Thời gian gần đây, mỗi khi mở điện thoại hay bật máy tính, bạn có thể sẽ nghe thấy cụm từ “AI” – trí tuệ nhân tạo. Cụm từ này thường được nhắc đến khắp nơi. Nào là điện thoại biết nhận diện khuôn mặt, nào là camera an ninh “thông minh”. Nào là ứng dụng giúp tạo thực đơn ăn uống tùy theo sức khỏe… Vậy thật ra, làm sao máy móc lại trở nên “thông minh” như vậy? Câu trả lời nằm ở một lĩnh vực rất đặc biệt trong trí tuệ nhân tạo. Đó chính là máy học – Machine Learning.
1. Máy học là gì? – Học như người, nhưng là máy!
Nói một cách đơn giản, machine learning là cách để dạy máy tính học hỏi từ dữ liệu. Đó giống như cách con người học từ kinh nghiệm vậy. Nếu bạn từng nướng bánh vài lần, bạn có thể rút ra rằng “lò nhà mình nên giảm 10 độ để không cháy”. Đó chính là một kiểu “học từ dữ liệu”. Máy tính cũng học theo cách tương tự. Nó được cung cấp dữ liệu, thường là một lượng dữ liệu rất lớn. Từ đó, máy tính rút ra quy luật để đưa ra quyết định trong tương lai.
Ví dụ
- Khi bạn xem một bộ phim Hàn Quốc, YouTube sẽ đề xuất thêm 3 bộ phim cùng thể loại. Đó là hệ thống machine learning đang hoạt động.
- Khi bạn gõ sai chính tả nhưng Google vẫn “hiểu” bạn muốn gì – là nhờ machine learning.
2. Máy học bắt đầu từ đâu?
Khái niệm về việc để máy móc học hỏi thật ra không mới. Nó đã được nhắc đến từ… những năm 1950! Một trong những người đầu tiên nghĩ đến ý tưởng này là Arthur Samuel. Ông là một nhà khoa học máy tính người Mỹ. Chính ông là người đầu tiên sử dụng thuật ngữ “machine learning”, vào năm 1959. Ông còn phát triển một chương trình cho máy tính chơi cờ đam (checkers). Chương trình này học được cách chơi ngày càng giỏi hơn theo thời gian.
Sau đó, vào những năm 1980-1990, các nhà nghiên cứu bắt đầu xây dựng những mô hình machine learning phức tạp hơn. Điều này nhờ vào sự phát triển của máy tính và dữ liệu kỹ thuật số. Tuy nhiên, phải đến đầu thế kỷ 21, machine learning mới thật sự bùng nổ. Đó là khi internet phát triển mạnh và dữ liệu trở nên “đầy ắp”.
3. Machine learning hoạt động như thế nào?
Bạn cứ tưởng tượng một “robot đầu bếp” được giao công thức nấu ăn, nguyên liệu và hướng dẫn nấu. Sau nhiều lần nấu thử, nó dần dần biết cách tự điều chỉnh nhiệt độ, thời gian, thậm chí… bày biện món ăn cho đẹp. Đó là máy học.
Máy học có thể chia thành 3 loại chính:
- Học có giám sát (Supervised learning): học từ các ví dụ đã có sẵn đáp án. Ví dụ: phân loại email là “spam” hay “bình thường”.
- Học không giám sát (Unsupervised learning): máy tự tìm ra mẫu trong dữ liệu. Nó làm điều này mà không cần “đáp án” cụ thể nào. Ví dụ: nhóm khách hàng theo hành vi mua sắm.
- Học tăng cường (Reinforcement learning): máy tự học bằng cách thử đúng, sai. Nó rút kinh nghiệm dần dần, giống như khi ta huấn luyện thú cưng vậy.
💡 Có thể bạn chưa biếtChatGPT và các chatbot AI hiện nay cũng được “tinh chỉnh” bằng một dạng học tăng cường, gọi là RLHF – học tăng cường từ phản hồi của con người. Con người chấm điểm câu trả lời, còn máy học từ đó để trả lời ngày càng tốt hơn. |
4. Vai trò của máy học trong trí tuệ nhân tạo
Nếu xem AI là một “người thông minh”, thì machine learning chính là phần bộ não không ngừng luyện tập. Nó không chỉ “thuộc bài” một lần. Nó còn liên tục học hỏi mỗi khi có dữ liệu mới.
Một số ví dụ thực tế:
- Xe tự lái: máy học giúp xe học cách xử lý các tình huống giao thông khác nhau.
- Chẩn đoán y khoa: máy học có thể phân tích hàng ngàn hình ảnh X-quang. Nó nhận biết dấu hiệu bệnh sớm hơn cả chẩn đoán của bác sĩ.
- Trợ lý ảo như Siri, Google Assistant: chúng “nghe” bạn nói và học cách phản hồi tự nhiên hơn.
Vì sao lại quan trọng? Nếu không có máy học, AI chỉ là những bộ quy tắc cứng nhắc. Nó sẽ không thể thích nghi hay cải thiện theo thời gian.
5. Một số nhà khoa học tiêu biểu trong lĩnh vực machine learning – Ai đang “đi trước”?
Geoffrey Hinton là một trong những “cha đẻ” của deep learning. Đây là một nhánh nâng cao của machine learning. Năm 2012, ông cùng nhóm học trò đã phát triển mô hình nhận diện hình ảnh mang tên AlexNet. Mô hình này vượt trội hẳn so với phần còn lại, tạo cú hích cho toàn ngành AI.
Fei-Fei Li là giáo sư gốc Trung Quốc tại Stanford. Bà là người sáng lập bộ dữ liệu hình ảnh ImageNet. Đây chính là nền tảng cho nhiều đột phá trong học máy và thị giác máy tính.
Yoshua Bengio và Yann LeCun là những người tiên phong khác trong lĩnh vực này. Họ đã giúp máy học từ dữ liệu, theo cách gần giống não người học từ trải nghiệm.
Cập nhật thú vị: năm 2018, cả ba nhà khoa học Hinton, Bengio và LeCun cùng nhận giải thưởng Turing. Đây được xem là “giải Nobel” của ngành khoa học máy tính. Giải thưởng này càng khẳng định vai trò nền tảng của họ trong cuộc cách mạng AI hiện nay.
6. Máy học – Có “thân thiện” không?
Một số người vẫn lo ngại: “Máy học có thay thế con người không?” Câu trả lời là: không phải thay thế, mà là hỗ trợ. Machine learning không thể thay thế cảm xúc, đạo đức hay sự sáng tạo độc đáo của con người. Nhưng nó có thể giúp chúng ta làm việc nhẹ hơn, hiệu quả hơn.
Tưởng tượng:
- Một bác sĩ có trợ lý AI nhắc nhở và gợi ý chẩn đoán.
- Một người nội trợ có thể lên thực đơn theo dinh dưỡng với chỉ vài cú nhấn chuột.
- Một doanh nghiệp nhỏ có thể dùng AI để biết khách hàng thích gì. Họ không cần tốn tiền thuê chuyên gia riêng.
Lời tạm kết – Đơn giản mà… không đơn giản
Máy học có thể là thuật ngữ “cao siêu” với nhiều người. Nhưng thật ra, nó đang hiện diện nhẹ nhàng trong cuộc sống thường nhật của mỗi chúng ta. Từ chiếc điện thoại bạn đang dùng, đến robot hút bụi chạy lon ton trong bếp, đâu đâu cũng có máy học.
Bạn không cần biết viết mã hay lập trình để hiểu điều này. Machine learning là cách để máy móc học từ chính chúng ta, và vì chúng ta. Điều đó không chỉ giúp công nghệ tiến xa hơn. Nó còn giúp cuộc sống trở nên… nhẹ nhàng hơn một chút mỗi ngày.
Tài liệu tham khảo
- MIT Sloan – “Machine Learning, Explained”: bài giải thích nền tảng, dễ hiểu về machine learning từ một trong những trường đại học công nghệ hàng đầu thế giới. https://mitsloan.mit.edu/ideas-made-to-matter/machine-learning-explained
- IBM – “What is Machine Learning?”: tổng quan chi tiết về lịch sử, phân loại và ứng dụng của machine learning. https://www.ibm.com/think/topics/machine-learning
