thường đến từ dữ liệu thiếu khách quan.
- Sở hữu trí tuệ / Bản quyền: ai sở hữu tác phẩm sáng tạo và cách nó có thể được sử dụng.
- Dữ liệu cá nhân / Quyền riêng tư: dữ liệu cá nhân và việc bảo vệ nó.
- Lừa đảo trực tuyến (phishing): tin nhắn giả mạo cố gắng đánh cắp thông tin của bạn.
Common mistakes
- Weigh both the benefits and the harms (bias, privacy, unequal access).
- The digital divide is the gap in access to technology.
Lỗi thường gặp
- Cân nhắc cả lợi ích và tác hại (độ thiên lệch, quyền riêng tư, sự tiếp cận không đồng đều).
- Khoảng cách số là sự chênh lệch trong khả năng tiếp cận công nghệ.
Now you try
- These tasks turn the ideas above into code: PII, bias, and password safety.
- Press Check answer to test your code.
Bây giờ bạn thử
- Các bài tập này biến các ý tưởng trên thành mã: Dữ liệu cá nhân, độ thiên lệch, và an toàn mật khẩu.
- Nhấn Check answer (Kiểm tra câu trả lời) để thử mã của bạn.
PII is data that points to a real person. You are given a record fields (a dict like {"name": ..., "color": ..., "phone": ...}) and a set pii_names of PII field names. Write count_pii(fields, pii_names) that returns how many of the record's keys are PII. · PII là dữ liệu trỏ đến một người thật. Bạn được cung cấp một bản ghi fields (một dict giống như {"name": ..., "color": ..., "phone": ...}) và một tập hợp pii_names các tên trường PII. Viết count_pii(fields, pii_names) trả về số lượng khóa của bản ghi là PII.
Click Run to see the output here. · Nhấn Chạy để xem kết quả ở đây.
Software can be biased if it works better for one group than another. Write accuracy_gap(correct_a, total_a, correct_b, total_b) that returns group A's accuracy minus group B's accuracy, as a decimal. Example: accuracy_gap(90, 100, 60, 100) is 0.3. · Phần mềm có thể thiên kiến nếu nó hoạt động tốt hơn cho một nhóm so với nhóm khác. Viết accuracy_gap(correct_a, total_a, correct_b, total_b) trả về độ chính xác của nhóm A trừ đi độ chính xác của nhóm B, dưới dạng số thập phân. Ví dụ: accuracy_gap(90, 100, 60, 100) là 0.3.
Click Run to see the output here. · Nhấn Chạy để xem kết quả ở đây.
A password is strong when it is at least 12 characters and is not in the list of common passwords. Write is_strong(password, common) returning True or False. Example: with common = ["password", "123456"], is_strong("correcthorsebattery", common) is True. · Một mật khẩu được coi là mạnh khi nó có ít nhất 12 ký tự và không nằm trong danh sách các mật khẩu phổ biến. Viết is_strong(password, common) trả về True hoặc False. Ví dụ: với common = ["password", "123456"], is_strong("correcthorsebattery", common) là True.
Click Run to see the output here. · Nhấn Chạy để xem kết quả ở đây.