Giới thiệu đơn giản về Trí tuệ nhân tạo (AI) và Học máy

Bài viết này hướng đến những bạn fan hâm mộ muốn có một hiểu biết cơ bản về Artificial Intelligence – AI ( Trí tuệ nhân tạo ) và một tập con của nó Machine Learning ( Học máy ). Tác giả cũng trình làng về Deep Learning ( DL ) là một bước tiến hóa của Học máy. Ngoài ra, ông còn phân phối những ví dụ mới về những ứng dụng AI và tài liệu tìm hiểu thêm. Mục tiêu của tác giả là mang đến cho người đọc nhận thức về chủ đề này thôi thúc sự chăm sóc mà không đi quá sâu vào toán học và sự phức tạp của ngôn từ lập trình .
Trí tuệ nhân tạo mang đến vô số ứng dụng khác nhau

1. Những thống kê trong giai đoạn bắt đầu

Trở lại khoảng chừng giữa đến cuối những năm 50, John McCarthy và Arthur Samuel lần lượt đặt ra những thuật ngữ Artificial Intelligence ( AI ) và Machine Learning ( ML ). Trong đó, AI đề cập đến ngành nghề dịch vụ khoa học máy tính tăng trưởng ứng dụng để lấy tài liệu và tạo ra những giải pháp cho những yếu tố đã nêu. Machine Learning là một tập con của AI.

Đó là việc sử dụng một quy mô được đào tạo và giảng dạy về tài liệu để đưa ra những quyết định hành động giống như những nước đi trong trò cờ vua hoặc Dự kiến như ai sẽ thắng trận Derby Kentucky .

Những ứng dụng của AI thì không có gì mới. Theo tác giả, từ những năm 60 khi ông xem Tom Landry, huấn luyện viên của đội bóng Dallas Cowboy sử dụng các thống kê từ những trận đấu trước để gọi những trận đấu ngoài sân cỏ khiến các tiền vệ mất tinh thần. Tuy nhiên, những ứng dụng ban đầu đã bị giới hạn bởi khả năng lưu trữ dữ liệu và tốc độ máy tính.

Nhưng với những tiến bộ trong lĩnh vực Big Data và sức mạnh của máy tính, AI đã mở ra quả cầu pha lê của việc “bói toán” thành lĩnh vực phân tích dữ liệu thay cho sự may mắn.

Với những tân tiến trong việc tàng trữ tài liệu và vận tốc máy tính AI giờ đây đã cung ứng cho những doanh nghiệp một cách để mở quả cầu pha lê và bước vào quốc tế của những Dự kiến cao .
Lưu ý rằng những Dự kiến này không nhằm mục đích mục tiêu tuyệt vời mà để giúp doanh nghiệp gần hơn với thực tiễn .

Trở lại với chủ đề thể thao, bạn hãy xem bộ phim Money Ball để thấy cách mà Oakland Athletics đã sử dụng những thống kê để tuyển dụng những cầu thủ bị bỏ lỡ cho một đội thắng lợi. Tốt hơn nữa, bạn hãy xem Houston Astros chơi bóng chày bằng cách sử dụng “ sự biến hóa ” để đặt những cầu thủ trên sân vào những vị trí đã được Dự kiến. Họ đã làm điều này nhiều hơn bất kể đội bóng chày lớn nào .

Lưu ý rằng đây không còn là quyết định hành động bên ngoài mà là quyết định hành động trực tiếp trong trận đấu. Bạn hãy tưởng tượng nếu một cầu thủ ở sân nhà hoàn toàn có thể Dự kiến pitch tiếp theo với Xác Suất cao. Điều này đang xảy ra trong ngành y tế, kinh doanh bán lẻ, xe tự lái, mạng lưới hệ thống xác định toàn thế giới, góp vốn đầu tư, thời tiết, nhận diện khuôn mặt thậm chí còn là những mối quan hệ cá thể .

2. AI ngày nay

AI là một thuật ngữ bao trùm những ngành của ML ( học máy ) và tập con của nó là DL. Hãy cùng xem lại ML và những cách tiếp cận của nó :

• Học tập dưới sự giám sát (Supervised Learning) là nơi một nhà phân tích dạy một mô hình (thuật toán) về cách phản hồi một tập dữ liệu về một quyết định hoặc dự đoán. Người phân tích thường bắt đầu bằng một cơ sở dữ liệu lịch sử được xác định trước mà nội dung của nó được hiểu là giải pháp vấn đề được biết đến. Về cơ bản, dữ liệu được cấu trúc dưới sự giám sát của một nhà phân tích. Thuật toán được dạy thông qua việc lặp đi lặp lại các bài kiểm tra để xác định các mẫu đã biết dẫn đến giải pháp.
• Học tập không được giám sát (Unsupervised Learning) là khi nhà phân tích không cấu trúc dữ liệu do lượng dữ liệu và các biến liên quan. Trong những trường hợp này, một thuật toán nhóm các tính năng trọng các cụm để quản lý dữ liệu (về cơ bản làm cho dữ liệu được giám sát) thông qua lặp lại các thử nghiệm mà không có sự can thiệp của con người. Một trong những lợi ích của phương pháp không giám sát là thời gian thực hiện. Sẽ mất nhiều thời gian để cấu trúc tất cả các nguồn dữ liệu.
• Học tăng cường (Reinforcement Learning) là khi thuật toán học thông qua phản hồi (tức là thử và sai) chứ không phải đào tạo như trong học có giám sát. Việc học của nó dựa trên kết quả thành công củng cố hành động đã thực hiện trước đó.

Deep Learning phức tạp hơn một chút ở chỗ nó kết hợp một lớp thuật toán hoặc bộ lọc phân cấp và học từ mỗi lớp theo cách lặp đi lặp lại giống như mạng lưới thần kinh của não người. Nó hữu ích trong việc nhận diện các mẫu từ dữ liệu phi cấu trúc và thường được dùng cho các ứng dụng nhận diện khuôn mặt và giọng nói.

Dưới đây là quá trình hạng sang để tiến hành Machine Learning. Lưu ý rằng đó là một quy trình học tập lặp đi tái diễn và chỉ kết thúc khi nhà nghiên cứu và phân tích rời khỏi quy mô :
Quá trình học tập giám sát

Sau một vài nghiên cứu và điều tra, tác giả nhận về rất nhiều ứng dụng học máy đã được sử dụng : dự báo thời tiết, chẩn đoán y tế, thực thi pháp lý và xe tự lái. Ông cho biết thêm bản thân không nhận ra rằng chính những văn minh của Big Data và máy tính nhanh hơn đã được cho phép AI nâng tầm trong đời sống hằng ngày của tất cả chúng ta.

Ông tin rằng hầu hết tất cả chúng ta đều nghĩ rằng trí tuệ nhân tạo vẫn chỉ là khoa học viễn tưởng. Thực tế lại không như vậy, những nhà nghiên cứu và phân tích kinh doanh thương mại cần theo đuổi AI và nhận ra nhiều thời cơ đang mở ra .

Nguồn tham khảo:

https://www.modernanalyst.com/

Nhu cầu huấn luyện và đào tạo doanh nghiệp

BAC

là đơn vị đào tạo BA đầu tiên tại Việt Nam. Đối tác chính thức của IIBA quốc tế. Ngoài các khóa học public, BAC còn có các khóa học in house dành riêng cho từng doanh nghiệp. Chương trình được thiết kế riêng theo yêu cầu của doanh nghiệp, giúp doanh nghiệp giải quyết những khó khăn và tư vấn phát triển.

Xem thêm: Ngành Khoa học máy tính học những gì?

Source: https://khoinganhcntt.com
Category: NGÀNH TUYỂN SINH