Phỏng vấn
Mara Cairo, Chủ sở hữu sản phẩm của Công nghệ tiên tiến tại Amii – Loạt phỏng vấn
Mara Cairo đam mê sử dụng AI vì lợi ích tốt. Cô có bằng Cử nhân Khoa học về Kỹ thuật Điện từ Đại học Alberta và nắm giữ các chứng chỉ P.Eng. và PMP. Trước khi gia nhập Amii, cô đã làm việc trong không gian phát triển phần cứng, nơi cô giúp khách hàng đưa sản phẩm của họ ra thị trường, tập trung vào vi và nano-giản đồ.
Với vai trò Chủ sở hữu sản phẩm của Công nghệ tiên tiến tại Amii, Mara dẫn đầu một đội kỹ thuật giúp các đối tác ngành xây dựng năng lực học máy trong tổ chức của họ bằng cách cung cấp hướng dẫn và chuyên môn để phát triển các mô hình dự đoán. Đội của cô làm việc với các khách hàng cam kết phát triển dọc theo phổ nhận nuôi AI bằng cách áp dụng học máy vào các vấn đề kinh doanh khó khăn nhất của họ.
Amii (Viện Máy tính Thông minh Alberta) là một trong những trung tâm hàng đầu của Canada về AI, họ hợp tác với các công ty thuộc mọi quy mô, trên các ngành, để thúc đẩy chiến lược đổi mới và cung cấp hướng dẫn và tư vấn thực tế, đào tạo doanh nghiệp và dịch vụ tuyển dụng tài năng.
Chúng tôi đã ngồi xuống để phỏng vấn tại hội nghị Upper Bound hàng năm 2023 về AI được tổ chức tại Edmonton, AB và do Amii tổ chức.
Điều gì ban đầu thu hút bạn đến với kỹ thuật điện?
Khi còn là một đứa trẻ, tôi thực sự thích xây dựng mọi thứ. Mẹ tôi sẽ mang về một chiếc quạt khi trời nóng vào mùa hè, và tôi muốn xây dựng nó. Tôi nhớ khi lớn lên, tôi có một chiếc điện thoại di động, một trong những chiếc Nokia mà bạn có thể tháo rời và tôi sẽ tháo rời nó và trang trí mọi thứ trên bề mặt và ăng-ten. Nhưng khi tôi mở nó ra, nó giống như, “Thật ngạc nhiên, điều gì đang xảy ra ở đây?” Điều đó thực sự thú vị đối với tôi.
Tôi luôn giỏi toán. Vì vậy, khi kết hợp tất cả những điều đó lại với nhau, phụ huynh của tôi cũng thúc đẩy tôi theo hướng kỹ thuật vì tôi giỏi toán, tôi chỉ có một sự quan tâm chung đến điện tử và muốn biết thêm về nó, đó là điều đã thu hút tôi từ đầu.
Ngoài ra, trong kỹ thuật, tôi thực sự thích ý tưởng áp dụng toán học vào các vấn đề của thế giới thực. Vâng, ổn, toán học thật tuyệt và thú vị với tôi, nhưng với kỹ thuật, bạn có thể áp dụng nó để giải quyết các vấn đề khó khăn. Nó dường như là sự kết hợp hoàn hảo của những điều sẽ dẫn đến một sự nghiệp thú vị.
Phụ huynh của bạn dường như rất chủ động trong việc hỗ trợ sở thích của bạn.
Vâng. Cha tôi đặc biệt. Ông ấy nói rằng ông ấy đã nhìn thấy điều đó trong tôi từ khi còn nhỏ và luôn thúc đẩy tôi theo hướng đó. Tôi đã tham dự một sự kiện Phụ nữ trong AI vào tối qua và chúng tôi đã nói về việc loại bỏ một số rào cản và làm cho lĩnh vực này trở nên dễ tiếp cận hơn với phụ nữ. Và tôi không thực sự nhìn thấy nó như một rào cản vì, một lần nữa, phụ huynh của tôi giống như, “Điều này là những gì bạn nên làm. Nó không phải là một câu hỏi về giới tính của bạn hoặc bất cứ điều gì. Nó chỉ là một kỹ năng bạn có. Bạn nên tự nhiên theo đuổi và nuôi dưỡng nó.” Tôi không bao giờ cảm thấy như nó không dành cho tôi, điều đó đã giúp rõ ràng.
Trước khi gia nhập Amii, bạn đã làm việc trong không gian phát triển phần cứng để tập trung vào vi và nano-giản đồ. Bạn có thể định nghĩa những thuật ngữ đó không?
Tất nhiên. Vì vậy, trong kỹ thuật điện, tôi đã chọn tùy chọn kỹ thuật nano. Đó là chuyên môn về thiết kế và sản xuất trên quy mô micro và nano. Khi chúng ta nói về một nanomet, chúng ta đang nói về một milimét chia cho một triệu là một nanomet. Một quy mô rất, rất nhỏ. Và điều đó thật cool. Những thứ này quá nhỏ bạn không thể nhìn thấy bằng mắt thường. Nhưng tôi có thể lấy chuyên môn này để học cách sản xuất trên quy mô đó và thiết kế mọi thứ trên quy mô đó.
Chúng ta sống trong một thế giới rất kết nối. Có điện tử mọi nơi xung quanh chúng ta và chúng ta cần phải có thể thiết kế điện tử cho các hạn chế về đóng gói và không gian. Chúng tôi不断 cố gắng làm cho mọi thứ nhỏ hơn và nhỏ hơn. Bạn lấy một thứ gì đó cồng kềnh, một nguyên mẫu, và bạn cần phải có thể làm cho nó có thể tái tạo và mở rộng quy mô. Nano-giản đồ thực sự là về các công cụ và kỹ thuật mà bạn sử dụng để thiết kế và sản xuất trên mức độ đó.
Điều này là từ sản xuất vi mạch đến việc lấy hai chip khác nhau và kết nối chúng điện tử với đóng gói cuối cùng. Làm tất cả những điều đó trên quy mô micro đòi hỏi một kỹ thuật khác với việc xây dựng một thứ gì đó trên quy mô của con người. Vi và nano-giản đồ chỉ xoay quanh các quá trình hóa học mà bạn sử dụng và các quá trình điện, đóng gói mà bạn cần phải đảm bảo những thứ này được niêm phong và bảo vệ khỏi môi trường của chúng.
Ngoài vi mạch, ứng dụng hoặc trường hợp sử dụng nào khác sẽ là?
Chúng tôi đã làm việc trên nhiều dự án như quang học sợi. Một lần nữa, tất cả đều cuối cùng phải đến một số loại đơn vị xử lý đang lấy tín hiệu hoặc tạo tín hiệu. Chúng tôi đã làm việc trong ngành công nghiệp viễn thông, quang học, máy ảnh, tất cả những thứ đó. Nhưng bộ não của nó thường là một số loại vi mạch ở giữa. Nhưng cũng có các cảm biến đang cung cấp tín hiệu của chúng vào đơn vị xử lý mà bạn đang sử dụng. Vì vậy, các kỹ thuật sản xuất đa dạng để xây dựng bất kỳ loại cảm biến hoặc thiết bị đầu vào hoặc đầu ra nào mà chúng tôi cần.
Thử thách nào đằng sau việc làm việc trên loại quy mô nano này?
Một mảnh bụi có thể làm hỏng cả ngày của bạn. Những thứ bạn đang làm việc trên có cùng kích thước với bụi trong không khí. Vì vậy, bạn sản xuất trong một phòng sạch. Phòng sạch thực sự là một môi trường bảo vệ những gì bạn đang làm việc khỏi bạn như một con người, vì chúng tôi là những con người rất bẩn, chúng tôi liên tục loại bỏ các hạt, quần áo của chúng tôi đang particulating, trang điểm mà chúng tôi đang mặc nó làm cho không khí bẩn. Chúng tôi cần loại bỏ càng nhiều càng tốt để những thứ chúng tôi xây dựng là rõ ràng và sạch sẽ khỏi loại ô nhiễm đó.
Một thách thức khác, có những cách tuyệt vời để xây dựng những phòng sạch này và có một loại nghiên cứu và khoa học đằng sau đó, nhưng thách thức khác là đưa nó ra khỏi phòng thí nghiệm vì cuối cùng những thứ này sẽ được sử dụng trong thế giới bẩn thỉu của chúng ta. Đó là khi đóng gói trở nên quan trọng. Chúng tôi vẫn cần phải có thể truy cập vào các thiết bị này, nhưng chúng tôi cần làm điều đó theo cách mà chúng tôi không làm ô nhiễm môi trường, đóng gói. Vì vậy, niêm phong hermetically mọi thứ, đảm bảo rằng không có gì vào hoặc ra. Đó là một tập hợp các thách thức khác mà tôi đã thấy. Chúng tôi sẽ có một thứ gì đó hoạt động tuyệt vời trên một bàn thí nghiệm trong một môi trường được kiểm soát, nhưng nói chung, hầu hết những thứ chúng tôi xây dựng là nhằm được đưa ra ngoài thế giới bẩn thỉu của chúng ta. Đó là một thách thức nữa.
Một lần nữa, từ sản xuất đến việc đưa nó đến điểm đến cuối cùng, đó là một loại xem xét và quan tâm về môi trường đặc biệt khi bạn đang xử lý những thứ nhỏ như vậy. Ngoài ra, mọi thứ không luôn luôn hoạt động như mong đợi trên quy mô nhỏ như vậy. Trong thế giới vật lý của chúng ta, chúng ta mong đợi mọi thứ hoạt động theo một cách nhất định, nhưng khi bạn xuống đến quy mô micro và nano, thế giới vật lý trở nên một chút khác biệt, và bạn không thể luôn dự đoán được kết quả. Đó là một lĩnh vực nghiên cứu hoàn toàn khác.
Thử thách nào sẽ là khác biệt so với thế giới vật lý thông thường?
Đưa dòng điện qua một dây. Chúng tôi có bộ sạc và điện thoại di động của chúng tôi và chúng tôi đang đưa dòng điện qua nó. Khi bạn đưa dòng điện qua một dây có kích thước như một sợi tóc, có những xem xét về nhiệt và mọi thứ sẽ bắt đầu hoạt động khác biệt vì, một lần nữa, không gian và hạn chế về kích thước.
Vai trò hiện tại của bạn tại Amii là gì và đội của bạn giúp các đối tác ngành như thế nào?
Vai trò hiện tại của tôi tại Amii rất khác so với thế giới của micro và nano-công nghệ.
Tôi là Chủ sở hữu sản phẩm của Đội Công nghệ Tiên tiến tại Amii. Tôi dẫn đầu một đội gồm hầu hết các nhà khoa học học máy và quản lý dự án đang làm việc với các đối tác ngành của chúng tôi để giải quyết các vấn đề kinh doanh của họ thông qua việc áp dụng học máy.
Chúng tôi rất tập trung vào ngành, tất cả về việc bắc cầu giữa những gì đang xảy ra trong học thuật, tất cả những đột phá tuyệt vời với học máy và AI nhưng áp dụng chúng vào nhu cầu lớn nhất của các đối tác ngành. Chúng tôi phản ứng với những nhu cầu đó bằng cách cơ bản giúp khách hàng của chúng tôi tìm kiếm các kỹ năng và chuyên môn mà họ cần để có thể di chuyển công việc tiến về phía trước.
Chúng tôi chạy chương trình thực tập và cư trú của đội công nghệ tiên tiến. Vì vậy, tôi đang thuê rất nhiều. Tuyển dụng không phải là nền tảng của tôi, nhưng nó là một điều mà tôi làm rất nhiều bây giờ. Và nó tất cả về việc kết nối, tìm kiếm tài năng học máy phù hợp để đặt trên dự án của khách hàng. Chúng tôi thuê những người này như nhân viên Amii cho một khoảng thời gian nhất định và cung cấp cho họ rất nhiều hỗ trợ và hướng dẫn, nhưng thực sự, họ được dành để làm việc trên dự án của khách hàng và di chuyển nó tiến về phía trước. Đó là một cách để khách hàng của chúng tôi có thể truy cập vào tài năng mà không cần phải tự tuyển dụng.
Một lợi ích tiềm năng của hệ thống là khách hàng có cơ hội tuyển dụng những người này sau khi thời hạn với chúng tôi kết thúc. Chúng tôi muốn tài năng này ở lại đây. Chúng tôi không muốn chảy máu chất xám. Chúng tôi đang đưa cho khách hàng một chút lợi thế để họ có thể thử tài năng, thử dự án, cảm nhận được học máy thực sự là gì, những gì chúng tôi cần để làm cho nó thành công, và sau đó lý tưởng đặt tài năng trong những công ty này trong một khoảng thời gian dài hơn để những công ty này thực sự trở thành công ty AI và có thể di chuyển các sáng kiến của họ tiến về phía trước trong tương lai.
Thời hạn của họ thường là bao lâu?
Thông thường, từ bốn đến mười hai tháng.
Đó là một điều mà chúng tôi xác định ở đầu, tùy thuộc vào độ phức tạp của dự án và bao nhiêu vấn đề chúng tôi đang cố gắng giải quyết. Chúng tôi tìm ra rằng, dài hơn, tốt hơn. Các dự án học máy để làm trong bốn tháng có thể là một thách thức. Có rất nhiều điều hơn là chỉ xây dựng mô hình ML. Phụ thuộc rất nhiều vào dữ liệu được thu thập từ khách hàng mà được chuyển giao cho chúng tôi, điều đó giúp chúng tôi xây dựng các mô hình. Càng lâu, càng tốt để lặp lại và chu kỳ qua tất cả các cơ hội.
Công việc là thử nghiệm và khám phá về bản chất. Amii là một viện nghiên cứu; chúng tôi không thể luôn đảm bảo kết quả. Một đường băng dài hơn chỉ cung cấp cho chúng tôi nhiều thời gian hơn để thực hiện nghiên cứu đó và đảm bảo rằng chúng tôi đã cạn kiệt các lựa chọn của mình và theo đuổi nhiều điều nhất có thể vì nó khó cho chúng tôi để nói, “Đây là phương pháp sẽ hoạt động tốt nhất.” Bạn phải thử nó và xem.
Thử thách nào là những ví dụ về các vấn đề kinh doanh khó khăn mà đội của bạn đã làm việc với những công ty này?
Tôi đã ám chỉ đến nó, chắc chắn sự sẵn sàng của dữ liệu là một thách thức lớn. Nhận thức ngành đang diễn ra về sự sẵn sàng của dữ liệu khác với những gì một nhà khoa học học máy sẽ nghĩ là sẵn sàng cho một mô hình học máy. Và truy cập. Làm thế nào dễ dàng để khách hàng chuyển giao dữ liệu cho chúng tôi theo cách mà có thể tiêu thụ được cho các mô hình ML của chúng tôi. Đó là lý do tại sao chúng tôi thích các dự án dài hơn vì nó cung cấp cho đội của chúng tôi thời gian để làm việc với khách hàng của chúng tôi thông qua những thách thức về sự sẵn sàng của dữ liệu và thiết lập họ cho thành công.
Rác vào là rác ra, nếu bạn chuyển cho chúng tôi dữ liệu rác, chúng tôi sẽ tạo ra một mô hình rác. Chúng tôi thực sự cần dữ liệu chất lượng. Và có một chút đường cong học tập cho khách hàng. Nhận thức ngành, một lần nữa, về những gì là dữ liệu chất lượng, những ví dụ mà chúng tôi cần xem để có thể dự đoán những điều trong tương lai. Nó chỉ là một vấn đề về văn hóa, đảm bảo rằng chúng tôi đang nói cùng một ngôn ngữ, họ hiểu các hạn chế dựa trên bất kỳ dữ liệu nào họ có quyền truy cập khi họ hiểu những gì sẽ thiết lập chúng tôi cho thành công.
Bạn cần các ví dụ về những gì bạn đang cố gắng dự đoán trong tập dữ liệu của mình. Nếu một sự kiện thực sự hiếm, nó sẽ rất khó cho chúng tôi để dự đoán nó sẽ xảy ra. Chúng tôi có thể xây dựng một mô hình rất chính xác về một thứ gì đó chỉ nói 99% thời gian chính xác vì nó không bao giờ dự đoán 1% thời gian mà một thứ gì đó thực sự xảy ra. Một lần nữa, chỉ đảm bảo rằng khách hàng hiểu những gì chúng tôi cần để xây dựng các mô hình chính xác.
Chúng tôi đã thấy thậm chí những vấn đề đơn giản dường như có thể là rất phức tạp tùy thuộc vào tập dữ liệu của họ. Tại đầu ra, khi chúng tôi có một cuộc gọi khám phá ban đầu với khách hàng, chúng tôi thực sự cần phải dự đoán độ dài thời gian mà chúng tôi sẽ cần. Nhưng đôi khi khi chúng tôi bắt đầu bóc các lớp của củ hành, chúng tôi nhận ra, không, điều này phức tạp hơn nhiều so với chúng tôi nghĩ vì những phức tạp về dữ liệu.
Thử thách khác, thiếu cam kết từ các chuyên gia chủ đề cần thiết. Khi chúng tôi hợp tác với các đối tác ngành của mình, chúng tôi thực sự cần họ tiếp tục đến bàn. Họ là các chuyên gia chủ đề và thường là các chuyên gia dữ liệu quá. Chúng tôi không giống như một cửa hàng phát triển nơi chúng tôi có thể lấy dữ liệu, xây dựng mô hình và chuyển giao nó cho họ vào cuối. Nó rất, rất hợp tác. Và nhiều hơn những gì các đối tác ngành của chúng tôi đưa vào, nhiều hơn những gì họ sẽ nhận được vì họ sẽ có thể hướng dẫn chúng tôi theo đúng hướng, đảm bảo rằng các dự đoán mà chúng tôi đang thực hiện có ý nghĩa với họ từ quan điểm kinh doanh, rằng chúng tôi đang nhắm vào các chỉ số đúng, chúng tôi hiểu những gì là thành công đối với họ.
Chúng tôi cần một đội đa ngành xung quanh chúng tôi để hỗ trợ các dự án và nó đòi hỏi hơn là chỉ một nhà khoa học học máy để xây dựng một mô hình thành công sẽ ảnh hưởng tích cực đến kinh doanh. Có rất nhiều thách thức. Đó là những thách thức đã đến trong tâm trí.
Bạn cá nhân tin rằng AI nên là một lực lượng vì lợi ích tốt. Những cách nào bạn nghĩ AI có thể thay đổi tương lai một cách tích cực?
Điều tôi thích nhất về công việc của mình là chúng tôi làm việc với khách hàng từ tất cả các ngành, giải quyết các vấn đề rất khác nhau, nhưng tất cả đều đang được sử dụng cho một số loại thay đổi tích cực. Và Amii có khuôn khổ AI có nguyên tắc đảm bảo rằng chúng tôi đang làm điều đó. Từ giai đoạn ký kết, chúng tôi đảm bảo rằng các dự án mà chúng tôi đang làm việc với các đối tác ngành của mình đang được sử dụng cho thay đổi tích cực đó theo cách đạo đức. Tất cả các dự án tôi được thấy đều đang được sử dụng vì lợi ích tốt và thay đổi tích cực tương lai.
Một điều đến trong tâm trí, ở Alberta, thường hơn không, chúng tôi đang xử lý các tình huống cháy rừng vào mùa hè. Năm nay, đặc biệt, ngay cả vào tháng Tư, nó rất tệ. Chúng tôi vừa hợp tác với Canada Wildfire. Đó là một nhóm nghiên cứu từ Đại học Alberta. 40 năm dữ liệu thời tiết gắn với các sự kiện cháy rừng nghiêm trọng. Làm việc với họ để dự đoán tốt hơn những sự kiện này trong tương lai để chúng tôi có thể chuẩn bị tốt hơn các nguồn lực có thể cần, có các đội vào và điều tiết môi trường trước khi nó đạt đến giai đoạn mà các đám cháy rừng đang hoành hành. Tôi nghĩ đó chỉ là vì tôi ở Edmonton, tôi không biết liệu bạn có ở đây vào tuần trước không, nhưng nó rất nhiều khói.
Khi tôi đến vào tối chủ nhật (21 tháng 5 năm 2023), nó khá nhiều khói.
Nó thật tàn khốc. Nó làm hỏng các cộng đồng. Nó lấy đi nhà của mọi người. Phải hít thở các hạt trong không khí không tốt, nhưng sự tàn phá thực sự rất lớn. Đó là một dự án thú vị (dự án) gần gũi với trái tim của tất cả chúng tôi.
Một lĩnh vực khác chúng tôi đang làm việc là không gian nông nghiệp. Làm thế nào chúng tôi sẽ nuôi sống dân số đang phát triển của mình? Chúng tôi đang làm việc với Hội đồng Nghiên cứu Quốc gia về vấn đề dư thừa protein. Cố gắng đảm bảo rằng các loại cây chúng tôi đang trồng có hàm lượng protein cao hơn để nuôi sống dân số đang phát triển của chúng tôi và sử dụng học máy để có thể thực hiện những dự đoán đó.
Giảm phát thải cũng là một vấn đề rất phổ biến. Làm việc với các công ty trong lĩnh vực dầu và khí để đảm bảo rằng các quy trình và hệ thống và công cụ được sử dụng là hiệu quả nhất có thể. Chúng tôi đang làm việc với một nhà máy xử lý nước từ Drayton Valley, một thị trấn nhỏ ở Alberta, đảm bảo rằng nhà máy xử lý nước đó đang hoạt động hiệu quả nhất có thể và chúng tôi đang tạo ra càng nhiều nước sạch cho cộng đồng càng tốt. Y học chính xác cũng vậy.
Danh sách tiếp tục. Về cơ bản, mỗi công ty chúng tôi làm việc trên những dự án như thế này, những nguyên nhân như thế này. Nó khó cho tôi để chọn một dự án yêu thích vì khi bạn nghĩ về nó, tất cả đều có khả năng có tác động tích cực đáng kinh ngạc đến tương lai.
Ở bạn, tầm nhìn cho tương lai của AI hoặc robot là gì?
Tiếp xúc của tôi với robot thực sự là trong chuỗi cung ứng. Đó là nơi robot đang được sử dụng, nhưng nó cũng là cách chúng tôi nâng cao chúng với AI để xây dựng trên các hệ thống và tự động hóa hiện có, một lần nữa, thông qua các quy trình hiệu quả hơn? Chuỗi cung ứng rõ ràng quan tâm đến việc tăng cường sản lượng, thực hiện nhiều đơn đặt hàng hơn nhanh chóng và ra quyết định hiệu quả hơn. Về phía robot, một lần nữa, tiếp xúc của tôi đã được xây dựng trên các robot hiện có để làm cho chúng thông minh và tốt hơn.
Tôi nghĩ rằng, nói chung, tương lai từ những gì tôi thấy ngành đang làm là vẫn rất tập trung vào con người. Robot được sử dụng như một công cụ, như một sự bổ sung cho con người. Có thể robot được triển khai trong các điều kiện nguy hiểm cho con người nơi chúng tôi không nên tiếp xúc với môi trường. Robot là một sự thay thế tuyệt vời cho chúng tôi trong trường hợp đó để giữ cho chúng tôi an toàn. Cũng có nghiên cứu thực sự thú vị được thực hiện bởi các đồng nghiệp và chi của chúng tôi về các chi và tay giả, vì vậy điều khiển và di chuyển dễ dàng hơn cho những người thực sự cần sự hỗ trợ đó. Tất cả đều gắn liền với con người và việc sử dụng các công cụ này nhưng làm cho cuộc sống của họ dễ dàng hơn thông qua những hệ thống mới này.
Về tương lai của AI nói chung, đây chỉ là một thời gian thú vị để ở trong không gian này. Ngành cuối cùng đã nhận ra rằng AI ở đây và nó sẽ thay đổi mọi thứ và bạn có thể dẫn đầu hoặc bị dẫn dắt. Tôi nghĩ rằng một trong những tầm nhìn của Amii là có mọi công ty cảm thấy thoải mái với công nghệ, nhận thức được những gì nó có thể và không thể làm, và thực sự sẵn sàng thử nghiệm và lặp lại việc triển khai nó trong kinh doanh của họ để giải quyết một số vấn đề khó khăn nhất của họ.
Cho đến bây giờ, tôi nghĩ rằng có thể có một nhận thức rằng đó chỉ là các công ty công nghệ đang sử dụng AI và ML, nhưng bây giờ nó trở nên rõ ràng hơn rằng ML có thể được triển khai trong cơ bản mọi tổ chức. Nó không phải lúc nào cũng là câu trả lời đúng, nhưng thường có một trường hợp sử dụng cho nó. Tôi hy vọng rằng tương lai là các công ty trở thành các công ty AI tự nhiên bằng cách trở nên thông thạo và quen thuộc hơn với công nghệ và nhận thức về cách họ có thể sử dụng nó cho kinh doanh của mình.
Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập các tài nguyên sau:
