Học sâu (DL)
Cuộc cách mạng học sâu bắt đầu vào khoảng năm 2010.
Kể từ đó, Deep Learning đã giải quyết được nhiều vấn đề “nan giải”.
Cuộc cách mạng học sâu không bắt đầu bằng một khám phá duy nhất. Nó ít nhiều đã xảy ra khi một số yếu tố cần thiết đã sẵn sàng:
- Máy tính đã đủ nhanh
- Bộ nhớ máy tính đủ lớn
- Phương pháp đào tạo tốt hơn đã được phát minh
- Phương pháp điều chỉnh tốt hơn đã được phát minh
Tế bào thần kinh
Các nhà khoa học đồng ý rằng bộ não của chúng ta có từ 80 đến 100 tỷ tế bào thần kinh.
Những tế bào thần kinh này có hàng trăm tỷ kết nối giữa chúng.
Nguồn hình ảnh: Đại học Basel, Biozentrum.
Tế bào thần kinh (hay còn gọi là Tế bào thần kinh) là đơn vị cơ bản của não và hệ thần kinh của chúng ta.
Các tế bào thần kinh chịu trách nhiệm nhận đầu vào từ thế giới bên ngoài, gửi đầu ra (lệnh đến cơ bắp của chúng ta) và chuyển đổi các tín hiệu điện ở giữa.
Mạng lưới thần kinh
Mạng thần kinh nhân tạo thường được gọi là Mạng thần kinh (NN).
Mạng lưới thần kinh trên thực tế là Perceptron nhiều lớp.
Perceptron xác định bước đầu tiên trong mạng lưới thần kinh nhiều lớp.
Mạng lưới thần kinh là bản chất của Deep Learning .
Mạng lưới thần kinh là một trong những khám phá quan trọng nhất trong lịch sử.
Mạng nơ-ron có thể giải quyết các vấn đề KHÔNG thể giải quyết được bằng thuật toán:
- Chẩn đoán y tế
- Phát hiện khuôn mặt
- Nhận diện giọng nói
Mô hình mạng thần kinh
Dữ liệu đầu vào (Vàng) được xử lý theo lớp ẩn (Xanh lam) và được sửa đổi theo lớp ẩn khác (Xanh lục) để tạo ra đầu ra cuối cùng (Đỏ).
Tom Mitchell
Tom Michael Mitchell (sinh năm 1951) là một nhà khoa học máy tính người Mỹ và Giáo sư Đại học tại Đại học Carnegie Mellon (CMU).
Ông là cựu Chủ tịch Khoa Học máy tại CMU.
E: Kinh nghiệm (số lần).
T: Nhiệm vụ (lái xe).
P: Hiệu suất (tốt hay xấu).
Câu chuyện hươu cao cổ
Năm 2015, Matthew Lai , sinh viên trường Imperial College ở London đã tạo ra một mạng lưới thần kinh có tên Giraffe .
Hươu cao cổ có thể được huấn luyện trong 72 giờ để chơi cờ ở trình độ ngang bằng với một kiện tướng quốc tế.
Máy tính chơi cờ không phải là mới, nhưng cách tạo ra chương trình này cũng mới.
Các chương trình chơi cờ thông minh phải mất nhiều năm để xây dựng, trong khi Gi hươu cao cổ được xây dựng trong 72 giờ bằng mạng lưới thần kinh.
- Học máy được giám sát
- Học máy không giám sát
- Học máy tự giám sát
Học kĩ càng
Lập trình cổ điển sử dụng các chương trình (thuật toán) để tạo ra kết quả:
Máy tính truyền thống
Dữ liệu + Thuật toán máy tính = Kết quả
Machine Learning sử dụng kết quả để tạo chương trình (thuật toán):
Học máy
Dữ liệu + Kết quả = Thuật toán máy tính
Học máy
Machine Learning thường được coi là tương đương với Trí tuệ nhân tạo.
Điều này LAF không đúng. Học máy là một tập hợp con của Trí tuệ nhân tạo.
Machine Learning là một môn học về AI sử dụng dữ liệu để dạy cho máy móc.
"Machine Learning là một lĩnh vực nghiên cứu cung cấp cho máy tính khả năng học hỏi mà không cần lập trình."
Arthur Samuel (1959)
Công thức quyết định thông minh
- Lưu kết quả của tất cả các hành động
- Mô phỏng tất cả các kết quả có thể xảy ra
- So sánh hành động mới với hành động cũ
- Kiểm tra xem hành động mới là tốt hay xấu
- Chọn hành động mới nếu nó ít tệ hơn
- Làm lại từ đầu
Việc máy tính có thể làm điều này hàng triệu lần đã chứng minh rằng máy tính có thể đưa ra những quyết định rất thông minh.