Deep Learning (DL)

Nơ-ron

Các nhà khoa học đồng ý rằng não bộ của chúng ta có từ 80 đến 100 tỷ nơ-ron.

Những nơ-ron này có hàng trăm tỷ kết nối với nhau.

Nơ-ron (hay còn gọi là Tế bào thần kinh) là đơn vị cơ bản của não bộ và hệ thần kinh của chúng ta.

Nơ-ron chịu trách nhiệm tiếp nhận đầu vào từ thế giới bên ngoài, gửi đầu ra (lệnh đến cơ bắp của chúng ta) và chuyển đổi các tín hiệu điện ở giữa.

Mạng nơ-ron nhân tạo

Mạng nơ-ron nhân tạo thường được gọi là Neural Network (NN).

Mạng nơ-ron nhân tạo thực chất là các Perceptron đa lớp.

Perceptron định nghĩa bước đầu tiên trong mạng nơ-ron nhân tạo đa lớp.

Mạng nơ-ron nhân tạo là cốt lõi của Deep Learning.

Mạng nơ-ron nhân tạo là một trong những phát minh quan trọng nhất trong lịch sử.

Mạng nơ-ron nhân tạo có thể giải quyết các vấn đề mà thuật toán KHÔNG thể giải quyết:

• Chẩn đoán y tế
• Phát hiện khuôn mặt
• Nhận dạng giọng nói

Mô hình mạng nơ-ron nhân tạo

Dữ liệu đầu vào (màu vàng) được xử lý qua một lớp ẩn (màu xanh lam) và được sửa đổi qua một lớp ẩn khác (màu xanh lục) để tạo ra đầu ra cuối cùng (màu đỏ).

Tom Mitchell

Tom Michael Mitchell (sinh năm 1951) là một nhà khoa học máy tính người Mỹ và Giáo sư Đại học tại Đại học Carnegie Mellon (CMU). Ông là cựu Chủ nhiệm Khoa Học máy tại CMU.

"Một chương trình máy tính được cho là học hỏi từ kinh nghiệm E đối với một lớp nhiệm vụ T và thước đo hiệu suất P, nếu hiệu suất của nó trong các nhiệm vụ thuộc T, được đo bằng P, được cải thiện theo kinh nghiệm E".

Tom Mitchell (1999)

• E: Kinh nghiệm (số lần).
• T: Nhiệm vụ (lái xe).
• P: Hiệu suất (tốt hay xấu).

Câu chuyện về Giraffe

Năm 2015, Matthew Lai, một sinh viên tại Đại học Imperial ở London, đã tạo ra một mạng nơ-ron nhân tạo có tên là Giraffe.

Giraffe có thể được huấn luyện trong 72 giờ để chơi cờ vua ở cùng cấp độ với một kiện tướng quốc tế.

Máy tính chơi cờ vua không phải là điều mới mẻ, nhưng cách thức tạo ra chương trình này thì mới.

Các chương trình chơi cờ vua thông minh mất nhiều năm để xây dựng, trong khi Giraffe được xây dựng trong 72 giờ bằng một mạng nơ-ron nhân tạo.

Deep Learning

Lập trình cổ điển sử dụng các chương trình (thuật toán) để tạo ra kết quả:

Machine Learning sử dụng kết quả để tạo ra các chương trình (thuật toán):

Machine Learning

Machine Learning thường được coi là tương đương với Trí tuệ nhân tạo.

Điều này không đúng. Machine Learning là một nhánh nhỏ của Trí tuệ nhân tạo.

Machine Learning là một lĩnh vực của Trí tuệ nhân tạo sử dụng dữ liệu để dạy máy móc.

"Machine Learning là một lĩnh vực nghiên cứu cung cấp cho máy tính khả năng học hỏi mà không cần lập trình".

Arthur Samuel (1959)

Công thức quyết định thông minh

• Lưu kết quả của tất cả các hành động
• Mô phỏng tất cả các kết quả có thể xảy ra
• So sánh hành động mới với các hành động cũ
• Kiểm tra xem hành động mới tốt hay xấu
• Chọn hành động mới nếu nó ít xấu hơn
• Lặp lại toàn bộ quy trình

Việc máy tính có thể thực hiện điều này hàng triệu lần đã chứng minh rằng máy tính có thể đưa ra những quyết định rất thông minh.