Khác nhau giữa trí tuệ nhân tạo (AI), Machine Learning và Deep Learning |Tri thức nhân loại

#trithucnhanloai #trituenhantao #AI
Trong khoa học máy tính, trí tuệ nhân tạo hay AI (tiếng Anh: Artificial Intelligence), đôi khi được gọi là trí thông minh nhân tạo, là trí thông minh được thể hiện bằng máy móc, trái ngược với trí thông minh tự nhiên được con người thể hiện. Thông thường, thuật ngữ "trí tuệ nhân tạo" thường được sử dụng để mô tả các máy móc (hoặc máy tính) bắt chước các chức năng "nhận thức" mà con người liên kết với tâm trí con người, như "học tập" và "giải quyết vấn đề".

Học máy (tiếng Anh: machine learning) là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ thể. Ví dụ như các máy có thể "học" cách phân loại thư điện tử xem có phải thư rác (spam) hay không và tự động xếp thư vào thư mục tương ứng. Học máy rất gần với suy diễn thống kê (statistical inference) tuy có khác nhau về thuật ngữ.

Học máy (máy học) có liên quan lớn đến thống kê, vì cả hai lĩnh vực đều nghiên cứu việc phân tích dữ liệu, nhưng khác với thống kê, học máy tập trung vào sự phức tạp của các giải thuật trong việc thực thi tính toán. Nhiều bài toán suy luận được xếp vào loại bài toán NP-khó, vì thế một phần của học máy là nghiên cứu sự phát triển các giải thuật suy luận xấp xỉ mà có thể xử lý được.

Học máy có hiện nay được áp dụng rộng rãi bao gồm máy truy tìm dữ liệu, chẩn đoán y khoa, phát hiện thẻ tín dụng giả, phân tích thị trường chứng khoán, phân loại các chuỗi DNA, nhận dạng tiếng nói và chữ viết, dịch tự động, chơi trò chơi và cử động rô-bốt (robot locomotion).

Học sâu (tiếng Anh: deep learning) là một chi của ngành máy học dựa trên một tập hợp các thuật toán để cố gắng mô hình dữ liệu trừu tượng hóa ở mức cao bằng cách sử dụng nhiều lớp xử lý với cấu trúc phức tạp, hoặc bằng cách khác bao gồm nhiều biến đổi phi tuyến.

Học sâu là một phần của một họ các phương pháp học máy rộng hơn dựa trên đại diện học của dữ liệu. Một quan sát (ví dụ như, một hình ảnh) có thể được biểu diễn bằng nhiều cách như một vector của các giá trị cường độ cho mỗi điểm ảnh, hoặc một cách trừu tượng hơn như là một tập hợp các cạnh, các khu vực hình dạng cụ thể, vv. Một vài đại diện làm khiến việc học các nhiệm vụ dễ dàng hơn (ví dụ, nhận dạng khuôn mặt hoặc biểu hiện cảm xúc trên khuôn mặt) từ các ví dụ. Một trong những hứa hẹn của học sâu là thay thế các tính năng thủ công bằng các thuật toán hiệu quả đối với học không có giám sát hoặc nửa giám sát và tính năng phân cấp.

Các nghiên cứu trong lĩnh vực này cố gắng thực hiện các đại diện tốt hơn và tạo ra các mô hình để tìm hiểu các đại diện này từ dữ liệu không dán nhãn quy mô lớn. Một số đại diện được lấy cảm hứng bởi những tiến bộ trong khoa học thần kinh và được dựa trên các giải thích của mô hình xử lý và truyền thông thông tin trong một hệ thống thần kinh, chẳng hạn như mã hóa thần kinh để cố gắng để xác định các mối quan hệ giữa các kích thích khác nhau và các phản ứng liên quan đến thần kinh trong não.

Nhiều kiến trúc học sâu khác nhau như mạng neuron sâu, mã mạng neuron tích chập sâu, mạng niềm tin sâu và mạng neuron tái phát đã được áp dụng cho các lĩnh vực như thị giác máy tính, tự động nhận dạng giọng nói, xử lý ngôn ngữ tự nhiên, nhận dạng âm thanh ngôn ngữ và tin sinh học, chúng đã được chứng minh là tạo ra các kết quả rất tốt đối với nhiều nhiệm vụ khác nhau.

Ngoài ra, học sâu đã trở thành một từ ngữ thời thượng, hay một thương hiệu của mạng neuron.

************************************
Xem thêm các video khác của Tri Thức Nhân Loại bằng đường dẫn dưới đây:
Vui lòng nhấn nút Đăng Ký phía trên để có thể nhận được thông báo về các video mới nhất.

******************************
Phim "Sự khác nhau giữa trí tuệ nhân tạo, máy học và học sâu" hoặc "Sự khác nhau giữa Artificial Intelligence (AI), Machine Learning (ML) và Deep Learning (DL) - Bản quyền thuộc kênh: Tri Thức Nhân Loại

Like our Facebook page::

Follow us on Twitter:

Follow us on Blogger

Follow us on Tumblr

Thiết kế hình ảnh: Cỏ Picture

[trithucnhanloai]

Tặng cho Tri Thức Nhân Loại ly cà phê để ủng hộ kênh làm nhiều phim khác tốt hơn:
Ủng hộ thông qua ví điện tử MoMo tới số điện thoại: [phone]

[khanhlinhnguyen]

Thật là công phu, giàu thông tin và sinh động. Cảm ơn kênh vì những video rất hay và bổ ích! Chúc kênh ngày càng phát triển nha ❤️

[khoivo]

this information is very useful, thanks for sharing and keep moving forward

[vanhung]

Em nghĩ là phần cuối nên thêm phần tóm tắt ạ, vì nội dung cũng khá dài nên dễ gây nhầm lần. Các video sau admin nên thêm tóm tắt để mọi người dễ nắm bắt. Cảm ơn ad.

[clover_]

hay quá, rất mong kênh sẽ có thêm nhiều video về các lĩnh vực khoa học công nghệ, kỹ thuật

[Ta-szip]

Hay, phần mô tả có bài viết sẵn tiết kiệm thời gian, nhìn vào sẽ mất lượt xem nhưng thực sự là tác dụng như nhau, thậm chí còn tốt hơn, như tạo thiện cảm.

[huyhiephuynh]

Tri thức phải đi kèm với đạo đức mới an toàn

[trituenhantaoio]

Cảm ơn Tri Thức Nhân Loại vì video rất thú vị. Mong sớm có những video mới về chủ đề Trí tuệ nhân tạo!

[gocnhaccuatui]

Mình cực kì thích những chủ đề của kênh này, mong kênh sơm phát triển

[itnotbug]

Theo mình thì con người còn chưa thể hiểu nổi cách bộ nảo hoạt động 1 cách chính xác nhất thì vẫn chưa thể đem nó bỏ vào máy móc được.

[huynh]

Dữ liệu cũng quan trọng nhưng lý do chính AI lúc trước chưa phát triển là vì máy tính lúc đó còn quá yếu, còn bây giờ 1 cái laptop cũng đã có thể train được AI rồi

[nhatminh]

Mình tin rằng khi điểm kì dị nổ ra thì loài người sẽ dần hợp nhất với máy móc thành nửa người nửa máy, lúc đó con người đạt đến nền văn minh cấp độ 2 đi hết hệ mặt trời. Còn sau đó thì chỉ còn máy móc đi tiếp khám phá giải ngân hà và tiến hóa tiếp mang theo trí tuệ và tri thức của loài người thôi. Không nên nghĩ tiêu cực là máy tính sẽ trỗi dậy, phản bội loài người và nộ lệ hóa trái đất. Với tiềm năng của máy tính không cần oxy hay carbon để sinh tồn thì nó có thể thuộc địa hóa rất nhiều nơi trong vũ trụ chứ không phải tranh dành trái đất với con ngời làm gì.

[chanlamroilongoi]

đây là 1 trong những kênh chia sẻ hay nhất trên youtube

[tuankietphan]

Z là nó còn thua con ng ở chỗ: có những thứ ta chỉ đc nhìn qua 1 lần là đã nhớ và gặp lại thì biết đó là cái j, chứ ko cần phải nhìn cả trăm cả ngàn sự vật cùng loại để nhận diện và ghi nhớ. Nếu tương lai AI, ML, DL ptrien đủ để làm điều đó thì sẽ tối ưu đc bộ nhớ lưu trữ, chứ lưu càng nhiều thông tin, tốn càng nhiều bộ nhớ thì trái đất càng nóng lên á: lượng điện năng duy trì nè, hệ thống làm mát, công nghiệp sx linh kiện bán dẫn cũng khá gây ô nhiễm, ...

[TQuynh]

Ở đây có ac nào học AI không nhỉ? Em muốn hỏi là con gái thì theo học AI hay khoa học dữ liệu thì cái nào hợp hơn ạ??

[hongngoannguyenthi]

Kênh hay quá ạ. Chúc kênh ngày càng phát triển

[quangnguyen]

Mình nghĩ bạn nên chèn 1 loại nhạc nhẹ như kiểu ambient để người học cảm thấy dễ chịu hơn, tiếp thu nhanh hơn. Cảm ơn bạn, video rất bổ ích

[jarryonochi]

010101 là kí hiệu của bóng bán dẫn trong những vi sử lí của máy móc (CPU) là 2 dạng của bóng bán dẫn

[huynhhoang]

admin cho mình hỏi là b có giáo trình học máy không ạ :(

[ToanNguyen-iris]

mọi người cho em hỏi cái câu "không ai thật sự biết những gì trong mạng lứoi thần kinh nhân tạo" nghĩa là sao ạ?