Mạng nơ-ron là gì?

Trí tuệ nhân tạo là lĩnh vực khoa học máy tính nghiên cứu các phương pháp cung cấp cho máy móc khả năng thực hiện các công việc đòi hỏi trí thông minh của con người. Máy học là một kỹ thuật trong lĩnh vực trí tuệ nhân tạo cho phép máy tính truy cập vào các tập dữ liệu rất lớn và học hỏi từ những dữ liệu này. Phần mềm máy học tìm ra các mẫu trong dữ liệu hiện có và áp dụng chúng vào dữ liệu mới để đưa ra các quyết định thông minh. Deep learning là một lĩnh vực con của máy học sử dụng mạng deep learning để xử lý dữ liệu.

Máy học so với deep learning

Các phương pháp máy học truyền thống yêu cầu dữ liệu đầu vào của con người để phần mềm máy học hoạt động hiệu quả. Nhà khoa học dữ liệu xác định theo cách thủ công tập hợp các đặc điểm có liên quan mà phần mềm phải phân tích. Điều này hạn chế khả năng của phần mềm, khiến việc tạo và quản lý trở nên mệt mỏi.

Mặt khác, trong deep learning, nhà khoa học dữ liệu chỉ cung cấp dữ liệu thô cho phần mềm. Mạng deep learning tự rút ra các đặc điểm và học hỏi một cách độc lập hơn. Nó có thể phân tích các tập dữ liệu phi cấu trúc như tài liệu văn bản, xác định những thuộc tính dữ liệu cần ưu tiên và giải quyết các vấn đề phức tạp hơn.

Ví dụ: nếu đang đào tạo một phần mềm máy học để xác định chính xác hình ảnh của một thú cưng, bạn sẽ cần thực hiện các bước sau:

• Tìm và gắn nhãn thủ công cho hàng nghìn hình ảnh thú cưng, như mèo, chó, ngựa, chuột hamster, vẹt, v.v.
• Cho phần mềm máy học biết những đặc điểm cần tìm để phần mềm này có thể xác định hình ảnh bằng cách sử dụng phương pháp loại trừ. Ví dụ: nó có thể đếm số chân, sau đó kiểm tra hình dạng mắt, hình dạng tai, đuôi, lông, v.v.
• Đánh giá và thay đổi tập dữ liệu được gắn nhãn theo cách thủ công để cải thiện độ chính xác của phần mềm. Ví dụ: nếu tập dữ liệu đào tạo của bạn có quá nhiều hình ảnh về mèo đen, phần mềm sẽ xác định chính xác một con mèo đen hơn là một con mèo trắng.
• Tuy nhiên, trong deep learning, mạng nơ-ron sẽ xử lý tất cả các hình ảnh và tự động xác định rằng chúng cần phân tích số chân và hình dạng khuôn mặt trước, rồi xem xét đuôi sau cùng để xác định chính xác con vật trong hình ảnh.