Phân biệt các khái niệm AI, Machine Learning và Deep Learning như thế nào?
Cho những ai thắc mắc vấn đề này, trong bài viết ngắn dưới đây mình sẽ giải thích sự khác biệt giữa 3 khái niệm:
- Artificial Intelligence (AI): trí tuệ nhân tạo
- Machine Learning (ML): máy học
- Deep Learning (DL): học sâu
Mình sẽ giải thích theo cách thật đơn giản, để những người đọc không chuyên vẫn có thể hiểu được. Tất nhiên vì đã giản lược rất nhiều các tiểu tiết mang tính kỹ thuật (technical details), nếu bạn là người có mong muốn tìm hiểu kỹ và sâu về các mảng này, thì bạn có thể cân nhắc tìm đọc các bài viết chuyên sâu hơn.
AI, ML và DL khác nhau như thế nào?
Về cơ bản, 3 khái niệm này thực chất không khác biệt và tách rời nhau hoàn toàn. Bạn có thể hiểu rằng ML thực chất là một nhánh nhỏ của AI, và DL lại là một nhánh nhỏ của ML. Như thế này:
(guru99.com)
Như vậy, nếu nói "trí tuệ nhân tạo" (AI) là một lĩnh vực nghiên cứu, thì ML và DL là đều là những đề tài thuộc phạm trù nghiên cứu của lĩnh vực này. Chúng ta hãy cùng xem qua các đặc điểm đi liền với 3 khái niệm này.
- AI: máy tính được người hướng dẫn cách thức ra quyết định trong những tình huống cụ thể. Nó sẽ không thể ra được các quyết định nếu như tình huống đó chưa được hướng dẫn từ trước bởi người. Nếu bạn đọc biết lập trình căn bản, thì cũng có thể hiểu AI là một tập hợp của các chuỗi lệnh "if...then..." cho máy tính.
- ML: máy tính được người hướng dẫn cách thức ra quyết định trong những tình huống cụ thể. Tuy nhiên, qua nhiều lần thực hiện nhiệm vụ, nó sẽ tự học thêm được cách xử lý trong những tình huống tương tự. Nhưng khả năng xử lý của nó thường sẽ không được chính xác, và sẽ phụ thuộc vào sự giám sát và chỉnh sửa của con người
- DL: máy tính không cần người hướng dẫn cách thức ra quyết định trong bất cứ tình huống cụ thể nào. Nó vừa có thể liên tục tối ưu cách xử lý tình huống của mình (tương tự ML), đồng thời cũng tự đánh giá được cách xử lý của mình là chính xác hay không.
Sự khác biệt chủ yếu giữa ML và DL là ở chỗ DL có cấu trúc của một "artificial neural network" (ANN hay NN) - tức là "mạng nơ-ron nhân tạo", được xây dựng phỏng theo não bộ của con người. Chính nhờ NN này mà máy tính có thể tự học mà hầu như không cần bất cứ sự can thiệp nào của con người. Vấn đề này tương đối chuyên sâu, mình nghĩ tạm thời không cần đưa vào bài viết này.
(github.io)
Bây giờ, hãy lấy một ví dụ cho dễ hiểu:
Cho rằng bạn đang muốn tạo nên một hệ thống đèn phòng thông minh, rằng hễ khi "nó" nghe thấy bất cứ người nào trong phòng kêu than là "ôi, tối quá!", thì sẽ tự động bật sáng đèn. Keyword ở đây là từ "tối".
Đối với AI nói chung, hệ thống đèn này sẽ chỉ phản ứng khi nó nghe được chính xác câu nói đó từ con người. Với ML, nó sẽ có thể lọc ra được keyword là "tối", và trong bất cứ câu nói nào có chứa keyword này (ví dụ như "ở đây thật là tối tăm" hoặc "tối ơi là tối!"), nó đều sẽ dần học ra được rằng nó cần phải làm sáng đèn.
Tuy nhiên, nó sẽ không thể tự phân biệt được đâu là những câu nói (hoặc ngữ cảnh) mà nó không nên phản ứng khi nghe được keyword "tối". Ví dụ như nó nghe được câu nói "khái niệm này sao mà tối nghĩa quá!", hoặc "hãy đi ra ngoài ăn tối nào!". Đây là những tình huống mà nó không nên phản ứng, nhưng vẫn bật sáng đèn. Và thế là các kỹ sư lại phải nhúng tay vào chỉnh sửa lại.
Trong khi đó, với DL, hệ thống đèn sẽ vừa có khả năng phản ứng với keyword "tối" trong rất nhiều câu nói và ngữ cảnh khác nhau, nhưng nó cũng đồng thời nhận biết được đâu là những ngữ cảnh mà nó không cần phản ứng, không cần bật đèn, và loại bỏ khỏi chương trình phản ứng. Để thực hiện khâu nhận biết và loại bỏ này, tất nhiên DL cần tới sự trợ giúp của NN.
Nguồn: hackernoon, github và skymind.ai
