Thứ Năm, 1 tháng 8, 2019

CÂU CHUYỆN KHOA HỌC 111

(ĐC sưu tầm trên NET)

Tranh Luận Giữa Bohr Và Einstein Về Cơ Học Lượng Tử

Đây là cuộc tranh luận giữa hai nhà khoa học hàng đầu thế giới trong Thế kỷ 20, phần thắng nghiêng về Bohr nhưng giới khoa học vẫn chưa hiểu hết những vấn đề mà Einstein nêu lên. Lập trường của Einstein là : 1.Hạt đã có sẵn những đặc trưng trước khi đo 2. Tác động ma quái từ xa là không có thật. Thí nghiệm của Alain Aspect năm 1982 tại Paris, áp dụng bất đẳng thức của John Bell chứng tỏ là Einstein sai, nhưng giới khoa học vẫn không hiểu rõ tại sao như vậy.

Thí nghiệm thuyết tương đối trên một ngôi sao gần siêu lỗ đen, một lần nữa Einstein lại đúng

Chủ nhật, 28/07/2019 12:00 PM GMT+7

**Các nhà nghiên cứu thí nghiệm thuyết tương đối của Einstein trên một ngôi sao nằm gần siêu lỗ đen Sagittarius A*.**

Bằng cách phân tích lực hấp dẫn của một lỗ đen khổng lồ nằm ở trung tâm Dải Ngân hà lên một ngôi sao gần đó, các nhà thiên văn học đã cho thấy lý thuyết về không gian và thời gian, mô tả lực hấp dẫn của Einstein vẫn chính xác.

Theo thuyết tương đối rộng của Einstein, lực hấp dẫn bắt nguồn từ sự uốn cong của không gian và thời gian. Khối lượng vật thể càng lớn thì lực hấp dẫn càng mạnh.

Các nhà khoa học kiểm chứng phần lớn thuyết tương đối rộng trong các trường hấp dẫn yếu chẳng hạn như Trái Đất hay Hệ Mặt Trời.

Thi nghiem thuyet tuong doi tren mot ngoi sao gan sieu lo den, mot lan nua Einstein lai dung hinh anh 1 — Ảnh mô phỏng ngôi sao S0-2 khi đi qua siêu lỗ đen nằm ở trung tâm Dải Ngân hà. Khi tiến gần đến siêu lỗ đen, ngôi sao có hiện tượng dịch chuyển đỏ phù hợp với thuyết tương đối của Einstein. (Ảnh: National Science Foundation)

Trong các trường hấp dẫn mạnh hơn như siêu lỗ đen (được cho là nằm trong tâm hầu hết thiên hà lớn), các nhà nghiên cứu nhận thấy sự tham gia của thuyết tương đối rộng có thể đưa ra lý thuyết mới giúp giải thích những bí ẩn của vũ trụ như vật chất tối, năng lượng tối.

"Einstein vẫn đúng, ít nhất là đến lúc này", Andrea Ghez, giáo sư thiên văn học tại Đại học California Los Angeles và đồng tác giả nghiên cứu, cho biết.

"Những quan sát của chúng tôi đều tương đồng với thuyết tương đối rộng của Einstein. Tuy nhiên, thuyết của ông vẫn có nhược điểm. Nó chưa thể giải thích hoàn toàn lực hấp dẫn trong một lỗ đen. Đến lúc nào đó, chúng ta phải tìm ra một thuyết mới về lực hấp dẫn để giải thích rõ hơn lỗ đen là gì", Ghez chia sẻ.

Trong quá trình nghiên cứu, các nhà thiên văn học chọn lỗ đen siêu lớn tên là Sagittarius A* (gọi tắt là Sgr A*), nằm tại trung tâm Dải Ngân hà, nặng hơn Mặt Trời 4 triệu lần với đường kính khoảng 23,6 triệu km.

Các nhà khoa học theo dõi sao S0-2 từ năm 2018, thời điểm nó nằm gần Sagittarius A* nhất trong quỹ đạo 16 năm ánh sáng. Khoảng cách gần nhất từ ngôi sao đến lỗ đen là 120 đơn vị thiên văn (AU) - một AU tương đương khoảng cách trung bình từ Trái Đất đến Mặt Trời (khoảng 150 triệu km).

Sử dụng Đài thiên văn Keck, Đài thiên văn Gemini và Kính viễn vọng Subaru ở Hawaii, các nhà thiên văn học đã theo dõi quỹ đạo hoàn chỉnh của S0-2 trong không gian 3 chiều, kết hợp chúng với các phép đo đạc trong 24 năm.

Các nhà nghiên cứu kiểm tra một dự đoán của thuyết tương đối rộng gọi là "dịch chuyển đỏ do hấp dẫn" (gravitational redshift) - sự dịch chuyển màu của quang phổ ánh sáng theo xu hướng đỏ hơn dưới tác dụng của lực hấp dẫn (theo Wikipedia).

Kết quả cho thấy quang phổ ánh sáng từ sao S0-2 dịch chuyển sang đỏ khi đi qua lực hấp dẫn từ lỗ đen Sagittarius A*, phù hợp với thuyết tương đối.

Thi nghiem thuyet tuong doi tren mot ngoi sao gan sieu lo den, mot lan nua Einstein lai dung hinh anh 2 — Quỹ đạo các ngôi sao xung quanh siêu lỗ đen ở trung tâm Dải Ngân hà. Vòng tròn màu vàng là quỹ đạo của sao S0-2, ngôi sao đầu tiên có đầy đủ thông tin để kiểm tra thuyết tương đối rộng của Einstein xung quanh một siêu lỗ đen. (Ảnh: UCLA Galactic Center Group)

"Những thí nghiệm này mở ra cánh cửa cho khả năng kiểm tra bản chất lực hấp dẫn bằng cách tận dụng quỹ đạo các ngôi sao xung quanh những siêu lỗ đen nằm ở trung tâm Thiên hà. Khả năng này từng được đề cập từ lâu trong lý thuyết, nhưng cuối cùng chúng ta làm được nó", Tuan Do, nhà vật lý-thiên văn học Đại học California Los Angeles, chia sẻ.

Nghiên cứu trên sao S0-2 là nghiên cứu đầu tiên trong nhiều nghiên cứu về thuyết tương đối dự tính thực hiện trên các ngôi sao gần siêu lỗ đen Sagittarius A*. Một trong những ngôi sao khác cũng nằm trong kế hoạch thí nghiệm là S0-102 với quỹ đạo ngắn nhất trong số gần 3.000 ngôi sao nằm gần lỗ đen siêu lớn, tương đương 11,5 năm.

Đây là bức ảnh đầu tiên của 'tác động ma quái' mà Einstein nói đến
Các nhà khoa học lần đầu tiên thu được hình ảnh hiện tượng rối lượng tử khi hai hạt photon tương tác và chia sẻ chung trạng thái vật lý.

100 năm trước, nhật thực biến Einstein thành ngôi sao
Phát hiện ra sóng hấp dẫn và hình ảnh lỗ đen gần đây là bằng chứng cho thấy lực hấp dẫn dường như hoạt động trong toàn vũ trụ, đúng như Einstein dự đoán.

AI đang thay đổi khoa học như thế nào?

26/07/2019 14:00 -

Những thuật toán trí tuệ nhân tạo mới nhất đang tìm hiểu sự tiến hóa của các thiên hà, tính toán các hàm sóng lượng tử, tìm ra những hợp chất hóa học mới, và nhiều thứ nữa. Liệu có công việc nào của các nhà khoa học không thể được tự động hóa?

Không một gương mặt nào trong số này là của người thật. Các gương mặt ở hàng trên (A) và cột bên trái (B) được một mạng sinh đối kháng sinh ra từ các yếu tố cơ sở lấy từ những ảnh thật. Sau đó, mạng sinh đối kháng kết hợp những đặc điểm cơ bản của những gương mặt A, gồm giới tính, tuổi, khuôn mặt, với những đặc điểm tinh hơn của những gương mặt B, như màu tóc và màu mắt, để tạo ra những gương mặt trong bảng ở giữa.

Không một người hay một nhóm người nào có thể theo kịp dòng lũ thông tin được sinh ra từ các thí nghiệm hiện đại về vật lý và vũ trụ. Có những thí nghiệm ghi lại hàng terabyte dữ liệu mỗi ngày, và luồng dữ liệu sẽ còn tăng nữa. Kính thiên văn giao thoa vô tuyến Square Kilometer Array, dự kiến sẽ bắt đầu hoạt động giữa thập kỷ 2020, sẽ sinh ra mỗi năm một lượng dữ liệu bằng toàn bộ internet.

Dòng lũ thông tin khiến nhiều nhà khoa học phải quay sang cầu cứu trí tuệ nhân tạo. Chỉ với sự can thiệp tối thiểu từ con người, những hệ thống trí tuệ nhân tạo như những mạng thần kinh (là mô hình máy tính mô phỏng những mạng lưới nơ-ron, bắt chước chức năng của bộ não) có thể cày xới hàng núi dữ liệu, phát hiện những điểm bất thường và những quy luật mà con người chẳng bao giờ có thể nhận ra.

Dĩ nhiên, máy tính đã được dùng trong nghiên cứu khoa học từ cách đây khoảng 75 năm, và phương pháp thăm dò (một cách “thủ công”) dữ liệu để tìm ra những quy luật có ý nghĩa thì đã có từ hàng nghìn năm trước. Nhưng một số nhà khoa học lập luận rằng những kỹ thuật mới nhất của học máy và trí tuệ nhân tạo là một cách làm khoa học mới mang tính nền tảng. Một trong những cách tiếp cận đó là tìm mô hình tối ưu dựa trên thống kê và xác suất (mô hình sinh mẫu – generative model); nó có thể giúp xác định thuyết hợp lý nhất trong nhiều cách giải thích khác nhau cho dữ liệu quan sát được, mà chỉ dựa vào dữ liệu, và quan trọng hơn, không cần tri thức về các quá trình vật lý diễn ra bên trong hệ đang được nghiên cứu. Phe ủng hộ mô hình này cho rằng nó đủ mới lạ để có thể được coi là một “cách thứ ba” để tìm hiểu về vũ trụ.

Từ xưa, chúng ta đã tìm hiểu thiên nhiên thông qua quan sát. Một thí dụ là việc Johannes Kepler rà soát vị trí các hành tinh từ dữ liệu của Tycho Brahe và cố tìm ra quy luật ẩn trong đó. (Ông rút ra được rằng các hành tinh di chuyển trên các quỹ đạo hình ê-líp). Khoa học còn tiến lên nhờ mô phỏng. Thí dụ, một nhà thiên văn học có thể mô hình hóa chuyển động của dải Ngân hà và thiên hà Andromeda¹và dự đoán sự va chạm của chúng trong vài tỷ năm nữa. Quan sát và mô phỏng giúp các nhà khoa học đưa ra những giả thuyết có thể được kiểm chứng bởi những quan sát khác mới hơn. Phương pháp tìm mô hình tối ưu dựa trên thống kê và xác suất khác với cả hai cách tiếp cận này.

“Về cơ bản, nó là một cách tiếp cận thứ ba, nằm ở giữa quan sát và mô phỏng,” Kevin Schawinski, nhà vật lý thiên văn tại Viện Công nghệ Liên bang Thụy Sĩ ở Zurich (ETH Zurich), một trong những người ủng hộ phương pháp này mạnh mẽ nhất, cho biết. “Nó là một cách khác để tấn công một bài toán.”

Một số nhà khoa học coi cách tiếp cận này và những kỹ thuật mới khác đơn giản là những công cụ mạnh để làm khoa học truyền thống. Nhưng phần lớn đồng ý rằng trí tuệ nhân tạo đang có ảnh hưởng to lớn, và vai trò của nó trong khoa học sẽ còn phát triển hơn nữa. Brian Nord, một nhà vật lý thiên văn tại Phòng thí nghiệm Máy gia tốc Quốc gia Fermi², người sử dụng mạng thần kinh để nghiên cứu vũ trụ, là một trong số những người lo ngại rằng không có một việc gì của một nhà khoa học [con người] lại không tự động hóa được. “Đó là một ý nghĩ khá đáng sợ,” ông nói.

Tạo ra để khám phá

Từ khi còn là nghiên cứu sinh, Schawinski đã nổi tiếng trong lĩnh vực khoa học dựa trên dữ liệu. Trong luận án tiến sỹ của mình, ông đối mặt với việc phân loại hàng nghìn thiên hà dựa vào hình dạng của chúng. Vì thời đó không có sẵn phần mềm nào để làm việc đó, ông quyết định nhờ sự trợ giúp của cộng đồng, và dự án khoa học Galaxy Zoo ra đời. Bắt đầu từ năm 2007, người dùng máy tính bình thường có thể giúp các nhà thiên văn học bằng cách cung cấp ý kiến phân loại của mình về các thiên hà, và kết quả phân loại chọn theo đa số nói chung là chính xác. Đó là một dự án thành công, nhưng, như Schawinski nhận xét, trí tuệ nhân tạo khiến nó trở nên lạc hậu: “Ngày nay, một nhà khoa học giỏi, có kinh nghiệm về học máy và biếtsử dụng điện toán đám mây có thể hoàn thành nó trong một buổi chiều.”

Schawinski đến với phương pháp này, một công cụ mới rất mạnh, vào năm 2016. Về cơ bản, nó cho biết khả năng quan sát được kết quả đầu ra Y nếu điều kiện đầu vào là X. Cách tiếp cận này đã cho thấy hiệu lực và sự linh hoạt khó tin. Thí dụ, giả sử chúng ta đưa cho một bộ dữ liệu gồm ảnh một số mặt người, mỗi bức ảnh kèm theo tuổi của người đó. Trong quá trình duyệt qua dữ liệu sẵn có này, chương trình máy tính bắt đầu rút ra mối liên hệ giữa những gương mặt già hơn và khả năng có nếp nhăn lớn hơn. Cuối cùng, nó có thể làm “lão hóa” một gương mặt bất kỳ, nghĩa là nó có thể dự đoán những thay đổi mà một gương mặt ở một lứa tuổi bất kỳ có thể trải qua.

Những hệ mô hình kiểu này được biết đến nhiều nhất là các “mạng sinh đối kháng”³. Sau khi tiếp xúc với đủ dữ liệu huấn luyện, một mạng sinh đối kháng có thể phục chế những bức ảnh bị lỗi điểm ảnh, hoặc làm nét những bức ảnh bị mờ. Chúng học cách suy ra thông tin bị thiếu thông qua một quá trình cạnh tranh (vì thế mới gọi là “đối kháng”): một phần của mạng, gọi là bộ phát, tạo ra dữ liệu giả, trong khi phần thứ hai, gọi là bộ tách, tìm cách phân biệt dữ liệu giả với dữ liệu thật. Chương trình càng chạy thì cả hai phần càng đồng thời tốt lên. Có lẽ bạn đọc cũng đã từng thấy những bức ảnh lan truyền rộng rãi gần đây về những gương mặt siêu chân thực được mạng sinh đối kháng tạo ra; một bài báo đã gọi chúng là những bức ảnh “về những con người thật một cách dị thường nhưng không tồn tại”.

Một cách tổng quát, phương pháp mô tìm mô hình tối ưu này tiếp nhận các bộ dữ liệu (thường, nhưng không phải luôn luôn, là hình ảnh) và chia nhỏ chúng thành một tập hợp các khối cơ bản, trừu tượng, mà các nhà khoa học gọi là “không gian ẩn” của dữ liệu. Thuật toán làm việc với các phần tử của không gian ẩn để xem chúng ảnh hưởng đến dữ liệu gốc như thế nào, qua đó khám phá ra những quy luật vận động bên trong hệ.

Khái niệm không gian ẩn rất trừu tượng và khó hình dung. Một cách đại khái, có thể so sánh với hoạt động của bộ não khi chúng ta đoán giới tính của một gương mặt. Chúng ta có thể để ý đến kiểu tóc, hình dáng của cái mũi, v.v., cũng như những nét khó diễn tả bằng lời. Chương trình máy tính cũng tìm kiếm những đặc điểm nổi bật từ dữ liệu: dù không biết ria mép hay giới tính là những thứ gì, nếu được huấn luyện trên những bộ dữ liệu có những bức ảnh mang nhãn “đàn ông” hoặc “phụ nữ”, và trong đó có những bức mang nhãn “ria mép”, nó sẽ nhanh chóng suy ra mối liên hệ.

Trong một bài báo công bố tháng 12 năm 2018⁴ trên tạp chí Astronomy & Astrophysics, Schawinski và các đồng nghiệp tại ETH Zurich là Dennis Turp và Ce Zhang đã dùng phương pháp mô hình tối ưu để tìm hiểu những thay đổi vật lý trong quá trình tiến hóa của các thiên hà. (Phần mềm họ dùng xử lý không gian ẩn theo một cách khác với cách của một mạng sinh đối kháng, bởi thế nó dù tương tự nhưng không phải là mạng sinh đối kháng.) Mô hình của họ tạo ra các bộ dữ liệu nhân tạo để kiểm tra những giả thuyết về các quá trình vật lý. Chẳng hạn, họ muốn biết sự “tắt” của quá trình hình thành sao (sự giảm đột ngột tốc độ hình thành sao) liên quan như thế nào đến sự tăng mật độ của một thiên hà.

Với Schawinski, câu hỏi mấu chốt là có bao nhiêu thông tin về các quá trình của sao và thiên hà có thể được rút ra chỉ từ dữ liệu. “Hãy xóa hết mọi thứ chúng ta biết về vật lý thiên văn,” ông nói. “Chỉ dùng dữ liệu, đến mức độ nào chúng ta có thể khôi phục kiến thức đó?”

Đầu tiên, những hình ảnh về thiên hà được xử lí đưa về không gian ẩn của chúng; lúc này, Schawinski có thể điều chỉnh một phần tử của không gian đó theo một cách tương ứng với một thay đổi nào đó của thiên hà, chẳng hạn mật độ xung quanh nó. Sau đó, ông có thể tái tạo thiên hà và xem có khác biệt gì xuất hiện. “Thế là giờ tôi có một cái máy sinh ra giả thuyết,” ông giải thích. “Tôi có thể lấy một mớ những thiên hà vốn ở trong môi trường mật độ thấp, và qua quá trình này khiến cho chúng trông giống như ở trong một môi trường mật độ cao.” Schawinski, Turp và Zhang nhận thấy rằng khi chuyển từ mật độ thấp sang mật độ cao, các thiên hà có màu đỏ hơn, và các ngôi sao của chúng tập trung hơn về trung tâm. Điều này phù hợp với những quan sát đã có, Schawinski cho biết. Câu hỏi là tại sao lại thế.

Bước kế tiếp, theo Schawinski, hiện vẫn chưa được tự động hóa: “Tôi phải bước vào, với vai trò một con người, và nói: ‘Được rồi, hiệu ứng này có thể được giải thích như thế nào bằng vật lý?’” Có hai cách giải thích có vẻ hợp lý: Có thể các thiên hà đỏ hơn trong môi trường mật độ cao vì có nhiều bụi hơn, hoặc có thể chúng đỏ hơn vì sự hình thành sao giảm đi (nói cách khác, các ngôi sao của chúng già hơn). Cả hai ý tưởng đều có thể được kiểm tra sử dụng phương pháp tìm mô hình tối ưu theo thống kê: các thành phần của không gian ẩn liên quan đến độ bụi và tốc độ hình thành sao được thay đổi để xem chúng ảnh hưởng như thế nào đến màu của các thiên hà. “Và câu trả lời rất rõ ràng,” Schawinski nói. Những thiên hà đỏ hơn “khi sự hình thành sao giảm, không phải do thay đổi về bụi.”

Cách tiếp cận này có liên quan với cách mô phỏng truyền thống, nhưng có những khác biệt quan trọng. Một mô phỏng “về cơ bản là dựa vào giả định”, Schawinski nói. “Mô phỏng tức là nói ‘Tôi nghĩ mình biết những quy luật vật lý nào dẫn đến mọi thứ tôi quan sát được trong hệ.’ Tôi có một công thức cho sự hình thành sao, một công thức cho cách thức hoạt động của vật chất tối, v.v. Tôi đưa mọi giả thuyết của mình vào, và chạy mô hình mô phỏng. Rồi tôi hỏi: Trông nó có giống như thực tế không?” Trong khi với phương pháp tối ưu thống kê này “theo nghĩa nào đó, đối lập hoàn toàn với mô phỏng. Chúng ta không biết gì; chúng ta không muốn giả định gì. Chúng ta muốn dữ liệu tự nó cho biết điều gì có thể đang diễn ra.”

Kevin Schawinski, nhà vật lý thiên văn và nhà sáng lập công ty trí tuệ nhân tạo Modulos, lập luận rằng kỹ thuật mô hình sinh mẫu là một cách thứ ba để tìm hiểu về vũ trụ.

Thành công rõ ràng của phương pháp này trong nghiên cứu kể trên tất nhiên không có nghĩa là các nhà thiên văn học và các nghiên cứu sinh đã trở nên thừa thãi. Nhưng nó dường như cho thấy một sự thay đổi về lượng tri thức vật lý thiên văn có thể đạt được nhờ một hệ thống nhân tạo mà trong “tay” không có gì ngoài một kho mênh mông dữ liệu. “Đó chưa phải là khoa học hoàn toàn tự động hóa, nhưng nó chứng tỏ rằng chúng ta có khả năng xây dựng những công cụ để tự động hóa chí ít là một phần của quá trình nghiên cứu khoa học,” Schawinski nói.

Phương pháp này hiển nhiên rất mạnh, nhưng việc nó có đại diện cho một cách tiếp cận mới trong khoa học hay không vẫn đang được tranh luận. Với David Hogg, một nhà vũ trụ học tại Đại học New York và Viện Flatiron, kỹ thuật này dù rất ấn tượng nhưng rốt cuộc vẫn chỉ là một cách tinh vi để rút ra các quy luật từ dữ liệu – việc mà các nhà thiên văn học vẫn làm từ hàng thế kỷ. Nói cách khác, nó là một dạng cao cấp của quan sát và phân tích. Như Schawinski, Hogg cũng dùng rất nhiều trí tuệ nhân tạo trong việc nghiên cứu của mình; ông dùng mạng thần kinh để phân loại sao dựa vào quang phổ và để suy ra các thuộc tính vật lý khác của sao nhờ các mô hình dựa vào dữ liệu. Nhưng ông coi nghiên cứu của mình, cũng như nghiên cứu của Schawinski, là khoa học “thử và sai”⁵. “Tôi không nghĩ nó là một cách thứ ba,” ông mới phát biểu gần đây. “Tôi chỉ nghĩ rằng cộng đồng chúng ta đã khéo hơn rất nhiều trong cách sử dụng dữ liệu. Đặc biệt, chúng ta đã tiến bộ nhiều trong việc so sách các dữ liệu với nhau. Nhưng theo quan điểm của tôi, việc nghiên cứu của tôi vẫn nằm trọn trong cách tiếp cận quan sát.”

Những trợ lý cần cù

Dù có phải là một khái niệm mới hay không, trí tuệ nhân tạo và mạng thần kinh rõ ràng đã được đưa vào và đóng một vai trò rất quan trọng trong nghiên cứu thiên văn và vật lý đương đại. Tại Viện Nghiên cứu lý thuyết Heidelberg⁶, nhà vật lý Kai Polsterer là trưởng nhóm tin học thiên văn, một nhóm các nhà nghiên cứu tập trung vào các phương pháp nghiên cứu vật lý thiên văn mới dựa trên dữ liệu. Gần đây, họ đã sử dụng một thuật toán học máy để rút ra thông tin về độ dịch chuyển đỏ của các thiên hà từ dữ liệu, một việc trước đây vốn rất khó khăn.

Polsterer coi những hệ thống mới dựa trên trí tuệ nhân tạo này là những “trợ lý cần cù”, những trợ lý có thể lục lọi hàng giờ liền trong đống dữ liệu mà không nản hay kêu ca về điều kiện làm việc. Những hệ thống này, ông cho biết, có thể làm hết những công việc nhàm chán, cho phép bạn “tự mình làm thứ khoa học hay ho, thú vị.”

Nhưng chúng không hoàn hảo. Đặc biệt, Polsterer cảnh báo, các thuật toán chỉ biết làm những gì chúng được dạy. Hệ thống không biết gì về dữ liệu đầu vào. Đưa nó một thiên hà, nó có thể ước lượng tuổi hay độ dịch chuyển đỏ của thiên hà đó, nhưng đưa nó một bức ảnh “tự sướng” hay ảnh một con cá chết đang phân hủy, nó vẫn sẽ tính ra một số tuổi (tất nhiên là rất không chính xác). Cuối cùng, vẫn rất cần sự giám sát của một nhà khoa học con người, ông nói. “Vẫn lại là bạn, nhà khoa học. Bạn là người có trách nhiệm giải thích [kết quả].”

Về phần mình, Nord, ở Phòng thí nghiệm Fermi, khuyến cáo rằng mạng thần kinh cần cung cấp không chỉ kết quả, mà cả sai số⁷kèm theo, điều mà mọi sinh viên đều được dạy phải làm. Trong khoa học, nếu bạn thực hiện một phép đo mà không đưa ra một ước lượng về sai số [của phép đo đó], sẽ không ai coi các kết quả đó là nghiêm túc, ông nói.

Như nhiều nhà nghiên cứu trí tuệ nhân tạo khác, Nord cũng lo ngại về sự khó hiểu của những kết quả do mạng thần kinh đưa ra; thường thì một hệ thống đưa ra một câu trả lời nhưng không đưa kèm theo một bức tranh rõ ràng về cách mà câu trả lời đó được tìm ra.

Nhưng không phải ai cũng cảm thấy sự khó hiểu đó là một vấn đề. Lenka Zdeborová, một nhà khoa học tại Viện Vật lý lý thuyết thuộc CEA Saclay⁸ (Pháp), chỉ ra rằng trực giác của con người cũng thường khó hiểu không kém. Bạn nhìn vào một bức ảnh và nhận ra ngay một con mèo, “nhưng bạn không biết làm sao bạn biết”, bà nói. “Bộ não của bạn, theo một nghĩa nào đó, cũng là một hộp đen.”

Không chỉ có các nhà vật lý thiên văn và các nhà vũ trụ học chuyển hướng sang khoa học dựa vào dữ liệu và trí tuệ nhân tạo. Những nhà vật lý lượng tử, như Roger Melko tại viện Perimeter⁹và Đại học Warterloo ở Ontario (Canada), đã dùng mạng thần kinh để giải một số bài toán khó nhất và quan trọng nhất trong lĩnh vực của mình, chẳng hạn bài toán biểu diễn hàm sóng mô tả một hệ nhiều hạt. Sự cần thiết của trí tuệ nhân tạo là do, từ của Melko, “lời nguyền hàm mũ của số chiều”. Cụ thể, số dạng có thể của một hàm sóng tăng theo hàm mũ của số hạt trong hệ mà nó mô tả. Độ khó ở đây cũng tương tự như việc tìm ra nước đi tốt nhất trong một ván cờ vua hoặc cờ vây: bạn cố tính xa hơn nước tiếp theo, tưởng tượng cách đối thủ đáp trả, rồi lại chọn nước đi tốt nhất, và cứ sau mỗi một nước, số khả năng lại tăng gấp bội.

Tất nhiên, trí tuệ nhân tạo đã chơi thành thạo cả hai trò: cờ vua từ vài thập kỷ trước¹⁰, còn cờ vây từ năm 2016, khi chương trình AlphaGo đánh bại một kỳ thủ hàng đầu. Một cách tương tự, chúng cũng thích hợp cho những bài toán vật lý lượng tử, Melko nói.

Trí tuệ của máy móc

Dù người đúng là Schawinski, nghĩa là ông đã tìm ra “cách thứ ba” để làm khoa học, hay là Hogg, nghĩa là nó đơn giản là quan sát truyền thống kết hợp với phân tích dữ liệu “lên đồng”, rõ ràng trí tuệ nhân tạo đang làm thay đổi hương vị và giúp tăng tốc khám phá khoa học. Cuộc cách mạng trí tuệ nhân tạo trong khoa học sẽ tiến xa đến đâu?

Cứ lâu lâu lại có những tuyên bố to tát về thành tựu của một “nhà khoa học robot”. Khoảng một chục năm trước, một robot - nhà hóa học có tên Adam nghiên cứu bộ gene¹¹ của men bánh mỳ và xác định những gene nào có vai trò tạo ra một số axit amin nào đó. (Adam thực hiện việc này bằng cách quan sát những đoạn men thiếu một số gene nào đó, và so sánh với những đoạn men có các gene đó.) Tạp chí Wired đưa tiêu đề “Robot tự mình khám phá khoa học”¹².

Mới hơn, Lee Cronin, một nhà hóa học tại Đại học Glasgow (Scotland), dùng một robot để trộn ngẫu nhiên các hóa chất với nhau, để tìm những hợp chất mới. Theo dõi các phản ứng trong thời gian thực với một phổ kế khối lượng, một máy cộng hưởng từ hạt nhân, và một phổ kế hồng ngoại, hệ thống dần học được cách dự đoán những phản ứng hóa học nào là mạnh nhất. Dù nó không tìm ra được chất mới, hệ thống tự động đó, theo Cronin, có thể giúp đẩy nhanh các nghiên cứu hóa học tới 90 phần trăm.

Năm ngoái, một nhóm nghiên cứu khác tại ETH Zurich dùng mạng thần kinh để rút ra các định luật vật lý từ dữ liệu. Hệ thống của họ, một loại robo-Kepler, thiết lập lại mô hình nhật tâm của hệ Mặt trời từ dữ liệu vị trí của Mặt trời và sao Hỏa trên bầu trời khi quan sát từ trái Đất, và rút ra định luật bảo toàn động lượng nhờ quan sát va chạm của những quả bóng. Vì các định luật vật lý thường có thể được thể hiện theo nhiều cách, các nhà nghiên cứu tự hỏi liệu hệ thống có thể đưa đến những cách nghĩ mới, có thể đơn giản hơn, về các định luật đã biết.

Những thí dụ trên đều nói về việc trí tuệ nhân tạo khởi đầu cho quá trình khám phá khoa học, mặc dù trong mỗi trường hợp, chúng ta đều có thể tranh luận về tính cách mạng của cách tiếp cận mới. Có lẽ câu hỏi gây tranh cãi nhất là có bao nhiêu thông tin có thể được rút ra chỉ từ dữ liệu. Đây là một câu hỏi cấp thiết trong kỷ nguyên của những dữ liệu vô cùng lớn (và còn tiếp tục tăng). Trong “Cuốn sách tại sao”¹³, nhà khoa học máy tính Judea Pearl và cây viết khoa học Dana Mackenzie khẳng định rằng dữ liệu “ngu hết sức”. Những câu hỏi về quan hệ nhân - quả “không bao giờ trả lời được chỉ từ dữ liệu,” họ viết trong sách. “Bất cứ lúc nào bạn gặp một bài báo hay một nghiên cứu phân tích dữ liệu mà không theo một mô hình, bạn có thể chắc chắn rằng kết quả của nghiên cứu đó chỉ là tóm tắt, và có thể biến đổi, nhưng không phải giải thích dữ liệu.” Schawinski đồng tình với lập trường của Pearl, nhưng ông coi ý tưởng làm việc “chỉ với dữ liệu” là “hơi đánh tráo khái niệm.” Ông nói mình chưa bao giờ tuyên bố rút ra quan hệ nhân - quả theo cách đó. “Tôi chỉ nói rằng với dữ liệu, chúng ta có thể làm được nhiều hơn so với lối thông thường.”

Một luận điểm thường gặp khác là khoa học đòi hỏi sáng tạo, và rằng, ít nhất cho tới hiện tại, chúng ta không biết làm sao lập trình sự sáng tạo. (Chỉ thử mọi cách, như robot của Cronin, thì chẳng có gì là sáng tạo cho lắm.) “Tôi cho rằng đưa ra được một lý thuyết có đủ lý lẽ đòi hỏi sự sáng tạo,” Polsterer nói. “Cứ cần sự sáng tạo là cần phải có con người.” Và sự sáng tạo đến từ đâu? Polsterer ngờ rằng nó đến từ sự buồn chán, một điều mà theo ông máy móc không thể nào cảm nhận. “Muốn sáng tạo, bạn cần ghét cảm giác nhàm chán. Và tôi nghĩ máy tính không bao giờ có thể thấy chán.” Mặt khác, người ta thường dùng những từ “sáng tạo”, “truyền cảm hứng” khi nói về những chương trình máy tính như Deep Blue hay AlphaGo. Và sự khó khăn trong việc diễn tả những gì diễn ra bên trong “trí tuệ” của máy móc cũng giống như sự khó khăn khi tìm hiểu chính quá trình suy nghĩ của chúng ta.

Schawinski mới bỏ môi trường hàn lâm để làm việc trong lĩnh vực tư nhân. Ông hiện dẫn dắt Modulos, một công ty khởi nghiệp với nhiều nhân viên là các nhà khoa học của ETH Zurich. Trên trang chủ, công ty tự giới thiệu là “ở trong mắt bão của sự phát triển trí tuệ nhân tạo và học máy”. Dù có những trở ngại nào chắn giữa công nghệ trí tuệ nhân tạo hiện nay và trí tuệ nhân tạo hoàn thiện, Schawinski và những chuyên gia khác vẫn tin rằng máy móc sẽ làm ngày càng nhiều công việc của các nhà khoa học. Có giới hạn hay không thì còn chưa biết.

“Liệu chúng ta có thể, trong một tương lai gần, sử dụng những linh kiện sinh học, tạo ra một cỗ máy có thể khám phá những tri thức vật lý và toán học mà những con người thông minh nhất cũng không thể tự mình tìm ra?” Schawinski băn khoăn. “Liệu tương lai của khoa học có nhất định phải dựa vào những cỗ máy hoạt động ở một trình độ chúng ta không bao giờ đạt tới? Tôi không biết. Đó là một câu hỏi hay.”□

Nguyễn Hoàng Thạch dịch

Phạm Tuấn Anh, Trung tâm vũ trụ Việt Nam hiệu đính

Nguồn bài và ảnh: https://www.quantamagazine.org/how-artificial-intelligence-is-changing-science-20190311/

(Tất cả các chú thích là của người dịch)

¹ Còn gọi là thiên hà Tiên Nữ, là một thiên hà gần với dải Ngân Hà của chúng ta.

² “Fermilab”, bang Illinois, Mỹ.

³ Generative adversarial networks (GAN).

⁴Tác giả có chút nhầm lẫn: bài báo được nói đến là “Exploring galaxy evolution with generative models”, đăng trên số tháng 8/2018 (volume 616) của tạp chí A&A; “tháng 12/2018” là ngày ghi trên bản thảo lưu tại trang lưu trữ trực tuyến ArXiv.

⁵ “Tried-and-true”.

⁶ Heidelberg Institute for Theoretical Studies, Đức.

⁷ Nguyên văn: “error bars”.

⁸ Institut de Physique Théorique; CEA: Commissariat à l’Energie Atomique et aux Energies Alternatives – Cơ quan Năng lượng nguyên tử và các Năng lượng thay thế.

⁹ Perimeter Institute for Theoretical Physics: viện vật lý lý thuyết ở Canada, thành lập năm 1999; “perimeter” có thể hiểu là vòng ngoài, bao quanh.

¹⁰ Thực ra là hai thập kỷ.

¹¹ Genome.

¹² “Robot makes scientific discovery all by itself”: https://www.wired.com/2009/04/robotscientist/ .

¹³ The Book of Why (2018).

Xem tiếp...

NGƯỜI ĐẸP 58

(ĐC sưu tầm trên NET)

HOT: Người đẹp Indonesia đăng quang Hoa hậu Quốc tế 2017

Chỉ cần 1 chiếc váy body, Hương Giang 'chặt đẹp' dàn 'công chúa' từ Ngọc Trinh, Huyền My đến Tiểu Vy

Chủ nhật, 14/07/2019 06:00

Trong khi các mỹ nhân đều biến hóa với những chiếc đầm công chúa lộng lẫy thì Hương Giang cao tay chỉ cần một chiếc váy ôm sát màu đen cũng đủ tỏa sáng.

Ngọc Trinh hóa công chúa lộng lẫy trong chiếc đầm dạ hội phủ sắc hồng ngọt ngào. Chân dài Trà Vinh còn chọn đôi guốc của Miu Miu ton-sur-ton để tăng độ ngọt cho set đồ.

Tham dự show thời trang của NTK Chung Thanh Phong, Ngọc Trinh lại tiếp tục chiếm spotlight khi diện mẫu đầm sequin tạo phom tinh tế, giúp ba vòng của cô càng thêm ấn tượng.

Giữa ồn ào hẹn hò tình cũ của Á hậu Tú Anh, Đỗ Mỹ Linh xuất hiện rạng rỡ làm vedette show thời trang.

Không trốn tránh, cô tiếp tục ghi điểm tại sự kiện thảm đỏ với diện mạo sang trọng cùng áo blazer, chân váy tulle tông xanh cobalt tôn da.

Elly Trần "chơi lớn" khi dành hàng giờ đồng hồ hóa thân thành "Mẹ Rồng" cực kì gợi cảm trong chiếc đầm lấp lánh cùng kiểu tóc bạch kim ấn tượng.

MC Hoàng Oanh tiếp tục trưng dụng đầm xẻ cao khoe chân thon dài.

Chỉ với một chiếc đầm ôm sát màu đen tuyền, Hương Giang khoe đường cong đẹp như tạc đủ khiến người đối diện xuýt xoa.

Á hậu Huyền My lăng xê đầm voan bồng bềnh trong thiết kế phom xòe ngắn kết hợp đôi giầy "thủy tinh" Jimmy Choo Cinderella huyền thoại giá gần 100 triệu đồng.

"Cô dâu mới" Thu Thủy hack tuổi với chiếc váy midi trắng tinh khôi.

Hoa hậu Tiểu Vy xinh đẹp tựa nàng thơ kiều diễm trong show thời trang ở Hà Nội.

Không chịu gò bò trong hình tượng bánh bèo nhàm chán, người đẹp 19 tuổi tiếp tục mang đến hình ảnh mỹ nhân quyến rũ, nóng bỏng khi diện đầm cúp ngực gợi cảm và thay đổi layout trang điểm sắc sảo.

Thúy Ngân lọt top sao mặc đẹp khi diện váy voan xuyên thấu tôn vóc dáng và làn da không tì vết tại show thời trang của nhà thiết kế Nguyễn Quảng, tối 5/7 ở Hà Nội.

LIM
Theo Vietnamnet

Xem tiếp...

BÍ ẨN LỊCH SỬ 102

(ĐC sưu tầm trên NET)

Thomas Edison - Từ Cậu Bé Khiếm Thính Bị Thầy Từ Chối Đến Nhà Phát Minh Vĩ Đại

Colombus không phải người đầu tiên tìm ra châu Mỹ và 3 sự thật gây tranh cãi đằng sau những phát kiến lịch sử cực phổ biến hiện nay

Khuê Trần | 29/07/2019 22:22

Thomas Edison

Thomas Edison, Henry Ford và Christopher Columbus đều là những cái tên đã đem đến cho nhân loại những phát minh và khám phá vĩ đại. Nhưng đôi khi, những thành tựu của họ vẫn có chút hiểu nhầm trong đó.

1. Ai mới là người phát minh ra bóng đèn (đèn điện)?
Nói đến bóng đèn, thì chắc chắn cái tên đầu tiên nhảy vào đầu bạn phải là Thomas Edison. Nhưng bạn lại không biết rằng trong tất cả các phát minh được công nhận của Thomas Edison thì bóng đèn là phát minh gây ra nhiều nghi vấn nhất. Bởi vì sao ư?
Theo trang Bulbs, nhiều nhà sử học đã khẳng định Thomas Edison không phải là người đầu tiên và duy nhất tìm cách để tạo ra được bóng đèn. Trước đèn sợi đốt của Thomas Edison, đã có trên dưới 20 phiên bản bóng đèn đã được ra đời, trong đó chiếc bóng đèn đầu tiên là đèn hồ quang (arc lamp) được phát minh bởi Humphry Davy - một nhà vật lí và hóa học người Cornwall, Vương Quốc Anh.
Nêu vậy không phải để phủ nhận công sức của Edison, mà nhằm đưa ra sự thật rằng có nhiều người cùng góp sức để tạo ra bóng đèn của chúng ta ngày nay. Trong đó, bóng đèn của Edison vẫn được biết đến và sử dụng rộng rãi hơn nhiều so với các loại bóng đèn trước đó, nhờ sự vượt trội trong cả ba yếu tố: chất liệu phát sáng hiệu quả, mức chân không cao nhất mà không có phiên bản nào đạt được.
2. Henry Ford là người phát minh ra ôtô?
Henry Ford không chỉ được biết đến bởi những sáng chế và ông đóng góp cho ngành công nghiệp ôtô, mà còn với danh hiệu "người đấu tranh cho công nhân". Bởi lẽ, mức lương mà Ford trả cho công nhân của mình khi đó là $5 - gấp đôi so với bình thường.
Mà cũng đúng thôi, Ford thừa sức chi trả mức lương cao đó cho công nhân của mình, và họ cũng hoàn toàn xứng đáng. Bởi vì sau thời điểm mẫu Model T của hãng Ford ra đời (năm 1908) vài ngày, đã có 15000 đơn đặt hàng xuất hiện cơ mà.
Model T của Ford khi đó là chiếc ôtô đầu tiên có mức giá cho phép tầng lớp trung lưu ở Mỹ mua được, từ đó tạo ra bước tiến lớn trong ngành công nghiệp ôtô nước Mỹ. Và cũng bởi vậy, nhiều người cho rằng Ford chính là người đã phát minh ra chiếc ôtô đầu tiên.
Nhưng sự thật thì không phải. Chiếc ôtô đầu tiên được tạo ra bởi một nhà sản xuất xe ngựa người Đức – Karl Benz vào năm 1885 (trước chiếc Model T 20 năm).

Chiếc ôtô đầu tiên

Phía trên là chiếc xe chạy tự động đầu tiên trên thế giới do Benz phát minh, được coi là hài hước một cách kỳ dị. Vì không những là một chiếc xe phức tạp và đắt đỏ, mẫu xe này được Benz thiết kế với máy móc, động cơ gắn phía sau một chiếc xe ngựa.

3. Christopher Colombus là người châu Âu đầu tiên khám phá ra châu Mỹ?
Ngày 3/8/1492, Christopher Columbus rời cảng Palos, Nam Tây Ban Nha, đi tìm con đường đến châu Á, hướng theo phía Tây thay vì là phía Đông như bình thường. Chính hành trình này đã vô tình dẫn đến sự khám phá ra châu Mỹ.
Và đó là kiến thức mà có lẽ tất cả chúng ta đều được học ở trường phổ thông. Chỉ có điều là nó không hẳn đã đúng.
Sự thật thì châu Mỹ ban đầu là một lục địa không có người sinh sống, sau được khám phá bởi những người đến từ Bắc Á. Những người du mục này đã trở thành người bản địa ở đây, còn người châu Âu đầu tiên phát hiện ra châu Mĩ là Leif Erikson.
Leif Erikson là con trai của Erik the Red - người lập nên khu dân cư ở Greenland băng giá. Về việc Leif Erikson đã tìm ra châu Mỹ như thế nào lại có hai nguồn thông tin khác nhau.
Theo dân gian của người Greenland (Saga of the Greenlanders), Erikson biết đến châu Mỹ là nhờ nghe được từ câu chuyện của Bjarni Herjólfsson. Bjarni Herjólfsson vô tình khám phá ra đại lục Bắc Mỹ do thuyền của ông lái chệch về hướng Tây trên đường đến Greenland. Sau đó, vào khoảng năm 1000, một đoàn thủy thủ 35 người chỉ huy bởi Leif Erikson đã khởi hành để tìm ra vùng đất như lời của Bjarni.
Như vậy, Bjarni là người châu Âu đầu tiên "nhìn thấy" châu Mỹ, nhưng không đặt chân đến.
Tuy nhiên theo Saga of Erik the Red thì trên đường từ Nauy trở về Greenland để truyền bá Kito giáo, Leif Erikson đã vô tình phát hiện ra Vinland cũng do thuyền lái chệch hướng. Vinland là cái tên tiếng Nauy được đặt cho vùng đất thuộc châu Mỹ mà ông đặt chân đến. Những khám phá tiếp theo được công nhận là của Thorfinn Karlsefni và vợ ông, Gudrid.
Theo các bằng chứng khảo cổ thì cái tên Vinland (có nghĩa là vùng đất rượu vang) phản ánh cho sự phát triển của nho dại ở đây. Một vùng đất khác mà Leif gọi là Markland lại rất giàu có về rừng, nơi có rất nhiều những cây thân gỗ để thu hoạch và sử dụng.
Vậy phải chăng trước Colombus, đã có vài người khác tìm được ra châu Mỹ? Đây vẫn là điều còn gây tranh cãi. Tuy vậy, việc Colombus là người khai phá ra châu Mỹ vẫn đang được lịch sử công nhận, nên ở thời điểm hiện tại đó vẫn là kiến thức chuẩn mà chúng ta cần phải nắm được.

Tham khảo: History 101

Bí ẩn thế kỷ: Vụ mất tích chấn động nước Mỹ sau 8 thập kỷ đã có lời giải?

Trang Ly | 26/07/2019 08:45 PM

Sự kiện nữ phi công huyền thoại Mỹ Amelia Earhart mất tích cách đây 8 thập kỷ có lẻ khiến công chúng Mỹ day dứt không nguôi.

"Nữ hoàng hàng không" Amelia Earhart mất tích cách đây hơn 8 thập kỷ là một trong những bí ẩn lớn nhất thế kỷ 20, khiến cả nước Mỹ chấn động.

Tiếng tăm và những đóng góp tiên phong cho ngành hàng không của nữ phi công người Mỹ Amelia Earhart đã khiến vụ mất tích đầy bí ẩn của bà trở thành nỗi day dứt cho nhiều nhà thám hiểm đến tận ngày nay.

Hồi đó, sau khi hay tin Amelia Earhart cùng người đồng hành là hoa tiêu Fred Noonan mất tích khi thực hiện chuyến hành trình vòng quanh thế giới (bắt đầu từ ngày 1/6/1937) trên chiếc máy bay Lockheed Model 10 Electra, đích thân Tổng thống đương thời Franklin D. Roosevelt hạ lệnh triển khai chiến dịch tìm kiếm quy mô và tốn kém chưa từng có trong lịch sử nước Mỹ.

Bí ẩn thế kỷ: Vụ mất tích chấn động nước Mỹ sau 8 thập kỷ đã có lời giải? - Ảnh 2.

Đội tuần tra bờ biển cùng hạm đội Hải quân Mỹ tinh nhuệ nhất được điều động, lùng sục bất kể ngày đêm khắp vùng biển rộng 650.000 km² ở Thái Bình Dương, nơi tín hiệu liên lạc của chiếc máy bay do Amelia Earhart điều khiển mất kết nối với đội Tuần duyên Mỹ USCGC Itasca.

Sau 2 tuần điên cuồng tìm kiếm, cuối cùng vào ngày 2/7/1937, chính phủ Mỹ chính thức công bố: Nữ phi công huyền thoại của nước Mỹ Amelia Earhart và hoa tiêu đi cùng Fred Noonan gặp nạn và rơi xuống (một nơi nào đó) ở Thái Bình Dương.

Ngay cả khi chính phủ đã tuyên bố chính thức về sự mất tích của nữ phi công huyền thoại Mỹ thì George Putnam, chồng của Amelia Earhart, vẫn tiếp tục thuê đội cứu hộ để tìm kiếm vợ.

Cho đến nay, sau 82 năm, vụ mất tích của nữ phi công huyền thoại nước Mỹ Amelia Earhart trở thành một trong những bí ẩn lớn nhất của Hải quân Mỹ nói riêng và của lịch sử hàng không thế giới nói chung.

Tuy vậy...

Dù thời gian có trôi qua, dù lịch sử đã phần nào ôm trọn câu chuyện về Amelia Earhart vào lòng thì bí ẩn và những câu hỏi về sự biến mất đột ngột của bà vẫn không khiến người đời nguôi ngoai.

Hơn 8 thập kỷ đã qua, bí ẩn mang tên Amelia Earhart tưởng chừng đã ngủ say bỗng thức giấc khi nhà thám hiểm người Mỹ Robert Ballard tuyên bố sẽ thành lập một đội thám hiểm, tiến thẳng đến hòn đảo hoang vu Nikumaroro ở Thái Bình Dương ngày 7/8/2019, quyết tâm tìm lời giải cho bí ẩn thế kỷ 20 mang tên Amelia Earhart.

Amelia Earhart ở Ireland năm 1932. Ảnh: The Washington Post

Nhà thám hiểm Robert Ballard (sinh ngày 30/6/1932) là một cựu quan chức cấp cao Hải quân Mỹ kiêm Giáo sư hải dương học tại Đại học Rhode Island (Mỹ). Ông nổi tiếng là chuyên gia hàng đầu về khảo cổ học và thám hiểm hàng hải.

Thế giới biết đến ông là nhà thám hiểm hàng hải đã tìm thấy xác tàu RMS Titanic nổi tiếng năm 1985, các chiến hạm Bismarck vào năm 1989, hàng không mẫu hạm USS Yorktown năm 1998, xác tàu của John F. Kennedy's PT-109 vào năm 2002...

Trên tờ Washington Post trước khi cùng đội của mình khởi hành đến hòn đảo không người ở ở Nikumaroro, nhà thám hiểm Robert Ballard chia sẻ:

"Hình ảnh và bí ẩn vụ mất tích của nữ phi công huyền thoại Amelia Earhart đã thôi thúc tôi lên đường tìm hiểu thực hư chuyện gì đã xảy ra với bà năm 1937. Nikumaroro là một trong những nơi hẻo lánh nhất hành tinh, bước đầu, toàn đội thám hiểm sẽ tìm kiếm vết tích của Amelia Earhart dựa trên giả thuyết được chấp nhận nhiều nhất: Amelia Earhart đã cố gắng đáp xuống bãi san hô ở tây bắc Nikumaroro, bị thương nặng và không ngừng gửi đi tín hiệu cấp cứu trước khi thủy triều cuốn tất cả xuống lòng biển sâu."

Theo giả thuyết này, chiếc Lockheed Model 10 Electra của Amelia Earhart đã bị trôi và chìm xuống vùng biển lạnh lẽo, tối tăm ở đâu đó thuộc Thái Bình Dương, gần Nikumaroro.

Các nhà thám hiểm tin rằng Amelia Earhart có thể đã đáp xuống rạn san hô của hòn đảo Nikumaroro. Ảnh: The Washington Post

Nhà thám hiểm kỳ cựu Mỹ, từng thực hiện 160 cuộc tìm kiếm hàng hải quy mô lớn, bác bỏ quan điểm của Hải quân Mỹ rằng Amelia Earhart và hoa tiêu Fred Noonan tử nạn ngay sau khi lao xuống Thái Bình Dương. Do đó, cách thức "săn lùng" phần còn lại của Amelia Earhart và đồng đội được triển khai rất chuyên biệt.

"Đội của tôi được chia làm 2 mũi: Mũi 1 trang bị những chú chó thính giác nhạy bén (đánh hơi xương người) để truy tìm phần hài cốt còn lại (nếu có) của Amelia Earhart và hoa tiêu phía trên hòn đảo Nikumaroro. Mũi 2 (trong đó tôi và đồng trưởng nhóm Allison Fundis sẽ lặn thám hiểm vùng biển quanh đảo).

Bí ẩn thế kỷ: Vụ mất tích chấn động nước Mỹ sau 8 thập kỷ đã có lời giải? - Ảnh 6.

Bước đầu tiên, các thành viên của đội thám hiểm sẽ lập bản đồ khu vực bằng thiết bị hình ảnh gắn trên thân tàu Nautilus để phân biệt giữa các vật thể cứng và mềm trước một hình ảnh đen trắng.

Bước thứ hai, chúng tôi sẽ thả hai robot trang bị camera (đạt đến độ sâu 4000 mét) cùng đội thợ lặn thám hiểm xuống đáy biển. Việc tìm kiếm xác máy bay không giống như việc tìm kiếm xác tàu Titanic. Bởi địa hình ở Nikumaroro không bằng phẳng mà như một cao nguyên ngầm, dốc và hiểm trở. Do đó, các phương tiện chúng tôi triển khai sẽ tập trung tìm xác máy bay dựa theo lý thuyết nó rơi xuống dốc ngầm tại đây.

Cuộc thám hiểm do Robert Ballard dẫn đầu (và dự trù kéo dài khoảng 3 tuần) được đồng tài trợ bởi National Geographic Partners và National Geographic Society.

Toàn bộ quá trình thực hiện cuộc thám hiểm này sẽ được đội làm phim của National Geographic quay lại và phát sóng đặc biệt vào tháng 10/2019. Tuy nhiên, thế giới sẽ có cơ hội nghe về Amelia Earhart nếu như đội của Robert Ballard tìm thấy bất cứ manh mối nào chứng minh Nikumaroro là nơi cuối cùng của nữ phi công và hoa tiêu.

Liệu bí ẩn thế kỷ 20 khiến công chúng Mỹ day dứt suốt hơn 80 năm sắp có lời giải? Hãy cùng chờ vào những nỗ lực của đội thám hiểm hàng hải kinh nghiệm 30 năm mà Robert Ballard dẫn đầu. Như người phát ngôn của National Geographic, nhà đài sẽ cung cấp thông tin sớm nhất ngay sau khi có được manhh mối từ đội của nhà thám hiểm Robert Ballard.

Chúng ta hãy cùng chờ tin tốt...

Không tự nhiên, Mỹ và thế giới vinh danh Amelia Earhart (sinh ngày 24/7/1897) là "Nữ hoàng hàng không". Trong 13 năm cuộc đời, ở độ tuổi 25, Amelia Earhart bắt đầu lập nên những kỳ tích chưa một ai trên thế giới làm được:

Năm 1922, bà lập kỷ lục đầu tiên trên thế giới, là nữ phi công đầu tiên bay một mình ở độ cao 4.267 mét. 10 năm sau, bà là người phụ nữ đầu tiên một mình băng qua Đại Tây Dương. Nhờ thành tích phi thường này, bà được Quốc hội Mỹ trao Huân chương Anh dũng bội tinh (bà là người phụ nữ Mỹ đầu tiên nhận được huân chương cao quý này).

Bí ẩn thế kỷ: Vụ mất tích chấn động nước Mỹ sau 8 thập kỷ đã có lời giải? - Ảnh 8.

Amelia Earhart cùng hoa tiêu Fred Noonan xem bản đồ hành trình vòng quanh thế giới của mình trước ngày cất cánh. Nguồn: AP

Tiếp tục thể hiện tình yêu, đam mê với bầu trời, Amelia Earhart xác lập thêm một kỷ lục nữa vào năm 1935 khi là nữ phi công đầu tiên hoàn thành chuyến bay một mình với quãng đường dài 6.870km từ quần đảo Hawaii đến Mỹ.

Những đỉnh cao hàng không không khiến bà ngủ quên trên chiến thắng, bà tiếp tục muốn trở thành nữ phi công đầu tiên bay vòng quanh thế giới. Và đó cũng là nguyện ước dang dở của bà...

Năm 1937 trở thành năm định mệnh của Amelia Earhart và hoa tiêu Fred Noonan. Ngày 1/6/1937, chiếc máy bay Lockheed Electra 10E hai động cơ cất cánh từ thành phố Oakland, California (Mỹ), lên đường thực hiện hoài bão sải cánh vòng quanh Trái Đất.

Ngày 29/6/1937, sau một chặng đường bay dài 35.405 km đi qua Miami (bang Florida, Mỹ) đến Nam Mỹ, qua Đại Tây Dương đến châu Phi, rồi bay về phía đông đến Ấn Độ và Đông Nam Á, đội của bà đáp xuống thành phố Lae (Papua New Guinea).

Hành trình bay đã thực hiện được của Amelia Earhart, và địa điểm mất tín hiệu cuối cùng của bà giữa Thái Bình Dương. Nguồn: NASA...

Lúc này, họ chỉ còn phải hoàn thành chặng đường bay dài 11.265km đến Oakland (vịnh San Francisco, bang California) và hoàn thành chuyến đi vòng quanh thế giới.

Tuy nhiên, mọi thứ dở dang vào ngày 2/7/1937 định mệnh, trước sinh nhật lần thứ 40 của bà 22 ngày....

Amelia Earhart cùng hoa tiêu Fred Noonan rời Lae để đến đảo Howland nhỏ bé, điểm dừng tiếp nhiên liệu tiếp theo của họ. Và đó là lần cuối cùng người ta còn thấy Amelia Earhart và Fred Noonan còn sống. Cả đội mất liên lạc vô tuyến với đội Tuần duyên Mỹ USCGC Itasca...

Sinh thời, Amelia Earhart đã "cháy hết mình" vì đam mê với bầu trời của mình. Dù ước nguyện vòng quanh thế giới của bà còn dang dở nhưng cuộc đời và những cống hiến tiên phong của bà cho lịch sử hàng không thế giới đã truyền cảm hứng rất lớn cho phụ nữ nói riêng và nhiều người trẻ nói chung.

Một trong những câu nói đáng nhớ nhất của bà khi còn sống khiến người đời khó quên, đó là:

"Cái khó khăn nhất đời là quyết định hành động, phần còn lại đơn giản là sự ngoan cường. Nỗi sợ chỉ là bong bóng. Ta có thể làm bất cứ điều gì một khi đã quyết tâm. Chỉ khi bắt tay vào việc, ta mới có cơ hội thay đổi và làm chủ cuộc đời mình."

Bài viết sử dụng nguồn: National Geographic, Washington Post

theo Helino

Xem tiếp...

BỘ MẶT CHIẾN TRANH 15

-Chiến tranh mang bộ mặt gớm ghiếc, tởm lợm đến khủng khiếp, không thể tả được, dù bôi son trát phấn như thế nào, tung hô ra sao.
-Chiến tranh là thể hiện sự thờ ơ, vô cảm khốn nạn tột cùng về việc hủy diệt tàn bạo cuộc sống và thân phận con người.
-Chiến tranh phi nghĩa là chiến tranh "nặn ra" lý do từ không có lý do, hủy diệt và tàn phá cuộc sống một cách không chính đáng. Chiến tranh chính nghĩa là chiến tranh nảy sinh từ việc chống chiến tranh phi nghĩa, được hủy diệt và tàn phá cuộc sống một cách chính đáng (?).
-Tóm lại, bộ mặt thật của chiến tranh nói chung là độc ác, ngu xuẩn và mù quáng đến ngỡ ngàng của con người khôn ngoan, có lý trí.
-Ngày chiến thắng 30/4, lũ bán nước cay cú gọi là ngày quốc hận, người cộng sản cực đoan cho rằng đó là ngày toàn dân phải vui mừng, riêng cố thủ tướng Võ Văn Kiệt, người có vợ con đều chết trong chiến tranh, thì nói, đó là ngày có triệu người vui và cũng có triệu người buồn.
-Lão Tử, một đại hiền triết thời cổ đại của Trung Quốc, từng nói: "Giết hại nhiều người thì nên lấy lòng bi ai mà khóc, chiến thắng thì nên lấy tang lễ mà xử".

Bob Dylan - Masters of War

-------------------------------------------------------
(ĐC sưu tầm trên NET)

ПИСЬМА НЕМЕЦКИХ СОЛДАТ ДОМОЙ|МЫ НЕ ПЕРЕЖИВЁМ (1942)

ПИСЬМА НЕМЕЦКИХ СОЛДАТ ДОМОЙ|МЫ НЕ ВЕРНЁМСЯ(1942)

Trận hải chiến 10 vạn người chết, vua quan TQ ôm nhau nhảy xuống biển tự vẫn

Thứ Hai, ngày 03/06/2019 00:30 AM (GMT+7)

Trung Hoa thời Nam Tống vào thế kỷ 13 phải liên tục chống đỡ sức tấn công mãnh liệt của Mông Cổ. Năm 1279, 20 vạn quân Tống cùng hoàng tộc, quan lại triều đình quyết chiến trận cuối cùng với quân Nguyên ở vùng biển Nhai Sơn.

Trận hải chiến 10 vạn người chết, vua quan TQ ôm nhau nhảy xuống biển tự vẫn - 1

Hốt Tất Liệt, cháu nội Thành Cát Tư Hãn là người thống trị Trung Hoa, lập nên nhà Nguyên.

Người Mông Cổ từ lâu đã nhăm nhe xâm chiếm Trung Hoa rộng lớn đầy màu mỡ, nhưng những bất ổn nội bộ khiến Hốt Tất Liệt – cháu nội Thành Cát Tư Hãn, phải gác lại chiến dịch xâm lược.
Năm 1264, Hốt Tất Liệt chính thức trở thành Đại Hãn của Mông Cổ, sau một thời gian tranh giành quyền lực với người em A Lý Bất Ca. Đó là lúc Hốt Tất Liệt đẩy mạnh cuộc xâm lược Nam Tống.
Nam Tống sụp đổ trước vó ngựa Mông Cổ
Chỉ sau một năm phát động chiến tranh, Hốt Tất Liệt đã san phẳng thành Điếu Ngư, vốn từng được coi là mồ chôn quân Mông Cổ. Chưa đầy 10 năm trước, Đại Hãn Mông Khai, anh trai của Hốt Tất Liệt đã bỏ mạng ở đây, theo KK News.
Trong khi chiến sự diễn ra dữ dội thì nội bộ triều đình Nam Tống không hề tỏ vẻ run sợ. Gian thần Giả Tử Đạo nắm mọi quyền hành khiến vua Tống bị che mắt, chẳng biết được tình hình chiến sự, chỉ ngày đêm ăn chơi hưởng lạc.

Quân lực nhà Nam Tống khi đó không hề yếu, nhưng sức chiến đấu không cao và không chủ trương gia cố phòng thủ các vị trí hiểm yếu.

Trận hải chiến 10 vạn người chết, vua quan TQ ôm nhau nhảy xuống biển tự vẫn - 2

Ngay sau khi trở thành Đại Hãn, Hốt Tất Liệt đã mở chiến dịch quyết định chiếm trọn Nam Tống.

năm sau, kinh thành Lâm An của Nam Tống bị thất thủ, Tống Cung Đế và Thái hoàng thái hậu bị bắt về Mông Cổ. Quan lại và tướng lĩnh nhà Tống lui về phòng thủ ở vùng ven biển phía đông, lập vua mới nhỏ tuổi làm hoàng đế, nuôi mộng chấn hưng nhà Tống.
Vụ tự sát tập thể lớn nhất lịch sử trên biển
Thừa lệnh Hốt Tất Liệt, tướng quân Nguyên là Trương Hoằng Phạm, một vị tướng người Hán, đem 50 chiến thuyền cùng 2 vạn quân đuổi theo triều đình lưu vong nhà Nam Tống.
Trong khi đó, hơn 1.000 thuyền cùng 200.000 người, bao gồm cả binh sĩ và quan lại và người hầu của triều đình nhà Tống đã lênh đênh trên biển suốt nhiều ngày, với hi vọng xuống đến Quảng Đông để liên kết với các lực lượng kháng quân Nguyên đang chiến đấu ở đây, theo báo Trung Quốc Sohu.
Chuyến đi cực nhọc này đã khiến Tống Đoan Tông đổ bệnh và qua đời. Tướng lĩnh nhà Nam Tống buộc phải chọn một đứa trẻ khác trong hoàng gia có tên Triệu Bính lên ngôi, gọi là Tống Đế Bính – hoàng đế cuối cùng của nhà Tống.

Trận hải chiến 10 vạn người chết, vua quan TQ ôm nhau nhảy xuống biển tự vẫn - 3

Hơn 10 vạn người chết thảm trên biển, bao gồm cả hoàng đế cuối cùng của nhà Nam Tống.

Hy vọng cuối cùng của nhà Tống không còn khi Quảng Đông rơi vào tay quân Nguyên. Vào thế đường cùng, Trương Thế Kiệt dừng đoàn thuyền tại vùng biển Nhai Môn để đối đầu với lực lượng quân Nguyên.
Hạm đội Tống do Trương Thế Kiệt chỉ huy tuy đông nhưng rất ô hợp, kỷ luật và sĩ khí đều kém, lại không phải là thủy quân.
Để đối phó với quân Nguyên, Trương Thế Kiệt cho xích cả ngàn thuyền lại với nhau, nhằm che chở cho chiếc thuyền của hoàng đế. Quân Nguyên không vội tấn công, mà dùng đại bác công phá từ xa trước.
Đến khi thấy quân Tống mệt mỏi, Trương Hoằng Phạm mới ra lệnh đồng loạt áp sát từ 3 hướng. Lực lượng ô hợp của quân Tống nhanh chóng bị quân Nguyên thiện chiến áp đảo, tiêu diệt.
Trong tình thế nguy cấp, đại thần nhà Tống là Lục Tú Phu do đã ôm hoàng đế nhảy xuống biển tự tử. Không ít người sau đó đã nhảy xuống biển tự sát theo vua vì không còn biết chạy đi đâu.
Đây được coi là vụ tự sát tập thể trên biển lớn nhất trong lịch sử thế giới được ghi nhận. Tống sử chép rằng, 7 ngày sau trận chiến, người ta thấy cả trăm nghìn xác người chết trôi nổi trên biển, bao gồm cả xác hoàng đế cuối cùng nhà Tống.
Thất bại ở Nhai Môn cùng cái chết của Tống Đế Bính đã đánh dấu sự diệt vong của nhà Tống, Trung Quốc từ đây chính thức nằm hoàn toàn dưới quyền cai trị của nhà Nguyên.

_____________________

Lịch sử Trung Hoa từng ghi nhận một vị hoàng đế lập ra triều đại riêng, nhưng kết thúc chỉ sau 16 năm. Hoàng đế này mạnh dạn đề ra những cải cách đột phá thời bấy giờ nhưng cuối cùng nhận cái kết bị chặt đầu, phanh thây. Bài viết tới sẽ kể về nhân vật này.

Theo Đăng Nguyễn - Tổng hợp (Dân Việt)

Trận đánh kỳ lạ: 47 người đánh bại 5.000 quân trong nội chiến Mỹ

Thứ Tư, ngày 28/11/2018 00:30 AM (GMT+7)

Đây là một trong những trận đánh hiếm hoi trong lịch sử mà lực lượng ít ỏi hơn nhiều lại giành chiến thắng quyết định, trong khi không tổn thất một người nào.

Trận đánh kỳ lạ: 47 người đánh bại 5.000 quân trong nội chiến Mỹ - 1

Liên minh miền Nam chỉ với 47 người đã buộc quân miền Bắc với 5.000 binh sĩ phải rút lui.

Trận chiến Đèo Sabine lần hai diễn ra trong cuộc nội chiến Mỹ. Năm 1863, tướng William B. Franklin dẫn một lực lượng của liên bang miền bắc tấn công đèo Sabine để có thể tiến vào bang Texas bằng đường thủy.
Đội quân của Franklin gồm 5.000 lính, 4 chiến hạm, 18 tàu chở quân. Trong khi đó, đối thủ của họ chỉ là khoảng 47 binh sĩ thuộc một trung đoàn pháo binh của Liên minh miền nam. Đồn trú tại pháo đài Griffin, họ chịu sự chỉ huy của trung úy Richard Dowling và có 6 khẩu pháo.
Nội chiến Mỹ đẫm máu
Sau khi Abraham Lincoln đắc cử trong cuộc bầu cử Tổng thống Hoa Kỳ năm 1860, 11 tiểu bang theo chế độ nô lệ ở miền Nam Hoa Kỳ đã tuyên bố ly khai khỏi Hợp chúng quốc Hoa Kỳ và lập ra liên minh miền Nam. 25 tiểu bang còn lại ủng hộ chính phủ liên bang miền Bắc. Lincoln chủ trương xóa bỏ chế độ nô lệ, trong khi liên minh miền Nam phản đối điều này và kết quả là chiến tranh nổ ra.

Sau hai năm đầu tiên nội chiến với những thắng lợi liên tiếp, cuộc chiến dần trở nên bất lợi với liên minh miền Nam. Đến năm 1863, phe miền Nam bắt đầu để mất những vùng lãnh thổ chiếm được, không còn thể hiện được ưu thế trên chiến trường.
Ở Gettysburg, nơi được coi là thành trì của liên minh miền Nam, liên bang miền Bắc đã giáng đòn mạnh mẽ để chiếm được thành trì này trong trận đánh ngày 1-3.7.1863, dù tồn thất tới 23.049 binh sĩ.
Ở Vicksburg, liên bang miền Bắc chia đôi lực lượng phe miền Nam làm đôi, sau khi chiếm quyền kiểm soát con sông Mississippi.
Đây là bàn đạp để liên bang miền Bắc tiếp tục tiến sâu xuống phía nam, nhắm đến Texas. Nhiều tàu chở quân, tàu pháo sẵn sàng khởi hành từ New Orleans, hướng qua đèo Sabine.

Trận đánh kỳ lạ: 47 người đánh bại 5.000 quân trong nội chiến Mỹ - 2

Ông Don Smart đã có hàng chục năm diễn lại những trận đánh nổi tiếng, bao gồm trận Đèo Sabine lần hai.

Trận đánh ở Đèo Sabine lần hai diễn ra vào ngày 8.9.1863 được ghi nhớ với chiến công lịch sử của phe miền Nam, khi làm nên điều không tưởng và ngăn liên bang miền Bắc bén mảng đến Texas trong suốt hai năm còn lại của nội chiến.
Don Smart, 67 tuổi, là một người chuyên diễn lại trận đánh lịch sử trong cuộc nội chiến và dĩ nhiên ông rất quen thuộc với trận đánh ở Đèo Sabine lần hai.
“Tôi đã diễn lại các trận đánh suốt hơn 20 năm qua”, Smart nói. “Nhưng trận đánh ở Đèo Sabine khiến tôi nhớ rõ nhất”.
Bởi đây là trận đánh sống còn đối với riêng bang Texas, Smart nói. Liên bang miền Bắc có thể dùng 5.000 quân chính quy và 10.000 quân dự bị để ngăn phe miền Nam giao thương với Mexico, bằng cách chiếm các cảng biển chính.
Nếu thành công, phe miền Nam có thể sớm cạn kiệt nguồn lực, không thể kéo dài chiến tranh. Tát cả những gì phe miền Bắc cần làm là vượt qua pháo đài Griffin ở Đèo Sabine. Trung úy Richard Dowling, chỉ huy pháo đài khi đó có không đến 50 binh sĩ dưới quyền, và 6 khẩu pháo.
Theo kế hoạch, 5.000 binh sĩ miền bắc với 4 tàu pháo và 18 tàu chở quân sẽ vượt qua Đèo Sabine bằng đường biển.
Trận chiến sống còn với bang Texas
Sáng sớm ngày 8.9, các tàu pháo của liên bang miền Bắc nã đạn dữ dội vào pháo đài Griffin. Dowling ra lệnh cho binh sĩ dưới quyền bình tĩnh chờ đối phương đến gần mới khai hỏa. Lợi thế của Dowling là đã sắp đặt sẵn 6 khẩu pháo ở vị trí thuận lợi để giáng đòn bất ngờ vào tầu chiến đối phương.
Kết quả trận đánh diễn ra thảm hại đối với một liên bang miền Bắc đang hừng hực khí thế. Tàu Khi tàu USS Sachem, USS Clifton của liên bang miền Bắc tiến đến gần căn cứ ở khoảng cách không đến 1km, Dowling ra lệnh cho binh sĩ đồng loại khai hỏa.
Sau 45 phút giao tranh ác liệt đầu tiên, tàu USS Sachem chìm nghỉm trước loạt đạn pháo trúng vào nồi hơi nước. Tàu USS Cliffton bị vô hiệu hóa hoàn toàn, rơi vào tay liên minh miền Nam.
Binh sĩ phe miền Nam phá hủy hoặc làm hỏng nhiều tàu của đối phương đến nỗi chúng chặn ngang dòng sông. Tình thế ấy buộc tướng William B. Franklin, chỉ huy chiến dịch của phe miền Bắc ra lệnh rút lui về New Orleans.

Trận đánh kỳ lạ: 47 người đánh bại 5.000 quân trong nội chiến Mỹ - 3

Hàng chục tàu chiến của phe miền Bắc tiến vào Texas qua pháo đài Grifffin nhưng buộc phải rút lui.

Theo các nhà sử học Mỹ, phe miền bắc trong trận đánh này tổn thất tới 200 người, hai tàu pháo bị đánh chìm hoặc rơi vào tay quân miền Nam. Ngược lại, phe miền Nam không mất một người nào.
Chiến thắng của Dowling và các đồng đội đã ngăn liên bang miền Bắc chiếm Texas trong suốt hai năm còn lại của cuộc nội chiến, giúp khu vực này không bị tàn phá bởi chiến tranh.
“Texas được cứu khỏi sự hủy diệt, giống như phần còn lại của liên minh miền Nam”, Smart nói.
Ngày nay, một phần của tàu USS Cliffton vẫn còn được trưng bày trong bảo tàng. Sau trận đánh ở Đèo Sabine lần hai, liên minh miền Nam sửa chữa lại tàu Cliffton, sử dụng nó làm vật cản ngăn phe miền Bắc.
Dù giành chiến thắng không tưởng ở Đèo Sabine nhưng nỗ lực trên là không đủ để liên minh miền Nam có thể kết thúc chiến tranh trong vinh quang.
Quân miền Bắc đông hơn gấp đôi, lại có tướng giỏi chỉ huy và Tổng thống Mỹ Lincoln thì tiếp tục đắc cử lần hai, dẫn đến kết cục thắng lợi tất yếu vào năm 1865.
Kết quả sau nội chiến là toàn bộ người nô lệ tại các bang miền Nam được thả tự do. Nô lệ tại các tiểu bang ranh giới, kể cả Washington, D.C., được trả tự do vào mùa xuân năm 1865. Tổng cộng có khoảng 4 triệu nô lệ được tự do.

Theo Đăng Nguyễn - Tổng hợp (Dân Việt)

Trận đánh vĩ đại của 600 đặc nhiệm Anh vào cảng biển Đức

Thứ Bảy, ngày 17/09/2016 11:00 AM (GMT+7)

Cuộc cuộc tấn công cảng St. Nazaire luôn được biết đến như chiến dịch tập kích vĩ đại nhất trong Thế chiến II của đặc nhiệm Anh, bởi mục tiêu phá hủy cảng biển quan trọng của phát xít Đức chỉ với lực lượng hạn chế.

Trận đánh vĩ đại của 600 đặc nhiệm Anh vào cảng biển Đức - 1

HMS Cambeltown khi lao vào ụ nổi tại cảng St. Nazaire.

Những trận đột kích với số lượng ít ỏi lính đặc nhiệm hay lực lượng không quân tinh nhuệ thường diễn ra điều kiện gần như bất khả thi, với xác suất rủi ro cực cao, thường khiến nhiều người phải trả giá bằng mạng sống. Mời bạn đọc theo dõi loạt bài về những trận đột kích lớn như vậy trên thế giới.

Kể từ khi bắt đầu Thế Chiến II, Hải quân phát xít Đức đã gây ra ác mộng với các tàu thuyền thương mại đi qua Đại Tây Dương. Sau khi nước Pháp sụp đổ, phát xít Đức nắm trong tay hàng loạt cảng biển ở Đại Tây Dương để phục vụ mục đích quân sự, chống lại lực lượng đồng minh, trong đó có cảng chiến lược St. Nazaire.
Người Anh muốn phá hủy cảng hậu cần quan trọng này bằng cách tổ chức cuộc tập kích đường biển hết sức tạo bạo năm 1942. Hơn 600 biệt kích và binh sĩ Hải quân Anh phải đối đầu với lực lượng phòng vệ hùng hậu, bao gồm 5.000 lính phát xít Đức ở cảng St. Nazaire.
Theo kế hoạch, 265 lính đặc nhiệm Anh thuộc Tiểu đoàn đặc nhiệm số 2 cùng 346 lính hải quân chất đầy thuốc nổ lên tàu khu trục hoán cải Campbeltown. HMS Campbeltown có nhiệm vụ lao thẳng vào ụ nổi ở St. Nazaire và kích nổ. Biệt kích Anh lợi dụng tình hình hỗn loạn, đổ bộ và phá hủy các mục tiêu còn lại tại cảng một cách chớp nhoáng trước khi rút quân bằng các xuồng máy vũ trang và 4 tàu ngư lôi.

Trận đánh vĩ đại của 600 đặc nhiệm Anh vào cảng biển Đức - 2

HMS Campbeltown đang được hoán cải để phục vụ mục đích tấn công.

Ngày 26.3.1942, nhóm đặc nhiệm rời Anh và tiếp cận mục tiêu vào đêm ngày 28.3. HMS Campbeltown lặng lẽ giương cờ hải quân Đức tiến vào cảng St. Nazaire. Tuy nhiên, kế hoạch đánh bom của Hải quân Hoàng gia Anh bại lộ khi chỉ còn cách mục tiêu 8 phút di chuyển, do bị lính Đức chiếu đèn pha kiểm tra.
Giao tranh diễn ra ngay lập tức giữa đặc nhiệm Anh trên tàu Campbeltown và lính phòng thủ bờ biển Đức. Thủy thủ trên tàu Campbeltown thay cờ Hải quân Anh trong khi lái tàu trúng đạn hy sinh, người thay thế bị thương nặng còn những người khác bị lóa mắt. Mãi đến 1h34 phút sáng, tàu khu trục mới xác định được vị trí của ụ tàu Normandie và lao thẳng vào mục tiêu.
Ngay khi đổ bộ lên bờ, đặc nhiệm Anh vấp phải hỏa lực bắn xối xả của phát xít Đức. Dù chịu nhiều thương vong, nhưng những người lính anh dũng này này cuối cũng hoàn thành nhiệm vụ khi phá hủy cơ sở hạ tầng và trang thiết bị máy móc tại cảng.
Nhóm đặc nhiệm điều khiển 14 xuồng máy vũ trang và 4 tàu ngư lôi lại không may mắn như vậy. Trong khi tìm cách tiếp cận bờ, đa số đã bị tiêu diệt bởi đạn pháo phát xít Đức. 12 chiếc bị chìm khi chưa kịp đến cảng. Những người chết cháy ngay trên biển tạo nên cảnh tượng đầy bi tráng.

Trận đánh vĩ đại của 600 đặc nhiệm Anh vào cảng biển Đức - 3

Binh sĩ Anh bị bắt làm tù binh.

Trung tá Newman, chỉ huy lực lượng đặc nhiệm trên bờ và chỉ huy Ryder của hải quân Anh nhận thấy việc rút quân bằng đường biển đã hoàn toàn phá sản. Ryder ra lệnh các tàu còn lại rời cảng, hướng ra biển. Trong khi Newman ra mệnh lệnh: Tìm mọi cách để trở về Anh, chiến đấu đến cùng cho đến khi hết sạch đạn và không được đầu hàng.
Như vậy, họ buộc phải tiến sâu vào thành phố và tìm cách thoát thân từ đất liền. Đáng tiếc rằng, những người lính đặc nhiệm Anh nhanh chóng bị phát xít Đức bao vây. Họ chiến đấu đến viên đạn cuối cùng trước khi buộc phải đầu hàng vì không còn lựa chọn nào khác. Chỉ có 5 biệt kích thoát khỏi vòng vây và chạy trốn xuyên nước Pháp, qua Tây Ban Nha, đến vùng lãnh thổ Gibraltar thuộc Anh và từ đây mới có thể trở về Anh.
Phát xít Đức nhanh chóng giành lai quyền kiểm soát cảng St. Nazaire, bắt giữ 215 lính biệt kích và binh sĩ Hải quân Hoàng gia Anh. Không hề biết rằng tàu Campbeltown được chất đầy thuốc nổ, sĩ quan Đức còn giễu cợt Trung tá Sam Beattie, chỉ huy tàu Cambeltown, cho rằng thiệt hại do cú đâm chỉ mất một tuần là khắc phục xong.

Trận đánh vĩ đại của 600 đặc nhiệm Anh vào cảng biển Đức - 4

Cảng St. Nazaire đã bị vô hiệu hóa hoàn toàn trong suốt quãng thời gian còn lại của Thế Chiến II.

Viên sĩ quan Đức vừa dứt lời thì tàu Campbeltown phát nổ, khiến 360 người thiệt mạng và phá hủy nặng nề cảng St. Nazaire, khiến nó không còn có thể hoạt động trở lại được trong thời gian còn lại của cuộc chiến.
Phía Anh trả giá đắt cho chiến thắng này. Trong số 600 người tham gia chiến dịch, chỉ có 227 người trở về Anh. Bên cạnh những người bị bắt làm tù binh, 169 biệt kích và binh sí Hải quân Anh đã thiệt mạng.
Cuộc đột kích đã khiến Hitler hết sức tức giận, cùng với các cuộc tấn công khác đã khiến phát xít Đức buộc phải dàn trải quân dọc theo bờ biển để tăng cường phòng thủ trước các cuộc tấn công hoặc xâm lược trong tương lai.
Cảng St. Nazaire bị phá hủy khiến Đức bị mất một địa điểm sửa chữa quan trọng cho các tàu chiến lớn ở Đại Tây Dương. Do bản chất táo bạo của chiến dịch và cái giá phải trả là rất lớn, đây được coi là chiến dịch tập kích vĩ đại nhất trong Thế chiến II của đặc nhiệm Anh.

_____________

Theo Đăng Nguyễn (Dân Việt)

Xem tiếp...

Đại Chúng

Trang

Thứ Năm, 1 tháng 8, 2019

CÂU CHUYỆN KHOA HỌC 111

Thí nghiệm thuyết tương đối trên một ngôi sao gần siêu lỗ đen, một lần nữa Einstein lại đúng

**Các nhà nghiên cứu thí nghiệm thuyết tương đối của Einstein trên một ngôi sao nằm gần siêu lỗ đen Sagittarius A*.**

AI đang thay đổi khoa học như thế nào?

NGƯỜI ĐẸP 58

Chỉ cần 1 chiếc váy body, Hương Giang 'chặt đẹp' dàn 'công chúa' từ Ngọc Trinh, Huyền My đến Tiểu Vy

Trong khi các mỹ nhân đều biến hóa với những chiếc đầm công chúa lộng lẫy thì Hương Giang cao tay chỉ cần một chiếc váy ôm sát màu đen cũng đủ tỏa sáng.

BÍ ẨN LỊCH SỬ 102

Colombus không phải người đầu tiên tìm ra châu Mỹ và 3 sự thật gây tranh cãi đằng sau những phát kiến lịch sử cực phổ biến hiện nay

Thomas Edison, Henry Ford và Christopher Columbus đều là những cái tên đã đem đến cho nhân loại những phát minh và khám phá vĩ đại. Nhưng đôi khi, những thành tựu của họ vẫn có chút hiểu nhầm trong đó.

Bí ẩn thế kỷ: Vụ mất tích chấn động nước Mỹ sau 8 thập kỷ đã có lời giải?

Sự kiện nữ phi công huyền thoại Mỹ Amelia Earhart mất tích cách đây 8 thập kỷ có lẻ khiến công chúng Mỹ day dứt không nguôi.

BỘ MẶT CHIẾN TRANH 15

Trận hải chiến 10 vạn người chết, vua quan TQ ôm nhau nhảy xuống biển tự vẫn

Trung Hoa thời Nam Tống vào thế kỷ 13 phải liên tục chống đỡ sức tấn công mãnh liệt của Mông Cổ. Năm 1279, 20 vạn quân Tống cùng hoàng tộc, quan lại triều đình quyết chiến trận cuối cùng với quân Nguyên ở vùng biển Nhai Sơn.

Trận đánh kỳ lạ: 47 người đánh bại 5.000 quân trong nội chiến Mỹ

Đây là một trong những trận đánh hiếm hoi trong lịch sử mà lực lượng ít ỏi hơn nhiều lại giành chiến thắng quyết định, trong khi không tổn thất một người nào.

Trận đánh vĩ đại của 600 đặc nhiệm Anh vào cảng biển Đức

Cuộc cuộc tấn công cảng St. Nazaire luôn được biết đến như chiến dịch tập kích vĩ đại nhất trong Thế chiến II của đặc nhiệm Anh, bởi mục tiêu phá hủy cảng biển quan trọng của phát xít Đức chỉ với lực lượng hạn chế.

Tìm kiếm thông tin trong blog