Phân biệt Machine learning, Deep learning và AI

Trong thời đại công nghệ số hiện nay, các thuật ngữ như Machine learning, Deep learning và AI (Trí tuệ nhân tạo) được sử dụng rất phổ biến và gắn liền với nhiều ứng dụng thú vị. Tuy nhiên, không phải ai cũng hiểu rõ sự khác biệt giữa chúng. Bài viết này sẽ giải thích khái niệm và phân biệt ba thuật ngữ này một cách đơn giản và dễ hiểu.

Machine learning là gì?

Machine learning là một phương pháp cho phép máy tính tự học hỏi từ dữ liệu mà không cần được lập trình cụ thể cho từng trường hợp. Machine learning dựa trên các thuật toán toán học để phân tích dữ liệu, rút ra các quy luật và mẫu, và đưa ra các dự đoán hoặc hành động tương ứng. Machine learning có thể giải quyết các bài toán phân loại (classification), hồi quy (regression), phân cụm (clustering), khuyến nghị (recommendation),...

Machine learning có hai loại chính là học có giám sát (supervised learning) và học không giám sát (unsupervised learning). Học có giám sát là khi máy tính được cung cấp dữ liệu có nhãn (label), tức là biết trước kết quả mong muốn của từng đầu vào. Mục tiêu của học có giám sát là học cách ánh xạ từ đầu vào đến đầu ra một cách chính xác nhất. Ví dụ: nhận diện ký tự viết tay, phát hiện spam email, dự báo giá cổ phiếu, v.v.

Học không giám sát là khi máy tính được cung cấp dữ liệu không có nhãn, tức là không biết trước kết quả mong muốn của từng đầu vào. Mục tiêu của học không giám sát là học cách phát hiện các cấu trúc hoặc nhóm trong dữ liệu một cách tự động. Ví dụ: phân tích khách hàng, phát hiện bất thường, giảm chiều dữ liệu,...

Deep learning là gì?

Deep learning là một kỹ thuật nâng cao của machine learning, nó sử dụng các mạng nơ-ron nhân tạo (artificial neural networks) để học từ dữ liệu. Mạng nơ-ron nhân tạo là một tập hợp các nút (node) được kết nối với nhau theo các lớp (layer), mô phỏng cách hoạt động của não bộ con người. Mỗi nút trong mạng nơ-ron nhận đầu vào từ các nút ở lớp trước, xử lý bằng một hàm kích hoạt (activation function), và gửi đầu ra cho các nút ở lớp sau.

Deep learning được gọi là "deep" vì nó sử dụng nhiều lớp ẩn (hidden layer) để trích xuất các đặc trưng (feature) từ dữ liệu ở các mức độ khác nhau. Các lớp ẩn gần với đầu vào sẽ học được các đặc trưng đơn giản, ví dụ như các đường thẳng, các góc, các màu sắc, v.v. Các lớp ẩn gần với đầu ra sẽ học được các đặc trưng phức tạp, ví dụ như các khuôn mặt, các chữ viết, các đối tượng, v.v.

Deep learning có thể giải quyết các bài toán khó mà machine learning truyền thống không thể, như nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, phát hiện đối tượng, sinh ảnh,... Tuy nhiên, deep learning cũng có những hạn chế như cần nhiều dữ liệu để huấn luyện, cần nhiều tài nguyên tính toán, khó giải thích quá trình học và ra quyết định,...

AI là gì?

AI là viết tắt của Artificial Intelligence, hay Trí tuệ nhân tạo. AI là một lĩnh vực rộng lớn của khoa học máy tính, nó nghiên cứu cách tạo ra các máy và chương trình có khả năng thực hiện các công việc thông minh mà con người có thể làm. AI bao gồm nhiều lĩnh vực con khác nhau, như machine learning, deep learning, computer vision, natural language processing, speech recognition, robotics, expert systems,...

AI có thể được chia thành hai loại chính:

• AI yếu: là khi máy tính chỉ có thể thực hiện một công việc thông minh cụ thể, ví dụ như chơi cờ vua hay lái xe tự động. AI yếu không có khả năng tự suy nghĩ hay hiểu bản chất của công việc mà chỉ tuân theo các quy tắc được định sẵn. AI yếu là loại AI phổ biến hiện nay và được áp dụng rộng rãi trong nhiều lĩnh vực.
• AI mạnh: là khi máy tính có thể thực hiện bất kỳ công việc thông minh nào mà con người có thể làm, ví dụ như hiểu ngôn ngữ, suy nghĩ logic, sáng tạo, v.v. AI mạnh có khả năng tự học hỏi từ kinh nghiệm và tự cải thiện khả năng của mình. AI mạnh là loại AI mục tiêu của nhiều nhà khoa học và nhà nghiên cứu, nhưng hiện tại vẫn chưa được thực hiện được.

Phân biệt Machine learning, Deep learning và AI

Sau khi hiểu rõ hơn về ba thuật ngữ này, ta có thể phân biệt chúng theo hai cách sau:

• Theo cách tiếp cận: Machine learning là một phương pháp cho phép máy tính học từ dữ liệu bằng các thuật toán toán học. Deep learning là một kỹ thuật của machine learning cho phép máy tính học từ dữ liệu bằng các mạng nơ-ron nhân tạo. AI là một lĩnh vực cho phép máy tính thực hiện các công việc thông minh bằng nhiều phương pháp khác nhau, trong đó có machine learning và deep learning.
• Theo cấp độ bao hàm: AI là một lĩnh vực rộng lớn và bao gồm machine learning và deep learning. Machine learning là một lĩnh vực con của AI và bao gồm deep learning. Deep learning là một lĩnh vực con của AI.

Sau khi hiểu khái niệm của ba thuật ngữ này, ta có thể phân biệt chúng như sau:

• AI: Là một lĩnh vực rộng lớn, nó bao gồm machine learning và deep learning.
• Machine learning: Là một lĩnh vực con của AI, nó sử dụng các thuật toán để học từ dữ liệu.
• Deep learning: Là một lĩnh vực con của machine learning, nó sử dụng các mạng nơ-ron nhân tạo để học từ dữ liệu.

Để hiểu rõ hơn về sự khác biệt giữa machine learning, deep learning và AI, ta có thể xem xét một số ví dụ cụ thể như sau:

• Ví dụ về machine learning: Là bộ lọc spam email. Bộ lọc spam email sử dụng các thuật toán học có giám sát để phân loại email là spam hay không spam dựa trên các đặc trưng như tiêu đề, nội dung, người gửi, v.v. Bộ lọc spam email được huấn luyện bằng cách cung cấp cho nó một tập dữ liệu gồm các email đã được gắn nhãn là spam hay không spam. Sau khi huấn luyện xong, bộ lọc spam email có thể dự đoán xác suất một email mới là spam hay không và lọc ra khỏi hộp thư của người dùng.
• Ví dụ về deep learning: Là ứng dụng FaceApp. FaceApp là một ứng dụng cho phép người dùng thay đổi khuôn mặt của mình theo nhiều cách khác nhau, ví dụ như già đi, trẻ lại, đổi giới tính, v.v. FaceApp sử dụng các mạng nơ-ron nhân tạo để sinh ảnh khuôn mặt mới từ ảnh khuôn mặt gốc của người dùng. FaceApp được huấn luyện bằng cách cung cấp cho nó một tập dữ liệu lớn gồm các ảnh khuôn mặt của nhiều người khác nhau ở các độ tuổi, giới tính và nét mặt khác nhau. Sau khi huấn luyện xong, FaceApp có thể tạo ra các ảnh khuôn mặt mới một cách chân thực và tự nhiên.
• Ví dụ về AI: Là trợ lý ảo Siri. Siri là một trợ lý ảo được tích hợp trong các thiết bị của Apple, như iPhone, iPad, Macbook, v.v. Siri có thể thực hiện nhiều công việc thông minh cho người dùng, ví dụ như gọi điện thoại, gửi tin nhắn, đặt lịch hẹn, tra cứu thông tin, chơi nhạc, v.v. Siri sử dụng nhiều công nghệ khác nhau của AI, như speech recognition (nhận diện giọng nói), natural language processing (xử lý ngôn ngữ tự nhiên), computer vision (thị giác máy tính), machine learning (học máy), deep learning (học sâu),...

Hy vọng bài viết này đã giúp bạn hiểu rõ hơn về sự khác biệt giữa machine learning, deep learning và AI. Nếu bạn có bất kỳ câu hỏi hoặc góp ý nào, xin vui lòng để lại bình luận bên dưới. Cảm ơn bạn đã đọc!