Deep learning là gì? Cách hoạt động và ứng dụng của Deep learning.

Trí tuệ nhân tạo – Deep Learning là gì? Học sâu là gì – Deep learning là gì ? Bài viết này chúng ta sẽ cùng tìm hiểu về Deep learning, cách hoạt động, ưu nhược điểm và các ứng dụng thực tiễn của Deep learning.

Deep Learning là gì?

Deep learning (còn gọi là học sâu). Khái niệm này được lấy cảm hứng từ chức năng giống với các tế bào não của con người gọi là tế bào thần kinh. Deep learning là một tập hợp con của machine learning, sử dụng mạng thần kinh nhân tạo để phân tích dữ liệu về nhiều chi tiết khác nhau, bằng các thuật toán mô phỏng theo hệ thần kinh của con người và thực hiện việc học hỏi từ một lượng lớn dữ liệu được cung cấp để giải quyết những vấn đề cụ thể.

Tương tự như cách chúng ta học hỏi từ kinh nghiệm thuật toán, deep learning sẽ thực hiện một nhiệm vụ nhiều lần mỗi lần tinh chỉnh nhiệm vụ một chút để cải thiện kết quả. Deep Learning chỉ đơn giản là kết nối dữ liệu giữa tất cả các tế bào thần kinh nhân tạo và điều chỉnh chúng theo dữ liệu mẫu.

Càng có nhiều tế bào thần kinh được thêm vào thì kích thước của dữ liệu sẽ càng lớn. Nó tự động có tính năng học tập ở nhiều cấp độ trừu tượng. Qua đó cho phép một hệ thống học hàm ánh xạ phức tạp mà không phụ thuộc vào bất kỳ thuật toán cụ thể nào. Không ai thực sự biết những gì xảy ra trong một mạng lưới thần kinh nhân tạo. Vì vậy, hiện tại bạn có thể gọi Deep Learning là một cái hộp đen.

Cách thức hoạt động của Deep Learning

Để có thể dễ hình dung về Deep Learning chúng ta sẽ tìm hiểu cách nó hoạt động thông qua một số ví dụ sau. Hãy bắt đầu với một ví dụ đơn giản về Deep Learning ở cấp độ khái niệm. Giờ bạn hãy cùng suy nghĩ làm thế nào để chúng ta có thể nhận biết được một hình nào đó là hình vuông.

Có thể đầu tiên bạn sẽ kiểm tra xem hình đó có 4 cạnh hay không, nếu nó đúng chúng ta sẽ kiểm tra tiếp 4 cạnh này có được kết nối với nhau thành 1 hình tứ giác hay không, nếu đúng chúng ta sẽ kiểm tra tiếp 4 cạnh này có vuông góc với nhau không và chúng có kích thước bằng nhau không. Nếu tất cả đều đúng thì kết quả nó là hình vuông

Nhìn chung thì cũng không có gì phức tạp cả nó chỉ là 1 hệ thống phân cấp các khái niệm. Chẳng hạn như ví dụ ở trên chúng ta đã chia nhiệm vụ xác định hình vuông thành những nhiệm vụ nhỏ và đơn giản hơn. Deep Learning cũng hoạt động tương tự như vậy nhưng ở quy mô lớn hơn.

Ví dụ về việc nhận diện con vật:

Nhiệm vụ của máy tính lúc này là nhận biết hình ảnh đã cho là hình của con mèo hay là của con chó nếu bạn dạy máy tính nhận diện hình ảnh một con mèo thì chúng ta sẽ lập trình ra nhiều lớp trong mạng thần kinh nhân tạo mỗi lớp có khả năng xác định một đặc điểm cụ thể của con mèo như râu, vuốt, chân sau đó, cho máy tính xem hàng ngàn bức ảnh mèo khác nhau (và chỉ ra rằng “Đây là con mèo”) cùng hàng ngàn bức ảnh không phải mèo (và chỉ ra rằng “đây không phải mèo”)

Khi mạng thần kinh nhân tạo này xem hết các bức ảnh các lớp (còn gọi node) của nó sẽ dần nhận ra râu, vuốt, chân…nó có thể biết lớp nào là quan trọng, lớp nào không quan trọng. Nó cũng sẽ nhận ra rằng mèo luôn có chân nhưng những con vật không phải mèo cũng có chân. Vì vậy, khi cần xác định mèo máy tính sẽ tìm chân và đi kèm với những đặc điểm khác như móng vuốt hay râu…Deep Learning sẽ tự động tìm ra đặc điểm nào quan trọng nhất để phân loại mục tiêu. Trong khi đối với Machine Learning những đặc điểm này phải được đưa ra bởi con người.

Một số ứng dụng phổ biến của deep learning hiện nay

+ Ứng dụng deep learning vào hệ thống gợi ý:

Các nền tảng lớn hiện nay như Facebook, Lazada, Tiki…đều có hệ thống gợi ý rất mạnh giúp tăng đáng kể độ tương tác của người dùng chúng dựa trên các dữ liệu của người dùng phát sinh ra khi sử dụng và tương tác trên các thiết bị có kết nối internet để gợi ý thêm những sản phẩm họ sẽ thích. Ví dụ như trên các nền tảng mua sắm, gợi ý các bài quảng cáo hoặc được tài trợ như trên Facebook hay các khóa học mà người học quan tâm như trên các nền tảng học online.

+ Ứng dụng deep learning vào ứng dụng nhận diện hình ảnh

Mục tiêu của công nghệ nhận diện ảnh là nhận biết và xác định các đối tượng trong ảnh cũng như hiểu được nội dung và ngữ cảnh trong đó. Ví dụ dịch vụ nhận diện và xác định khuôn mặt của AlchemyVision có khả năng phân biệt hai khuôn mặt tương tự nhau giữa nam diễn viên Will Ferrell và tay trống của Red Hot Chili Peppers, Chad Smith. Công nghệ nhận diện hình ảnh cũng được đưa vào Facebook để gợi ý người dùng tag mặt bạn bè hay ứng dụng vào khoa học tội phạm và điều tra.

+ Ứng dụng deep learning vào trong y khoa

Chương trình phần mềm trí tuệ nhân tạo có tên là Watson của IBM đã phát hiện ra một loại bệnh mà các bác sĩ đã không thể tìm ra ở một nữ bệnh nhân. Bằng cách so sánh bộ gen của người phụ nữ này với hơn 20 triệu kết quả nghiên cứu bệnh khác. Watson đã đưa ra kết quả là một chứng Leukemia cực kỳ hiếm gặp chỉ trong 10 phút. Và vẫn còn rất nhiều ứng dụng hữu ích khác của deep learning trong thực tế.

Hạn chế của deep learning

+ Dep learning luôn đòi hỏi một lượng dữ liệu đầu vào khổng lồ để máy tính học hỏi. Quy trình này mất nhiều thời gian và sức mạnh xử lý chỉ có các server (máy chủ) cỡ lớn mới làm được. Nếu không có đủ dữ liệu đầu vào hoặc có đủ dữ liệu đầu vào, nhưng lại không có đủ sức mạnh để xử lý thì mọi thứ không thể diễn ra đúng như ý định và kết quả máy tính đưa ra cuối cùng cũng không chính xác.

+ Deep learning vẫn chưa thể nhận biết được những thứ phức tạp, hoặc tương tự nhau. Lý do là vì hiện chưa có kĩ thuật nào đủ tốt nhằm giúp trí tuệ nhân tạo có thể rút ra những kết luận đó một cách logic bởi chúng chưa có được khả năng nhận biết như con người.

Trí tuệ nhân tạo mang lại rất nhiều giá trị cho cuộc sống loài người nhưng cũng tiềm ẩn những nguy cơ. Rất nhiều chuyên gia lo lắng rằng, khi trí tuệ nhân tạo đạt tới 1 ngưỡng tiến hóa nào đó thì đó cũng là thời điểm loài người bị tận diệt. Rất nhiều các bộ phim đã khai thác đề tài này với nhiều góc nhìn khác nhau, nhưng qua đó đều muốn cảnh báo loài người về mối nguy hiểm đặc biệt này. Dự báo cho rằng, từ 5 đến 10 năm nữa ngành khoa học này sẽ phát triển lên tới đỉnh cao. Hãy cùng chờ đợi những thành tựu mới nhất của loài người về lĩnh vực này.

Nguồn: Tri Thức Nhân Loại