Trí Tuệ Nhân Tạo, Học Máy và Học Sâu Là Gì?

Liu

tri-tue-nhan-tao-hoc-may-va-hoc-sau-la-gi

Hầu như không có ngày nào mà chúng ta không thấy bất kỳ tin tức nào về trí tuệ nhân tạo trên các phương tiện truyền thông. Dưới đây là một bộ sưu tập ngắn của một số tiêu đề tin tức gần đây:

Trí tuệ nhân tạo đến với Hollywood – Công việc của bạn có an toàn không?

Robot này giải thích lý do tại sao bạn không nên lo lắng về trí tuệ nhân tạo - vâng, đúng vậy. Một con rô-bốt biết nói chắc chắn đang thực hiện thủ thuật để KHÔNG làm những người phản đối hoảng sợ hơn nữa…

Cách trí tuệ nhân tạo học cách phân biệt chủng tộc – đơn giản: Nó bắt chước chúng ta…

Trí tuệ nhân tạo có thể biến đổi ngành kỹ thuật như thế nào?

Điều thú vị là hầu hết các bài báo này đều có giọng điệu hoài nghi, nếu không muốn nói là tiêu cực. Tình cảm này cũng được thúc đẩy bởi những tuyên bố của Bill Gates, Elon Musk và thậm chí cả Stephen Hawking. Với tất cả sự tôn trọng, tôi sẽ không đứng trước công chúng để nói những điều vô nghĩa về lỗ sâu đục, vì vậy có lẽ tất cả chúng ta nên tập trung hơn một chút vào lĩnh vực chuyên môn của mình.

Tất cả điều này nhấn mạnh hai điều:

1. Trí tuệ nhân tạo và học máy cuối cùng đã trở thành xu hướng chủ đạo,

2. Mọi người biết rất ít về nó.

Ngoài ra còn có rất nhiều sự cường điệu xung quanh các chủ đề này. Tất cả chúng ta đều đã nghe về “Hồi quy tuyến tính” trước đây. Điều này không có gì đáng ngạc nhiên vì nó đã được phát minh ra hơn 200 năm trước bởi Legendre và Gauss. Tuy nhiên, sự cường điệu quá mức này có thể dẫn đến tình huống mọi người bị cuốn theo bất cứ khi nào họ sử dụng phương pháp này. Đây là một trong những trao đổi tweet yêu thích của tôi minh họa điều này:

@katherinebailey Vì tiếp thị? Mỗi khi ai đó gọi hồi quy tuyến tính đơn giản là “AI” thì Gauss lại nằm dưới mồ.

- RapidMiner (@RapidMiner) ngày 15 tháng 4 năm 2017

tri-tue-nhan-tao-hoc-may-va-hoc-sau-la-gi-1

Rõ ràng là có mức độ nhầm lẫn cao xung quanh các điều khoản này. Bài đăng này sẽ giúp bạn hiểu được sự khác biệt giữa các lĩnh vực này cũng như mối quan hệ của chúng với nhau. Hãy bắt đầu với hình dưới đây. Nó giải thích ba thuật ngữ: Trí tuệ nhân tạo, học máy và học sâu.

Trí tuệ nhân tạo bao gồm mọi thứ cho phép máy tính hoạt động như con người. Hãy nghĩ về bài kiểm tra Turing nổi tiếng (mặc dù hơi lỗi thời) để xác định xem đây có phải là trường hợp hay không. Nếu bạn nói chuyện với Siri trên điện thoại của mình và nhận được câu trả lời, thì bạn đã hoàn tất. Các hệ thống giao dịch tự động sử dụng máy học để thích ứng hơn cũng sẽ thuộc loại này.

Machine Learning là tập hợp con của Trí tuệ nhân tạo liên quan đến việc trích xuất các mẫu từ tập dữ liệu. Điều này có nghĩa là cỗ máy có thể tìm ra các quy tắc cho hành vi tối ưu nhưng cũng có thể thích ứng với những thay đổi trên thế giới. Nhiều thuật toán liên quan đã được biết đến trong nhiều thập kỷ, thậm chí nhiều thế kỷ. Nhờ những tiến bộ trong khoa học máy tính và điện toán song song, giờ đây họ có thể mở rộng quy mô lên khối lượng dữ liệu khổng lồ.

Deep Learning là một lớp thuật toán Machine Learning cụ thể sử dụng các mạng thần kinh phức tạp. Theo một nghĩa nào đó, nó là một nhóm các kỹ thuật liên quan có thể so sánh với một nhóm “cây quyết định” hoặc “máy vectơ hỗ trợ”. Nhưng nhờ những tiến bộ trong tính toán song song mà chúng đã nhận được khá nhiều sự cường điệu gần đây, đó là lý do tại sao tôi trình bày chúng ở đây. Như bạn có thể thấy, Deep Learning là một tập hợp con các phương pháp từ Machine Learning. Khi ai đó giải thích rằng Deep Learning “hoàn toàn khác với Machine Learning ”, họ đã nhầm. Nếu bạn muốn có cái nhìn không có BS về Deep Learning, hãy xem hội thảo trên web này mà tôi đã thực hiện cách đây một thời gian.

Nhưng nếu Machine Learning chỉ là một phần nhỏ của Trí tuệ nhân tạo, vậy còn phần nào khác của lĩnh vực này? Dưới đây là tóm tắt các lĩnh vực và phương pháp nghiên cứu quan trọng nhất cho từng nhóm trong ba nhóm:

Trí tuệ nhân tạo: Học máy (duh!), hiểu ngôn ngữ tự nhiên, tổng hợp ngôn ngữ, thị giác máy tính, người máy, phân tích cảm biến, tối ưu hóa & mô phỏng,...
Học máy: Học sâu (duh!), hỗ trợ máy vectơ, cây quyết định, học Bayes, phân cụm k-mean, học quy tắc kết hợp, hồi quy,...
Học sâu: Mạng thần kinh nhân tạo, mạng thần kinh tích chập, mạng thần kinh đệ quy, trí nhớ dài hạn ngắn hạn, mạng lưới niềm tin sâu sắc,...

Như bạn có thể thấy, có hàng chục kỹ thuật trong mỗi lĩnh vực này và các nhà nghiên cứu tạo ra các thuật toán mới hàng tuần. Mặc dù các thuật toán đó có thể phức tạp, nhưng sự khác biệt về khái niệm như đã giải thích ở trên thì không.

Chúng tôi hy vọng điều này hữu ích trong việc giúp bạn phân biệt giữa các điều khoản này. Nếu bạn muốn tìm hiểu thêm về Machine Learning, hãy xem báo cáo chuyên sâu này về Cách xác thực chính xác các mô hình Machine Learning.

Copyright Disclaimer:

This site does not store any files on its server. We only index and link to content provided by other sites. Please contact the content providers to delete copyright contents if any and email us, we'll remove relevant links or contents immediately.

Tuyên bố miễn trừ bản quyền:

Trang web này không lưu trữ bất kỳ tệp nào trên máy chủ của nó. Chúng tôi chỉ lập chỉ mục và liên kết đến nội dung được cung cấp bởi các trang web khác. Vui lòng liên hệ với các nhà cung cấp nội dung để xóa nội dung bản quyền nếu có và gửi email cho chúng tôi, chúng tôi sẽ xóa các liên kết hoặc nội dung có liên quan ngay lập tức.