Danh Mục Sản Phẩm

CÔNG NGHỆ MÁY HỌC (MACHINE LEARNING) LÀ GÌ? ỨNG DỤNG THỰC TẾ VÀ MỐI LIÊN HỆ CỦA HỌC MÁY VỚI TRÍ TUỆ NHÂN TẠO

Mã Sản Phẩm
: BV21_SEEACT
Tên Sản Phẩm
: CÔNG NGHỆ MÁY HỌC (MACHINE LEARNING) LÀ GÌ? ỨNG DỤNG THỰC TẾ VÀ MỐI LIÊN HỆ CỦA HỌC MÁY VỚI TRÍ TUỆ NHÂN TẠO
Danh Mục
: Kiến thức
Thương Hiệu
: Kiến thức-Bài viết
Giá

: Liên Hệ



Máy học (Machine learning) gây nên cơn sốt công nghệ trên toàn thế giới trong vài năm nay. Là một phần quan trọng tạo nên Trí tuệ nhân tạo, nó được ứng dụng rất nhiều trong hầu hết các lĩnh vực hiện nay.

Chi Tiết Sản Phẩm


CÔNG NGHỆ MÁY HỌC (MACHINE LEARNING) LÀ GÌ? ỨNG DỤNG THỰC TẾ VÀ MỐI LIÊN HỆ CỦA HỌC MÁY VỚI TRÍ TUỆ NHÂN TẠO

Máy học (Machine learning) gây nên cơn sốt công nghệ trên toàn thế giới trong vài năm nay. Là một phần quan trọng tạo nên trí tuệ nhân tạo, nó được ứng dụng rất nhiều trong hầu hết các lĩnh vực hiện nay.

Machine learning hoc may la gi

  1. MÁY HỌC (MACHINE LEARNING) LÀ GÌ?

Trong giới học thuật, mỗi năm có hàng ngàn bài báo khoa học về đề tài Machine learning. Trong giới công nghiệp, từ các công ty lớn như Google, Facebook, Microsoft đến các công ty khởi nghiệp đều đầu tư vào Máy học. Hàng loạt các ứng dụng sử dụng Máy học ra đời trên mọi linh vực của cuộc sống, từ khoa học máy tính đến những ngành ít liên quan hơn như vật lý, hóa học, y học, chính trị...

Máy học - hiểu theo nghĩa đen là việc Máy móc có khả năng tự học tập giống như con người. Nói một cách đơn giản, Học máy sử dụng dữ liệu, số liệu thống kê, phép thử sai để “học” tự động một tác vụ cụ thể mà không cần phải mã hóa cụ thể cho tác vụ đó, cho phép chúng giải quyết các vấn đề khó, từ nghiên cứu ung thư đến biến đổi khí hậu.

Bạn đã hiểu rồi chứ? Chúng ta có thể làm cho máy tính học để làm công việc gì đó!

cong nghe may hoc machine learning la gi va moi lien he voi tri tue nhan tao

  1. MỐI QUAN HỆ - SỰ KHÁC NHAU GIỮA MACHINE LEARNING - HỌC MÁY VÀ TRÍ TUỆ NHÂN TẠO

Như đã nói ở phần đầu, Machine learning là một nhánh con của Trí tuệ nhân tạo.

Trí tuệ nhân tạo - AI (Artificial Intelligence), một cụm từ vừa gần gũi vừa xa lạ đối với chúng ta. Gần gũi bởi vì thế giới đang phát sốt với những công nghệ được dán nhãn AI. Xa lạ bởi vì một AI thực thụ vẫn còn nằm ngoài tầm với của chúng ta. Nói đến AI, hẳn mỗi người sẽ liên tưởng đến một hình ảnh khác nhau. Vài thập niên gần đây có một sự thay đổi về diện mạo của AI trong các bộ phim quốc tế. Trước đây, các nhà sản xuất phim thường xuyên đưa hình ảnh robot vào phim nhằm gieo vào đầu người xem suy nghĩ rằng trí tuệ nhân tạo là một phương thức nhân bản con người bằng máy móc. Tuy nhiên, trong những bộ phim gần hơn về đề tài này, ta không thấy hình ảnh của một con robot nào cả. Thay vào đó là một bộ não điện toán khổng lồ chỉ huy hàng vạn con Nanobot. Tất nhiên cả hai hình ảnh đều là hư cấu và giả tưởng, nhưng sự thay đổi như vậy cũng một phần nào phản ánh sự thay đổi ý niệm của con người về AI. AI bây giờ được xem như vô hình vô dạng, hay nói cách khác có thể mang bất cứ hình dạng nào. Vì nói về AI là nói về một bộ não, chứ không phải nói về một cơ thể, là software chứ không phải là hardware.

su khac nhau, moi lien he giua may hoc va tri tue nhan tao

AI thể hiện một mục tiêu của con người. Machine learning là một phương tiện được kỳ vọng sẽ giúp con người đạt được mục tiêu đó. Và thực tế thì machine learning đã mang nhân loại đi rất xa trên quãng đường chinh phục AI. Nhưng vẫn còn một quãng đường xa hơn rất nhiều cần phải đi. Machine learning và AI có mối quan hệ chặt chẽ với nhau nhưng không hẳn là trùng khớp vì một bên là mục tiêu (AI), một bên là phương tiện (machine learning). Chinh phục AI mặc dù vẫn là mục đích tối thượng của machine learning, nhưng hiện tại machine learning tập trung vào mục tiêu ngắn hạn hơn là làm cho máy tính có những khả năng nhận thức cơ bản của con người như nghe, nhìn, hiểu được ngôn ngữ, giải toán, lập trình, …

Những năm gần đây, khi mà khả năng tính toán của các máy tính được nâng lên một tầm cao mới và lượng dữ liệu khổng lồ được thu thập bởi các hãng công nghệ lớn, Machine Learning đã tiến thêm một bước dài và một lĩnh vực mới được ra đời gọi là Deep Learning (Học Sâu). Deep Learning đã giúp máy tính thực thi những việc tưởng chừng như không thể vào 10 năm trước: phân loại cả ngàn vật thể khác nhau trong các bức ảnh, tự tạo chú thích cho ảnh, bắt chước giọng nói và chữ viết của con người, giao tiếp với con người, hay thậm chí cả sáng tác văn hay âm nhạc. DACO sẽ sớm có 1 bài viết về chủ đề Deep Learning này gửi tới các bạn.

tri tue nhan tao Artificial Intelligence and machine learning

  1. ỨNG DỤNG THỰC TẾ CỦA CÔNG NGHỆ HỌC MÁY

Bạn có thể tương tác các ứng dụng của học máy mà không nhận ra. Chúng ta không thể nào xây dựng một cỗ máy thông minh để học dữ liệu từ cổ chí kim tới hiện tại. Tuy nhiên, đã có những ứng dụng thực tế mà machine learning làm rất tốt.

  • Xử lý ảnh

Bài toán xử lý ảnh (Image Processing) giải quyết các vấn đề phân tích thông tin từ hình ảnh hay thực hiện một số phép biến đổi. Một số ví dụ là:

- Gắn thẻ hình ảnh (Image Tagging), giống như Facebook, một thuật toán tự động phát hiện khuôn mặt của bạn và bạn bè trên những bức ảnh. Về cơ bản, thuật toán này học từ những bức ảnh mà bạn tự gắn thẻ cho mình trước đó.

- Nhận dạng ký tự (Optical Character Recognition), là một thuật toán chuyển dữ liệu trên giấy tờ, văn bản thành dữ liệu số hóa. Thuật toán phải học cách nhận biết ảnh chụp của một ký tự là ký tự nào.

- Ô tô tự lái (Self-driving cars), một phần cơ chế sử dụng ở đây là xử lý ảnh. Một thuật toán machine learning giúp phát hiện các mép đường, biển báo hay các chướng ngại vật bằng cách xem xét từng khung hình video từ camera.

  • Phân tích văn bản

Phân tích văn bản (Text analysis) là công việc trích xuất hoặc phân lọi thông tin từ văn bản. Các văn bản ở đây có thể là các facebook posts, emails, các đoạn chats, tài liệu, … Một số ví dụ phổ biến là:

- Lọc spam (Spam filtering), là một trong những ứng dụng phân loại văn bản được biết và sử dụng nhiều nhất. Ở đây, phân loại văn bản là xác định chủ đề cho một văn bản. Bộ lọc spam sẽ học cách phân loại một email có phải spam không dựa trên nội dung và tiêu đề của email.

- Phân tích ngữ nghĩa (Sentiment Analysis), học cách phân loại một ý kiến là tích cực, trung tính hay tiêu cực dựa trên nội dung văn bản của người viết.

- Khai thác thông tin (Information Extraction), từ một văn bản, học cách để trích xuất các thông tin hữu ích. Chẳng hạn như trích xuất địa chỉ, tên người, từ khóa, …

  • Khai phá dữ liệu

Khai phá dữ liệu (Data mining) là quá trình khám phá ra các thông tin có giá trị hoặc đưa ra các dự đoán từ dữ liệu. Định nghĩa này có vẻ bao quát, nhưng bạn hãy nghĩ về việc tìm kiếm thông tin hữu ích từ một bảng dữ liệu rất lớn. Mỗi bản ghi sẽ là một đối tượng cần phải học, và mỗi cột là một đặc trưng. Chúng ta có thể dự đoán giá trị của một cột của bản ghi mới dựa trên các bản ghi đã học. Hoặc là phân nhóm các bản ghi của bản. Sau đây là những ứng dụng của khai phá dữ liệu:

- Phát hiện bất thường (Anomaly detection), phát hiện các ngoại lệ, ví dụ như phát hiện gian lận thẻ tín dụng. Bạn có thể phát hiện một giao dịch là khả nghi dựa trên các giao dịch thông thường của người dùng đó.

- Phát hiện các quy luật (Association rules), ví dụ, trong một siêu thị hay một trang thương mại điện tử. Bạn có thể khám phá ra khách hàng thường mua các món hàng nào cùng nhau. Dễ hiểu hơn, khách hàng của bạn khi mua món hàng A thường mua kèm món hàng nào? Các thông tin này rất hữu ích cho việc tiếp thị sản phẩm.

- Gom nhóm (Grouping), ví dụ, trong các nền tảng SaaS, người dùng được phân nhóm theo hành vi hoặc thông tin hồ sơ của họ.

- Dự đoán (Predictions), các cột giá trị (của một bản ghi mới trong database). Ví dụ, bạn có thể dự đoán giá của căn hộ dựa trên các dữ liệu về giá các căn hộ bạn đã có.

  • Trò chơi điện tử & Robot

Trò chơi điện tử (Video games) và robot (Robotics) là lĩnh vực lớn có sự góp mặt của machine learning. Nếu ta có một nhân vật cần di chuyển và tránh các chướng ngại vật trong game. Machine learning có thể học và giải quyết công việc này thay bạn. Một kỹ thuật phổ biến được áp dụng trong trường hợp này là Học tăng cường (Reinforcement learning). Ở đó, máy sẽ học tăng cường với mục tiêu là giải quyết nhiệm vụ trên. Học tăng cường là tiêu cực nếu nó va phải chướng ngại vật, là tích cực nếu nó chạm tới đích.

Một thành tựu gần đây nhất là cỗ máy Alpha Go của Google DeepMind đã đánh bại kỳ thủ cờ vậy số 1 thế giới. Trong khi cờ vây là một trò chơi có không gian trạng thái cực kỳ lớn.

ung dung cua may hoc - hoc may - machine learning trong thuc te

Thomas H. Davenport – học giả nổi tiếng người Mỹ đã viết trên tờ Wall Street: "Con người thường chỉ có thể tạo ra một hoặc hai mô hình tốt mỗi tuần; Machine Learning có thể tạo ra hàng ngàn mô hình mỗi tuần”. Câu nói này cho thấy sự quan trọng và phát triển mạnh mẽ của Máy học.

Bài viết trên là một bức tranh tổng quan về machine learning. Còn rất nhiều khái niệm, các ứng dụng thực tiễn, các thuật toán chưa được nhắc tới mà không thể trình bày tất cả trong một bài viết. DACO sẽ sớm đưa tới cho các bạn thêm thật nhiều kiến thức thú vị về lĩnh vực này.

CÔNG TY TNHH DACO với 12 năm kinh nghiệm trong ngành tự động hóa sẵn sàng tư vấn và cung cấp cho bạn những sản phẩm và giải pháp tự động hóa sản xuất hàng đầu hiện nay. Hãy liên hệ DACO để được tư vấn hoàn toàn miễn phí nhé!

 


Sản Phẩm Liên quan

Tin Mới

Sản Phẩm Nổi Bật