Hướng dẫn cho người mới học AI: mạng trí tuệ nhân tạo (neural network)

Một trong những chủ đề gây nhiều tranh cãi gần đây là trí tuệ nhân tạo. Trong khi những người như Elon Musk cảnh báo rằng một ngày nào đó, robot sẽ hủy hoại cuộc đời con người, các chuyên gia khác lại cho rằng AI giúp ích rất nhiều và giờ công nghệ ở khắp mọi nơi.

Để nói ai đúng ai sai không dễ. Nhưng nếu muốn biết về AI thì tốt nhất chính là bắt đầu với deep learning.

AI trở thành tâm điểm trong giới công nghệ nhờ sự phát triển của deep learning. Những tiến bộ đáng kể của thị giác máy tính (computer vision) và xử lý ngôn ngữ tự nhiên (natural language processing) - hai chức năng quan trọng và hữu ích nhất của AI - liên quan trực tiếp tới mạng trí tuệ nhân tạo.

Neural Network - Mạng nơ-ron nhân tạo là gì?

Các nhà khoa học cho rằng bộ não của sinh vật sống xử lý thông tin bằng mạng thần kinh. Não người có khoảng 100 tỉ tỉ khớp thần kinh - khoảng cách giữa các dây thần kinh - tạo nên các con đường nhất định khi được kích hoạt. Khi một người nghĩ, nhớ hay trải nghiệm gì đó bằng giác quan, người ta cho rằng con đường thần kinh đó sẽ sáng lên trong não.

Khi học đọc, bạn phải nghe đọc to chữ cái để có thể nghe được chúng và để bộ não non nớt đưa ra kết luận. Nhưng khi đã đọc từ "mèo" đủ nhiều, bạn không cần phải đọc lớn lên nữa. Lúc này, bạn dùng phần bộ não liên quan tới trí nhớ chứ không phải giải quyết vấn đề, do đó lại dùng tới khớp thần kinh khác do bạn đã dạy cho mạng thần kinh sinh học của mình nhận biết từ đó rồi.

Trong lĩnh vực deep leaning, mạng thần kinh được đại diện bằng các lớp giống như khớp thần kinh trong cơ thể sống. Các nhà nghiên cứu dạy máy tính từ "mèo" - hoặc hình ảnh con mèo - bằng cách cho nó xem ảnh mèo nhiều nhất có thể. Mạng trí tuệ nhìn các hình ảnh này và tìm ra ảnh giống với nó, để biết được đâu là con mèo.

Ngày nay, dữ liệu mới là thứ quý giá hơn cả
Ngày nay, dữ liệu mới là thứ quý giá hơn cả

Các nhà khoa học dùng mạng nhân tạo dạy máy tính. Đây là một số ví dụ về ứng dụng của chúng:

  • Làm sáng rõ ảnh tối
  • Phân tích MRI và hiển thị những gì bạn đang nghĩ
  • Chơi Super Mario Bros
  • Tự sao chép

Bạn cũng có thể thấy mạng trí tuệ nhân tạo giải quyết được rất nhiều vấn đề. Để hiểu chúng hoạt động ra sao, và cách máy tính tự học như thế nào, hãy cùng nhìn vào 3 kiểu mạng nhân tạo cơ bản.

Có nhiều kiểu deep learning và mạng trí tuệ nhân tạo nhưng hãy tập trung vào 3 loại là Generative Adversarial Network (GANs), Convolutional Neural Networks (CNNs) và Recurrent Neural Networks (RNNs).

Generative Adversarial Network (GANs)

GAN. Ian Goodfellow - một trong những chuyên gia về AI của Google - đã tạo ra GAN vào năm 2014. GAN là mạng trí tuệ gồm 2 bên đối lập - bên khởi tạo và bên đối lập đấu tranh với nhau cho tới khi bên khởi tạo thắng. Nếu muốn tạo AI bắt chước phong cách nghệ thuật của Picasso chẳng hạn, bạn phải cho GAN xem nhiều tranh của họa sĩ này.

Một bên sẽ cố tạo ảnh lừa bên kia, khiến nó nghĩ rằng đó là tranh của Picasso. Cơ bản, AI có thể học mọi thứ về tác phẩm của Picasso bằng cách xem từng pixel trên từng tấm ảnh. Một bên sẽ tạo ảnh và bên kia quyết định xem đó có phải tranh của Picasso không. Khi AI tự lừa được chính nó, con người sẽ xem kết quả để xác định thuật toán có cần chỉnh sửa gì không để có kết quả tốt hơn, hoặc đã thành công trong việc bắt chước phong cách.

GAN được sử dụng trên nhiều AI, gồm cả AI của Nvidia tạo ra hình ảnh con người hoàn toàn không tồn tại.

Convolutional Neural Networks (CNNs)

CNN, về lý thuyết, có từ khoảng những năm 40s nhưng nhờ sự phát triển của phần cứng và các thuật toán hiệu quả, chúng ngày càng hữu ích hơn. Trong khi GAN cố lừa bên đối lập thì trong CNN, dữ liệu được lọc qua nhiều lớp rồi được phân mục. Chúng chủ yếu được dùng để nhận diện hình ảnh và xử lý ngôn ngữ văn bản.

Nếu có hàng tỉ giờ video phải xem, bạn có thể tạo một CNN xác minh xem từng khung hình chiếu cái gì. CNN được dạy bằng cách xem nhiều hình ảnh phức tạp được con người đánh dấu. AI học cách nhận diện ô tô, xe, bướm… bằng cách nhìn vào ảnh đã được con người gắn nhãn, so sánh pixel trong ảnh với nhãn dán mà nó biết rồi sắp xếp vào các mục mà nó đã được dạy.

CNN cũng là mạng thần kinh phổ biến, được dùng trong nhiều lĩnh vực.

Recurrent Neural Networks (RNNs)

RNN chủ yếu được dùng cho các AI cần có ngữ cảnh để hiểu được dữ liệu đầu vào. Ví dụ như AI xử lý ngôn ngữ tự nhiên và thông dịch tiếng nói của con người. Cứ nhìn vào Google Assistant hay Amazon Alexa là bạn hiểu cách RNN được dùng trong thực tế.

Để hiểu RNN hoạt động ra soa, thử tưởng tượng AI tạo bản nhạc mới dựa trên những gì con người đã làm. Khi bạn chơi một nốt, nó sẽ cố nghĩ xem nốt tiếp theo là gì. Khi chơi nốt tiếp theo, AI sẽ dự đoán xem bài hát sẽ như thế nào. Từng phần ngữ cảnh sẽ cung cấp thông tin cho bước tiếp theo và RNN liên tục cập nhật chính nó dựa trên những dữ liệu đầu vào mà nó liên tiếp nhận được.

Đi sâu hơn vào mạng nhân tạo

Có rất nhiều kiểu mạng nhân tạo và 3 kiểu trên đây chỉ là một phần trong những gì bài viết muốn nói. Nhưng nếu đã đọc tới đây, bạn có lẽ cũng muốn biết mạng nhân tạo là gì và nó làm được gì. Đây là một vài gợi ý nếu bạn muốn tiếp tục theo học:

Thứ Sáu, 20/07/2018 14:43
52 👨 1.460
0 Bình luận
Sắp xếp theo