Máy móc học như thế nào?

• Các ví dụ huấn luyện
• Huấn luyện lặp lại
• Mô hình

Bạn sẽ học được gì

• Mô tả được cách một cỗ máy học từ các ví dụ.
• So sánh được máy biết học với máy làm theo quy tắc viết sẵn.
• Giải thích được vì sao mô hình phải được điều chỉnh nhiều lần và để làm gì.

Cần biết trước

Bạn nên biết trí tuệ nhân tạo là gì. Bài "Trí tuệ nhân tạo là gì?" giải thích điều đó.

Máy học từ ví dụ như thế nào?

Một cách học phổ biến là phân tích các ví dụ huấn luyện. Với mạng nơ-ron (neural net), máy tính có thể học cách thực hiện một việc theo cách này.

Trong ví dụ mạng nơ-ron do MIT mô tả, các ví dụ thường được gán nhãn bằng tay từ trước. Nhãn là cái tên mà một người gắn cho ví dụ, chẳng hạn tên của vật trong một bức ảnh.

Hãy hình dung một chương trình phân loại ảnh. Nó có thể được cho xem hàng nghìn ảnh có nhãn về xe hơi, nhà và cốc cà phê, rồi tìm ra các mẫu hình ảnh trong đó. Không ai phải mô tả một chiếc cốc cà phê trông thế nào.

• Ví dụ có nhãn
• Tìm mẫu
• Mẫu tìm được

Học khác gì so với làm theo quy tắc?

Hệ thống dựa trên quy tắc làm theo những quy tắc do con người viết ra. IBM nêu một ví dụ đơn giản: ngay cả một bộ điều nhiệt đơn giản cũng là hệ thống AI dựa trên quy tắc.

Mô hình học máy hoạt động khác. Theo IBM, logic vận hành của nó không được lập trình tường minh mà được học qua kinh nghiệm.

Google đưa ra ví dụ về thời tiết. Một mô hình học máy được cho rất nhiều dữ liệu thời tiết cho tới khi nó học được mối quan hệ toán học giữa các kiểu thời tiết tạo ra lượng mưa khác nhau.

• Làm theo quy tắc viết sẵn
• Học từ ví dụ

Mô hình tiến bộ dần bằng cách nào?

Trong mô tả của MIT về một mạng nơ-ron có giám sát, các trọng số và ngưỡng của mạng ban đầu được đặt ở giá trị ngẫu nhiên. Đây là những thiết lập có thể điều chỉnh bên trong mạng.

Trong lúc huấn luyện, các thiết lập đó liên tục được điều chỉnh cho tới khi dữ liệu huấn luyện có cùng nhãn luôn cho ra kết quả tương tự nhau.

Với ví dụ bộ lọc thư rác, IBM mô tả một vòng lặp: tính sai số dự đoán, điều chỉnh thuật toán để giảm sai số, rồi lặp lại với mục tiêu cải thiện độ chính xác.

• Mô hình đưa ra dự đoán
• So sánh để thấy sai số
• Điều chỉnh

Học như vậy để làm gì?

Mục đích là làm tốt các trường hợp mới. Theo IBM, mục tiêu cơ bản của học máy là tổng quát hóa: biến kết quả tốt trên dữ liệu huấn luyện thành kết quả hữu ích trong các tình huống thực tế.

Một mô hình chỉ làm tốt các ví dụ đã thấy thì không giúp được bao nhiêu. Huấn luyện là con đường tới mục tiêu, chứ bản thân nó chưa phải đích.

• Ví dụ đã thấy
• Mô hình đã huấn luyện
• Trường hợp mới
• Kết quả hữu ích

Ví dụ trong đời sống

Hãy nghĩ tới cách một em nhỏ học phân biệt mèo và chó qua sách tranh. Mỗi trang vẽ một con vật kèm tên gọi. Xem nhiều trang rồi, em có thể gọi tên con vật trong một bức ảnh chưa từng thấy. Một mô hình học từ ví dụ có nhãn có thể đi theo con đường tương tự, rồi gặp những ví dụ mới.

Hiểu lầm thường gặp

Có người viết ra mọi quy tắc cho máy. Theo IBM, logic của mô hình học máy được học qua kinh nghiệm, không được lập trình tường minh.

Máy học xong ngay một lần. Trong ví dụ bộ lọc thư rác, IBM mô tả việc lặp lại khâu tính sai số và điều chỉnh thuật toán để giảm sai số.

Làm tốt các ví dụ luyện tập là đích cuối. Mục tiêu cơ bản là tổng quát hóa sang các tình huống thực tế.

Câu hỏi thường gặp

Ví dụ huấn luyện là gì?

Ví dụ huấn luyện là một mẩu dữ liệu mà máy tính phân tích khi học. Trong ví dụ mạng nơ-ron của MIT, các ví dụ thường được gắn nhãn bằng tay từ trước.

Mô hình trong học máy là gì?

Theo Google, mô hình là phần mềm được huấn luyện để đưa ra dự đoán hữu ích hoặc tạo nội dung từ dữ liệu.

Máy có học xong ngay một lần không?

Trong mô tả của MIT về mạng nơ-ron có giám sát, trọng số và ngưỡng bắt đầu ở giá trị ngẫu nhiên rồi được điều chỉnh trong lúc huấn luyện.

Tóm tắt

• Trong ví dụ mạng nơ-ron có giám sát do MIT mô tả, máy phân tích các ví dụ thường được gán nhãn bằng tay.
• IBM mô tả việc huấn luyện bộ lọc thư rác bằng cách lặp lại khâu tính sai số và điều chỉnh thuật toán để giảm sai số.
• Mục tiêu cơ bản là tổng quát hóa: kết quả hữu ích trong các tình huống thực tế.