Sự khác biệt giữa AI, máy học

Sau bài viết tìm hiểu sơ lược về máy học (machine learning), chắc chắn nhiều bạn sẽ thắc mắc liệu nó có gì khác so với trí tuệ nhân tạo (artificial intelligence – AI). Hôm nay mình sẽ giúp bạn phân biệt giữa 3 khái niệm gồm: trí tuệ nhân tạo (AI), máy học (machine learning) và học sâu (deep learning).
Có thể giải thích mối liên hệ giữa 3 khái niệm này bằng cách tưởng tượng chúng như những vòng tròn, trong đó AI – ý tưởng xuất hiện sớm nhất – là vòng tròn lớn nhất, tiếp đến là máy học – khái niệm xuất hiện sau, cuối cùng là học sâu – thứ đang thúc đẩy sự bùng phát của AI hiện nay – là vòng tròn nhỏ nhất.

 

Sự khác biệt giữa AI, máy học và học sâu
1. Trí tuệ nhân tạo – bộ não con người trong hình hài của một chiếc máy
Trở lại vào mùa hè năm 1956, tại hội nghị mơ ước của những nhà tiên phong trong lĩnh vực AI với việc làm ra những chiếc máy phức tạp cho phép chúng có được những đặc điểm giống với trí tuệ con người. Đó là khái niệm về “AI chung” (General AI) – những chiếc máy tính tuyệt vời có đầy đủ giác quan như con người chúng ta (có thể còn nhiều hơn), có lý lẽ riêng và suy nghĩ giống như chúng ta. Bạn có thể đã nhìn thấy những cỗ máy như vậy trong các nhân vật như C-3PO (Phim Chiến tranh giữa các vì sao) hay trong phim Kẻ hủy diệt (The Terminator). Nhưng “AI chung” vẫn còn là hình ảnh trong phim viễn tưởng và tiểu thuyết khoa học, ít nhất chúng ta chưa thể biến nó ra đời thực trong thời điểm này.
Những gì chúng ta đang thực hiện với AI hiện nay thuộc về “AI hẹp” (Narrow AI). Công nghệ có khả năng thực hiện các nhiệm vụ cụ thể một cách tương tự, hoặc tốt hơn con người. Ví dụ về “AI hẹp” trong thực tế như công nghệ phân loại hình ảnh của Pinterest hay nhận diện khuôn mặt để tag bạn bè trên Facebook.
Những công nghệ này thể hiện một số khía cạnh của trí thông minh con người, nhưng làm thế nào để được như vậy? Trí tuệ đó đến từ đâu? Hãy cùng đến với vòng tròn tiếp theo: máy học (machine learning).
2. Máy học – một cách tiếp cận của AI
Khả năng cơ bản nhất của máy học là sử dụng thuật toán để phân tích những thông tin có sẵn, học hỏi từ nó rồi đưa ra quyết định hoặc dự đoán về một thứ gì đó có liên quan. Thay vì tạo ra một phần mềm với những hành động, hướng dẫn chi tiết để thực hiện một nhiệm vụ cụ thể, máy tính được “huấn luyện” bằng cách sử dụng lượng dữ liệu và các thuật toán để học cách thực hiện nhiệm vụ.
Những phương pháp học tập trải qua nhiều năm qua bao gồm học tập dạng cây (tree learning), lập luận logic quy nạp, thu nhận từ nhiều nguồn, học tập tăng cường, mạng Bayesian và nhiều thứ khác. Như chúng ta biết, chưa ai đạt được thành tựu về mục đích cuối cùng của AI chung, thậm chí ngay cả AI hẹp vẫn còn là lĩnh vực quá rộng để chúng ta tìm hiểu và tiếp cận.

 

Sự khác biệt giữa AI, máy học và học sâu

 

3. Học sâu – một kỹ thuật của máy học
Một cách tiếp cận thuật toán khác từ cách học tập của máy học thời kỳ đầu. Mạng thần kinh nhân tạo (Artificial Neural Networks) đã xuất hiện và trải qua nhiều thập kỷ phát triển. Mạng thần kinh, lấy cảm hứng từ sự hiểu biết của chúng ta về các hoạt động sinh học của bộ não và dây thần kinh – tất cả được các kỹ sư lên ý tưởng, liên kết với nhau tạo thành một mạng thần kinh nhân tạo. Tuy nhiên, khác với bộ não sinh học nơi mà các nơ-ron bất kỳ có thể kết nối với nơ-ron khác trong một khoảng cách vật lý nào đó, mạng thần kinh (nơ-ron) nhân tạo có các lớp, liên kết và hướng truyền thông tin không liền nhau.
Học sâu mang lại nhiều giá trị và ứng dụng thực tế cho máy học và mở rộng lĩnh vực tiếp cận tổng thế của AI. Học sâu có thể được ứng dụng trong lĩnh vực xe tự lái, chăm sóc sức khỏe, đưa ra lời khuyên về một thứ gì đó,….

Người đăng : admin