Học sâu (Deep Learning) là gì? Học sâu và học máy

Học sâu

Khái niệm

Học sâu trong tiếng Anh là Deep Learning.

Học sâu là một chức năng của trí tuệ nhân tạo (AI), bắt chước hoạt động của bộ não con người trong việc xử lí dữ liệu và tạo ra các mẫu để sử dụng cho việc ra quyết định.

Học sâu là tập con của học máy trong AI, có các mạng lưới có khả năng "học" mà không bị giám sát từ dữ liệu không có cấu trúc hoặc không được gắn nhãn.

Học sâu đã phát triển cùng với thời đại kĩ thuật số, điều này đã mang lại sự bùng nổ dữ liệu dưới mọi hình thức và từ mọi khu vực trên thế giới. Dữ liệu này, gọi đơn giản là dữ liệu lớn, được lấy từ các nguồn như phương tiện truyền thông xã hội, công cụ tìm kiếm trên internet, nền tảng thương mại điện tử hoặc rạp chiếu phim trực tuyến,... 

Lượng dữ liệu khổng lồ này có thể truy cập dễ dàng và có thể được chia sẻ thông tin qua các ứng dụng Fintech như điện toán đám mây. 

Tuy nhiên, thông thường dữ liệu không có cấu trúc, rộng lớn đến mức có thể phải mất hàng thập kỉ để con người hiểu được nó và trích xuất thông tin liên quan. Các công ty nhận ra tiềm năng đáng kinh ngạc có thể có được từ việc tháo dỡ lượng thông tin phong phú này và ngày càng thích nghi với các hệ thống AI để được hỗ trợ tự động. 

Học sâu và học máy

Một trong những kĩ thuật AI phổ biến nhất được sử dụng để xử lí dữ liệu lớn là học máy. Đây là thuật toán tự thích ứng giúp các phân tích và các mô hình với kiến thức hoặc dữ liệu mới được thêm vào ngày càng trở nên tốt hơn.

Nếu một công ty thanh toán điện tử muốn phát hiện gian lận trong hệ thống của mình, công ty có thể sử dụng các công cụ học máy cho mục đích này. Thuật toán tính toán được gắn trong mô hình máy tính sẽ xử lí tất cả các giao dịch xảy ra trên nền tảng kĩ thuật số, tìm các mẫu trong tập dữ liệu và chỉ ra bất kì sự bất thường nào được phát hiện bởi mẫu.

Học sâu, một tập con của học máy, sử dụng các lớp, bậc của mạng nơ-ron nhân tạo để thực hiện quá trình học máy. Các mạng nơ-ron được xây dựng giống như bộ não của con người, với các nút rơ-ron được kết nối với nhau như một trang web. 

Học sâu không có nghĩa là học máy thêm kiến thức chuyên sâu, nó có nghĩa là máy sử dụng các lớp khác nhau để học hỏi từ dữ liệu. Độ sâu của mô hình được biểu thị bằng số lớp trong mô hình.

Trong khi các chương trình truyền thống xây dựng các phân tích dữ liệu theo cách tuyến tính, thì chức năng phân tầng của các hệ thống học sâu cho phép các máy xử lí dữ liệu theo cách tiếp cận phi tuyến. 

Cách tiếp cận truyền thống giúp phát hiện gian lận hoặc rửa tiền, chỉ có thể dựa vào số lượng giao dịch xảy ra. Trong khi đó, công nghệ phi tuyến của học sâu còn bao gồm cả thời gian, vị trí địa lí, địa chỉ IP, loại hình nhà bán lẻ và bất kì tính năng nào khác có khả năng chỉ ra hoạt động lừa đảo. 

Lớp đầu tiên của mạng nơ-ron sẽ xử lí dữ liệu đầu vào thô, như là số lượng giao dịch và chuyển nó sang lớp tiếp theo làm đầu ra. Lớp thứ hai xử lí thông tin của lớp trước bằng cách thêm thông tin bổ sung như địa chỉ IP của người dùng và chuyển qua kết quả.

Lớp tiếp theo lấy thông tin của lớp thứ hai và thêm dữ liệu thô như vị trí địa lí và làm cho mẫu của máy trở nên chính xác hơn. Điều này tiếp tục trên tất cả các cấp của mạng nơ-ron.

(Theo Investopedia)