Trong những năm vừa qua, cùng với sự bùng nổ của cuộc nhữngh mạng công nghiệp 4.0, những thuật ngữ như trí tuệ nhân tạo (AI), học máy (machine learning) và học sâu (deep learning) đang dần trở nên phổ biến và trở thành những khái niệm mà những công dân của kỷ nguyên 4.0 buộc phải nắm được.
Có thể giải thích mối liên hệ giữa 3 khái niệm này bằng nhữngh tưởng tượng chúng như những vòng tròn, trong đó AI – ý tưởng xuất hiện sớm nhất – là vòng tròn lớn nhất, tiếp tới là machine learning – khái niệm xuất hiện sau, và cuối cùng là deep learning – thứ đang thúc đẩy sự bùng phát của AI hiện nay – là vòng tròn nhỏ nhất.
Mối liên hệ giữa AI, machine learning và deep learning
Việc xây dựng lên một hệ thống AI đương nhiên là cực kì phức tạp, tuy nhiên việc hiểu được nó lại ko tới nỗi khó khăn như vậy. Hầu hết những trí thông minh nhân tạo hiện tại chỉ là những máy đoán thực sự tốt (guessing machines, tương tự như bộ não của chúng ta). Bạn bạn cung cấp cho hệ thống một nhóm dữ liệu (chẳng hạn như những chữ số từ 1 tới 10) và yêu cầu hệ thống tạo mô hình (x + 1, bắt đầu từ 0) và đưa ra những dự đoán. (Con số tiếp theo sẽ là mười một). Không mang phép thuật nào cả, đây là làm việc mà bộ não của con người làm mỗi ngày: sử dụng những gì chúng ta biết để đoán về những điều chúng ta chưa biết.
Điều lúcến cho AI khác với những chương trình máy tính khác là thay vì phải lập ra những trình chương trình cụ thể cho mỗi trường hợp, chúng ta hoàn toàn mang thể dạy học cho AI (machine learning), và nó cũng mang khả năng tự học (deep learning). Có thể định nghĩa ba khái niệm này một nhữngh cơ bản như sau:
Trí tuệ nhân tạo (AI): một cỗ máy mang thể bắt chước hành vi và tư duy của con người.
Học máy (machine learning): Một tính năng của AI, cho phép những chuyên gia đào tạo cho AI để nó nhận biết những mẫu dữ liệu và dự đoán.
Học sâu (deep learning): Một kỹ thuật nhỏ của machine learning, cho phép máy mang thể tự đào tạo chính mình.
Mục lục
Mối quan hệ giữa AI, machine learning và deep learning
AI là gì?
Trí tuệ nhân tạo – bộ não con người trong hình hài của một chiếc máy
AI mang thể được định nghĩa như một ngành của khoa học máy tính liên quan tới việc tự động hóa những hành vi thông minh. AI là một bộ phận của khoa học máy tính và do đó nó phải được đặt trên những nguyên lý lý thuyết vững Chắn chắn, mang khả năng ứng dụng được của lĩnh vực này. Nói nôm na cho dễ hiểu: đó là trí tuệ của máy móc được tạo ra bởi con người. Trí tuệ này mang thể tư duy, suy nghĩ, học hỏi,… như trí tuệ con người. Xử lý dữ liệu ở mức rộng lớn hơn, quy mô hơn, hệ thống, khoa học và nhanh hơn so với con người.
Tuy nhiên hiện nay, kỹ thuật AI vẫn đang còn rất nhiều hạn chế. Đơn cử như Alexa – một quản gia tuyệt vời, một trong những biểu tượng phổ biến nhất về ứng dụng của trí thông minh nhân tạo nhưng vẫn ko thể vượt qua bài kiểm tra Turing.
Tóm lại, những gì chúng ta đang thực hiện với AI hiện nay nằm trong khái niệm “AI hẹp” (Narrow AI). Công nghệ này mang khả năng thực hiện những nhiệm vụ cụ thể một nhữngh tương tự, hoặc tốt hơn con người. Ví dụ về “AI hẹp” trong thực tế như kỹ thuật phân loại hình ảnh của Pinterest hay nhận diện khuôn mặt để tag bạn bè trên Facebook.
Những kỹ thuật này thể hiện một số khía cạnh của trí thông minh con người, nhưng làm thế nào để được như vậy? Trí tuệ đó tới từ đâu? Hãy cùng tới với vòng tròn tiếp theo: học máy (machine learning).
Machine learning là gì?
Machine learning – một nhữngh tiếp cận của AI
Machine Learning là một thuật ngữ rộng để chỉ hành động bạn dạy máy tính cải thiện một nhiệm vụ mà nó đang thực hiện. Cụ thể hơn, machine learning nói tới bất kỳ hệ thống mà hiệu suất của máy tính lúc thực hiện một nhiệm vụ sẽ trở nên tốt hơn sau lúc hoàn thành nhiệm vụ đó nhiều lần. Hay nói nhữngh khác, khả năng cơ bản nhất của machine learning là sử dụng thuật toán để phân tích những thông tin mang sẵn, học hỏi từ nó rồi đưa ra quyết định hoặc dự đoán về một thứ gì đó mang liên quan. Thay vì tạo ra một ứng dụng với những hành động, hướng dẫn yếu tố để thực hiện một nhiệm vụ cụ thể, máy tính được “huấn luyện” bằng nhữngh sử dụng lượng dữ liệu và những thuật toán để học nhữngh thực hiện nhiệm vụ.
Nếu ko mang machine learning, AI hiện tại sẽ bị hạn chế khá nhiều bởi nó mang lại cho máy tính sức mạnh để tìm ra mọi thứ mà ko được lập trình rõ ràng. Ví dụ về một loại machine learning, giả sử bạn muốn một chương trình mang thể xác định được mèo trong những bức ảnh:
- Đầu tiên, bạn cung cấp cho AI một tập hợp những đặc điểm của loài mèo để máy nhận dạng, ví dụ như màu sắc lông, hình dáng cơ thể, kích thước…
- Tiếp theo, bạn cung cấp một số hình ảnh cho AI, trong đó một số hoặc tất cả những hình ảnh mang thể được dán nhãn “mèo” để máy mang thể mua hiệu quả hơn những yếu tố, đặc điểm mang liên quan tới mèo.
- Sau lúc máy đã nhận được đủ dữ liệu cần thiết về mèo, nó phải biết nhữngh tìm một con mèo trong một bức tranh – “Nếu trong hình ảnh mang chứa những yếu tố X, Y, hoặc Z nào đó, thì 95% khả năng đó là một con mèo”.
tóm lại, ứng dụng của machine learning ngày nay là vô cùng phổ biến và độ hữu ích thì ko phải bàn cãi nhiều nữa.
Deep learning là gì?
Deep learning – một kỹ thuật của machine learning
Có thể nói tính tới nay, AI đã gặt hái được khá nhiều bước tiến lớn. Hãy suy nghĩ về nó như là một loại machine learning với “mạng thần kinh – neural networks” sâu mang thể xử lý dữ liệu theo nhữngh tương tự như một bộ não con người mang thể thực hiện. Điểm ko giống nhau chính ở đây là con người ko sẽ phải dạy một chương trình deep learning biết một con mèo trông như thế nào, mà chỉ cần cung cấp cho nó đủ hình ảnh cần thiết về loài mèo, và nó sẽ tự mình tưởng tượng, tự học. Các bước cần làm như sau:
- Cung cấp cho máy rất nhiều ảnh về mèo.
- Thuật toán sẽ kiểm tra ảnh để xem những đặc điểm, yếu tố chung giữa những bức ảnh.
- Mỗi bức ảnh sẽ được giải mã yếu tố dưới nhiều cấp độ, từ những hình dạng lớn, chung tới những ô nhỏ và nhỏ hơn nữa. Nếu một hình dạng hoặc những đường được lặp lại nhiều lần, thuật toán sẽ gắn nhãn nó như là một đặc tính trọng yếu.
- Sau lúc phân tích đủ hình ảnh cần thiết, thuật toán giờ đây sẽ biết được những mẫu nào cung cấp bằng chứng rõ ràng nhất về mèo và tất cả những gì con người phải làm chỉ là cung cấp những dữ liệu thô.
Tóm lại: Deep learning là loại machine learning mà trong đó máy tự đào tạo chính nó. Deep learning đòi hỏi rất nhiều dữ liệu đầu vào và sức mạnh tính toán hơn là machine learning, nhưng nó đã bắt đầu được triển khai bởi những liên doanh kỹ thuật lớn như Facebook, Amazon. Trong đó, một trong những mẫu tên nổi tiếng nhất về machine learning là AlphaGo, một máy tính mang thể chơi cờ vây với chính bản thân nó cho tới lúc nó mang thể dự đoán những đường đi nước bước chính xác nhất đủ để đánh bại nhiều nhà vô địch trên thế giới.
Kết luận
Deep learning đã cho phép ứng dụng nhiều vấn đề thực tế của máy đồng thời tăng thêm lĩnh vực tổng thể của trí tuệ nhân tạo. Deep learning phá vỡ những nhữngh thức con người làm việc bằng nhữngh làm cho tất cả những loại máy móc trợ giúp mang thể thực hiện được, sắp hoặc giống hệt con người. Ô tô ko người lái, chăm sóc sức khỏe con người tốt hơn… Tất cả đều được hiện thực hóa trong thời đại ngày nay. AI là hiện tại và tương lai của thế giới. Với sự trợ giúp của deep Learning, AI mang thể hiện thực hóa ước mơ khoa học giả tưởng mà chúng ta đã tưởng tượng từ rất lâu.
Xem thêm:
Các bạn đang xem tin tức tại Tin hay 24h – Chúc những bạn một ngày vui vẻ
Từ khóa: Machine learning là gì? Deep learning là gì? Sự ko giống nhau giữa AI, machine learning và deep learning
