‘Deep Learning’ trong trí tuệ nhân tạo (AI)
Bạn có lẽ đã nghe qua thuật ngữ “deep learning” (tạm dịch: học sâu) rải rác trong những cuộc hội thoại đâu đó, hoặc trong một bài viết giống như thế này. Có vẻ như mọi sự bàn tán về công nghệ ngày nay không nhiều thì ít cũng liên quan đến AI (artificial intelligence, trí tuệ nhân tạo), machine learning (máy học), và deep learning. Những công nghệ này đang lớn mạnh và chắc chắn không chỉ đem lại làn sóng thay đổi mới cho cả ngành công nghệ kỹ thuật, mà còn với nền kinh tế – xã hội toàn cầu. Nhưng mà … chúng là cái quái gì thế?
Tác giả: Iskender Dirik
Với vai trò là một nhà đầu tư mạo hiểm và giám đốc quản lý của một chương trình phát triển khởi nghiệp, tôi đã làm việc với nhiều start-up sử dụng deep learning và các công nghệ AI khác. Gần đây tôi đã hoàn thành một báo cáo để giúp những người không có chuyên môn về AI nhận thấy tiềm năng và vận dụng chúng trong việc kinh doanh của họ.
Bạn có thể đọc báo cáo ở đây, nhưng trong phạm vi bài viết này tôi muốn tóm gọn vài thông tin chính và cung cấp thêm dẫn chứng về bối cảnh hiện tại để chứng minh tầm quan trọng của deep learning.

Tại sao lại là bây giờ?
Những yếu tố thúc đẩy sự phát triển của deep learning chính là: sức mạnh tính toán, dữ liệu, và ứng dụng dịch vụ của AI.
AI đã xuất hiện từ rất lâu, khởi nguồn từ tận thập kỉ 50. Tuy nhiên, chỉ tới ngày nay, khi khả năng tính toán của máy tính phát triển cực thịnh, thì AI mới có thể phát huy tiềm năng của mình.
Sở dĩ sức mạnh tính toán có bước đột phá như vậy, một phần là do công nghệ đám mây, phần còn lại là những tiến bộ trong công nghệ silicon. Đó là lí do tại sao bạn thấy càng có nhiều tay chơi lớn trong làng công nghệ phát triển chip AI riêng để tận dụng triệt để sức mạnh đó.
Nhưng hơn hết, bước tiến mà khả năng tính toán siêu việt hiện tại mang lại chính là khả năng xử lí vô vàn thông tin để giúp cho trí thông minh nhân tạo trở nên … thông minh hơn. AI chỉ tồn tại được khi có dữ liệu và dữ liệu thì đang được sản xuất với tốc độ chóng mặt – bằng chứng là 90% tổng dữ liệu tồn tại đã được sản xuất chỉ trong vỏn vẹn 2 năm trở lại đây. Trong thế giới AI, có thể xem dữ liệu là vàng, là dầu mỏ, thứ nhiên liệu vô giá.
Và để tận dụng chúng, các thuật toán AI ngày càng phổ biến và “bình dân hơn”. Các gã khổng lồ công nghệ nay đã cung cấp các thuật toán và API (Application program interface: giao diện chương trình ứng dụng) trên nền tảng đám mây của mình. Nhưng xét cho cùng, không gì có thể thay thế dữ liệu và vẫn còn nhiều vấn đề nan giải liên quan đến chúng. Ví dụ, công việc dán mác phân loại dữ liệu hiện tại vẫn đang được thực hiện bởi con người.
Lí do cho việc này là để cho những cỗ máy có trí khôn, chúng phải được cung cấp những thông tin chính xác, được dán mác và kiểm định. Đây là một công việc cực nhọc và tốn kém, nhưng lại làm cho dữ liệu tồn tại “có giá” hơn.
Khi nhìn vào ba nguyên liệu chính, dữ liệu hiển nhiên mang lại giá trị nhiều nhất. Bạn có thể có được những dịch vụ AI và sức mạnh tính toán, nhưng dữ liệu là tài nguyên quý báu chỉ có thể thu nhặt được từ các nền tản công nghệ thông tin.
Cũng giống như tài nguyên vật chất của các quốc gia, có những nền tảng giàu tài nguyên thông tin, và một số nền tảng khác không may mắn như vậy. Những công ty có thể tận dụng tài nguyên thông tin của mình chắc chắn sẽ dẫn đầu cuộc cách mạng AI.
‘Machine learning’ và ‘deep learning’
“Nhưng tôi vẫn chưa biết 2 thứ này là gì?” Đây chính là câu trả lời: Machine learning, bao gồm deep learning và những khái niệm khác, là một quy trình giúp máy tính trở nên thông minh hơn bằng cách học hỏi mà không cần tương tác và hướng dẫn bởi con người. Máy móc được dạy cách nhận biết vật thể, hoàn thành nhiệm vụ, đưa ra những tiên đoán và một vài tác vụ khác.”
Deep learning là một trong những cách thức “hào nhoáng” nhất trong machine learning bởi vì chúng sử dụng các mạng lưới neuron, giống như não người vậy. Đừng vội hoảng sợ nhé – để hình dung mạng lưới neuron, hãy nghĩ tới những hàm số thông tin được xây dựng dựa trên nhau.
Một tình huống tiêu biểu từ cuộc sống: bạn thấy một vật thể, thấy rằng nó tròn, cam và là một loại trái cây, kết luận là trái cam. Với mỗi suy luận, bạn cần một loại hàm chức năng để nhận diện một phần của vật thể, dựa trên những thông tin có được từ những hàm chức năng khác.
Vậy so với những cách khác, deep learning có gì hay ho?
Bí mật sẽ được bật mí.
Sự thật là deep learning rất thích hợp với việc xử lí những bộ thông tin cực lớn và nó mở ra nhiều tiềm năng thú vị cho công việc huấn luyện máy móc. Hầu hết thời gian, việc huấn luyện được thực hiện qua quá trình gọi là “học hỏi có giám sát” (supervised learning), khi AI xử lí những thông tin đã được phân loại. Tuy nhiên, có những cách thức khác cũng có ưu điểm không kém cạnh.
Học hỏi không giám sát (unsupervised learning) – với cách thức này, bạn không cần phân loại thông tin. Bạn chỉ cần nhồi cho AI lượng thông tin khổng lồ, và giao cho chúng nhiệm vụ tự tìm ra mô thức và nhóm phân loại. Điều này rất có giá trị với việc phân tích dữ liệu người dùng để biết liệu họ có trở thành khách hàng trung thành hay không?

Học hỏi củng cố (reinforced learning) – đây là phương pháp huấn luyện hệ thống đạt được những mục tiêu nhất định. Cách thực hiện là cho hệ thống phần thưởng mỗi khi chúng đạt được gì đó, và phạt chúng khi không đạt yêu cầu. Phương thức này có thể được sử dụng cho những tác vụ như tối ưu vị trí bắt đầu của một bài viết trên một trang bất kì – một cú nhấp chuột có thể là phần thưởng, và hình phạt là không có cú nhấp chuột nào cả.
Mạng lưới sản sinh đối đầu (generative adversarial network) – đây là mạng lưới neuron sở hữu 2 AI cạnh tranh cùng nhau, một bên sẽ tạo ra thông tin giả và bên còn lại sẽ cố gắng xác định thông tin đó. Hãy thử tưởng tượng một thuật toán được thiết kế để tạo nên video giả của những người nổi tiếng như diễn viên hay chính trị gia đấu trí với một thuật toán khác để xác định những video giả đó. Mặc dù cách thức này có tiềm năng tạo nên những AI cực kì thông minh và sáng tạo, nhưng cũng không thể bỏ qua khả năng chúng sẽ bị lạm dụng.

Vậy ta kết luận được gì?
Như đã nhắc đến ở đầu bài, dường như là ai ai cũng đang nói về AI. Nhưng tại sao? Một phần lớn là do họ đang lo sợ: sợ rằng AI sẽ chiếm hết công việc của chúng ta; sợ rằng AI sẽ gây ra những tác hại. Những lo lắng này cũng có phần chính đáng, đặc biệt là khi liên quan đến công việc.
AI đúng là có khả năng sẽ chiếm và loại bỏ hoàn toàn nhiều loại công việc khác nhau nhưng AI cũng sẽ tạo ra những công việc mới, thậm chí là những việc chúng ta vẫn chưa tưởng tượng ra. Tuy nhiên, có một sự thật khác, mỉa mai hơn: AI sẽ giúp ta được làm người nhiều hơn bằng cách giải phóng ta khỏi những công việc tẻ nhạt. Chúng ta không được sinh ra để làm những công việc như thế.
Con người là những sinh vật sáng tạo và giàu trí trưởng tượng. Những công việc chúng ta làm tốt nhất là tạo ra những phát minh mới, đầy cảm xúc và tính thẩm mỹ chứ không phải mắc kẹt trong hàng mớ công việc văn phòng.
Chúng ta hiển nhiên vẫn còn nhiều trở ngại khác. Những dữ liệu chúng ta sở hữu ngày nay vẫn chưa đủ sạch, các thuật toán thì chỉ đang ở giai đoạn khởi đầu, và chúng ta vẫn sẽ cần một lượng sức mạnh tính toán khổng lồ để thực hiện quá trình deep learning.
Ngày nay, AI đã đang được sử dụng cho những tác vụ như giúp đỡ chúng ta quảng cáo tốt hơn, quét những hính ảnh y học để tìm ra bệnh, và tự động hóa xe cộ để chúng ta di chuyển an toàn hơn. Tôi cảm thấy mình như một đứa trẻ háo hức mong chờ tương lai mà chúng ta đang dần tiến tới và tôi hy vọng rằng bạn cũng cảm thấy niềm hào hứng đó sau bài viết này.
Nguồn: The Next Web
Người dịch: Thanh Phạm
iDesign Must-try

Xu hướng thiết kế UI/UX hậu Covid

Điều gì sẽ xảy ra nếu chúng ta “lỡ đụng tay” vào tác phẩm nghệ thuật

Sao chép trong hội họa: Ăn cắp hay công cụ học tập?

Tại sao chúng ta không thể ngừng việc chạm tay vào các tác phẩm nghệ thuật?

‘Kiến trúc có thể chữa lành’: Katie Swenson chia sẻ về loại hình kiến trúc mà cô theo đuổi
