Học máy? Tại sao máy móc lại phải học nhỉ? Thật khó hiểu đúng khong nào? Tự bao giờ mà các từ khoá như máy học, hay machine learning, ngày càng phổ biến. Đến nỗi, chỉ cần lướt một vài trang web tin tức hay mạng xã hội ta lại có thể bắt gặp các cụm từ như trên. Vậy thì hãy cùng chúng tôi tìm hiểu về từ khóa nóng bỏng tay này nhé!
Trong video lần này chúng ta sẽ cùng tìm hiểu về:
Khái niệm về máy học
Vai trò của máy học đối với cuộc sống hiện nay
Tại sao máy học phát triển mạnh mẽ trong những năm gần đây
Trong 10 năm trở lại đây, hẳn các bạn đã nghe rất nhiều về các từ khóa như trí tuệ nhân tạo, máy học,... hãy cùng chùng tôi tìm hiểu về khái niệm, lịch sử và một số thành tựu của trí tuệ nhân tạo nhé.
Trí tuệ nhân tạo, hiểu một cách ngắn gọn là ngành khoa học nghiên cứu để máy tính có khả năng như bộ não con người, và hơn thế nữa.
Một số khả năng của con người như:
Hiểu thông tin nhận vào từ các giác quan
Đưa ra các phản hồi đến môi trường
Ngoài ra còn có thể thực hiện được các khả năng khác mà còn người không thể làm được: xử lý nhanh, nhận biết chuyển động nhỏ, ...
Thực chất, AI đã xuất hiện từ rất lâu, có bề dày lên tới 100 năm lịch sử, nhưng do chưa có nhiều thành tựu và sử dụng rộng rãi trong cuộc sống nên chưa được mọi người biết đến tại thời điểm đó.
Trước những năm 2010, một số ứng dụng AI đã có trong cuộc sống như:
Game engine: hỗ trợ chế độ máy thi đấu với người trong cờ vua, cờ tướng, game dàn trận
Hệ thống khuyến nghị sản phẩm: đoán biết mối quan tâm của người dùng trên các trang thương mại điện tử nhờ các thói quen
Tuy nhiên các ứng dụng này chưa để lại nhiều đột phá, cho đến khi vài năm gần đây:
Máy tính có thể chiến thắng đại kiện tướng cờ vây (môn cờ rất khó)
Máy tính có thể nhận dạng giọng nói, gương mặt, đồ vật với độ chính xác cao
Máy tính có thể làm được những thứ mà con người không làm được: đo nhịp tim chỉ bằng camera, sáng tạo ra các bức tranh,...
Đã bao giờ bạn tự hỏi, làm sao các điện thoại thông minh có thể nhận diện khuôn mặt mình để mở khóa màn hình, hay làm sao máy tính có thể tự động thay đổi màu sắc, phong cách trên ảnh chụp theo các phong cách khác nhau? Đây chính là kết quả của lĩnh vực Thị Giác máy tính. Vậy thì Thị giác máy tính là gì? Hãy cùng theo dõi trong video này với các nội dung chính sau:
Gần đây, tôi đã phát minh ra một phương pháp tư duy xâu chuỗi các kiến thức đã học giúp mọi người có thể:
"Nhớ bài" lâu hơn
Kể lại câu chuyện một cách logic và thuyết phục
Có định hướng để giải quyết vấn đề
Phương pháp tư duy ở đây chính là Problem-Why-Solution. Phương pháp này ra đời trước hết là để đáp ứng nhu cầu giảng dạy của bản thân. Các bạn sinh viên thường hay gặp các vấn đề sau:
Không biết làm sao "người ta" có thể nghĩ ra một thuật toán. Ví dụ, Convolutional Neural Network - CNN ra đời bằng cách nào? Do may mắn nghĩ ra? Đương nhiên là không. Vậy thì làm sao họ có thể nghĩ ra được mô hình này?
Trong một thuật toán, tại sao xử lý thế này, mà không phải là thế khác. Ví dụ: Tại sao hàm mất mát (loss function) của mô hình hồi quy tuyến tính (Linear Regression) lại dùng công thức MSE (Mean squared error) mà không phải là tính hiệu số đơn giản?
Các mô hình na ná nhau, khi nào cần sử dụng mô hình nào? Ví dụ: Thuật toán Naive Bayes, Neural network đều có thể dùng cho bài toán phân lớp. Vậy khi nào dùng Naive Bayes? Sự khác nhau giữa các mô hình là gì?
Đó là do các bạn sinh viên chưa có kỹ năng sâu chuỗi được các kiến thức với nhau, mà chỉ tìm hiểu (hoặc học) các kiến thức một cách rời rạc, thiếu sự xâu chuỗi các kiến thức. Để minh họa cho phương pháp xâu chuỗi kiến thức này, tôi sẽ sử dụng bảng Problem-Why-Solution. Trong đó:
Quá trừu tượng phải không? Vậy thì hãy bắt đầu bằng ví dụ đơn giản sau: Xâu chuỗi "Các phương tiện di chuyển" của con người. Dưới đây là chuỗi tiến hóa của các phương tiện:
Problem
Why
Solution
Minh họa
Đi bộ (phương tiện đơn giản nhất)
Mỏi chân khi đi xa
Do dùng sức của bản thân đi
Cưỡi ngựa (lợi dụng sức ngựa)
Không đi được quá xa
Do ngựa phải nghỉ ngơi, ăn uống
Xe máy (dùng độ cơ đốt trong)
Không an toàn khi di chuyển
Không được bảo vệ khi ngã, gặp thời tiết xấu
Xe hơi (che chắn người lái và di chuyển nhanh hơn)
Không di chuyển qua các địa hình phức tạp
Xe không di chuyển được qua núi, sông, đại dương
Máy bay (di chuyển trên không trung)
Không đi ra ngoài trái đất được
Do không trang bị cho môi trường phi trọng lực
Tàu vũ trụ (bảo hộ không trọng lực + oxy)
...
...
...
...
Thường xuyên xâu chuỗi vấn đề trong cuộc sống giống như trên, bộ não ta sẽ quen với việc:
Phát hiện vấn đề của giải pháp hiện tại
Tò mò tìm cách lý giải
Tìm kiếm giải pháp giải quyết vấn đề
Các nhà sáng chế, nhà khoa học luôn thấy vấn đề cần phải giải quyết chính là vì tư duy xâu chuỗi này và biết được đâu là vấn đề cốt lõi của một bài toán cần giải.
Trong video về chủ đề trí tuệ nhân tạo, chúng ta đã nghe qua khái niệm học sâu hay deep learning. Deep learning đã và đang là một chủ đề được bàn luận sôi nổi trên các phương tiện truyền thông xã hội với rất nhiều thành tựu nổi bật. Mặc dù chỉ là một lĩnh vực nhỏ của machine learning, deep learning đã có vô số những ứng dụng đình đám sử dụng rất phổ biến gần đây như:
Nhận diện giọng nói để điều khiển các thiết bị điện tử như TV, điện thoại;
Nhận diện gương mặt để đăng nhập vào sử dụng các hệ thống thanh toán điện tử
Thậm chí, trả lời các câu hỏi hóc búa do người dùng đặt ra khi sử dụng ứng dụng trợ lý ảo.
Trong video này, hãy cùng chúng tôi để khám phá ra những điều thú vị về từ khóa nóng hổi này với các nội dung sau nhé:
