Trí tuệ nhân tạo, machine learning, deep learning - giải thích dễ hiểu cho bạn
Vu Thi Hong Nga
2 năm trướcBình luận: 98Lượt xem: 109.973
Trí tuệ nhân tạo, machine learning, deep learning - giải thích dễ hiểu cho bạn
Machine Learing (ML) và Deep Learning (DL) hai khái niệm đang được nhắc tới nhiều trong lĩnh vực trí tuệ nhân tạo ngày nay, nhất là ở mảng điện thoại, đồ gia dụng và phần mềm. Hai cụm từ này xuất hiện rất nhiều nhưng không ít người lẫn lộn chúng với nhau. Sau đây là một số điểm giúp bạn phân biệt 2 cụm từ này:

Nói thì nghe có vẻ cao siêu nhưng những ví dụ về ML và DL xuất hiện ở khắp mọi nơi. Như cái cách mà Netflix gợi ý "bộ phim mà bạn sẽ muốn xem tiếp theo" hay cách mà Facebook biết những khuôn mặt trong tấm ảnh bạn vừa up lên. Hoặc làm sao mà một người đại diện của trung tâm dịch vụ khách hàng (Customer service) biết trước được liệu bạn có hài lòng với sự hỗ trợ của họ hay không ngay trước cả khi bạn thực sự điền vào mẫu khảo sát dịch vụ của họ. Nghe có vẻ màu nhiệm quá.

Vậy thì rốt cuộc thì ML và DL khác nhau như thế nào?

Machine Learning là gì ?

ML là cả một ngành nghiên cứu, nhưng ở mức cơ bản thì bạn có thể hiểu nó như thế này "Những thuật toán phân tích dữ liệu, học hỏi tri thức từ dữ liệu đó và áp dụng những gì đã học để đưa ra những quyết định phù hợp".

Một ví dụ đơn giản về thuật toán ML là dịch vụ phát nhạc trực tuyến theo yêu cầu. Để dịch vụ này đưa ra quyết định sẽ phát những bài hát mới nào hay của nghệ sĩ nào cho bạn, thuật toán sẽ kết hợp những dữ liệu thu thập được từ chính bạn trước đây (preferences). Bạn đã từng nhấn nút thích hay bỏ qua những bài hát nào? Những dữ liệu này sẽ được thu thập lại hết.

4291716_cover_spotify_khong_chi_de_nghe_nhac.jpg

Lẽ dĩ nhiên là mình hoàn toàn không muốn nghe lại các bài hát mình đã bỏ qua, hoặc có thể là của một ca sĩ nào đó mà cứ gặp bài của họ là mình nhấn skip. Với một số ca sĩ khác, mình lại nghe nhiều hơn nhạc do người này do mình thích họ. Đó là cách nghĩ của mình, vậy còn đa phần thuật toán mà các hãng nổi tiếng trên thị trường thường sẽ làm gì ?

Thuật toán sẽ thu thập dữ liệu của tất cả người dùng, tìm xem có người nào cũng có các hành vi tương tự bạn hay không, ví dụ like bài x, skip bài y chẳng hạn.Tìm ra được người giống khoảng 60-70% với bạn (nếu muốn 100% thì rất khó đúng không vì 2 người phải có hành vi hoàn toàn tương tự nhau), thuật toán sẽ gợi ý các bài hát mà người kia rất thích cho bạn nghe, mix các bài bạn đã từng nghe và chưa nghe lại mới nhau. Thế là chúng ta có một list nhạc theo yêu cầu.

Machine Learning cũng được xem là "nhiên liệu" cho nhiều ngành công nghiệp cần tự động hoá, từ các công ty bảo mật chuyên săn lùng các phần mềm độc hại (malware) đến các chuyên gia tài chính tìm kiếm các giao dịch (trade) sinh lời hay các trợ lý ảo như Siri, Cortana,...

Machine Learning tập hợp rất nhiều phép toán và đoạn mã (code) phức tạp, phục vụ cho một chức năng nào đó. Khi một vật gì đó được cho là có khả năng "machine learning" tức là vật đó sẽ thực hiện một chức năng nào đó với dữ liệu mà mình cung cấp cho nó. Ví dụ bạn cung cấp cho Alexa (trợ lý ảo được sản xuất bởi Amazon) một đoạn câu nói, các thuật toán nhận diện giọng nói sẽ được kích hoạt và chuyển thành đoạn lệnh mà Alexa hiểu được, sau đó nó chỉ cần thực hiện công việc bạn giao. Điều đáng chú ý ở đây là thuật toán có thể cải tiến chính nó làm cho chức năng đó ngày càng tốt hơn.

Giống như bạn có một cái đèn pin luôn bất sáng mỗi lúc bạn nói "trời tối" thay vì nói "turn on" vì nó bắt được cụm từ tối trong câu nói.

Cách các hệ thống có thể học được các thủ thuật càng ngày càng trở nên thực sự thú vị hơn nữa khi đề cập đến Deep Learning 😃

Deep Learning vs Machine Learning

Trong thực tế, DL chỉ là một tập hợp con của ML. Về mặt kĩ thuật và cách thức hoạt động thì giống y chang ML (đó cũng là lí do vì sao nhiều người hay nhầm lẫn chúng với nhau). Nhưng xét về khả năng thì lại khác nhau:

Các mô hình ML (Machine Learning model) đơn giản ngày càng trở nên tốt hơn nhưng phải có người giám sát tác động vào. Nếu thuật toán ML trả về kết quả không chính xác, thì các kỹ sư (data scientist, data engineer) cần phải phân tích nguyên nhân và điều chỉnh thuật toán sao cho phù hợp (tức là có can thiệp trực tiếp bởi con người). Tuy nhiên,với mô hình DL, các thuật toán sẽ tự động động học hỏi từ các sai lầm của nó (learn from failure) và tự điều chỉnh mình cho phù hợp.

Hãy quay trở lại câu chuyện đèn pin: Nó được lập trình là bật sáng mỗi khi trong âm thanh của người nói có từ "tối". Bây giờ nếu đèn pin có chứa mô hình Deep Learning ở bên trong, nó có thể nhận ra rằng, nên bật đèn mỗi lúc nghe thấy người dùng nói "Tôi không thể nhìn thấy" "Công tắc đèn không hoạt động". Mô hình DL có thể học hỏi thông qua phương pháp tính toán riêng của nó.

home_AI_machine_learning_deep_learning.jpg

Cách thức hoạt động của Deep Learning ?

Mô hình Deep Learning được thiết kế để liên tục phân tích dữ liệu với cấu trúc logic tương tự như cách con người đưa ra kết luận (ví dụ: não của bạn biết rằng khi phía trước có cục đá chắn ngang đường thì rẽ lối khác). Để đạt được điều này, DL sử dụng một cấu trúc phân lớp, mỗi lớp chứa các thuật toán khác nhau gọi là mạng nơ ron nhân tạo (Artificial Neural Network - ANN). Mạng nơ ron được lấy cảm hứng từ chính mạng thần kinh sinh học của não bộ con người. Điều này làm cho Deep Learning trở nên mạnh mẽ hơn so với các mô hình Machine Learning tiêu chuẩn.

nn.png
Mô hình mạng nơ ron

Thật sự rất khó để đảm bảo rằng mô hình Deep Learning không đưa ra quyết định sai lầm, mình đôi khi cũng sai huống chi là máy. Nhưng Deep Learning xứng đáng là một sáng tạo vượt bậc đầy tiềm năng của lĩnh vực trí tuệ nhân tạo, hứa hẹn sẽ làm thay đổi cách thức hoạt động nhiều ngành công nghiệp (thiết kế nội thất, ...).

Một ví dụ tuyệt với về Deep Learning là Google AlphaGo. Google đã tạo ra một chương trình máy tính học đánh cờ vây gọi là Go, một trò chơi yêu cầu trí tuệ và trực giác sắc bén. Bằng việc chơi với các kỳ thủ chuyên nghiệp, mô hình deep learning của AlphaGo đã đạt được cấp độ chưa từng có tiền lệ sau khi AI ra đời và nó đã gây ra sự chận động lớn đến cộng đồng khoa học khi đánh bại nhiều bậc thầy cờ vây nổi tiếng thế giới trở thành kỳ thủ vĩ đại nhất.

Nguồn: ZenDesk
98 Bình luận
Tuy nhiên,với mô hình DL, các thuật toán sẽ tự động động học hỏi từ các sai lầm của nó (learn from failure) và tự điều chỉnh mình cho phù hợp
=>
Giải thích này chưa có chính xác nha. Deep learning k có tự động học hỏi từ các sai lầm đâu bạn.
@Lê Hải Sơn Đồng ý với Lê Hải Sơn, những bài viết về học thuật như thế này nếu ko biết thì đừng giải thích lung tung.
@Lê Hải Sơn Mình đang xài sklearn và tensorflow, Keras đang thử nghiệm. Cho cả Tinh tế, lẫn cho một công ty bên ngoài. Không xài thì sao dám đi chém gió 😃 Tất cả những gì bài này viết, và tất cả những gì các bạn đang trao đổi ở đây mình đều hiểu và đang làm với nó hết.

Quay trở lại bài viết thì bài này không phải dành cho mục đích học thuật, rõ ràng trên tiêu đề cũng ghi là giải thích cơ bản rồi. Tinh tế không phải là forum về ML hay DL để bàn chuyện học thuật. Vẫn giải thích theo kiểu đơn giản nhất và vẫn đúng là ok.
@nguyễn trọng khiêm Nhiều anh em căng thẳng quá. Cùng nhau nhìn tích cực nào.
@Duy Luân Google AlphaGo có phải sử dụng Reinforcement learning (RL) không bạn? Hay là DL? Hai cái này khác nhau hoàn toàn.
Theo thông tin từ mấy anh bán hàng điện thoại, AI có nghĩa là "chụp ảnh đẹp cực". Dễ hiểu vãi :v
@vitkon Chuẩn rồi =]] mấy anh tung của thì AI là chụp ảnh
@vitkon Ụa, nick vitcon này trước ở VOZ phải không nhỉ? o_O
@Sr_9x Không phải bác ah. Bạn vitcon bên VOZ bá đạo hơn mình gấp tỉ lần.
@vitkon Awesome Images nhé 😃
Quá hay, cám ơn bạn
Vl cờ vua. Môn cờ gồm các quân trắng đen mà mấy anh nhật với xẻng bị đập te tua đấy gọi là Othello nhé
@daoluong1991 Cờ othello khác nhé.
Cờ Othello - còn gọi là cờ gánh - cờ lật, cũng có màu trắng đen nhưng ở 2 mặt của 1 quân cờ. Cứ bọc 2 đầu = màu của mình thì lật hết mặt quân địch thành màu của mình. Mỗi nước đi phải lật được cờ đối phương mới là nước đi hợp lệ. Cuối ván (hết nước đi hợp lệ - hoặc kín bàn cờ)

Cờ vây hay còn gọi là Go: Cờ này có 2 quân trắng đen riêng chứ không như othello. Luật chơi phức tạp hơn.
@tristan7684 9nohQh4_d.jpg
@daoluong1991 Othelo chơi khác mà, chặn 2 đầu thì cả dãy đổi màu luôn.
@Ethanol 9nohQh4.jpg
mỗi lần gặp quảng cáo là em cứ nhấn Skip vậy mà nó cứ hiện hoài
@haix10 Đăng nhập để like
Mô hình quá hay và dễ hiểu. Theo mình vòng tròn nhỏ nhất nên để là 12. Vòng giữa là đại học. Và vòng ngoài cùng là đi làm để thể hiện sự bao hàm của nó
Youtube chắc cũng vậy thấy nó chạy auto cũng ra nhiều bài mình thích
@traisaigon Chắc chắn rồi.
@traisaigon video bạn bè vừa xem cũng hiện luôn
@thieu thai doan quá đúng nhiều khi cảm thấy quá ghê gớm .
"Trong thực tế, DL chỉ là một tập hợp con của ML. Về mặt kĩ thuật và cách thức hoạt động thì giống y chang ML (đó cũng là lí do vì sao nhiều người hay nhầm lẫn chúng với nhau). Nhưng xét về khả năng thì lại khác nhau:

Các mô hình ML (Machine Learning model) đơn giản ngày càng trở nên tốt hơn nhưng phải có người giám sát tác động vào. Nếu thuật toán ML trả về kết quả không chính xác, thì các kỹ sư (data scientist, data engineer) cần phải phân tích nguyên nhân và điều chỉnh thuật toán sao cho phù hợp (tức là có can thiệp trực tiếp bởi con người). Tuy nhiên,với mô hình DL, các thuật toán sẽ tự động động học hỏi từ các sai lầm của nó (learn from failure) và tự điều chỉnh mình cho phù hợp."

Tại sao DL là con của ML nhưng lại không bá bằng ML, trong khi DL có thể tự sửa chửa sai lầm, còn ML phải có tác động của con người???
@micheal9000 À mình có nói là Mô hình ML đơn giản đó bạn, chứ ko phải là "DL thông minh hơn ML", vì cơ bản nó ko cùng cấp với nhau, cũng ko so sánh được 😃
@duc.truong thì nó viết linh ta linh tinh cho người đọc phổ thông chứ sao nữa. làm gì có chuyện so sánh 1 subset với tập mẹ. kiểu như nói Lamborghini chạy tốt hơn hẳn Xe auto ấy.
@duc.truong Nói Deep Learning( hay còn gọi là Deep Neural Network) thông minh hơn Machine Learning thì không được chính xác cho lắm. Vì Deep Learning và Machine Learning nhiều khi được áp dụng trong những vấn đề khác nhau. Ví dụ như cần phân tích hình ảnh hay ngành Natural Language Processing thì rất phức tạp nên lúc này Deep Learning được sử dụng vì sẽ sử dụng một lượng data khổng lồ để training. Còn ứng dụng Machine Learning gần đây nhất và dễ hiểu là tính năng "Smart Compose" trong Gmail mới được triển khai mạnh gần đây của Google.
@duc.truong Cùng thắc mắc với bạn khi đọc bài của bạn chủ thớt.
"Các mô hình ML (Machine Learning model) đơn giản ngày càng trở nên tốt hơn nhưng phải có người giám sát tác động vào. Nếu thuật toán ML trả về kết quả không chính xác, thì các kỹ sư (data scientist, data engineer) cần phải phân tích nguyên nhân và điều chỉnh thuật toán sao cho phù hợp (tức là có can thiệp trực tiếp bởi con người)"

"Tuy nhiên,với mô hình DL, các thuật toán sẽ tự động động học hỏi từ các sai lầm của nó (learn from failure) và tự điều chỉnh mình cho phù hợp."

Có lẽ tác giả nhầm lần giữa các khái niệm Học có giám sát (Supervised Learning), Học không giám sát (Unsupervised Learning) rồi.

Dù là DeepLearning hay các thuật toán trước đó thì đều cần phải có điều chỉnh của con người mới ra kết quả tốt được (với DL thì việc chọn cấu trúc của mạng neuron chọn tham số cực kỳ quan trọng).

Học những trường hợp sai để tự điều chỉnh thì rất nhiều thuật toán như vậy hãy tìm hiểu qua Support Vector Machine, Perceptron, ...
@beconsg Mình nghĩ ý của tác giả trong đoạn này là cần điều chỉnh các thông số thuật toán để đưa ra kết quả tốt nhất khi dữ liệu thay đổi chứ không phải là nhầm giữa hai khái niệm kia đâu, 2 cái kia cơ bản quá, nhầm thì hơi khó 😁
😁 điển hình như là mấy cái gợi ý của youtube
@Methylamine Giỡn hoài man 😆
@Duy Luân chứ bác nghĩ nó có gì cao siêu? 😃))
Newsfeed của Facebook có từ đời tống, ngay từ lúc khai sinh tới giờ nó đã được query bằng FQL, sau này Facebook không hỗ trợ FQL nữa do nó có thể truy cập quá sâu vào dữ liệu hệ thống nên họ đã thay thế bằng Graph API để query data, thực chất cũng là wrapper từ FQL. Thử dùng app Charles để sneek các lệnh gọi API của Facebook từ app Facebook trên iPhone, sẽ thấy các lệnh FQL và Graph được gọi.
Những lần thay đổi cách hiển thị của Facebook mà báo chi hay đưa tin thực chất chỉ là thay đổi cách SORT trong lện query dựa theo điểm tương tác của user (Relevance Score)
Bớt nghĩ cao siêu thì nó sẽ trở thành bình thường.
https://en.wikipedia.org/wiki/Facebook_Query_Language
Facebook Query Language - Wikipedia
en.wikipedia.org
@Methylamine @Methylamine thấy bình luận dẫn chứng hay quá, đăng nhập để vote luôn. Thanks.
@Methylamine Không có các bạn thì các mod đang nghĩ mình cao siêu lắm 😁
tuy không hiểu lắm nhưng xe tự lái chắc chắn là 1 ứng dụng của những thứ này
@daotruong94 Chính xác hơn thì nó là AI, rộng hơn hai thứ kia 😃
TÓM TẮT:
AI: tôi ko muốn suy nghĩ, bạn tôi ko muốn suy nghĩ, vợ tôi ko muốn suy nghĩ, cả thế giới ko muốn suy nghĩ, giờ phải tìm cái gì ko phải con người mà biết suy nghĩ.
ML: tôi có quá nhiều data, data quá lằng nhằng, tôi ko muốn code nó (procedural programming), làm sao 'máy tính' có thể cho tôi kiến thức (information) từ đống dữ liệu đó => optimization algorithms
NN: năm XXX, dạo này GPU mạnh quá, CPU mạnh quá, data nhiều quá, thử feed forward non linearity network rồi backprop nó thử coi. ôi nó chạy ngon quá. :burn:
DL: năm XXX+5, oh shit, hình như càng nhiều layers càng ngon mày à, ko cần preprocess data đâu, feed thẳng cánh. thằng A nó mới tìm được cách chạy 100 layers mà ko bị gradient vanishing/explosion, kết quả vcl luôn à. ghê vậy, nó làm được mà mình ko làm được à.
ngon ! đang làm thì có nhiều bài xem nữa . ahihi.
Tác giả không có chuyên môn, viết lăng nhăng, tưởng giải thích nôm na nhưng thực ra là sai bét.
@PlayerNam Thế những người không có chuyên môn về AI như em, nếu muốn hiểu sơ bộ về nó, thì phải làm thế nào ạ? Có bác chủ thớt đang cố giúp em việc ấy. Nếu bác giúp được tốt hơn thì nhờ bác chua cho mấy chữ để em mở mang ạ.
Nếu bác không viết được như chủ thớt thì có thể chỉ giúp em các khái niệm nào không chính xác, và chính xác phải như thế nào - được vậy cũng tốt rồi ạ.
@Telelove Tôi thấy lý luận của bạn thật ngớ ngẩn, bạn muốn hiểu tình yêu của người mẹ dành cho con, nhưng vì bạn chưa có con, nên một người mẹ quyết định giải thích cho bạn là "nó cũng như tình yêu nam nữ thôi!". Bạn có ok không? Bạn có cảm ơn cái bà mẹ đó không hay sẽ đập vào mặt mụ ấy?
@PlayerNam Cảm ơn quan điểm và thái độ thật là vcl của bạn. Mình không có thêm thắc mắc gì nữa nhé.
@PlayerNam vì tôi ko hiểu nên vẫn thấy ok bạn nhé
Bạn @micheal9000 nói đúng khi nói Machine Learning là một ngành khoa học nghiên cứu các phương pháp phân tích dựa trên dữ liệu thống kê hơn là thuật toán machine learning. Nếu nói định nghĩa về Machine Learning thì nên sử dụng định nghĩa như bạn @micheal9000 nhưng khi bạn là data engineer hay data scientists thì thường sử dụng "Machine Learning algorithms" để nói về công việc khi viết ứng dụng hay build product. @Vu Thi Hong Nga

Tải app Tinh tế

Tải app Tinhte - Theo dõi thông tin mà bạn yêu thích

Tải app TinhteTải app Tinhte
Tải app Tinh tế cho Android trên Google PlayTải app Tinh tế cho iPhone, iPad trên App Store
  • Chịu trách nhiệm nội dung: Trần Mạnh Hiệp
  • © 2020 Công ty Cổ phần MXH Tinh Tế
  • Địa chỉ: 209 Đường Nam Kỳ Khởi Nghĩa, Phường 7, Quận 3, TP.HCM
  • Số điện thoại: 02862713156
  • MST: 0313255119
  • Giấy phép thiết lập MXH số 11/GP-BTTTT, Ký ngày: 08/01/2019