Tiểu luận cuối kỳ môn công nghệ thông tin và truyền thông mới fblearner flow trong cá nhân hóa người dùng

lOMoARcPSD|39472803

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT, ĐHQG. TPHCM

TIỂU LUẬN CUỐI KỲ
MÔN: CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG MỚI

FBLEARNER FLOW
TRONG CÁ NHÂN HÓA NGƯỜI DÙNG

Giáo viên hướng dẫn: Trương Hoài Phan
Lớp h漃⌀c phn: 231BIE105103
Danh sách thành viên nhóm:

STT H漃⌀ và tên MSSV
K234161854
1 Đặng Phương Thảo K234161851
K234161819
2 Lê Bảo Quốc K234161855
K234091105
3 Hoàng Ngọc Ánh

4 Nguyễn Đức Thiện

5 Nguyễn Ngọc Anh Thư

TP. Hồ Chí Minh - 12/2023

lOMoARcPSD|39472803

DANH SÁCH THÀNH VIÊN THAM GIA VIẾT TIỂU LUẬN
HỌC KỲ I NĂM HỌC 2023-2024
Lớp h漃⌀c phn: 231BIE105103
Tên đề tài: FBLEARNER FLOW TRONG CÁ NHÂN HÓA NGƯỜI DÙNG

STT H漃⌀ và tên MSSV Tỉ lệ % hoàn thành

1 Đặng Phương Thảo K234161854 100%

2 Lê Bảo Quốc K234161851 100%

3 Hoàng Ngọc Ánh K234161819 100%

4 Nguyễn Đức Thiện K234161855 100%

5 Nguyễn Ngọc Anh Thư K234091105 100%

Trưởng nhóm:

Nhận xét của giảng viên
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….

………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….
………………………………………………………………………………….

TP Hồ Chí Minh, tháng 12 năm 2023

1

lOMoARcPSD|39472803

MỤC LỤC
Phần 1. MỞ ĐẦU......................................................................................................3

1.1.Lý do chọn đề tài.............................................................................................3
1.2. Mục tiêu..........................................................................................................4
1.3. Phương pháp nghiên cứu................................................................................4
Phần 2. NỘI DUNG..................................................................................................4
2.1. TỔNG QUAN VỀ AI.....................................................................................5

2.1.1. AI là gì?...................................................................................................5
2.1.2. Cấu tạo cơ bản của AI..............................................................................5
2.1.3. Ứng dụng của AI.....................................................................................6
2.1.4. Cơ hội và thách thức của AI....................................................................6

2.1.4.1. Cơ hội...............................................................................................6
2.1.4.2. Thách thức........................................................................................7
2.2. TỔNG QUAN VỀ FACEBOOK....................................................................7
2.2.1. Thơng tin chung.......................................................................................7

2.2.2. Hình thành và phát triển...........................................................................7
2.2.2.1. Lịch sử hình thành............................................................................7
2.2.2.2. Lịch sử phát triển..............................................................................8
2.2.3. Một số bê bối...........................................................................................8
2.2.4 Tương lai nào cho FB?...........................................................................10
2.3. FBLEARNER FLOW...................................................................................11
2.3.1. FBLearner Flow là gì?...........................................................................11
2.3.2. Sự ra đời của FBLearner Flow...............................................................11
2.3.3. Các thành phần cấu tạo..........................................................................12
2.3.4. Quy trình hoạt động...............................................................................14
2.3.5. Một số ứng dụng do FBLearner Flow khởi tạo......................................15
2.3.5.1. DeepFace........................................................................................15
2.3.5.2. DeepText........................................................................................15
2.3.6. Điểm nổi bật và điểm cần khắc phục.....................................................16
2.3.6.1. Điểm nổi bật...................................................................................16
2.3.6.2. Điểm cần khắc phục........................................................................16
2.3.7. FBLearner Flow đã mang đến lợi ích gì cho tập đồn tỷ đô?.................17
2.3.8. Tác hại của việc quá lạm dụng FBLearner Flow....................................18
2.3.9. Một số đề xuất tương lai cho FBLearner Flow và Facebook.................19
Phần 3. KẾT LUẬN................................................................................................20
TÀI LIỆU THAM KHẢO.......................................................................................20

2

lOMoARcPSD|39472803

Phn 1. MỞ ĐẦU

1.1.Lý do ch漃⌀n đề tài
Trí tuệ nhân tạo (AI) là một trong những lĩnh vực cơng nghệ phát triển nhanh

chóng và mạnh mẽ nhất trong những năm gần đây. Sự phát triển của AI đã
mở ra một thời đại mới, AI không chỉ là một cơng cụ, mà cịn là một đối tác,
một người bạn đồng hành của con người. AI đang giúp con người giải quyết
những vấn đề khó khăn, phức tạp, và mang lại những lợi ích to lớn cho xã hội.

FBLearner Flow là một thư viện mã nguồn mở được phát triển bởi Facebook
cho nghiên cứu và phát triển trí tuệ nhân tạo (AI). Thư viện này cung cấp các
công cụ và API để triển khai các mơ hình học máy và xử lý ngôn ngữ tự nhiên
(NLP) trên nhiều nền tảng khác nhau, bao gồm máy tính, điện thoại di động
và thiết bị Internet of Things (IoT).
Việc chọn FBLearner Flow làm đề tài nghiên cứu là một lựa chọn phù hợp và
có triển vọng. Có thể kể đến một số lý do chính sau:

● FBLearner Flow là một thư viện mã nguồn mở, miễn phí và có sẵn cho
tất cả mọi người sử dụng. Điều này giúp các nhà nghiên cứu tiết kiệm
thời gian và chi phí trong q trình phát triển các mơ hình AI.

● FBLearner Flow được phát triển bởi một đội ngũ các nhà nghiên cứu
AI hàng đầu thế giới tại Facebook. Thư viện này được tích hợp nhiều
thuật toán học máy và NLP tiên tiến, được cập nhật thường xuyên với
các tính năng mới.

● FBLearner Flow được hỗ trợ bởi một cộng đồng người dùng đông đảo
và tích cực. Các nhà nghiên cứu có thể dễ dàng tìm kiếm sự giúp đỡ và
hỗ trợ từ cộng đồng này khi cần thiết.

Cụ thể, ở Việt Nam, việc nghiên cứu và phát triển AI đang được đẩy mạnh
với nhiều chính sách hỗ trợ từ Chính phủ. Việc chọn FBLearner Flow làm đề
tài nghiên cứu sẽ giúp các nhà nghiên cứu Việt Nam tiếp cận với các công
nghệ AI tiên tiến nhất trên thế giới và đóng góp cho sự phát triển của AI tại

Việt Nam.

3

lOMoARcPSD|39472803

Việc nghiên cứu FBLearner Flow là một q trình lâu dài và địi hỏi sự kiên
trì, nỗ lực của các nhà nghiên cứu. Tuy nhiên, những thành tựu đạt được từ
nghiên cứu FBLearner Flow sẽ mang lại những lợi ích to lớn cho xã hội, giúp
chúng ta giải quyết nhiều vấn đề thực tiễn và xây dựng một thế giới tốt đẹp
hơn. Với sự nỗ lực và cố gắng của các nhà nghiên cứu, FBLearner Flow sẽ là
một cơng cụ hữu ích giúp thúc đẩy sự phát triển của AI tại Việt Nam.

Với những lý do trên, FBLearner Flow là một đề tài nghiên cứu hấp dẫn và có
tiềm năng ứng dụng thực tế.

1.2. Mục tiêu
Mục tiêu của tiểu luận là phân tích chun sâu về cơng cụ FBLearner Flow,
tìm hiểu cấu tạo, cách thức vận hành để tạo ra lợi ích to lớn: Nắm bắt kịp thời
nhu cầu khách hàng và tối đa hóa doanh thu quảng cáo cho doanh nghiệp của
Mark Zuckerberg trong kỷ nguyên số, mà các nền tảng mạng xã hội phải cạnh
tranh khốc liệt. Từ đó, đề xuất các phương án cải thiện hiệu suất và khai thác
công cụ ưu việt này một cách đúng đắn và hiệu quả.
Đề tài này được tin rằng có tính thực tiễn và có giá trị tham khảo cho các cá
nhân và doanh nghiệp. Những nghiên cứu này có thể giúp cải thiện hiệu quả
và khả năng ứng dụng của Fblearner Flow, từ đó đóng góp cho sự phát triển
của học máy.

1.3. Phương pháp nghiên cứu
Trong đề tài này, nhóm chúng em sử dụng phương pháp nghiên cứu tài liệu.

Đây là phương pháp thu thập thông tin và tổng hợp kiến thức thông qua các
bài báo, mạng xã hội, Internet, ...

Phn 2. NỘI DUNG

2.1. TỔNG QUAN VỀ AI

2.1.1. AI là gì?
AI, được viết tắt từ cụm từ Artificial Intelligence, có nghĩa là trí tuệ nhân tạo.
Đây là lĩnh vực được kết hợp giữa khoa học máy tính (machine learning) và
bộ dữ liệu (dataset) để tạo ra những cỗ máy có thể tư duy giống như con

4

lOMoARcPSD|39472803

người. Trước đây, máy móc chỉ được con người lập trình để thực hiện một số
chức năng cố định, lặp đi lặp lại, nhưng AI khác những cỗ máy kia ở điểm
đây chính là một dạng trí thơng minh do con người lập trình để nó có thể tự
hiểu và tự vận hành.
AI được chia thành hai loại:

● Weak AI (Narrow AI): Là loại AI được thiết kế để thực hiện các tác
vụ đơn lẻ và cụ thể, chúng khơng có nhận thức như con người mà chỉ
mô phỏng hành vi của con người dựa trên một loạt các thông số và bối
cảnh hẹp. VD: các trợ lý ảo (Siri, Alexa…), hệ thống chuẩn đoán bệnh
và đưa ra phác đồ điều trị, ô tô tự động lái, …

● Strong AI (AGI): Mặc dù chỉ đang dừng lại ở mức lý thuyết, song có
thể hiểu Strong AI có khả năng thực hiện bất kỳ công việc nào mà con

người có thể, khơng chỉ nâng cao hiệu quả trong các nhiệm vụ đơn lẻ
mà còn đạt được khả năng áp dụng kiến thức kinh nghiệm vào nhiều
vấn đề khác nhau. Và trên hết Strong AI có nhận thức và cảm xúc như
con người.

2.1.2. Cấu tạo cơ bản của AI
AI được xây dựng dựa trên sự kết hợp của hai nhánh chính là Machine
Learning (ML) và Deep Learning (DL):

● H漃⌀c máy (Machine Learning): là một phần của trí tuệ nhân tạo (AI)
tập trung vào việc cho phép các thuật tốn của máy tính tự động học
hỏi và cải thiện hiệu suất của chúng theo thời gian dựa trên kinh
nghiệm, mà không cần được lập trình cụ thể. Các thuật tốn ML có thể
được sử dụng để thực hiện các nhiệm vụ như nhận dạng hình ảnh, phân
tích ngơn ngữ tự nhiên và dự đoán xu hướng.

● H漃⌀c sâu (Deep Learning): là một loại học máy sử dụng mạng nơ-ron
nhân tạo mô phỏng từ cấu trúc và chức năng của não người, có chức
năng xử lý và truyền tải thông tin. Bằng cách điều chỉnh các kết nối
giữa các nơ-ron này, các thuật toán học sâu có thể học cách tìm ra mối
liên hệ từ dữ liệu và đưa ra dự đoán.

2.1.3. Ứng dụng của AI
● Nhận dạng gi漃⌀ng nói (speech recognition): là khả năng xử lý ngôn
ngữ tự nhiên (NLP) để chuyển đổi giọng nói của con người thành dạng
văn bản dựa vào tần số, biên độ âm… Tuy vẫn chưa đạt được độ chính
xác hồn tồn nhưng đã có cải thiện đáng kể trong những năm gần đây.
VD: các cơng cụ tìm kiếm bằng giọng nói, voice chat…
5

lOMoARcPSD|39472803

● Thị giác máy tính (computer vision): Cơng nghệ AI này cho phép
máy tính và hệ thống trích xuất thơng tin có ý nghĩa từ hình ảnh kỹ
thuật số, video và các đầu vào hình ảnh khác. Ứng dụng này đang được
áp dụng trong nhiều ngành công nghiệp khác nhau, từ y tế, bán lẻ cho
đến giao thông vận tải. VD: gắn thẻ ảnh trên phương tiện truyền thông
xã hội, ô tô tự động lái...

● Cá nhân hoá (personalization): trải nghiệm người dùng đang ngày
được nâng cao cùng với đó là lợi ích to lớn mà doanh nghiệp có được
nhờ vào sự phát triển của AI trong cá nhân hoá người dùng trong đa
lĩnh vực (thương mại điện tử, các nền tảng mạng xã hội…). Trí tuệ
nhân tạo thu thập dữ liệu về hành vi của người dùng trong quá khứ,
phân tích sở thích và hành vi của họ, sau đó sử dụng thơng tin đó để dự
đoán hành vi trong tương lai và cung cấp cho họ trải nghiệm phù hợp.

●…

2.1.4. Cơ hội và thách thức của AI

2.1.4.1. Cơ hội
● Nâng cao năng suất và hiệu quả: AI có thể tự động hóa các tác vụ lặp
đi lặp lại, phân tích các bộ dữ liệu lớn và tối ưu hóa quy trình, dẫn đến
những lợi ích đáng kể về năng suất và hiệu quả trên nhiều lĩnh vực khác
nhau.
● Cải thiện việc ra quyết định: Phân tích lượng thơng tin khổng lồ và
đưa ra quyết định với tỉ lệ chính xác cao hơn.
● Giải quyết các vấn đề phức tạp: AI có thể được sử dụng để giải quyết
các vấn đề phức tạp mà con người không thể giải quyết một cách hiệu

quả.
● Tiến bộ trong chăm sóc sức khỏe: AI ngày càng được áp dụng nhiều
trong y học như hỗ trợ trong chẩn đoán y tế, lập kế hoạch điều trị và
thậm chí là thực hiện các cuộc phẫu thuật.
● Tạo ra các giá trị mới: AI đang đẩy nhanh các đột phá khoa học bằng
cách phân tích dữ liệu phức tạp, mơ phỏng các thử nghiệm và tạo ra các
giả thuyết mới.
●…

6

lOMoARcPSD|39472803

2.1.4.2. Thách thức
● Thay thế việc làm và thất nghiệp: Việc tự động hóa các tác vụ bằng
AI có thể dẫn đến việc thay thế việc làm và thất nghiệp, bên cạnh đó
lực lượng lao động cịn cần phải nâng cao kỹ năng để thích ứng với các
công nghệ mới, điều không phải tất cả mọi người đều làm được.
● Các vấn đề về quyền riêng tư: Thu thập và sử dụng lượng lớn dữ liệu
cá nhân để phát triển AI gây ra lo ngại về quyền riêng tư và khả năng
sử dụng sai mục đích.
● Mặt đạo đức: Việc phát triển và sử dụng AI đặt ra các câu hỏi về đạo
đức liên quan đến các vấn đề về bản quyền, quyền tự chủ của con
người trong tương lai khi trí tuệ nhân tạo đã vượt q xa trí thơng minh
của con người.

2.2. TỔNG QUAN VỀ FACEBOOK

2.2.1. Thông tin chung
Facebook là một trong những nền tảng mạng xã hội phổ biến nhất thế

giới với hàng tỉ người dùng. Vượt qua các rào cản về mặt địa lý, người
dùng có thể đăng tải, chia sẻ các trạng thái hoạt động, thông tin cá nhân
và tương tác với nhau.

2.2.2. Hình thành và phát triển

2.2.2.1. Lịch sử hình thành
Facebook được sinh viên khoa Máy tính trường Harvard - Mark
Zuckerberg sáng lập. Năm 2003, tiền thân của Facebook là Facemash
được phát triển, đây là trang web cho phép người dùng bình chọn ai là
người thu hút hơn bằng cách xếp 2 ảnh kế nhau. Chỉ sau 4 giờ, 450 lượt
truy cập, 22 000 lượt xem hình ảnh là những con số ấn tượng thu được.
Tuy nhiên, Mark đã bị quản trị mạng trường Harvard buộc tội vì đã tấn
công vào trang web nhà trường để lấy thông tin sinh viên. Vi phạm an
ninh, vi phạm quyền riêng tư cá nhân, vi phạm bản quyền, song án phạt
trục xuất đã được bãi bỏ. 04/02/2004, Mark Zuckerberg thành lập The
Facebook từ cái tên ban đầu thefacebook.com. Tuy nhiên, ngay sau đó
Mark bị cáo buộc đã sử dụng ý tưởng của trang mạng xã hội
HarvardConnection.com, được phát triển bởi 3 tiền bối trong trường.
Sau tất cả, 1,2 triệu cổ phiếu trị giá 300 triệu USD đã được đền bù.
2005, Facebook chính thức ra đời, chữ “the” đã được bỏ đi, để lại cái
tên cuối cùng là Facebook được sử dụng tới ngày nay.
7

lOMoARcPSD|39472803

2.2.2.2. Lịch sử phát triển
● Năm 2004: Phiên bản cho riêng sinh viên Harvard.
● Năm 2006 - 2008: Quảng bá rộng rãi và hoàn thiện trang profile cá
nhân của người dùng.

● Năm 2010: Hồn thiện các tính năng, giao diện Fanpage.
● Năm 2011: Ra mắt Timeline.
● Năm 2012: Mua lại trang mạng xã hội Instagram và niêm yết nó trên
sàn giao dịch chứng khoán.
● Năm 2013: Cải tiến Graph Search (công cụ tìm kiếm theo ngữ nghĩa).
● Năm 2014: Thâu tóm WhatsApp cạnh tranh mảng chat, đồng thời mua
lại Oculus để phát triển thiết bị giả lập 3D, VR,…
● Năm 2015: Bổ sung tính năng Shop của Fanpage và mỗi ngày thu hút 1
tỷ người dùng.
● Năm 2016: Ra mắt Messenger và trang thương mại điện tử tại các thị
trường lớn.
● Năm 2016 - hiện tại: Phát triển không ngừng.

2.2.3. Một số bê bối

Cuộc cách mạng công nghệ đã và đang làm thay đổi đời sống con
người, song cũng mang lại khơng ít những mối nguy hiểm tiềm tàng.
Facebook, trang mạng xã hội được đánh giá là lớn nhất thế giới cũng
từng dính đến nhiều bê bối. Ngồi 50 triệu người dùng Việt Nam bị lộ
số điện thoại, Facebook cũng từng lao đao với những lùm xùm tai tiếng
khác.

Bê bối Cambridge Analytica

Đây được xem là vụ bê bối lớn nhất của Facebook, xảy ra vào tháng 3
năm 2018. Dữ liệu của 87 triệu người dùng bị Aleksandr Kogan thu
thập và bán cho Cambridge Analytica. Cuộc bầu cử Tổng thống Mỹ
2016 đã bị tác động ít nhiều bởi sự việc trên.

#DeleteFacebook, chiếc hashtag được lan rộng, Facebook đón nhận

một làn sóng tẩy chay và xóa tài khoản chưa từng có. Nhà sáng lập
Mark Zuckerberg đã phải ra điều trần trước Ủy ban Năng lượng và

8

lOMoARcPSD|39472803

Thương mại của Hạ viện Mỹ. Khơng ai có thể đo đếm chính xác sức
ảnh hưởng của sự việc, chẳng một lời giải thích lí do Facebook giữ kín
mọi thứ sau 2 năm, mọi chuyện kết thúc với lời xin lỗi và cam đoan sẽ
sớm khắc phục sự cố từ Facebook.

50 triệu người dùng bị lộ thông tin

Tháng 9 năm 2018, khi người dùng mạng xã hội vẫn còn đang quan
ngại về tính bảo mật của trang mạng xã hội được xem là lớn nhất thế
giới, khi bê bối trước đó như vết thương cịn đang rỉ máu thì người
dùng khắp thế giới bị văng khỏi Facebook và Messenger. Lợi dụng lỗi
bảo mật liên quan đến tính năng “View as” (Xem với tư cách khác),
hacker đã tiếp cận với dữ liệu của 50 triệu tài khoản. Sau đó, 90 triệu
người dùng trang mạng xã hội này phải đăng nhập lại trên toàn bộ các
thiết bị.

Lộ mật khẩu của 600 triệu tài khoản

Tháng 1 năm 2019, mật khẩu của 60 triệu tài khoản được lưu trữ dưới
dạng văn bản có thể đọc được trong hệ thống nội bộ của Facebook.
Mark Zuckerberg cam đoan những mật khẩu này không bị tiếp cận bởi
người ngồi, hay có bằng chứng rằng nhân viên Facebook đã tiếp cận
chúng với mục đích tiêu cực.

Khơng lâu sau đó, vào tháng 4-2019, một bản báo cáo được UpGuard
công bố gây sốc cho giới công nghệ khi tiết lộ về kho thông tin người
dùng Facebook được lưu trữ công khai trên các máy chủ điện toán đám
mây của Amazon (Amazon Web Service).

Dữ liệu của 540 triệu tài khoản không được bảo vệ

Báo cáo chỉ ra rằng nền tảng kỹ thuật số Culturea Colectiva của Mexico
lưu trữ công khai dữ liệu hồ sơ của 540 triệu người dùng và có thể được
tải xuống bởi bất kỳ cá nhân, tổ chức nào. Bloomberg cảnh báo với
Facebook và mọi thứ đã được gỡ bỏ sau 3 ngày.

Những sai sót là điều khơng thể tránh khỏi, xong những bê bối đã ảnh
hưởng rất nhiều đến người dùng mạng xã hội toàn cầu. Facebook và cả
những trang mạng xã hội khác cần hoàn thiện tốt hơn hệ thống bảo mật,
trước khi bị quay lưng bởi chính những người dùng của mình.

9

lOMoARcPSD|39472803

2.2.4 Tương lai nào cho FB?
Không thể phủ nhận sức ảnh hưởng của một trong những trang mạng
xã hội lớn nhất hành tính- Facebook, xong những bê bối tai tiếng đã
ảnh hưởng rất nhiều đến uy tín của ơng lớn này. Facebook liệu có thể
đứng vững với sự xuất hiện của những trang mạng xã hội mới, hay sẽ
bị lớp bụi thời gian che lấp ?

Facebook và những khó khăn

Apple chặn việc FB thu thập thông tin người dùng trên iOS và Google
cũng có kế hoạch tương tự trong tương lai.
Facebook cũng bị hạn chế ở nhiều nơi, trong đó có thị trường lớn Liên
minh châu Âu EU. Thậm chí tại quê nhà, ông lớn này cũng gặp nhiều
khó khăn để duy trì thế độc quyền.
Những thuật tốn khơng phù hợp với từng quốc gia cũng là rào cản lớn
với trang mạng xã hội Facebook.

Mạng xã hội mới lên ngôi?

YouTube tập trung vào video, LinkedIn đẩy mạnh việc làm, Twitter
đơn giản hóa giao diện, Tik tok với những video ngắn đã và đang thu
hút hàng tỷ người dùng toàn cầu.

Sinh sau đẻ muộn nhưng Tik Tok cũng đã chạm mốc 1 tỷ người dùng
và ngày càng thu hút thêm người mới với những video ngắn hợp thị
hiếu.

Ở một số quốc gia, Facebook cũng khơng thể so bì với các trang mạng
xã hội bản địa như KakaoTalk ở Hàn Quốc, Line ở Nhật Bản hay Zalo
ở Việt Nam…

99,1% người dùng di động Hàn Quốc sử dụng KakaoTalk, Tại Nhật
Bản, LINE là ứng dụng mạng xã hội hàng đầu với 86 triệu người dùng
hàng tháng,hơn hẳn con số 26 triệu của Facebook. Hiện Zalo có khoảng
67 triệu tài khoản ở Việt Nam với một giao diện khác biệt.

Facebook và Meta

“Thay đổi hay là chết”, ngày 29 tháng 10 năm 2021, Facebook đã chính

thức đổi tên thành Meta. Zuckerberg cho biết vũ trụ ảo có thể trở thành

10

Downloaded by linh tran ()

lOMoARcPSD|39472803

nền tảng xã hội quan trọng, với sự tham gia của nhiều công ty công
nghệ trong 10 năm tới. Zuckerberg đang kỳ vọng vũ trụ ảo này sẽ đạt
một tỷ người dùng trong thập niên tới.

Bộc lộ những hạn chế và sự cạnh tranh gay gắt từ các đối thủ buộc
Facebook phải thay đổi. Song liệu gã khổng lồ này có đi đúng hướng,
liệu Facebook vẫn sẽ ở vị trí dẫn đầu hay bị vượt mặt, thời gian sẽ trả
lời cho tất cả.

2.3. FBLEARNER FLOW

2.3.1. FBLearner Flow là gì?
Năm 2016, đội ngũ kỹ sư của Facebook đã bắt đầu nghiên cứu và sau đó
FBLearner Flow được ra mắt công chúng. FBLearner Flow được coi là nền
tảng cho mọi thuật toán Al của Facebook (Al's backbones), được thiết kế để
giúp các kỹ sư phát triển, thử nghiệm và thực thi các thuật toán Al trên phạm
vi khổng lồ - bao gồm tồn bộ các hình thức học máy cho phép các dịch vụ
của Facebook có thể tự học các tác vụ thay vì cần tới sự lập trình của con
người. Nói một cách dễ hiểu hơn, Facebook đã tạo ra một con Al có khả năng
tạo ra các con Al khác. Được thiết kế để giải quyết các thách thức của việc
đào tạo, phát triển và triển khai các mơ hình máy học quy mơ lớn, chẳng hạn
như:

● Quản lý sự phức tạp của các quy trình cơng việc ML
● Tự động hóa các tác vụ ML
● Theo dõi các thí nghiệm ML
FBLearner Flow được sử dụng bởi nhiều nhóm khác nhau tại Facebook, bao
gồm các nhóm phát triển News Feed, Ranking và Phát hiện lạm dụng.

2.3.2. Sự ra đời của FBLearner Flow
Khó khăn đầu tiên dẫn tới sự ra đời của FBLearner Flow là việc kiểm nghiệm
phần mềm địi hỏi rất nhiều cơng sức và thời gian trong khi sức lực con
người là hữu hạn.
Sau màn lên sàn kỷ lục với trị giá 104 tỷ USD của Facebook vào năm 2012,
Mehanna và nhiều kỹ sư tài năng của Facebook bắt đầu cảm thấy áp lực phải
cải thiện khả năng xác định đối tượng quảng cáo. Mạng xã hội này sống nhờ
quảng cáo: càng hiển thị các mẩu quảng cáo phù hợp với sở thích người dùng
thì Facebook càng thu được nhiều tiền. Điều này cũng có nghĩa rằng các kỹ

11

Downloaded by linh tran ()

lOMoARcPSD|39472803

sư cần phải tạo ra các mạng nơ-ron sâu và các thuật toán máy học có thể xử lý
hiệu quả lượng thơng tin cá nhân khổng lồ mà Facebook thu lại hàng ngày từ
1,5 tỷ người dùng của mình.
Để tạo ra một con AI có thể giải quyết được một bài tốn lớn, các chuyên gia
phần mềm sẽ phải thử nghiệm hàng chục, hàng trăm hướng đi thất bại. Mỗi
giải pháp, bất kể là đúng đắn hay sai lầm, đều phải được chạy qua hàng trăm
siêu máy tính tại trung tâm dữ liệu. Đến bây giờ, nhiều công ty lại cố gắng tự

động hóa khâu thử nghiệm và mắc sai lầm của AI (hoặc ít nhất là một phần
trong đó).
→ Nếu như bạn có thể tự động hóa các phần khó nhằn nhất, bạn có thể đẩy
nhanh thời gian đưa cơng nghệ máy học tới các kỹ sư bình thường, và rồi bạn
có thể để các nhà khoa học hàng đầu của mình dành trí óc suy nghĩ về những
vấn đề có tầm vóc to lớn hơn nữa.
Vì vậy, FBLearner Flow được ra đời với mục đích hết sức rõ ràng: giảm tối
đa các khâu thử nghiệm nhàm chán cho con người trong quá trình chế tạo AI.
Các thống kê cho thấy FBLearner Flow được sử dụng bởi hơn 25% đội ngũ
kỹ thuật của Facebook, đào tạo hơn một triệu mơ hình và có thể đưa ra đến 6
triệu dự đốn mỗi giây.

2.3.3. Các thành phn cấu tạo
Cấu tạo:
FBLearner Flow là một nền tảng quản lý quy trình cơng việc học máy được
Facebook phát triển. Nó bao gồm các thành phần sau:

Tốn tử phân tách tập dữ liệu: Phân tách tập dữ liệu thành tập huấn luyện
và tập kiểm tra là một thực tế phổ biến trong học máy. Nó cho phép kĩ sư
đánh giá hiệu suất của mơ hình của mình trên dữ liệu chưa thấy.
Toán tử cây quyết định: Cung cấp một loạt các tham số có thể cấu hình để
kiểm sốt hành vi của mơ hình, chẳng hạn như độ sâu tối đa của cây, số mẫu
tối thiểu trên mỗi nút lá và tiêu chí được sử dụng để chia nút.
Bằng cách sử dụng toán tử cây quyết định của FBLearner Flow, các kĩ sư có
thể đào tạo và đánh giá hiệu quả các mơ hình cây quyết định cho các tác vụ

12

Downloaded by linh tran ()

lOMoARcPSD|39472803

mơ hình dự đốn khác nhau. Và có thể sử dụng mơ hình cây quyết định để
phân loại, liên phân loại và xếp hạng dữ liệu.
Ví dụ: Sử dụng mơ hình cây quyết định để phân loại hoa Iris thành ba loại
khác nhau, phân loại khách hàng thành các nhóm khác nhau dựa trên hành vi
mua sắm của họ hoặc xếp hạng các sản phẩm theo mức độ phổ biến của
chúng.
Tốn tử tính tốn chỉ số: Là các cơng cụ quan trọng trong FBLearner Flow.
Chúng cung cấp các phép đo định lượng về hiệu suất của mơ hình học máy,
có thể được sử dụng cho một loạt các ứng dụng.Các tốn tử tính tốn chỉ số
có thể được sử dụng để:

● Lựa chọn mơ hình: So sánh các mơ hình khác nhau dựa trên hiệu suất
của chúng để xác định mơ hình tốt nhất cho nhiệm vụ hiện tại.

● Tối ưu hóa mơ hình: Điều chỉnh các tham số của mơ hình để cải thiện
hiệu suất của nó.

● Giám sát hiệu suất mơ hình: Theo dõi những thay đổi trong hiệu suất
của mô hình theo thời gian để phát hiện các vấn đề tiềm ẩn hoặc suy
giảm.

Tốn tử dự đốn: Tốn tử này đóng vai trị then chốt trong việc cho phép hệ
thống tạo dự đoán dựa trên các mơ hình học máy đã được đào tạo.
Chức năng cốt lõi của toán tử dự đoán là lấy một mơ hình học máy đã được
đào tạo và một tập dữ liệu đầu vào, sau đó tạo ra các dự đoán cho các điểm dữ
liệu đã cho. Quá trình này bao gồm việc đưa dữ liệu đầu vào vào cấu trúc bên
trong của mơ hình, nơi các tham số và thuật tốn của mơ hình được áp dụng
để xử lý dữ liệu và tạo ra các dự đoán. Toán tử thường xuất ra các dự đoán

dưới dạng phân phối xác suất hoặc nhãn lớp, tùy thuộc vào loại mơ hình đang
được sử dụng.
API (Application Program Interface) hay giao diện chương trình ứng dụng:
Cung cấp các phương thức và hàm để tạo và quản lý các quy trình cơng việc
Machine Learning. Các phương thức này cho phép các kỹ sư Machine
Learning thực hiện các tác vụ sau:

● Tạo và chạy các quy trình cơng việc ML mới
● Sửa đổi các quy trình cơng việc ML hiện có
● Truy vấn thơng tin về các quy trình cơng việc ML

DSL (Digital Subscriber Line) hay Đường thuê bao số: Là ngôn ngữ mô tả
quy trình cơng việc đơn giản và dễ hiểu. Nó sử dụng các biểu đồ khơng có
hướng tuần hồn (DAG) để mơ tả các quy trình cơng việc ML, bao gồm:

13

Downloaded by linh tran ()

lOMoARcPSD|39472803

● Nút: Một nút đại diện cho một tác vụ ML.
● Cửa nối: Một cửa nối kết nối hai nút.
● Dữ liệu: Dữ liệu được truyền giữa các nút.
Trình biên dịch
Trình biên dịch dịch DSL thành các lệnh có thể thực thi. Các lệnh này được
sử dụng để chạy các quy trình cơng việc Machine Learning trên cơ sở hạ tầng
của FBLearner Flow.
Hệ thống quản lý tài nguyên:
Hệ thống quản lý tài nguyên của Facebook cung cấp các tài nguyên cần thiết

để chạy các quy trình cơng việc Machine Learning, chẳng hạn như máy tính,
bộ nhớ và mạng.
Hệ thống quản lý tài nguyên sử dụng các thuật toán để phân bổ các tài nguyên
này cho các quy trình cơng việc ML một cách hiệu quả.
Hệ thống giám sát
Theo dõi các quy trình cơng việc ML và cung cấp thông tin chi tiết về hiệu
suất của chúng.
→ Thơng tin chi tiết này có thể được sử dụng để xác định các quy trình cơng
việc ML đang gặp sự cố hoặc có thể được cải thiện.

2.3.4. Quy trình hoạt động
FBLearner Flow được Facebook tạo ra với mục đích chính là thay thế các
chuyên gia trong quá trình thu thập và xác định đối tượng quảng cáo để tiến
hành cá nhân hóa thơng tin cho người dùng. Vì thế, FBLearner Flow ln có
một quy trình hoạt động cụ thể rõ ràng từ việc học máy đến thu thập thông tin
và đề xuất các quảng cáo, thông tin phù hợp từng khách hàng:

● Thu thập dữ liệu: Việc thấu hiểu đối tượng sử dụng cần có thời gian để
học máy và thu thập thông tin dữ liệu từ hàng triệu nguồn khác nhau
bao gồm cơ sở dữ liệu nội bộ, dữ liệu được tải lên bởi người dùng hoặc
dữ liệu được thu thập từ các trang web bên ngồi để đào tạo mơ hình.

● Chuẩn bị dữ liệu: Những dữ liệu được thu thập cần được sàng lọc và
lựa chọn kĩ càng trước khi áp dụng vào tạo mơ hình. Bước này có thể
giúp loại bỏ các giá trị thiếu, chuyển đổi các giá trị thành các định dạng
phù hợp và chia dữ liệu thành các tập huấn luyện và kiểm tra.

● Xây dựng mơ hình: Đây là giai đoạn đầu cũng là bước vô cùng quan
trọng khi phải cho máy học các dữ liệu đã chọn lọc để bắt đầu một mơ
hình mới hoàn toàn hoặc tiếp tục ở một giai đoạn nào đó trong mơ hình

cũ.

14

Downloaded by linh tran ()

lOMoARcPSD|39472803

● Đào tạo mơ hình: Mơ hình dần được đào tạo và sắp xếp lại các dữ liệu
đã nhận được. Bước này tốn khá nhiều thời gian để đào tạo tùy thuộc
vào kích thước của lượng dữ liệu và độ phức tạp của mơ hình.

● Đánh giá mơ hình: Sau khi mơ hình được hoàn thiện là lúc cần để thử
nghiệm và đánh giá mức độ thành cơng của mơ hình thơng qua các ứng
dụng thực tế.

2.3.5. Một số ứng dụng do FBLearner Flow khởi tạo
Minh chứng cho thành công của FBLearner Flow là những ứng dụng táo bạo
đã được triển khai và góp phần xây dựng nên sự phát triển của Facebook hiện
nay.

2.3.5.1. DeepFace
Là một trong những ứng dụng xuất sắc nhất của FBLearner Flow, DeepFace
là một hệ thống nhận dạng khuôn mặt bởi Facebook AI được ra mắt lần đầu
vào năm 2014 và được cải tiến cho đến tận thời điểm hiện tại. Các khuôn mặt
được người dùng tải lên sẽ được DeepFace dùng một mạng nơ-ron tích chập
(CNN) để nhận diện các đặc trưng trên khn mặt ấy. Các đặc trưng ấy sẽ
được dùng trong việc tìm các bài có liên quan đến người trong ảnh nhờ vào
khoảng cách tính tốn của khn mặt trong DeepFace. Một số chức năng
chính của DeepFace trong Facebook là:

● Facebook Photos: Nhận dạng khuôn mặt trong ảnh và video.
● Facebook Tag Suggestions: Đề xuất những người bạn có thể gắn thẻ

trong ảnh và video.
● Facebook Security: Xác minh danh tính của người dùng.

2.3.5.2. DeepText
Là một cơng cụ hiểu và phân tích được ngơn ngữ tự nhiên (NLU). Ứng dụng
nổi bật nhất của công cụ này là để phân tích và hiểu văn bản, bao gồm cả văn
bản tiếng Việt. Sau khi nắm rõ thông tin ngơn ngữ của người dùng muốn
truyền tải thì DeepText cịn tiếp tục các việc phân tích áp dụng các ứng dụng
khác như:

● Phân tích cảm xúc: Cảm xúc người dùng giờ đây có thể được các công
cụ này phân tích và dự đốn như một cách nhìn nhận như một con
người.

● Nhận dạng chủ đề: Chỉ với một ít thơng tin dữ liệu từ người dùng có
thể giúp AI đoán ra chủ đề mà họ đang nói đến và gợi ý quảng cáo phù
hợp với họ.
15

Downloaded by linh tran ()

lOMoARcPSD|39472803

● Trả lời câu hỏi: DeepText có thể được sử dụng để trả lời các câu hỏi về
một đoạn văn bản.

● Dịch ngôn ngữ: Giúp giảm rào cản ngôn ngữ trên nền tảng facebook và
giúp mọi người giao lưu, kết nối hơn.

2.3.6. Điểm nổi bật và điểm cn khắc phục

2.3.6.1. Điểm nổi bật
Là một nền tảng học máy mạnh mẽ và linh hoạt dùng để cung cấp một số tính
năng nổi bật:

● Kho lưu trữ các mơ hình h漃⌀c máy đã được đào tạo sẵn: Cung cấp
một kho lưu trữ các mơ hình học máy đã qua đào tạo sẵn cho nhiều loại
nhiệm vụ khác nhau. Điều này giúp cho việc bắt đầu sử dụng học máy
trở nên dễ dàng hơn.

● Công cụ để phát triển và đào tạo các mơ hình h漃⌀c máy mới: Là
xương sống của các cơng cụ và mơ hình mới vì FBLearner Flow mang
lại các tính năng giúp xây dựng và đào tạo các mơ hình học máy trở
nên dễ dàng hơn nhờ các bước:
● Tạo và chỉnh sửa các mơ hình học máy;
● Huấn luyện các mô hình học máy trên các tập dữ liệu lớn;
● Đánh giá hiệu suất của các mơ hình học máy.

● Công cụ để triển khai các mô hình h漃⌀c máy trên các nền tảng khác
nhau: Là cầu nối giúp liên kết thống nhất giao diện giữa đa dạng các
thiết bị từ điện thoại đến các máy tính bàn lớn.

2.3.6.2. Điểm cn khắc phục
● Hỗ trợ cho các ngôn ngữ khác: FBLearner Flow hiện tại chỉ hỗ trợ
tiếng Anh dẫn đến khó khăn về hình thức và thời gian khi phải tốn cơng
sức dịch sang các ngôn ngữ khác. Việc hỗ trợ cho các ngôn ngữ khác sẽ

giúp cho việc sử dụng FBLearner Flow trở nên dễ dàng hơn đối với
những người không nói tiếng Anh.
● Tốc độ đào tạo: Dù FBLearner Flow có thể tự đào tạo mơ hình mới
cho các ứng dụng do nó khởi tạo như DeepFace, DeepText,.. nhưng lại
đánh đổi rất nhiều thời gian để đào tạo các mơ hình học máy lớn. Vì thế
việc cải thiện tốc độ đào tạo sẽ giúp cho việc sử dụng FBLearner Flow
trở nên hiệu quả hơn.

16

Downloaded by linh tran ()

lOMoARcPSD|39472803

● Hỗ trợ cho các nhiệm vụ h漃⌀c máy mới: FBLearner Flow hiện chỉ hỗ
trợ một số loại nhiệm vụ học máy phổ biến mà nó tìm kiếm được dựa
vào những nền tảng và dữ liệu từ cơ sở chính hay đối thủ xung quanh
lẫn người dùng nên việc học máy mới là điều chưa khả thi đối với
FBLearner Flow hiện tại. Việc hỗ trợ cho các nhiệm vụ học máy mới sẽ
giúp cho FBLearner Flow trở nên linh hoạt hơn.

2.3.7. FBLearner Flow đã mang đến lợi ích gì cho tập đồn tỷ đơ?
FBLearner Flow là một công cụ mạnh mẽ đã mang lại lợi ích đáng kể cho
tập đồn tỷ đơ Meta.
Đầu tiên, FBLearner Flow là một nền tảng học máy và AI mạnh mẽ, giúp
Meta xây dựng và triển khai các mơ hình học máy phức tạp một cách dễ dàng.
Điều này cho phép Meta nhanh chóng áp dụng các cơng nghệ mới như nhận
diện khuôn mặt, gợi ý tin tức và quảng cáo thông minh trên các sản phẩm của
họ.
Thứ hai, FBLearner Flow cung cấp khả năng tự động hố q trình huấn

luyện và triển khai các mơ hình học máy. Điều này giúp Meta tiết kiệm thời
gian, chi phí và cơng sức trong việc xử lý hàng triệu dữ liệu từ người dùng
hàng ngày. Bằng cách sử dụng FBLearner Flow, Meta có thể tăng hiệu suất
làm việc của nhóm kỹ thuật và đẩy nhanh tiến trình phát triển sản phẩm.
Cuối cùng, FBLearner Flow được thiết kế để linh hoạt và có thể tích hợp với
các cơng cụ khác trong hệ thống của Meta. Điều này cho phép công ty sử
dụng FBLearner Flow như một công cụ tổng hợp để xây dựng các ứng dụng
AI phức tạp trong toàn bộ hệ thống của mình.
Dưới đây là một số ví dụ cụ thể về lợi ích của FBLearner Flow:

● Tại Meta, một kỹ sư đã sử dụng FBLearner Flow để phát triển một
mô hình học máy mới giúp cải thiện hiệu quả của hệ thống phân tích
dữ liệu. Mơ hình này đã giúp Meta tiết kiệm được hàng triệu đô la
chi phí.

● Một nhóm kỹ sư khác tại Meta đã sử dụng FBLearner Flow để phát
triển một mơ hình học máy mới giúp phát hiện spam trên các nền
tảng của Meta. Mô hình này đã giúp bảo vệ người dùng khỏi nội
dung độc hại và ngăn chặn sự lan truyền của thông tin sai lệch.

● Một nhóm kỹ sư khác tại Meta đã sử dụng FBLearner Flow để phát
triển một mơ hình học máy mới giúp nhắm mục tiêu quảng cáo tới
người dùng dựa trên sở thích và nhân khẩu học của họ. Mơ hình này
đã giúp đảm bảo rằng người dùng nhìn thấy quảng cáo có liên quan

17

Downloaded by linh tran ()

lOMoARcPSD|39472803

đến họ và các nhà quảng cáo có thể tiếp cận đối tượng mục tiêu của
họ.
Tóm lại, FBLearner Flow khơng chỉ mang lại những tiện ích quan trọng cho
Meta trong việc áp dụng AI vào hoạt động kinh doanh của mình, mà cịn giúp
tập đồn này tiết kiệm thời gian, tối ưu hóa quy trình và nâng cao khả năng
mở rộng.
Tài liệu tham khảo: ChatGPT & Google Bard

2.3.8. Tác hại của việc quá lạm dụng FBLearner Flow
FBLearner Flow là một cơng cụ mạnh mẽ có thể được sử dụng để xây dựng,
đào tạo và triển khai các mơ hình học máy quy mô lớn. Tuy nhiên, việc lạm
dụng FBLearner Flow có thể dẫn đến một số tác hại, bao gồm:

a. Là nguồn cơn gây kích động thù hận: Các mơ hình học máy giúp tăng
tối đa tương tác, tuy nhiên những bài có nội dung tranh cãi, thơng tin
sai lệch và cực đoan lại thu hút nhiều lượt tương tác nhất. Điều này làm
bùng phát những căng thẳng chính trị.

Ví dụ: tin giả trên Facebook về nhóm thiểu số Hồi giáo Rohingya ở
Myanmar đã khiến xung đột tôn giáo leo thang tại đất nước này.
b. Tăng khả năng sai lệch: Các mơ hình học máy có thể tạo ra các kết quả

sai lệch nếu chúng được đào tạo trên dữ liệu khơng chính xác hoặc
không đầy đủ. Nếu FBLearner Flow được sử dụng để đào tạo các mô
hình học máy trên dữ liệu khơng chính xác hoặc khơng đầy đủ, thì các
mơ hình này có thể tạo ra các kết quả sai lệch.
Ví dụ: Nếu FBLearner Flow được sử dụng để đào tạo một mô hình học
máy để dự đốn thời tiết, thì mơ hình này có thể tạo ra các dự đốn sai lệch
nếu nó được đào tạo trên dữ liệu thời tiết khơng chính xác.

c. Tăng khả năng xâm phạm quyền riêng tư: Các mơ hình học máy có
thể thu thập và sử dụng dữ liệu cá nhân của người dùng để đào tạo
và triển khai. Nếu FBLearner Flow được sử dụng để thu thập và sử
dụng dữ liệu cá nhân của người dùng mà khơng có sự đồng ý của
họ, thì điều này có thể vi phạm quyền riêng tư của người dùng.
Nhìn chung, FBLearner Flow là một cơng cụ mạnh mẽ có thể được sử
dụng để xây dựng, đào tạo và triển khai các mơ hình học máy quy mơ lớn.
Tuy nhiên, cần sử dụng FBLearner Flow một cách thận trọng để giảm
thiểu các tác hại tiềm ẩn.

2.3.9. Một số đề xuất tương lai cho FBLearner Flow và Facebook
Facebook là một trong những mạng xã hội lớn nhất thế giới, với hơn 3 tỷ
người dùng hoạt động hàng tháng. Tuy nhiên, trong những năm gần đây,

18

Downloaded by linh tran ()

lOMoARcPSD|39472803

Facebook đang phải đối mặt với nhiều thách thức, bao gồm sự cạnh tranh của
các mạng xã hội mới như Tiktok, Twitter, Instagram, ..., sự lo ngại về quyền
riêng tư và các vấn đề về nội dung độc hại. Để duy trì vị thế dẫn đầu và thu
hút người dùng mới, Facebook cần có những thay đổi và đổi mới trong tương
lai. Dưới đây là một số đề xuất:

a. Tăng cường bảo mật và quyền riêng tư: Facebook cần tăng
cường và mở rộng quyền kiểm soát của người dùng đối với cài
đặt quyền riêng tư và việc sử dụng dữ liệu của họ, mang lại sự
minh bạch rõ ràng hơn về cách thu thập, lưu trữ và sử dụng dữ

liệu.

b. Đối phó với thơng tin giả mạo và tin tức sai lệch: Đầu tư vào các
công cụ máy học và trí tuệ nhân tạo mạnh mẽ hơn để phát hiện
và hạn chế sự lan truyền thông tin sai lệch, tin tức giả mạo và nội
dung có hại trên nền tảng, đồng thời tăng cường giáo dục người
dùng về việc kiểm tra thông tin trước khi chia sẻ.

c. Tạo cộng đồng mạnh mẽ hơn: Giới thiệu các tính năng và cơng
cụ mới nhằm thúc đẩy sự tương tác tích cực và có ý nghĩa trong
cộng đồng, khuyến khích các cuộc thảo luận và kết nối mang
tính xây dựng, tích cực và văn minh.

d. Tích hợp thực tế tăng cường (AR) và thực tế ảo (VR): Tích hợp
sâu hơn các công nghệ AR và VR vào nền tảng để mang lại trải
nghiệm phong phú, chẳng hạn như giao tiếp nâng cao, tụ tập ảo
hoặc nội dung tương tác.

e. Chăm sóc sức khỏe tinh thần: Cung cấp các tài nguyên và công
cụ hỗ trợ tinh thần, bao gồm cả các tính năng để giảm căng
thẳng, tăng cường tâm lý tích cực và hỗ trợ tư vấn sức khỏe tinh
thần.

f. Phát triển nền tảng thương mại điện tử: Cung cấp các công cụ và
tài nguyên miễn phí nhằm giúp các doanh nghiệp tiếp cận với
khách hàng tiềm năng và quảng bá sản phẩm/dịch vụ của mình.

g. Các biện pháp an toàn cho người dùng trẻ tuổi: Thực hiện các
biện pháp mạnh mẽ hơn để bảo vệ người dùng trẻ tuổi, bao gồm
cải thiện khả năng kiểm soát của phụ huynh, tài nguyên giáo dục

19

Downloaded by linh tran ()