Sự khác biệt giữa AI và Machine Learning

S

Như các bạn đã biết thời gian gần đây lĩnh vực Big Data đang phát triển rất nhanh và có rất nhiều cơ hội việc làm liên quan với mức lương rất hấp dẫn. Hôm nay mình sẽ dịch một bài từ tác giả Bernard Marr để chúng ta có thể hiểu thêm một chút kiến thức về lĩnh vực rộng lớn này.

Đầu tiên chúng ra sẽ tìm hiều về sự khác nhau của Trí tuệ nhân tạo (AI) và Machine Learning(ML) , hai từ này được sử dụng rất phổ biến hiện nay và nhiều khi bị sử dụng lẫn lộn nhau.

Hai từ này thực chất không phải để chỉ cùng một vấn để, tuy nhiên theo góc độ nhìn nhận chúng giống nhau đôi lúc có thể dẫn tới hiểu nhầm. Vậy nên tôi thấy rất cần thiết viết ra một bài so sánh nhỏ để chỉ ra điểm khác biệt.

Hai thuật ngữ trên được xuất hiện rất nhiều trên các chủ để về Big Data và các làn sóng lớn của những thay đổi về công nghệ đang điễn ra trên thế giới.

Tóm lại, đây là câu trả lời tốt nhất cho vấn đề trên:

Trí tuệ nhân tạo là một khái niệm rộng về máy móc mà có khả năng thực hiện các nhiệm vụ theo cách mà con người cho rằng “thông minh”.

 Và

ML là một ứng dụng hiện tại theo nền tảng trí tuệ nhân tạo xoay quanh ý tưởng rằng chúng ta nên thực sự cho máy móc chỉ có thể truy cập vào dữ liệu và để chúng tự học.

Những ngày đầu

Trí tuệ nhân tạo đã xuất hiện từ cách đây khá lâu – Truyền thuyết Hy lạp đã có các câu chuyện về người máy được thiết kế  để bắt chước các cử chỉ của chúng ta. Những chiếc máy tính của người châu Âu được sinh ra như “logical machines” và tái hiện các khả năng như số học cơ bản, ghi nhớ, về căn bản thì các kĩ sư xem việc này giống như việc cố gắng tạo ra các bộ não cơ học.

Theo công nghệ, việc quan trọng là hiểu biết của chúng ta về cách hoạt động của suy nghĩ con người đã được phát triển hơn , ý niệm của chúng về điều gì cấu thành nên AI cũng đã thay đổi. Không những tăng độ khó của các phép tính, những công việc trong lĩnh vực AI tập trung vào việc bắt chước các quá trình đưa ra quyết định của con người và thực hiện những nhiệm vụ theo cách mà con người hay làm.

Trí tuệ nhân tạo – các thiết bị được thiết kế để hoạt động một cách thông minh – thường được phân loại vào một trong hai nhóm căn bản – Ứng dụng hoặc Tổng quát. Trí tuệ nhân tạo ứng dụng đang trở nên rất thông dụng, những hệ thống được thiết kế để mua bán cổ phiếu, cổ phần một cách thông minh, hay di chuyển các phương tiện không người lái sẽ thuộc vào nhóm này.

Neural Networks – Artificial Intelligence And Machine Learning (Source: Shutterstock)

Trí tuệ nhân tạo tổng quát- những hệ thống hay thiết bị mà theo lí thuyết có thể xử lí bất cứ nhiệm vụ nào – thường ít thông dụng, tuy nhiên đây lại là nơi thường xuất hiện các tiến bộ thú vị ngày nay. Nó cũng là một lĩnh vực dẫn tới sự phát triển của ML. Thường được xem là tập con của AI, nhưng sẽ thực sự chính xác hơn nếu xem Machine Learning như một công nghệ hiện đại.

Sự trỗi dậy của Machine learning

Hai bước nhảy vọt quan trọng dẫn đến sự nổi lên của Machine Learning như một phương tiện điều khiển sự phát triển đi lên của AI với tốc độ đang có của nó.

Một trong hai bước nhảy vọt đó – theo Arthur Samuel vào năm 1959 – là việc nhận ra rằng hơn cả việc dạy máy tính mọi thứ mà chúng cần phải biết về thế giới và các thực hiện các nhiệm vụ, mà có khả năng chúng cũng cần được  dạy để học cho chính chúng.

Bước nhảy thứ hai gần đây hơn là sự phổ biến của internet và một khối dữ liệu khổng lồ của thông tin số được sinh ra, lưu trữ và được dùng cho phân tích dữ liệu.

Một khi những cải tiến này đã sẵn sàng, các kĩ sư đã nhận ra rằng hơn cả việc dạy máy tính và máy móc cách làm mọi thứ, sẽ hiệu quả hơn rất nhiều nếu chúng được lập trình để có suy nghĩ như con người và sau đó kết nối chúng với internet để cho chúng truy cập vào tất cả các nguồn thông tin trên thế giới.

Mạng lưới Nơ-ron

Sự phát triển của mạng lưới nơ-ron  đã là một chìa khoá quan trọng trong việc dạy máy tính suy nghĩ và hiểu thế giới theo cách chúng ta thường nghĩ,  cùng lúc lưu giữ những ưu điểm mang tính tự nhiên mà chúng có như tốc độ, độ chính xác và không thiên vị.

Một mạng lưới nơ-ron là một hệ thống máy tính được thiết kế để làm việc bằng cách phân loại thông tin giống với cách mà não bộ con người làm. Nó cũng có thể được dạy để nhận dạng, ví dụ, như nhận dạng ảnh, sau đó phân loại ảnh đó dựa trên những thuộc tính của ảnh.

Chúng rất cần thiết phải hoạt động trên một hệ xác suất được dựa vào lượng dữ liệu đưa vào, chúng sẽ có khả năng đưa ra nhận xét, các quyết định hoặc dự đoán với một độ chính xác nhất định. Việc thêm ở một vòng lặp phản hồi cho phép chúng “học” thông qua các cảm biến hoặc chúng được dạy xem quyết định của chúng đúng hay sai, chúng sẽ thay đổi cách tiếp cận trong tương lai.

Các ứng dụng Machine Learning có thể đọc được đoạn chữ và nhận biết xem người viết đoạn chữ đó đang có tâm trạng than phiền hay chúc mừng.  Chúng cũng có thể nghe một đoạn nhạc, sau đó quyết định xem đoạn nhạc đó sẽ làm người khác vui hay buồn, và tìm các đoạn nhạc khác phù hợp với tâm trạng người đó. Trong một số trường hợp, chúng thậm chí còn có thể tự soạn ra các bản nhạc cùng một phong cách hoăc theo cách mà chúng biết là có khả năng được cảm kích bởi những người ngưỡng bộ bản nhạc gốc.

Đây là tất cả những xác suất được đưa ra bởi những hệ thống có nền tảng trên Machine Learning và mạng lưới nơ-ron. Chúng ta phải gửi một lời cảm ơn không nhỏ tới khoa học viễn tưởng, các ý tưởng đó cũng vừa dấy lên rằng chúng ta nên biết cách giao tiếp và tương tác vơi các thiết bị điện tử và thông tin số một cách tự nhiên như các chúng ta làm với người khác. Về phần này, có một lĩnh vực khác của AI – Xử Lí Ngôn Ngữ Tự Nhiên (NLP) – vừa trở thành một nguồn cảm hứng vĩ đại cho những phát minh trong những năm gần đây, và nó cũng phụ thuộc rất lớn vào Machine Learning.

Các ứng dụng liên quan đến NLP cố gắng hiểu các giao tiếp tự nhiên của con người, ngỗ ngữ viết hoặc nói và giao tiếp lại với chúng ta theo ngôn ngữ tương tự và tự nhiên. ML được sử dụng ở đây để giúp các máy móc hiểu được vô vàn các sắc thái trong ngôn ngữ của con người, và học các đáp lại theo cách mà một người nghe cụ thể nào đó có thể hiểu.

Xây dựng thương hiệu?

AI – và đặc biệt là ngày nay ML chắc chắn rằng có rất nhiều giá trị mang lại. Với những hứa hẹn của những nhiệm vụ tự động không mấy thú vị cũng như như đưa ra cái nhìn sáng tạo, các ngành công nghiệp trong mỗi lĩnh vực từ ngân hàng cho đến  y tế và sản xuất đang thu được các lợi ích. Bởi vậy, rất quan trọng để ghi nhớ rằng AI và ML là thứ gì đó khác… chúng là những sản phẩm được bán – một cách nhất quán và sinh lời.

ML chắc chắn được ghi nhận như một cơ hội lớn của các marketers. Sau khi AI đã xuất hiện từ cách đây lâu rồi, có khả năng nó đã đã được bắt đầu coi như là thứ gì đó đã quá quen thuộc thậm chí là trước khi những tiềm năng của nó đã thực sự đạt được. Đã có một số cách khởi đầu sai lầm trong quá trình phát triển của cuộc cách mạng AI, và dĩ nhiên thuật ngữ Machine Learning  cho các marketer một điều gì đó mới mẻ, khả quan và quan trọng là vững chắc ở thời điểm hiện tại.

Thực tế mà cuối cùng chúng ta cũng sẽ phát triển AI như con người thường được xem như thứ gì đó không thể né tránh bởi các nhà công nghệ. Chắc chắn rằng chúng ta ngày nay đang ở gần điều đó hơn bao giờ hết và chúng ra đang tăng tốc độ để tiến đến mục tiêu đó. Có rất nhiều các tiến bộ thú vị mà chúng ta đã chứng kiến trong những năm gần đây là nhờ và những thay đổi căn bản về cách chúng ta né tránh cách thức hoạt động của AI, điều mà vừa được mang lại nhờ ML.

Tôi hy vọng là bài viết này sẽ giúp một số trong chúng ta hiểu về sự khác biệt giữa AI và ML. Trong bài viết tới về chủ đề này, tôi sẽ cố gắng đi sâu hơn khi tôi giải thích về các lí thuyết đằng sau một từ phổ biến – Deep Learning

Source: https://www.forbes.com/sites/bernardmarr/2016/12/06/what-is-the-difference-between-artificial-intelligence-and-machine-learning/3/#41d500662bfc

 

 

About the author

thientvse

Add comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Recent Posts

Recent Comments

Tags