Ngày nay, AI (Artificial Intelligence – Trí Thông Minh Nhân Tạo) có mặt ở khắp mọi nơi. Ở thời điểm hiện tại, AI hiện diện trong những chiếc xe tự lái cũng như là các trợ lí cá nhân trên các hệ điều hành khác nhau. Trong thế giới của các doanh nghiệp, AI được sử dụng để phục vụ cho các chiến dịch marketing và bảo mật trong thế giới ảo. Cách học hỏi của các AI thật sự rất đáng ghi nhận.
Các cỗ máy cũng có cách học hỏi giống hệt con người
Cách tốt nhất để hiểu nhiều hơn về AI là biết được bản chất thật sự của nó là gì, cách hoạt động của nó như thế nào bằng việc so sánh Trí Thông Minh Nhân Tạo với Trí Thông Minh Của Con Người (Human Intelligence). Về cơ bản thì trí thông minh của con người có một dòng chảy thông tin cực đơn giản: đầu vào, tiếp nhận, đầu ra. Đầu vào là các hình thức thông tin được biến đổi qua các giác quan (qua mắt, tai, mũi, v.v….). Tiếp theo là quá trình tiếp nhận: đây là nơi kiến thức hoặc các kí ức được hình thành và tìm lại – các quyết định và suy luận được đưa ra… quá trình học hỏi đã bắt đầu. Một khi bộ não tiếp nhận thông tin, kết quả đã được hình thành và biểu hiện của nó là hành động hoặc lời nói.
Ví dụ như bạn đang lái xe trên đường và thấy một biển hiệu thông báo là bạn phải dừng xe. Bạn biết được ý nghĩa của biển báo đó, bạn đạp thắng xe, bạn đã dừng lại. Trong trường hợp này bảng hiệu dừng xe là phần đầu vào, hành động đạp thắng của bạn là đầu ra, mọi thứ còn lại là quá trình tiếp nhận. Bạn biết cách phản ứng với một tấm biển báo dừng xe vì bạn đã học hỏi và tập luyện trước đó rằng biển hiệu đó yêu cầu bạn phải làm như thế.
Trí Thông Minh Nhân Tạo là một tập hợp các kĩ thuật bao gồm những thứ tương tự với Trí Thông Minh Của Con Người. Trong thế giới của các cỗ máy, công nghệ giải quyết đầu vào thường được thể hiện thông qua giọng nói, quá trình xử lí ngôn ngữ tự nhiên và những thứ tương tự như vậy. Đầu ra là cách tương tác của những cỗ máy này với những cỗ máy khác (ví dụ như những lời nói của Siri chẳng hạn). Quá trình xử lí hoặc học hỏi nằm giữa hai thứ này.
Nhiều mạng lưới thần kinh giúp các cỗ máy học hỏi ở một cấp độ sâu sắc hơn
Khi các cỗ máy học hỏi những thứ riêng cho mình thì chúng ta chỉ đơn giản gọi điều này là “máy học.” Có nhiều thuật toán được viết riêng cho máy học, tuy nhiên ngày nay có một kĩ thuật mà giới chuyên môn gọi là Học Sâu (Deep Learning) – kĩ thuật này dựa trên một tập hợp các thuật toán gọi là Mạng Lưới Thần Kinh (Neural Network). Lấy ý tưởng từ con người, mạng lưới thần kinh trong Deep Learning là sự giả lập của các dây nơ-ron. Trong hình ảnh dưới đây, các vòng tròn đại diện cho các dây nơ-ron đó và các đường nối đại diện cho sự kết nối từ kết quả đầu ra với một đầu vào của vòng tròn khác. Tín hiệu đi từ trái sang phải.
Những mạng lưới này học hỏi bằng cách thử kết nối với các khối dữ liệu đầu vào để quyết định kết quả đầu ra. Việc này đòi hỏi phải có các phương trình toán học để tính toán kết quả đầu ra và so sánh kết quả mô phỏng với kết quả đầu ra thật sự. Sự khác nhau sẽ được tính toán và độ mạnh yếu của tín hiệu sẽ được điều chỉnh, vòng tròn này sẽ liên tục lặp đi lặp lại cho đến khi kết quả đầu ra gần sát với kết quả thật sự nhất. Một khi đạt đến điểm đó thì chúng ta sẽ nói rằng mạng lưới đã “học hỏi được một điều gì đó.”
Mạng lưới thần kinh trong hình ảnh bên trên rất đơn giản. Các mạng lưới thần kinh thường rộng lớn và phức tạp hơn rất nhiều, chúng chứa hàng ngàn lớp khác nhau để tính toán mọi thứ. Những mạng lưới như thế này tạo điều kiện thuận lợi cho Deep Learning phát triển tốt hơn, có thể thực hiện những dự đoán phức tạp hơn.
Theo VentureBeat
Last edited:
)