Đã bao giờ bạn nghe đến cái tên Machine Learning chưa ? Và khi nghe cái tên này rồi, bạn có hiểu ý nghĩa của thuật ngữ Machine Learning không? Bạn có hiểu Machine Learning hoạt động như thế nào trong một thế giới hiện đại này?
Hôm nay, ở trong khuôn khổ chính của bài viết này, Tải Phần Mềm Nhanh sẽ chia sẻ tới bạn đọc khái niệm về Machine Learning, đồng thời giải thích rõ cho các bạn biết cách thức hoạt động của Machine Learning trong thế giới ngày nay. Các bạn hãy dành vài phút để tham khảo hết bài viết này của mình nha.
Advertisements
Giới thiệu và Khái niệm Machine Learning là gì?
CHÚ Ý: Toàn bộ nội dung của bài này được tổng hợp & thực hiện bởi Xuân Min, thành viên của web Taiphanmemnhanh.com – Tiếp theo, mình sẽ trả lời câu hỏi Machine Learning là gì? Machine Learning hoạt động như thế nào? Xin mời mọi người tìm hiểu thông tin chi tiết hơn ở những mục sau của bài viết.
1. MACHINE LEARNING LÀ GÌ ?
Machine Learning kí hiệu ML, dịch ra tiếng việt có nghĩa là Học máy.
ML là một lĩnh vực con của Trí tuệ nhân tạo (Artificial Intelligence, kí hiệu AI) sử dụng các thuật toán cho phép máy tính có thể học từ dữ liệu để thực hiện các công việc thay vì được lập trình một cách rõ ràng.
Vậy nên, trong quá trình học máy ML cũng giống như quá trình khai phá dữ liệu (data mining) và mô hình dự báo. Cả hai cần phải có dữ liệu chi tiết để thay đổi hoạt động chương trình một cách hợp lý.
Hiện nhiều người đã có cơ hội làm quen với Machine learning thông qua việc mua sắm trực tuyến và được đề xuất các quảng cáo liên quan đến việc mua sắm của họ. Điều này là bởi vì các công cụ đề xuất sử dụng machine learning để cá nhân hóa quảng cáo trong hầu hết thời gian thực.
Không những thế, chúng ta còn có thể sử dụng machine learning để phát hiện lỗi, lọc thư rác, phát hiện lỗ hổng an ninh mạng, bảo trì, và xây dựng kho tin tức…
2. QUÁ TRÌNH HOẠT ĐỘNG CỦA MACHINE LEARNING ?
Thực tế thì thuật toán trong ML được phân chia thành hai loại học máy đó là:
+ Supervised Learning (SL) : Học máy machine learning CÓ giám sát (học có giám sát)
+ Unsupervised Learning (UL) : Học máy machine learning KHÔNG có giám sát (học không giám sát)
Ngoài ra, còn có hai phương pháp học máy khác các bạn có thể tham khảo thêm như Semisupervised learning (học bán giám sát), Reinforcement learning (học tăng cường).
Mỗi loại học máy sẽ có cách thức hoạt động khác nhau.
Trong đó, thuật toán Học có giám sát đòi hỏi phải có một chuyên gia dữ liệu với kỹ năng LL để cung cấp cả dữ liệu đầu vào, đầu ra. Đồng thời đưa ra những nhận xét về tính chính xác của các dự đoán trong quá trình đào tạo. Các chuyên gia phân tích dữ liệu sẽ quyết định các nhân tố, đặc tính, hoặc mô hình nào sẽ được phân tích và sử dụng để phát triển dự đoán. Khi kết thúc việc đào tạo, thuật toán sẽ áp dụng những gì học được với dữ liệu mới.
Còn thuật toán Học không giám sát sẽ không cần phải đào tạo với dữ liệu đầu ra mong muốn. Mà nó sẽ sử dụng một phương pháp lặp có tên gọi là “deep learning” để phân tích dữ liệu rồi đưa ra kết luật chính xác nhất. Thuật toán không giám sát (hay mạng nơ-ron nhân tạo – “neural networks”) được sử dụng trong những công việc phức tạp hơn, nó bao gồm nhận diện hình ảnh, chuyển lời nói thành văn bản, và xử lý ngôn ngữ tự nhiên.
Các nơ-ron nhân tạo này sẽ kết hợp hàng triệu ví dụ để tự động nhận diện mối tương quan giữa các nhân tố. Sau khi được đào tạo, thuật toán sẽ sử dụng ngân hàng liên kết để phân tích dữ liệu mới. Những thuật toán này chỉ khả thi trong thời đại “big data” vì nó đòi hỏi một lượng dữ liệu bài giảng khổng lồ.
3. CÓ NHỮNG LOẠI THUẬT TOÁN NÀO TRONG ML ?
Việc sử dụng thuật toán sẽ không có giới hạn, và thuật toán Machine Learning cũng thế. Sau đây là một vài mô hình phổ biến nhất, bạn đọc có thể tham khảo nhanh:
• Neural networks (Mạng nơ-ron nhân tạo): Mạng mô hình này được sử dụng một lượng lớn dữ liệu bài giải để xác định mối tương quan giữa các nhân tố nhằm mục đích xử lý dữ liệu mới trong tương lai.
• Reinforcement Learning (Học tăng cường): Mô hình này bao gồm các mô hình giúp hoàn thành một quá trình, khuyến khích các bước đưa ra kết quả thuận lợi và ngăn chặn các bước cho ra kết quả không mong muốn cho đến khi thuật toán đưa ra được quy trình tối ưu nhất.
• Decision Tree (Cây quyết định): Mô hình này sẽ quan sát tất cả các hành động nhất định để tìm ra kết quả mong muốn.
• K-means clustering (Phân cụm K-means): Mô hình này chia điểm một số dữ liệu nhất định thành các nhóm dựa theo đặc điểm riêng của chúng.
4. MACHINE LEARNING TRÊN THỰC TẾ ?
Cuộc sống này chẳng có gì hoàn hảo cả. Thế nên ML cũng có một vài mặt giới hạn của nó, chúng ta không thể nào xây dựng được một cỗ máy thông minh để học dữ liệu từ ‘cổ chí kim’ tới hiện tại.
Vậy nên, mình sẽ không bỏ qua những ứng dụng thực tế mà Machine learning góp mặt và làm rất tốt, có thể kể đến như:
▶️ Lĩnh vực Xử lý hình ảnh: Bài toán xử lý ảnh(Image Processing) sẽ giải quyết các vấn đề phân tích thông tin từ hình ảnh hay thực hiện một số phép biến đổi.
Có thể lấy ví dụ như:
• Self-driving cars – Ô tô tự lái : Một phần cơ chế sử dụng ở đây là xử lý ảnh. Một thuật toán machine learning giúp phát hiện các mép đường, biển báo hay các chướng ngại vật bằng cách xem xét từng khung hình video từ camera.
• Image Tagging – Gắn thẻ hình ảnh: Tương tự như mạng xã hội Facebook, một thuật toán tự động phát hiện khuôn mặt của bạn và bạn bè trên những bức ảnh. Về cơ bản, thuật toán này học từ những bức ảnh mà bạn tự gắn thẻ cho mình trước đó.
• Optical Character Recognition – Nhận dạng ký tự : Là một thuật toán chuyển dữ liệu trên giấy tờ, văn bản thành dữ liệu số hóa. Thuật toán phải học cách nhận biết ảnh chụp của một ký tự là ký tự nào.
▶️ Lĩnh vực Khai phá dữ liệu: Data mining (khai phá dữ liệu) là quá trình khám phá ra các thông tin có giá trị hoặc đưa ra các dự đoán từ dữ liệu. Dưới đây là một vài ứng dụng của khai phá dữ liệu nè:
• Grouping: Gom nhóm. Ví dụ, trong các nền tảng SaaS, người dùng được phân nhóm theo hành vi hoặc thông tin hồ sơ của họ.
• Predictions: Dự đoán. Các cột giá trị (của một bản ghi mới trong database). Ví dụ, bạn có thể dự đoán giá của căn hộ dựa trên các dữ liệu về giá các căn hộ bạn đã có.
• Anomaly detection: Phát hiện bất thường. Phát hiện các ngoại lệ, ví dụ như phát hiện gian lận thẻ tín dụng.
• Association rules: Phát hiện các quy luật. Ví dụ, trong một siêu thị hay một trang thương mại điện tử. Bạn có thể khám phá ra khách hàng thường mua các món hàng nào cùng nhau.
▶️ Lĩnh vực Phân tích văn bản: Text analysis là công việc trích xuất hoặc phân lọi thông tin từ văn bản. Các văn bản ở đây có thể là các emails, các đoạn chats, facebook posts, tài liệu, …
Lấy ví dụ phổ biến:
• Sentiment Analysis – Phân tích ngữ nghĩa: học cách phân loại một ý kiến là tích cực, trung tính hay tiêu cực dựa trên nội dung văn bản của người viết.
• Information Extraction – Khai thác thông tin: từ một văn bản, học cách để trích xuất các thông tin hữu ích. Ví dụ như: trích xuất địa chỉ, tên người, từ khóa, v.v.
• Spam filtering – Lọc spam: Đây là một trong những cách để ứng dụng phân loại văn bản, chẳng hạn như học máy sẽ học cách phân loại một email có phải spam hay không bằng cách dựa trên nội dung và tiêu đề của email.
▶️ Lĩnh vực Trò chơi điện tử & Robot: Trò chơi điện tử (Video games) và robot (Robotics) là lĩnh vực lớn có sự góp mặt của machine learning.
Ví dụ: Trong một thể loại game nào đó, bạn đang có một nhân vật cần di chuyển đồng thời cần phải tránh được các chướng ngại vật trong game. Vậy thì ML có thể học và giải quyết công việc này thay bạn.
Một kỹ thuật phổ biến được áp dụng trong trường hợp này là Học tăng cường (Reinforcement learning). Ở đó, máy sẽ học tăng cường với mục tiêu là giải quyết nhiệm vụ trên. Học tăng cường là tiêu cực nếu nó va phải chướng ngại vật, là tích cực nếu nó chạm tới đích.
5. HIỆN TẠI VÀ TƯƠNG LAI NHỮNG ĐỐI TƯỢNG NÀO SẼ DÙNG ML?
Có thể nói Công nghệ học máy ML là một trong những lĩnh vực cạnh tranh nhất của các công ty phát triển công nghệ nổi tiếng nhất thế giới như Google, Amazon, IBM, Microroft, …
Những công ty công nghê này họ đang chạy đua trên thị trường để tranh giành khách hàng đăng ký cho các dịch vụ nền tảng bao trùm các hoạt động machine learning như: tiền xử lý dữ liệu, xây dựng mô hình, đào tạo, triển khai ứng dụng, thu thập dữ liệu, v.v.
Giờ đây, có thể nói rằng Công nghệ Học máy ML & Trí tuệ nhân tạo AI có tầm ảnh hưởng quan trọng vô cùng lớn.
Nghiên cứu chuyên sâu về “deep learning” và AI sẽ tập trung phát triển các ứng dụng chung. Ngày nay, mô hình AI đòi hỏi phải có kiến thức chuyên sâu để đưa ra những thuật toán tối ưu nhất. Nhưng các nhà khoa học đang tìm ra phương pháp để làm cho các mô hình linh hoạt hơn, có thể áp dụng những kiến thức học được từ một mô hình vào mô hình khác trong tương lai.
Tất cả mọi ngành công nghiệp, doanh nghiệp lớn đang làm việc với kho dữ liệu khổng lồ đều nhận ra tầm quan trọng của công nghệ Machine Learning. Ở thời điểm này, những ngành nghề, dịch vụ, đối tượng đang sử dụng công nghệ học máy ML là:
+ Các dịch vụ tài chính, ngân hàng và những doanh nghiệp hoạt động trong lĩnh vực tài chính.
+ Tiếp thị Marketing & Sales.
Dựa trên hành vi mua hàng trước đây, các trang web sử dụng Machine Learning phân tích lịch sử mua hàng, từ đó giới thiệu những vật dụng mà bạn có thể sẽ quan tâm và yêu thích. Khả năng tiếp nhận dữ liệu, phân tích và sử dụng những dữ liệu đó để cá nhân hóa trải nghiệm mua sắm (hoặc thực hiện chiến dịch Marketing) chính là tương tai của ngành bán lẻ.
+ Chính phủ.
Các tổ chức chính phủ hoạt động về an ninh cộng đồng hoặc tiện ích xã hội sở hữu rất nhiều nguồn dữ liệu có thể khai thác insights. Ví dụ, khi phân tích dữ liệu cảm biến, chính phủ sẽ tăng mức độ hiệu quả của dịch vụ và tiết kiệm chi phí. Machine Learning còn hỗ trợ phát hiện gian lận và giảm thiểu khả năng trộm cắp danh tính.
+ Bệnh viện, Chăm Sóc Sức Khỏe.
Machine Learning là 1 xu hướng phát triển nhanh chóng trong ngành chăm sóc sức khỏe, nhờ vào sự ra đời của các thiết bị và máy cảm ứng đeo được sử dụng dữ liệu để đánh giá tình hình sức khỏe của bệnh nhân trong thời gian thực (real-time). Công nghệ Machine Learning còn giúp các chuyên gia y tế xác định những xu hướng hoặc tín hiệu để cải thiện khả năng điều trị, chẩn đoán bệnh.
+ Giao thông vận tải.
+ Dầu khí, v.v.
Đây là thời điểm hiện tại, còn ở tương lai, công nghệ học máy Machine Learning sẽ được sử dụng phổ biến hơn trong nhiều ngành nghề, lĩnh vực khác nữa.
LỜI KẾT
Bài viết trên đây mình đã tổng hợp và chia sẻ tới các bạn đọc khái niệm về học máy Machine Learning, cách thức hoạt động của Thuật toán Machine Learning. Cũng như những ứng dụng đang áp dụng công nghệ này. Cảm ơn bạn đã dành thời gian để theo dõi hết nội dung của bài viết này. Cá nhân mình mong rằng với một chút tin tức được chia sẻ ở trên sẽ có ích với bạn đọc.
Mọi người đừng quên ấn nút LIKE & SHARE để chia sẻ bài này tới nhiều người khác nhé!
Tải Phần Mềm Nhanh – Chúc bạn thành công!
