Programing

Machine Learning là gì? Hiểu những điều cơ bản về Machine Learning

Machine Learning là gì? Hiểu những điều cơ bản về Machine Learning

Machine Learning là một công cụ mới mạnh mẽ để giải quyết vấn đề: từ lọc bộ sưu tập ảnh đến giúp mọi người giải quyết một số thách thức toàn cầu cấp bách nhất của thế giới về sức khỏe, môi trường và hơn thế nữa. Trong bài viết này, chúng ta sẽ khám phá những công nghệ này là gì và cách chúng có thể được áp dụng trong cuộc sống thực để giúp các doanh nghiệp phát triển.

Tổng quan về Machine Learning

Bạn đã sẵn sàng để bắt đầu ngay bây giờ?

Đã có một số thay đổi trong cách chúng ta nghĩ về máy tính trong vài thập kỷ qua.

Thuật ngữ ‘trí tuệ nhân tạo’ đã trở nên phổ biến trong cộng đồng khoa học. Đôi khi nó được gọi là Machine Learning. Ngày nay chúng ta thường gọi nó là trí thông minh máy móc, tôi chỉ gọi nó là trí thông minh. Và đôi khi nó chỉ là nỗ lực để chế tạo máy móc tốt hơn.

Vì vậy, trong những ngày đầu tiên, mọi thứ đều được xây dựng dựa trên logic. Làm các bài toán tích phân toán học. Chơi cờ vua. Nhưng chúng tôi nhận ra rằng những thách thức thực sự là những điều mà mọi người có thể làm hàng ngày.

Thế giới thực thực sự rất lộn xộn, những quy tắc logic cứng nhắc không phải là cách giải quyết những vấn đề thực sự thú vị trong thế giới thực.

Bạn phải học hỏi một cách có hệ thống để có được kiến ​​thức. Bạn không thể chỉ lập trình tất cả. Trí tuệ nhân tạo là nỗ lực xây dựng những cỗ máy có thể học hỏi từ môi trường của chúng, từ những sai lầm và từ con người. Và chúng ta vẫn đang ở giai đoạn không biết đâu là con đường đúng đắn và đâu là bước đột phá phù hợp. Vì vậy, tôi có một loạt các cách tiếp cận khác nhau.

Ví dụ: một trong những trường con mà chúng tôi gọi là nhận dạng mẫu, mạng nơ-ron nhân tạo, học tăng cường. Suy luận thống kê và Machine Learning xác suất, học có giám sát. học không có giám sát và chúng tôi không chắc kỹ thuật nào sẽ dẫn đến hệ thống tốt hơn. Và trên thực tế, nó có lẽ không phải là một kỹ thuật cho tất cả mọi thứ, nó có thể là một loạt các kỹ thuật khác nhau và sự kết hợp của các kỹ thuật đó.

Bất kỳ tiến bộ nào mà chúng tôi đạt được trong việc xây dựng các hệ thống thực sự thông minh sẽ phụ thuộc vào tiến bộ của công nghệ nói chung và cho đến gần đây, chúng tôi chưa có máy tính đủ nhanh hoặc bộ dữ liệu đủ lớn để làm điều đó. Và do đó, có thể đưa ra một vấn đề cụ thể và trải rộng nó ra trên rất nhiều máy móc là một cách tiếp cận rất quan trọng vì nó giúp nghiên cứu của chúng tôi nhanh hơn.

Vì vậy, có những ứng dụng của trí tuệ nhân tạo xung quanh chúng ta mọi lúc, khi nó bắt đầu hoạt động hoặc nó hoạt động thì đột nhiên nó được đặt một cái tên khác, tất cả chúng ta đều đã sử dụng nó và rất thoải mái với nó.

Những thứ mà bây giờ chúng ta coi là thường lệ cách đây 30 năm sẽ được coi là những ví dụ tuyệt vời về trí tuệ nhân tạo, chống bó cứng phanh, hệ thống lái tự động cho máy bay, tìm kiếm, đề xuất, bản đồ, để quyết định xem email cụ thể này có phải là spam hay không…

Khả năng dịch ngôn ngữ này sang ngôn ngữ khác bằng điện thoại của bạn, mười năm trước nếu bạn cố gắng nói chuyện với máy tính hoặc điện thoại của mình, bạn biết đấy, điều đó sẽ chỉ là vô vọng, chúng ta đang chứng kiến ​​một loạt các thủ thuật này lần lượt ngay bây giờ.

Tôi nghĩ rằng rất nhiều người ở gần lĩnh vực này đều có cảm giác rằng mọi thứ đang chuyển động nhanh chóng. Đó là một điều tiến bộ. Đó là về việc xây dựng những thứ tốt hơn một chút. Thông minh thực sự sẽ không phải là thứ mà chúng ta từng thành công trong việc xác định một cách cô đọng và đơn lẻ. Thực sự là toàn bộ chòm sao này có các khả năng khác nhau, tất cả các loại đều được sắp xếp đẹp mắt và hoạt động cùng nhau.

Dự đoán tương lai dài hạn là rất khó. Không ai thực sự có thể làm được và điều tồi tệ phải làm là lấy bất cứ điều gì đang hoạt động tốt nhất hiện tại và cho rằng tương lai sẽ như vậy mãi mãi.

machine learning la gi

Machine Learning giải quyết các vấn đề nhỏ, lớn, hóc búa

Khi còn nhỏ, tôi thực sự được truyền cảm hứng từ những nhà thám hiểm. Tôi muốn trở thành một nhà thám hiểm khi tôi lớn lên. Là một kỹ sư điện, tôi luôn tìm kiếm những điều mới mà chúng ta có thể làm được – bất cứ khi nào có thể. Machine Learning và nghiên cứu là một cuộc khám phá, nó giống như một cuộc khám phá trí tuệ.

Chúng tôi chắc chắn đã thấy một sự tăng trưởng lớn trong năm năm qua về những gì máy móc có thể làm, so với một hoặc hai thập kỷ trước đó.

Với sự ra đời của nhiều dữ liệu hơn và khả năng tính toán cao hơn, chúng ta thực sự có thể nghĩ lớn hơn và thay đổi cuộc chơi về loại mô hình mà chúng ta có thể hình dung.

Thế giới thực thực sự rất lộn xộn, các quy tắc logic cứng rắn không phải là cách giải quyết các vấn đề của thế giới thực. Vì vậy, Machine Learning học từ các ví dụ.

Thay vì viết 500.000 dòng mã, thay vào đó chúng ta để Machine Learning từ những quan sát về thế giới. Chúng tôi xem xét một loạt các ví dụ này trong thuật toán Machine Learning, có thể hàng triệu, có thể hàng tỷ, thậm chí có thể hàng nghìn tỷ, để xác định các mẫu và tổng quát hóa từ đó.

Trong nhiệm vụ nhận dạng hình ảnh, chúng tôi có thể huấn luyện các mô hình lấy các pixel của hình ảnh và từ các pixel đó, học các tính năng cấp cao.

Nó bắt đầu học được rằng, nếu bạn nhìn thấy một chiếc bánh và bạn thấy một đứa trẻ, đó có thể là một bữa tiệc sinh nhật. Nếu bạn nhìn thấy một chiếc bánh và nhiều trẻ em, rất có thể đó là một bữa tiệc sinh nhật. Về cơ bản, đó là dạy cho cỗ máy thực hiện những nhận thức mà con người chúng ta rất tự nhiên và rất giỏi, bạn nhận ra con người tuyệt vời như thế nào, đứa trẻ bốn tuổi của bạn tuyệt vời như thế nào, có thể nhận ra khuôn mặt. Machine Learning đã thực sự là bước khởi đầu của một cuộc cách mạng lớn trong lĩnh vực nhận dạng giọng nói.

Để dạy nhận dạng giọng nói, hãy cố gắng tương tác với một căn phòng ồn ào, chúng tôi đã sử dụng âm thanh trong thế giới thực và trộn nó vào các ví dụ mà chúng tôi đã có, “Bên ngoài có lạnh không, bên ngoài có lạnh không?” [giọng nói lặp đi lặp lại]

Giờ đây, bất kể tiếng ồn trong môi trường là gì, hệ thống nhận dạng giọng nói của chúng tôi có thể hiểu bạn đang nói gì. Họ có thể tách một loa ra khỏi loa khác.

Với Machine Learning, giờ đây chúng ta có một thuật toán học cách mô phỏng một nhà ngôn ngữ học con người. Rất nhiều ngôn ngữ mà chúng ta thấy ngày nay, nó rất thân mật, “Blah blah blah blah blah, blah blah, và họ nói” Được rồi. ”

Xen kẽ với các biểu tượng cảm xúc và nhãn dán. Giờ đây, với Google, chúng tôi đang tiến đến điểm mà bạn có thể trò chuyện tự nhiên hơn nhiều.

Sản phẩm trợ lý mà chúng tôi đang xây dựng tại Google sử dụng kỹ thuật Machine Learning tốt nhất của chúng tôi, hiểu hình ảnh, hiểu ngôn ngữ tự nhiên. Đó là một hướng đi đầy hứa hẹn để phát triển các hệ thống thực sự có thể điều hướng được mớ hỗn độn của thế giới thực. Chúng tôi muốn biến đây trở thành một dự án mã nguồn mở để mọi người bên ngoài Google có thể sử dụng cùng một hệ thống mà chúng tôi đang sử dụng bên trong Google.

Có rất nhiều người đã sử dụng nó rất, rất sáng tạo mà không cần biết một chút về Machine Learning. Vì vậy, họ có những ý tưởng. Họ không cần phải làm những công việc nặng nhọc mà chúng ta đã làm.

Tôi đã thấy một ví dụ thú vị về việc ai đó từng bắt một con mèo đi quanh nhà của họ mọi lúc, vì vậy họ huấn luyện mô hình để xác định bất cứ khi nào con mèo ở đó và nó sẽ bật vòi phun nước để xua đuổi con mèo.

Cặp vợ chồng già ở Nhật Bản này điều hành một trang trại dưa chuột và một trong những nhiệm vụ lớn là phân loại dưa chuột thành những loại như, loại gai, loại ít gai, loại thẳng, loại cong. Đó thực sự là một nhiệm vụ phức tạp. Vì vậy, người vợ dành nhiều giờ mỗi ngày để phân loại dưa chuột, vì vậy người con trai đã chọn một mô hình thị giác máy tính và có thể xây dựng một hệ thống phân loại dưa chuột và phân loại chúng tự động. Tất cả thời gian lãng phí phân loại dưa chuột sẽ được sử dụng theo những cách tốt hơn nhiều.

387 triệu người mắc bệnh tiểu đường có nguy cơ mắc bệnh võng mạc tiểu đường. Nó gây ra mù lòa, cách bạn có thể tìm ra dấu hiệu của bệnh võng mạc tiểu đường là chụp ảnh mặt sau của mắt, nhưng đơn giản là không có đủ bác sĩ và phải mất hàng giờ để giải thích. Vì vậy, chúng tôi đã đào tạo một thuật toán có thể đọc hình ảnh ngay lúc đó. Thuật toán này có thể giúp các bác sĩ có được nhiều người hơn được tầm soát bệnh.

Bạn càng thấy Machine Learning và các loại công việc mà nó có thể làm, bạn càng thấy cơ hội để nó cải thiện cuộc sống của mọi người. Bạn có thể sử dụng Machine Learning để tiết kiệm điện năng ở quy mô đáng kể, thậm chí theo dõi sự lây lan của dịch bệnh.

Chúng tôi có thể sử dụng mô hình thị giác máy tính cho tất cả những người khiếm thị. Chúng tôi có thể tạo ra một trình nhận dạng giọng nói cho mọi người trên hành tinh và cải thiện đáng kể trải nghiệm của hàng triệu và hàng tỷ người.

Tôi không thấy bất kỳ lĩnh vực khoa học nào hoặc thậm chí là nỗ lực của con người mà các hệ thống đã học không thể giúp được. Nếu bạn hỏi tôi vài năm trước rằng liệu một chiếc máy tính có thể làm được điều này sớm hay không, tôi sẽ trả lời rằng “Tôi thực sự không nghĩ vậy.”

Nó rất, rất mạnh mẽ để tưởng tượng những gì sẽ đến. Chúng tôi đang suy nghĩ những suy nghĩ và làm những điều mà bạn biết đấy, chưa ai từng làm, và sắp đặt và đặt chân vào lãnh thổ tri thức thực sự mới ở đây.

Lời hứa của AI và Machine Learning là chúng ta thực sự có thể tạo ra các giải pháp cho các vấn đề chưa được giải quyết trước đây thực sự sẽ giúp ích cho mọi người.

Áp dụng Machine Learning vào các vấn đề kinh doanh

Ý tưởng cơ bản của Machine Learning là sử dụng một số phần của hệ thống phần mềm mà chúng ta đã sử dụng để lập trình một cách rõ ràng với một bộ quy tắc và thay vào đó, yêu cầu Machine Learning thực hiện tác vụ đó.

Machine Learning tốt cả trong việc tự động hóa các quy trình và cũng giúp các quy trình hiệu quả hơn. Loại doanh nghiệp thu được lợi nhuận từ loại Machine Learning mà chúng ta có ngày nay là những doanh nghiệp có một số loại quy trình thông tin đơn giản mà bạn muốn cung cấp.

Ví dụ: tại Google, chúng tôi sử dụng công nghệ Machine Learning trên các sản phẩm và dịch vụ của mình. Chúng tôi đã sử dụng nó cho mọi thứ, từ tự động dịch các trang web sang các ngôn ngữ khác nhau, giúp người dùng tìm kiếm ảnh của họ, đến tự động soạn email trả lời. Nhưng có thể có những nơi trong doanh nghiệp của bạn mà bạn đang làm điều gì đó tương tự về cơ bản là về thông tin. Đó có thể là bất cứ điều gì từ một ngân hàng cố gắng phát hiện gian lận trong các giao dịch của mình hoặc ai đó đang điều hành một cửa hàng Etsy đang cố gắng giới thiệu nghệ thuật cho khách hàng của mình.

Về cơ bản, nó vẫn là về quá trình lấy một thứ gì đó lặp đi lặp lại và thực sự nhàm chán đối với con người, và tự động hóa nó. Nhưng bây giờ nó đang hoạt động ở một cấp độ khác. Machine Learning có thể làm được rất nhiều thứ, nhưng không có nghĩa đó là câu trả lời đúng cho mọi vấn đề. Nếu bạn là một công ty kế toán, bạn không cần phải sử dụng Machine Learning để khám phá cách cộng hai số. Bạn đã có phần mềm thực hiện điều đó một cách hoàn hảo.

Nếu bạn đang cố gắng quyết định cách sử dụng Machine Learning trong doanh nghiệp của mình, nếu bạn có một nhóm khoa học dữ liệu, thì đó là nhóm người phù hợp để bắt đầu trò chuyện trước tiên. Nhưng nếu bạn là một doanh nghiệp nhỏ, bạn có thể thực sự muốn tập trung vào một ý tưởng thú vị duy nhất, một cơ hội để Machine Learning có thể tạo ra sự khác biệt thực sự lớn trong những gì bạn cung cấp hoặc cách bạn cung cấp nó.

Một trong những điều quan trọng nhất là có các ví dụ về hành vi mà bạn muốn Machine Learning. Vì vậy, trong thực tế, máy móc học tốt nhất từ ​​các ví dụ chính xác được chứng minh cho chúng, và sau đó học cách làm theo. Vì vậy, bạn đang tìm kiếm một cơ hội mà bạn có một số nhiệm vụ đã được thực hiện hàng trăm hoặc hàng nghìn lần và bạn có hồ sơ rất tốt về chính xác cách nó phải được thực hiện chính xác và sau đó bạn có thể sử dụng máy móc để tự động thực hiện công việc đó. hành vi hàng triệu hoặc hàng tỷ lần.

Cho rằng máy móc học hỏi từ các ví dụ, rằng chúng học từ dữ liệu, bạn phải có một số lượng dữ liệu để bắt đầu. Máy móc học chậm hơn nhiều so với con người. Vì vậy, ở nơi có thể chỉ cần chỉ cho con người cách làm một việc gì đó mười lần, thì có lẽ máy móc sẽ phải mất cả trăm hoặc một nghìn lần để học cách làm cùng một nhiệm vụ đó.

Cho đến gần đây, một trong những rào cản lớn để gia nhập đối với các công ty muốn khám phá Machine Learning là sự sẵn có của phần mềm tốt. TensorFlow là một gói phần mềm mã nguồn mở mà Google đã phát triển nội bộ cho các hệ thống Machine Learning của riêng chúng tôi và chúng tôi đã phát hành gói phần mềm đó ra bên ngoài cho các công ty và tổ chức học thuật khác sử dụng.

Ý tưởng là thay vì phải xây dựng Machine Learning từ đầu, chúng tôi cung cấp một loại tập hợp công cụ dựng các yếu tố cơ bản của Machine Learning mà bạn có thể sử dụng để xây dựng các sản phẩm và dịch vụ của riêng mình.

Machine Learning có thể rất tốt trong việc tự động hóa các quy trình hiện có hoặc làm cho các quy trình hiện có hiệu quả hơn, nhưng nó không thể khám phá hoặc quyết định bước tiếp theo đúng đắn là gì. Sự sáng tạo và khả năng lãnh đạo đó là những gì bạn, với tư cách là những người kinh doanh, phải mang đến cho quá trình này.

Đối với mỗi bộ công cụ mới, bạn phải cho mình thời gian để khám phá và thử nghiệm nó. Lần đầu tiên bạn thử nó, nó sẽ không hoạt động hoàn hảo và chỉ giải quyết một cách kỳ diệu tất cả các vấn đề của bạn. Cơ hội sử dụng Machine Learning là duy nhất cho mọi doanh nghiệp và có rất nhiều khả năng mà chúng tôi thậm chí còn chưa hình dung ra.

Tóm tắt nội dung

1. Thế giới tràn ngập những điều mà hầu hết chúng ta có thể hiểu và phản ứng lại mà không cần suy nghĩ nhiều; biển báo dừng bị tuyết che phủ một phần vẫn là biển báo dừng; một chiếc ghế to gấp năm lần bình thường vẫn là chỗ để ngồi.

Nhưng đối với máy tính thông thường, loại logic trực quan này nằm ngoài tầm với. Ngày nay, Machine Learning có thể mang lại cho máy tính lợi thế này thông qua công nghệ tiên tiến của nó. Trong phần này, chúng ta sẽ khám phá cách Machine Learning bắt đầu cải thiện máy tính và nhiều thứ mà chúng ta sử dụng chúng để làm.

2. Từ việc giúp nông dân ở Nhật Bản phân loại dưa chuột đến hỗ trợ các bác sĩ ở Ấn Độ khi họ chẩn đoán bệnh mắt, Machine Learning đang thay đổi cách mọi người sử dụng mã để giải quyết vấn đề và cải thiện cuộc sống. Trong phần này, chúng ta sẽ khám phá cách Machine Learning hữu ích trong việc giải quyết nhiều vấn đề trong các ngành, lĩnh vực và ứng dụng.

3. Machine Learning là một công cụ mạnh mẽ cho các doanh nghiệp. Nó có thể mở ra các cơ hội mới để phát triển, cũng như giúp tự động hóa các quy trình hiện có để làm cho chúng hoạt động hiệu quả hơn. Trong phần này, chúng ta sẽ khám phá cách các doanh nghiệp có thể bắt đầu với Machine Learning và áp dụng công nghệ này vào nhu cầu của họ.

TIPS

1. Machine Learning là sự kết hợp của các khả năng khác nhau, tất cả đều hoạt động cùng nhau và không thể được định nghĩa theo một cách riêng lẻ.

2. Machine Learning có nhiều ứng dụng tiềm năng ở nơi làm việc.

Ví dụ: giúp khách hàng tìm thấy sản phẩm phù hợp với họ hoặc thậm chí dự đoán xu hướng và phong cách trong tương lai mà mọi người sẽ muốn.

3. Máy móc học hỏi tốt nhất từ ​​việc có các ví dụ về hành vi mà bạn muốn chúng học hỏi và sau đó làm theo. Cung cấp một nhiệm vụ đã được thực hiện hàng trăm hoặc hàng nghìn lần trước đó, để nó có một lượng dữ liệu tốt để bắt đầu.

Tham khảo thêm

Code là gì? Hiểu những điều cơ bản về code

Digital Wellbeing là gì? Làm sao để sử dụng công nghệ một cách lành mạnh, hữu ích

Để lại bình luận