Học máy là gì? Giải thích thuật toán thông minh

Trí tuệ nhân tạo (AI) và học máy tạo ra nhiều tiến bộ mà chúng ta thấy trong ngành công nghệ ngày nay. Nhưng làm thế nào máy móc có khả năng học hỏi?

Dưới đây là một cái nhìn về định nghĩa của máy học, cùng với một số ví dụ về máy học và nó có thể sai như thế nào.

Định nghĩa học máy: Học máy là gì?

Học máy là một nhánh của khoa học máy tính tập trung vào việc cung cấp cho AI khả năng học các nhiệm vụ theo cách bắt chước cách học của con người. Điều này bao gồm việc phát triển các khả năng, chẳng hạn như nhận dạng hình ảnh, mà không cần các lập trình viên mã hóa AI một cách rõ ràng để thực hiện những việc này. Thay vào đó, AI có thể sử dụng dữ liệu đào tạo để xác định các mẫu và đưa ra dự đoán.

Các thuật toán, là một tập hợp các hướng dẫn do các lập trình viên cung cấp, hoạt động với các tập dữ liệu đào tạo để cho phép AI học hỏi.

Thuật toán có thể cung cấp một tập hợp các bước mà AI có thể sử dụng để giải quyết vấn đề—ví dụ: học cách xác định hình ảnh của mèo so với chó. AI áp dụng mô hình do thuật toán đặt ra cho tập dữ liệu bao gồm hình ảnh của mèo và chó. Theo thời gian, AI sẽ học cách xác định mèo với chó chính xác và dễ dàng hơn bằng cách xác định các mẫu nhất định.

Máy học hoạt động như thế nào?

Bạn có các cách tiếp cận khác nhau đối với máy học, khác nhau về mức độ giám sát được trao cho AI. Ví dụ, học có giám sát bao gồm dữ liệu huấn luyện được dán nhãn. Cách tiếp cận này còn được gọi là máy học cổ điển—dựa vào con người để giúp AI hiểu các tính năng của tập dữ liệu của nó.

Học máy không giám sát không bao gồm dữ liệu được gắn nhãn, thay vào đó chọn tập dữ liệu không được gắn nhãn. Hình thức đào tạo AI này, phổ biến trong học máy sâu (một tập hợp con của học máy), cho phép AI xác định các mẫu và cụm trong dữ liệu bằng các tính năng mà nó có thể phát hiện trong dữ liệu. Loại máy học này dựa vào mạng lưới thần kinh để cho phép học sâu.

Tùy thuộc vào kết quả đào tạo, các lập trình viên cũng có thể điều chỉnh thuật toán để đạt được đầu ra mong muốn từ AI tốt hơn.

Học máy cải thiện công nghệ như công cụ tìm kiếm, thiết bị nhà thông minh, dịch vụ trực tuyến và máy tự trị. Đó là cách Netflix biết bạn có nhiều khả năng sẽ thích những bộ phim nào hơn và cách các dịch vụ truyền phát nhạc có thể đề xuất danh sách phát.

Ví dụ về AI học máy

Máy học hỗ trợ phần lớn AI mà chúng ta thấy trong cuộc sống hàng ngày. Các thuật toán đề xuất là một hình thức học máy phổ biến được thấy trên các dịch vụ phát trực tuyến và các trang mạng xã hội. Các nền tảng này sử dụng AI để dự đoán những gì bạn có thể muốn xem dựa trên dữ liệu được thu thập từ hồ sơ của bạn.

Học máy cũng được sử dụng để tạo AI tổng quát và các mô hình ngôn ngữ lớn, với AI trong các công cụ như Bing Chat dựa trên lượng lớn dữ liệu đào tạo.

Tại sao máy học đi sai

Có một vài lý do khiến máy học dẫn đến những hậu quả không lường trước được. Chúng bao gồm các vấn đề về thu thập dữ liệu, dữ liệu được cung cấp và cách mọi người sử dụng các công cụ AI.

Về mặt dữ liệu, câu thần chú “rác vào, rác ra” được áp dụng. Nếu dữ liệu được cung cấp cho AI bị hạn chế, sai lệch hoặc chất lượng thấp; kết quả là một AI có phạm vi hoặc sai lệch hạn chế.

Nhưng ngay cả khi các lập trình viên lấy đúng dữ liệu, mọi người vẫn có thể gặp khó khăn trong công việc. Những người tạo ra phần mềm thường không nhận ra cách mọi người có thể sử dụng công nghệ này một cách độc hại hoặc vì mục đích ích kỷ. Deepfakes xuất phát từ công nghệ được sử dụng để cải thiện các hiệu ứng đặc biệt trong điện ảnh, nhưng cũng có thể được sử dụng để đánh lừa mọi người.

Gần đây, mọi người đang bẻ khóa các chatbot để khiến điều đó đi ngược lại các điều khoản dịch vụ của nền tảng.

Có những người đang nỗ lực cải thiện các biện pháp bảo vệ xung quanh công nghệ máy học để ngăn chặn hành vi sử dụng có mục đích xấu. Nhưng có những lo ngại rằng sự phát triển của các công cụ sẽ vượt xa khả năng thích ứng của xã hội với chúng.

Thuật toán học máy có thể giúp chúng tôi

Máy học được sử dụng trong các công cụ AI mạnh mẽ để cung cấp các đề xuất và kết quả tìm kiếm trực tuyến của chúng tôi, cũng như tạo thành xương sống của AI tổng quát và các mô hình ngôn ngữ lớn.

Tuy nhiên, đầu ra từ các thuật toán học máy phụ thuộc vào chất lượng của bộ dữ liệu của chúng.