Cách học Trí tuệ nhân tạo và máy học cho sinh viên NĂM NHẤT

0

Hôm qua lên lớp về khái niệm Trí tuệ nhân tạo và máy học cho sinh viên NĂM NHẤT (đang sang năm 2)
1. Tôi đưa ra 02 cái hình tương ứng con Chó và con Mèo
2. Hỏi sinh viên: Các em nhận ra được đâu là con Chó, đâu là con Mèo?
3. Tất cả xác nhận: Nhận ra được, chỉ đúng và phát ra âm đúng tương ứng âm thanh và hình ảnh.
4. Tôi lại hỏi sinh viên một: Làm thế nào để nhận ra được?:
5. Em 1: Tại dựa vào các đặc điểm mắt, mũi, hình dạng, lông, màu lông, miệng, đuôi,… nên em nhận ra được.
6. Em 2: Tại mắt em truyền hình ảnh vào não và não suy luận ra được, theo đó miệng em phát ra theo suy luận, tay em chỉ đúng con Chó, con Mèo.
7. Em 3: Tại từ nhỏ em đã nghe người ta nói con Chó với hình ảnh của nó, Con Mèo với hình ảnh của nó, cứ lặp lại nên em nhận ra được.

Tôi kết luận: CÁC EM ĐÃ HỌC ĐƯỢC 1/2 KHÁI NIỆM TRÍ TUỆ NHÂN TẠO VÀ MÁY HỌC
Trò: Ngơ ngác )
Các em đã trả lời đúng rồi, Thầy kết hợp các ý lại như sau:

– Em 1: Mắt ta nhìn vào hình ảnh, mà người ta nói đó là Chó hay Là Mèo; Em 2 có cách nhìn: Hình dáng, đặc điểm về Lông, miệng, mắt,… và với đặc điểm đó người ta gọi là (gán nhãn) Chó hay Mèo; Nó được lặp đi lặp lại như Em 3 phát biểu (gọi là training-dạy), ghi nhớ đặc điểm Cho, Mèo như Em2 tương ứng với tên (Nhãn) Cho, Mèo vào não (qua thần kinh ghi nhớ của não: Mã hoá, Nhớ tạm thời,…)
– Mắt nhận hình ảnh mới (Em 1), não có khả năng “Hồi tưởng” (so khớp các đặc điểm, tương tự thế), suy luận ra đó là con chó hay con mèo.
– Vì nhận thức ra được nên Tay chỉ đúng hình và miệng phát ra quyết định đâu là chó hay mèo
– Nhờ đó mà ta thích nghi được với môi trường sống,….
Vậy đối với con người quá trình nhận thức, suy luận, hành động và thích nghi, bởi:

– Ta có mắt, múi, lưỡi, tai,… để nhận thông tin rừ môi trường vào não. (Sense)
– Có não bộ mã hoá, lưu trữ, hồi tưởng và suy luận. (Reason)
– Sau khi xử lý thông tin vào thì cho ra quyết đinh, dẫn đến những hành động tác động lên lại môi trường qua tay, chân, miệng,… (Act)
– Nhờ đó ta thích nghi, thích ứng với sự thay đổi của môi Trường. (Adapt)

Vậy Trí tuệ nhân tạo là máy móc có khả năng bắt trước/mô phỏng các chức năng nhận thức, lập luận, hành động và thích ứng của con người; Và nếu nói về chương trình máy tính, thì nó là chương trình, hệ thống có khả năng Sense, Reason, Act, Adapt;
Vậy:
1. Máy có Camera, Sensors,… để tiếp nhận thông tin (Sense) như con người có mắt, mũi,…
2. Máy có thể mã hoá dữ liệu, lưu trữ, truy xuất, suy luận thông qua các giải thuật, mô hình máy học,… được lập trình sẵn, sau này có khả năng tự lập trình. (Reason)
3. Có những hành động tác động lại, hiệu chỉnh,… thay đổi môi trường (Ví dụ trong nông nghiệp, nếu nhiệt độ quá cao thường quyết định kéo rèm chống nắng; hay độ pH, EC,.. mức thường cho phép trong nông nghiệp thì cần hiệu chỉnh phù hợp. (Act)
4. Thích nghi, thích ứng bằng các hiệu chỉnh,… và tiếp nhận lại môi trường… lặp lại. (Adapt)

Đề có kiến thức ở 1. các em cần học về lập trình, lập trình nhúng, thiết bị sensors,… IoT, thị lực máy tính (computer vision) ở các môn tự chọn, chuyên đề.
Để có kiến thức 2. Các em học về ngôn ngữ lập trình, cơ sở dữ liệu, cấu trúc dữ liệu và giải thuật, và tự chọn hay chuyên đề máy học.
Để có kiến thức 3 và thứ 4 thường phải học thêm các nghiệp vụ khác, ví dụ như Nông nghiệp, Dầu khí, Chăm sóc sức khoẻ,… nhưng thường ta cần kết hợp với các chuyên gia, doanh nghiệp ở những lĩnh vực đó; Cái này không được học ở Trường mà ở công việc thực tế các bên liên quan sẽ chia sẻ hay training cho mình.

Vậy thật ra Trí tuệ nhân tạo nếu các em học nghiêm túc và kết hợp các môn học bắt buộc, tự chọn, chuyên đề,… thực tập doanh nghiệp, thì cũng đã đủ cơ sở để làm một cái gọi là Trí tuệ nhân tạo. Nếu chúng ta tự ý thức, tự học, đam mê đeo đuổi; Tìm bạn mà học, lên mạng mà học, tìm Thầy theo phụ giúp, tìm doanh nghiệp để xin làm không công,… thì trong vòng 2 năm đầu các em cũng có thể làm được cái gì đó gọi là Trí tuệ nhân tạo.

Vậy Máy học là gì: Dĩ nhiên nó chỉ một phần trong Trí tuệ nhân tạo mà người ta thường hay nói đến khi nói AI.

Máy học được cũng phải từ tính chất của sự vật hiện tượng, được gán nhãn (khi dùng cho học có giám sát) hay không được gán nhãn (khi dùng cho học không giám sát) làm tập dữ liệu để huấn luyện; Vì tập dữ liệu này nhiều, lặp đi lặp lại mà hình thành các quy luật; để nhận ra được các quy luật đó thì cần các giải thuật mà hay được gọi là máy học (machine learning) như Mạng nơron, hay Luật kết hợp được dùng; các Quy luật đó là mô hình, hay tập các luật,… được sử dụng trong suy luận kể trên.

Nếu để máy nhận ra con Mèo hay con Chó; Ta cần tập dữ liệu nhiều hình ảnh con mèo và con chó; Ta mã hoá hình ảnh đó Thành các tính chất gọi là features rồi gán nhán cho nó là Chó hay Mèo; Sau đó dùng một giải thuật có giám sát ví dụ mạng Nơron để tìm ra quy luật (thể hiện bằng mô hình hay đa hàm); Để nhận dạng chó hay mèo thì tấm ảnh mới được mã hoá thành các feature rồi đưa vào mô hình hay tập luật đã được huấn luyện trước đó; nếu Feature gần hơn (tương tự, nói thế dễ hiểu) với các feature của Chó, thì máy tra Quyết định tấm hình là chứa con Chó hoặc ngược lại.

Nhưng không phải dữ liệu nào cũng có nhãn hay bài toán nào cũng cần gán nhãn; Ví dụ mỗi lần ta đi chợ, ta mua những món hàng (gọi là items); Một lần như thế gọi là một giao dịch (Transaction); vì đi mua rất nhiều lần, hàng năm, có nhiều giao dịch,… nên từ đó có những thứ lặp lại với nhau; Vậy ta khai thác các quy luật kết hợp các items đó ta có thể trả lời: NẾU khách hàng mua cafe thì hay mua thêm gói thuốc,… nếu Khách hàng mua tập hợp iTems này thì thường mua tập hợp ITems khác; Nếu ứng dụng vào đời sống thì ta có thể giới thiệu khách hàng mua thêm những thứ khác mà họ có khả năng có nhu cầu nhưng chưa nhận ra,… Với cách này thì ta chọn lựa học không giám sát sử dụng giải thuật Luật kết hợp. Ở một khía cạnh khác nếu ta muốn biết được các nhóm khách hàng: tiềm năng, … thì ta định nghĩa ra các tiêu chí của nhóm, rồi sử dụng các thuật toán phân loại (học có giám sát); Nhưng nếu ta không biết rõ các nhóm thì ta sử dụng các thuật toán phân cụm (học không giám sát)

Các em hiểu được phần nào?

Củ thể hơn nữa ở các bài sau nhé!

Nguồn: TS Dương Trọng Hải. Trưởng khoa CNTT

Facebook: https://www.facebook.com/profile.php?id=100010074945990

LEAVE A REPLY