Tại sao Deep Learning được quan tâm nhiều đến vậy?

  1. Trí tuệ nhân tạo

Trong khi Deep Learning chỉ là 1 nhánh nhỏ trong Machine Learning vậy mà khi nhắc tới Trí tuệ nhân tạo người ta trọng tâm bàn về Deep Learning. Mình không hiểu vì sao, mong nhận được giải đáp 

Từ khóa: 

,

trí tuệ nhân tạo

Chào bạn, lý do nằm ở chỗ Deep Learning (DL) khai thác được Big Data cùng với độ chính xác cao trên tập dữ liệu ảnh và tín hiệu số có thể lên đến 95%. Thêm vào đó đây là một cách để kêu gọi vốn đầu tư cũng như kéo mọi người quan tâm nhiều hơn đến nghiên cứu. Ngoài ra, để áp dụng DL, bạn cần tiến hành nhiều thực nghiệm như tiền xử lý dữ liệu, lựa chọn số node, số layer, thiết kế mô hình CNN, RNN, LSTM, dùng nhiều loại activate function để so sánh hiệu suất, áp dụng tỉa node,… Do vậy đã có quá nhiều mẫu thiết kế khác nhau về DL apply vào các hội nghị AI nên ta đã dành cho DL những conference riêng để báo cáo khoa học. Nói như vậy không có nghĩa là DL giải quyết được mọi vấn đề.


Trong thực tế, DL khó vượt mặt các giải thuật cơ bản như Random forest, SVM, hay Monte Carlo estimation. Và gặp khó khăn trên các tập dữ liệu kiểu categories hay văn bản. Đặc biệt trong lĩnh vực Fintech, cụ thể là credit scoring. DL sẽ không cho ta thấy quá trình suy luận diễn ra như thế nào vì đây là black-box method, ta chỉ biết được input và ouput. Khi một khách hàng bị reject hồ sơ mở thẻ tín dụng, ta không biết được tại sao máy lại đưa ra kết luận như vậy. Điều này thật tai hại khi phải diễn giải được kết quả cho khách hàng. Lắm lúc người làm hồ sơ phải tra lại lý lịch từ đầu và có thể phải đưa ra những biện minh cho việc ra quyết định như vậy. Ngoài ra, quyền bí mật thông tin cá nhân bị xâm phạm hoàn toàn. DL cần rất nhiều thông tin ngoài những thông tin cơ bản như tên tuổi, địa chỉ nhà, … Làm sao có thể thu thập được các thông tin khác nếu khách hàng không cho phép. Hơn nữa đối với những bạn đang làm nghiên cứu thì xu hướng sẽ chọn làm DL, như vậy sẽ đánh mất khả năng cạnh tranh về ý tưởng của mình do trong cùng thời điểm đó ai cũng muốn làm về DL.


Nhiều người cho rằng AI phát triển đến một mức nào đó sẽ chiếm quyền kiểm soát con người như trong các bộ phim viễn tưởng Terminator, i-Robot, AI, … Hay chiếm đoạt công việc của những ngành truyền thống như mọi người đang lo sợ. Theo mình thì điều này không thể vì những lý do sau:

Máy móc chỉ có khả năng làm theo chỉ thị cụ thể của con người. Nhờ vậy con người sẽ được giải phóng khỏi những công việc lặp đi lặp lại nhàm chán chứ không bị thay thế hoàn toàn. Job cũ bị thay thế bằng job mới được sinh ra

Máy không chắc chắn 100% suy luận của mình đưa ra. Do đó, công đoạn cuối vẫn cần đến con người kiểm tra và đưa ra quyết định.

Máy móc chỉ hỗ trợ sự sáng tạo của con người chứ bản thân chúng không có khả năng này. Ta có thể điểm qua một số ứng dụng như: Deep dream của Google, brain storming của Adobe, mobile app generation, wix web generation, literature generation, music generation.


Thay vì lo lắng về AI, ta nên lo lắng về thông tin riêng tư đang bị lợi dụng hằng ngày.

Cần có hệ thống toán học hay ngôn ngữ mới linh hoạt, ít rập khuôn và cứng nhắc hơn (điển hình chỉ có một đúng hai sai) để mô phỏng suy luận, nhận thức và hành động như người.

Con người luôn có backup plan cho mọi thứ. Phải có manual trong mọi trường hợp và nút Esc sinh ra cũng vì lý do này.

Trả lời

Chào bạn, lý do nằm ở chỗ Deep Learning (DL) khai thác được Big Data cùng với độ chính xác cao trên tập dữ liệu ảnh và tín hiệu số có thể lên đến 95%. Thêm vào đó đây là một cách để kêu gọi vốn đầu tư cũng như kéo mọi người quan tâm nhiều hơn đến nghiên cứu. Ngoài ra, để áp dụng DL, bạn cần tiến hành nhiều thực nghiệm như tiền xử lý dữ liệu, lựa chọn số node, số layer, thiết kế mô hình CNN, RNN, LSTM, dùng nhiều loại activate function để so sánh hiệu suất, áp dụng tỉa node,… Do vậy đã có quá nhiều mẫu thiết kế khác nhau về DL apply vào các hội nghị AI nên ta đã dành cho DL những conference riêng để báo cáo khoa học. Nói như vậy không có nghĩa là DL giải quyết được mọi vấn đề.


Trong thực tế, DL khó vượt mặt các giải thuật cơ bản như Random forest, SVM, hay Monte Carlo estimation. Và gặp khó khăn trên các tập dữ liệu kiểu categories hay văn bản. Đặc biệt trong lĩnh vực Fintech, cụ thể là credit scoring. DL sẽ không cho ta thấy quá trình suy luận diễn ra như thế nào vì đây là black-box method, ta chỉ biết được input và ouput. Khi một khách hàng bị reject hồ sơ mở thẻ tín dụng, ta không biết được tại sao máy lại đưa ra kết luận như vậy. Điều này thật tai hại khi phải diễn giải được kết quả cho khách hàng. Lắm lúc người làm hồ sơ phải tra lại lý lịch từ đầu và có thể phải đưa ra những biện minh cho việc ra quyết định như vậy. Ngoài ra, quyền bí mật thông tin cá nhân bị xâm phạm hoàn toàn. DL cần rất nhiều thông tin ngoài những thông tin cơ bản như tên tuổi, địa chỉ nhà, … Làm sao có thể thu thập được các thông tin khác nếu khách hàng không cho phép. Hơn nữa đối với những bạn đang làm nghiên cứu thì xu hướng sẽ chọn làm DL, như vậy sẽ đánh mất khả năng cạnh tranh về ý tưởng của mình do trong cùng thời điểm đó ai cũng muốn làm về DL.


Nhiều người cho rằng AI phát triển đến một mức nào đó sẽ chiếm quyền kiểm soát con người như trong các bộ phim viễn tưởng Terminator, i-Robot, AI, … Hay chiếm đoạt công việc của những ngành truyền thống như mọi người đang lo sợ. Theo mình thì điều này không thể vì những lý do sau:

Máy móc chỉ có khả năng làm theo chỉ thị cụ thể của con người. Nhờ vậy con người sẽ được giải phóng khỏi những công việc lặp đi lặp lại nhàm chán chứ không bị thay thế hoàn toàn. Job cũ bị thay thế bằng job mới được sinh ra

Máy không chắc chắn 100% suy luận của mình đưa ra. Do đó, công đoạn cuối vẫn cần đến con người kiểm tra và đưa ra quyết định.

Máy móc chỉ hỗ trợ sự sáng tạo của con người chứ bản thân chúng không có khả năng này. Ta có thể điểm qua một số ứng dụng như: Deep dream của Google, brain storming của Adobe, mobile app generation, wix web generation, literature generation, music generation.


Thay vì lo lắng về AI, ta nên lo lắng về thông tin riêng tư đang bị lợi dụng hằng ngày.

Cần có hệ thống toán học hay ngôn ngữ mới linh hoạt, ít rập khuôn và cứng nhắc hơn (điển hình chỉ có một đúng hai sai) để mô phỏng suy luận, nhận thức và hành động như người.

Con người luôn có backup plan cho mọi thứ. Phải có manual trong mọi trường hợp và nút Esc sinh ra cũng vì lý do này.