Sự khác nhau giữa AI – Machine learning – Deep learning

AI (Artificial Intelligence – Trí tuệ nhân tạo)
Thuật ngữ AI ám chỉ điều gì?
AI là một thuật ngữ chung cho các công nghệ trong đó máy tính thực hiện các hành động trí tuệ thay mặt cho con người.
AI đã nhanh chóng thu hút sự chú ý của mọi người khi chương trình AlphaGo do Google phát triển năm 2015 đánh bại một kỳ thủ cờ vây chuyên nghiệp trong trò chơi cờ vây đã trở nên nổi tiếng trên thế giới.

Ngành AI là gì?
Là ngành kỹ thuật hóa các quy tắc thực nghiệm từ xu hướng dữ liệu, sau đó dự đoán và phân loại với độ chính xác cao. Trước hết, chúng ta hãy hiểu từ AI bao gồm các từ machine learning và deep learning, vì vậy (AI) là một thuật ngữ chung cho các từ ngữ này.
Trong số này, chúng ta hãy bắt đầu với từ machine learning.
Machine learning
Machine learning là một công nghệ cung cấp learning data để máy tính có thể tự dự đoán tương lai.
Learning data được phân làm 2 loại là có teacher data và không có teacher data.
- Đầu tiên là trường hợp có teacher data: Bằng cách nhập một lượng lớn input data vào máy tính thì máy tính có thể đọc các đặc điểm của input data và lấy ra câu trả lời chính xác. Ví dụ, khi nhập data chó – mèo vào máy tính, nghĩa là có teacher data, thì máy tính sẽ trả về kết quả là chó hoặc mèo. Nếu một data khác như data thỏ xuất hiện thì máy tính sẽ không đọc được dữ liệu.
- Ngược lại, trường hợp không có teacher data, việc đọc một lượng lớn learning data cũng diễn ra như trên nhưng nó sẽ không đưa ra câu trả lời chính xác. Vì bản thân máy móc có thể hiểu và phân loại dữ liệu, nên sau khi phân tích một lượng lớn learning data là chó mèo rồi bất ngờ xuất hiện data thỏ thì máy tính sẽ tự hiểu đây là một kiểu phân loại khác.
Đây chính là sự khác nhau giữa learning có teacher data và không có teacher data, được gọi là machine learning.
Ngoài ra, trong machine learning còn có một mô hình gần giống với unsupervised learning (học không có giám sát), đó là reinforcement learning (học tăng cường).
- Reinforcement learning (học tăng cường) là việc học để tối ưu hóa phần thưởng được trao thay cho learning data, trong môi trường trao thưởng ấy các agent sẽ xem xét ứng với những hành động nào nhận được phần thưởng bao nhiêu.
Ví dụ:
Trường hợp cờ vây, có rất nhiều sự kết hợp các mẫu giá trị đến mức trong tất cả các tìm kiếm, ngay cả một máy tính mạnh cũng cần một lượng lớn data không thể theo kịp quá trình xử lý. Trong cờ vây, bằng reinforcement learning (học tăng cường) chúng sẽ hướng dẫn bạn với các nước đi sẽ mang lại phần thưởng cao nhất trong tương lai ứng với môi trường của bàn cờ ấy. Điều này sẽ mang lại cho bạn phần thưởng tối đa khi cuối cùng sẽ chiến thắng đối thủ của mình.
Một ví dụ khác, trường hợp mua bán cổ phiếu, biến động giá cổ phiếu và số lượng cổ phiếu nắm giữ tương ứng với môi trường. Ở đây, số tiền nhận được tương ứng với cách hành động trong việc mua bán, nắm giữ số lượng cổ phiếu là lợi nhuận của kết quả giao dịch.
※ Không phải lúc nào cũng thắng!!!
Tóm lại, về machine learning hãy hiểu nó là mối quan hệ cộng sinh gồm learning data: không có teacher data và có teacher data, ngoài ra còn có reinforcement learning (học tăng cường) mang lại phần thưởng thay cho learning data.

Deep learning
Deep learning là công nghệ phân loại dữ liệu chính xác hơn, có thể xử lý các data phức tạp mà machine learning không thể làm được. Nó yêu cầu một lượng lớn dữ liệu và logic phức tạp hơn machine learning. Có các công nghệ tiêu biểu như nhận diện khuôn mặt, nhận diện giọng nói, xử lý ngôn ngữ tự nhiên. Ví dụ: Rina, một nữ sinh cấp 3 AI do Microsoft đang cung cấp trên ứng dụng LINE, cũng giao tiếp rất tự nhiên với chúng ta thông qua deep learning!
Song song với sự phát triển của AI, chúng ta phải luôn tuân thủ những vấn đề về mặt đạo đức. Trong lĩnh vực AI, trolley problem (tạm dịch là vấn đề xe lửa trên đường ray) là một ví dụ cho thấy người tạo ra AI rất khó quyết định cho AI hành động thế nào khi họ đứng trước tình huống buộc phải đưa ra lựa chọn.
Ví dụ:
Có một chiếc xe ô tô do AI hoạt động bị đứt phanh, nếu xe ô tô tiếp tục chạy sẽ tông vào 2 trẻ em đang băng qua đường. Trên xe ô tô chỉ có 1 người tài xế. Nếu chiếc xe tông vào chướng ngại vật phía trước và dừng lại thì chỉ có người tài xế tử vong. Thời điểm này, người tạo ra AI sẽ quyết định và thực hiện logic về việc chọn hi sinh tính mạng của 2 người đi bộ hay 1 người tài xế.

Bản hướng dẫn đạo đức của EU về sự phát triển AI đáng tin cậy đã công bố 7 hướng dẫn phác thảo các mục quan trọng mà các nhà phát triển nên đảm bảo trong việc sử dụng AI. Bản chất của trolley problem (vấn đề xe lửa trên đường ray) là chiếc xe lửa bị mất phanh và lao đi điên cuồng về phía trước. Nếu cứ tiếp tục phóng thẳng về phía trước sẽ tông chết 5 người trên đường ray. Nếu chuyển hướng của xe lửa sang đường ray khác, 5 người này sẽ được cứu sống nhưng ở đường ray kia có 1 người, và người ấy sẽ tử vong. Đây là chủ đề bàn luận sôi nổi về chủ nghĩa thực dụng “có được phép hi sinh một người để cứu một người khác không?”. Không đơn giản là chọn theo số đông, quyết định giúp số đông là được! Nếu 1 người này là người thân của mình thì chắc chắn chúng ta không thể đưa ra quyết định nhanh chóng theo đa số.

Đến đây, các bạn đã hiểu được sự khác nhau giữa AI – machine learning – deep learning trong chủ đề của chúng ta chưa?
Keyword
Từ vựng bài viết: Sự khác nhau giữa AI – Machine learning – Deep learning
Hãy cho chúng tôi lắng nghe ý kiến của bạn nhé!
Bạn có thể tham khảo bài viết về kỹ thuật: Phân biệt Cache, Cookie, session
Nguồn tham khảo YouTube Channel ITすきま教室
https://www.youtube.com/channel/UCUARkmYU3gZK7WueJ-GlGig