Deep Learning – Công nghệ phía sau trí thông minh nhân tạo

Khi trí tuệ nhân tạo phát triển, Deep learning – học sâu trở thành một trong những ngành ‘hot’ nhất trong lĩnh vực khoa Machine Learning tính.

Do sự phát triển của khoa học công nghệ và internet, nhu cầu khai phá trí thức từ các nguồn dữ liệu khổng lồ được lưu trữ ngày càng tăng. Hiện nay, trí thông minh nhân tạo (AI) là xu thế phát triển của thế giới, và Machine learning (Machine Learning) là một trong những lĩnh vực quan trọng của AI được sinh ra nhằm khai thác thông tin khổng lồ này.

Machine learning – Machine Learning là chương trình chạy trên một mạng thần kinh nhân tạo, có khả năng huấn luyện máy tính “học” từ một lượng lớn dữ liệu được cung cấp để giải quyết những vấn đề cụ thể. Chẳng hạn, nếu muốn dạy robot cách đi từ nơi này đến nơi kia để nó chỉ đường cho người khác, theo cách truyền thống bạn sẽ đưa cho nó một loạt quy tắc hướng dẫn cách nhìn trái phải hay tránh người đi qua, chọn đường đi thoáng nhất và ngắn nhất…

Khi dùng Machine learning, bạn sẽ cho robot xem hàng chục nghìn video quay cảnh người đi lại và hàng chục nghìn video quay cảnh ai đó va chạm để nó tự học theo. Phần khó nhất là làm sao cho máy tính hiểu được những video này ngay từ đầu.

Để Machine Learning hiệu quả, chính xác hơn, Deep Learning (học sâu) đã ra đời. Deep learning sẽ giúp robot học nhanh, kỹ và áp dụng chính xác hơn. Lấy ý tưởng từ bộ não sinh học, các mô hình học sâu xây dựng các thuật toán giúp máy suy nghĩ và xử lý thông tin giống như bộ não con người. Nhờ có nhiều lớp thần kinh nhân tạo hơn Machine learning, Deep learning sẽ có khả năng tự học và nhận diện nhiều vấn đề có cấp độ phức tạp hơn nhiều. Deep learning cho phép máy tính tự động hiểu, xử lý và học từ dữ liệu để thực thi nhiệm vụ được giao, cũng như cách đánh giá giúp tăng tính hiệu quả.

Ví dụ, robot dẫn đường ở sân bay Incheon (Hàn Quốc) có thể thay đổi tốc độ trên đường đi, biết dừng lại tránh người đi tới, biết chọn phần đường ít người đi qua và biết thay mặt cười khi người đi cùng muốn chụp ảnh selfie.

Một ví dụ khác là khi bạn dạy máy tính nhận diện hình ảnh một mỹ nhân – khái niệm có tính trừu tượng. 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 mỹ nhân như mắt, miệng, mũi, số đo ba vòng… rồi cho máy xem hàng chục nghìn bức ảnh mỹ nhân (chỉ ra rằng “Đây là mỹ nhân”) cùng hàng trăm nghìn bức ảnh của các đối tượng khác nhau (chỉ ra rằng “Đây không phải mỹ nhân”).

Khi mạng thần kinh nhân tạo này xem hết các bức ảnh, các lớp của nó sẽ dần nhận ra đặc điểm và biết lớp nào là quan trọng, lớp nào không để tự định nghĩa về khái niệm mỹ nhân. Nó cũng sẽ nhận ra rằng mỹ nhân là một con người và là phụ nữ, nên khi cần xác định mỹ nhân, nó sẽ lọc tìm hình ảnh phụ nữ, kèm những đặc điểm khác như tỷ lệ khuôn mặt, các số đo cơ thể chuẩn…

Nhờ Deep learning, trí tuệ nhân tạo sẽ phát triển mạnh

Các mô hình, thuật toán học sâu phát triển ngày càng rộng rãi và được ứng dụng nhiều vào thực tiễn nhằm giảm thiểu tối đa sức lao động của con người. Có thể dễ dàng bắt gặp các ứng dụng sử dụng học sâu như trò chơi, các ứng dụng xử lý ảnh trên mạng xã hội, các lời hỗ trợ ra quyết định trên trang tin tức, mua sắm và các trợ lý ảo của các tập đoàn lớn như Mircrosoft, Google, Apple…

Cụ thể, chúng dựa trên các dữ liệu người dùng phát sinh để gợi ý thêm những sản phẩm họ sẽ quan tâm, thích (trên các nền tảng mua sắm), gợi ý các bài quảng cáo/được tài trợ (trên Google, Facebook, Naver…) hay các khóa học người học quan tâm (trên các nền tảng học online như Funix, Coursera..) và rất nhiều lĩnh vực khác nữa.

Một ứng dụng lớn khác của Deep learning là công nghệ xử lý ảnh, đang rất phát triển và hứa hẹn nhiều tiềm năng. Công nghệ nhận diện hình ảnh của Facebook là một ví dụ. Dù các bức ảnh chụp ở nhiều góc khác nhau, Facebook nhận diện hình ảnh và đưa ra những gợi ý chính xác để người dùng gắn thẻ (tag) bạn bè vào ảnh.

Công nghệ này cũng được ứng dụng vào khoa học tội phạm và điều tra, hay đưa vào ứng dụng camera công cộng tại nhiều quốc gia để quản lý an ninh công cộng. Chẳng hạn, ở Hàn Quốc hay Trung Quốc, hệ thống camera an ninh tại đây sẽ nhận diện chính xác khuôn mặt của tất cả mọi người dù ở góc độ nào. Bạn có thể tự tin vào an ninh công cộng vì hệ thống an ninh biết chính xác từng khuôn mặt ngoài đường.

Deep learning cũng được ứng dụng nhiều trong lĩnh vực y tế, đặc biệt là lĩnh vực y sinh. Trí tuệ nhân tạo Watson của IBM có thể xác định chứng leukemia hiếm gặp ở loài người trong khoảng mười phút trong khi các bác sĩ không thể tìm ra. Để làm được điều này, Watson đã so sánh bộ gene của bệnh nhân với hơn 20 triệu kết quả nghiên cứu bệnh khác.

Hiện nay, trước tiềm năng của công nghệ này, các tập đoàn công nghệ lớn trên thế giới như Google, Apple, Tencent, Hanwa… luôn ưu tiên các startup về robot và deep learning. Những nghiên cứu quy mô từ các tập đoàn lớn này đang tạo ra những công nghệ ngày càng đột phá, như trợ lý ảo như Siri, Google Assitant, robot quản gia, các hệ thống xe tự lái… cho đến phát triển các nguyên liệu mới giúp robot thấu hiểu thế giới xung quanh, các nghiên cứu rút ngắn quỹ đạo cho tàu không gian…

Deep learning đang ngày càng cho thấy một tương lai đầy hứa hẹn. Khả năng phân tích dữ liệu lớn và sử dụng deep learning vào các hệ thống máy tính khiến máy tính có thể tự thích nghi với những gì chúng tiếp nhận mà không cần đến bàn tay lập trình của con người. Sự tiến bộ đó sẽ nhanh chóng mở đường cho nhiều đột phá trong tương lai về trí tuệ nhân tạo.

Mentor Trần Quốc Tuấn (Đại học trực tuyến FUNiX)