Học Máy (Machine Learning) Là Gì? Giải Thích cho Người Mới Bắt Đầu
Học máy (machine learning) là một nhánh của trí tuệ nhân tạo giúp máy tính học các quy luật từ dữ liệu và tự tìm ra mẫu, nhờ đó đưa ra dự đoán hoặc quyết định mà không cần được lập trình chi tiết cho từng tình huống. Thay vì viết từng quy tắc một, ta cung cấp dữ liệu và thuật toán để nó học quy luật từ chính dữ liệu.
Phiên bản đơn giản
Hãy tưởng tượng dạy trẻ nhận biết trái cây. Ta không đưa ra quy tắc phức tạp, mà chỉ cho xem nhiều ví dụ. Dần dần trẻ nhận ra quy luật và đoán được trái cây mới chưa từng thấy. Học máy cũng vậy: học từ ví dụ rồi áp dụng cho dữ liệu mới.
Khác với lập trình thông thường
| Lập trình thông thường | Học máy |
|---|---|
| Con người viết quy tắc | Máy tính tự tìm quy tắc |
| Dữ liệu + quy tắc → đáp án | Dữ liệu + ví dụ → mô hình |
| Cứng nhắc với tình huống mới | Suy đoán được dữ liệu mới |
| Hợp với quy tắc cố định | Hợp với mẫu phức tạp |
Các loại chính
- Học có giám sát: học từ dữ liệu gắn nhãn, như lọc thư rác.
- Học không giám sát: tìm cấu trúc trong dữ liệu không nhãn.
- Học tăng cường: học qua thử sai và phần thưởng.
- Học sâu: dùng mạng nơ-ron nhiều lớp cho các mẫu phức tạp.
Ví dụ sử dụng
- Gợi ý phim hoặc sản phẩm.
- Lọc email rác.
- Nhận diện khuôn mặt và giọng nói.
- Phát hiện giao dịch bất thường.
- Dịch thuật và trợ lý hội thoại.
Lợi ích và hạn chế
Học máy hữu ích với các quy luật khó viết thành quy tắc cố định và có thể xử lý lượng dữ liệu lớn. Tuy nhiên chất lượng phụ thuộc vào dữ liệu: dữ liệu thiên lệch hoặc không đại diện tạo ra mô hình thiên lệch, và mô hình có thể sai trong tình huống khác xa dữ liệu huấn luyện. Nên đánh giá kết quả thay vì mặc định coi là đúng.
FAQ
Học máy khác AI ở điểm nào?
AI là lĩnh vực rộng tạo hệ thống thông minh; học máy là một phần của AI tập trung vào việc học từ dữ liệu.
Người dùng có cần giỏi toán phức tạp không?
Để sử dụng sản phẩm học máy thì không; toán phức tạp cần hơn khi xây dựng hoặc nghiên cứu mô hình.
Dữ liệu huấn luyện là gì?
Tập các ví dụ để thuật toán học trước khi đối mặt với dữ liệu mới.
Vì sao mô hình có thể sai?
Vì dữ liệu có thể thiếu, thiên lệch hoặc khác tình huống thực tế, khiến quy luật học được không áp dụng trọn vẹn.
Điểm chính
- Học máy giúp máy tính học quy luật từ dữ liệu.
- Không cần quy tắc chi tiết cho từng tình huống.
- Loại chính: có giám sát, không giám sát, tăng cường và học sâu.
- Chất lượng mô hình phụ thuộc chất lượng và độ đa dạng của dữ liệu.
Tiếp tục đọc LLM là gì và mạng nơ-ron là gì.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free