Nỗ lực thiết kế những cỗ máy thông minh hơn con người không có gì mới.
Một trong những cuộc tấn công rất sớm mà khoa học máy tính tung ra để chống lại “trí thông minh” của con người là trò chơi cờ vua. Cờ vua (hay chúng ta nên nói là?) được nhiều người coi là bài kiểm tra cuối cùng về trí tuệ và sự sáng tạo của con người, và trong những năm 1960 và 1970, có nhiều trường phái tư tưởng khác nhau trong khoa học máy tính.
Một số người cho rằng việc máy tính vượt qua con người trong môn cờ vua chỉ là vấn đề thời gian, trong khi những người khác tin rằng điều đó sẽ không bao giờ xảy ra.
Kasparov so với Deep Blue
Sự kiện giật gân nhất liên quan đến con người so với máy móc trong trận chiến tư tưởng là trận đấu cờ vua năm 1996 giữa nhà vô địch thế giới Garry Kasparov (và được cho là kỳ thủ cờ vua vĩ đại nhất mọi thời đại) và siêu máy tính Deep Blue IBM được thiết kế cho sự kiện này.
Nguồn hình ảnh: Wikipedia
Nói tóm lại, Kasparov đã thắng trận đấu năm 1996 một cách thuyết phục (4-2), nhưng thua trận tái đấu năm 1997 (4,5-3,5) giữa nhiều tranh chấp và cáo buộc về việc Kasparov trực tiếp lừa đảo IBM.
Bất chấp điều đó, thời đại của cờ vua và khoa học máy tính đã qua. Máy tính thông minh hơn bất kỳ người sống nào. IBM, hài lòng với sự trả thù, đã tháo dỡ Deep Blue và tiếp tục.
Ngày nay, không có đại kiện tướng nào có thể đánh bại bất kỳ cỗ máy chơi cờ thông thường nào chạy trên phần cứng thông thường.
Học máy không phải là gì?
Trước khi xem xét kỹ hơn về học máy, chúng ta hãy loại bỏ một vài quan niệm sai lầm. Học máy hoàn toàn không phải là một nỗ lực để tái tạo bộ não con người. Bất chấp niềm tin giật gân như của Elon Musk, các nhà khoa học máy tính vẫn khẳng định rằng họ không tìm kiếm hạt giống thiêng liêng này và chắc chắn không ở gần nó.
Nói một cách đơn giản, học máy là thực hành áp dụng việc học bằng ví dụ cho máy tính. Điều này trái ngược với cách tiếp cận truyền thống dựa vào một lập trình viên con người để đưa ra tất cả các tình huống có thể xảy ra và các quy tắc mã cứng cho chúng trong hệ thống.
Thành thật mà nói, đó là tất cả những gì về máy học: cung cấp rất nhiều dữ liệu vào máy tính để máy tính có thể học hỏi từ các ví dụ (thử → thất bại → so sánh → cải thiện) thay vì dựa vào mã nguồn.
Ứng dụng học máy
Vì vậy, nếu máy học không phải là ma thuật đen và sẽ không tạo ra Kẻ hủy diệt, thì nó tốt để làm gì?
Học máy giúp giải quyết các trường hợp lập trình truyền thống không có gì thay đổi và những trường hợp này thường thuộc một trong hai loại.
Như tên gợi ý, Phân loại liên quan đến việc gắn nhãn mọi thứ một cách chính xác, trong khi Dự báo liên quan đến việc điều chỉnh các dự đoán trong tương lai với một tập hợp dữ liệu đủ lớn về các giá trị trong quá khứ.
Một số ứng dụng thú vị cho học máy bao gồm:
lọc thư rác
Thư rác email phổ biến, nhưng cố gắng ngăn chặn nó có thể là một cơn ác mộng. Thư rác được định nghĩa như thế nào? Đó có phải là sự hiện diện của các từ khóa cụ thể? Hoặc có thể cách nó được viết? Thật khó để đưa ra một bộ quy tắc toàn diện khi nói đến chương trình.
Đó là lý do tại sao chúng tôi sử dụng máy học. Chúng tôi hiển thị cho hệ thống hàng triệu tin nhắn rác và không phải thư rác và để hệ thống xử lý phần còn lại. Đây là bí mật đằng sau các bộ lọc thư rác vượt trội của Gmail đã làm rung chuyển email cá nhân vào đầu những năm 2000!
khuyến nghị
Tất cả các công ty thương mại điện tử lớn ngày nay đều có hệ thống khuyến nghị mạnh mẽ. Đôi khi khả năng đề xuất những thứ mà chúng tôi “có thể” thấy hữu ích của họ lại cực kỳ chính xác mặc dù chúng tôi chưa bao giờ nhấp vào mục đó trước đây.
Trùng hợp? Không có gì!
Máy học đang làm việc chăm chỉ ở đây, ngấu nghiến hàng terabyte dữ liệu và cố gắng dự đoán tâm trạng và sở thích hay thay đổi của chúng ta.
Chatbot
Bạn đã từng gặp một dịch vụ khách hàng cấp một dường như được tự động hóa một cách kỳ lạ nhưng vẫn có thể tổ chức một cuộc trò chuyện thú vị chưa?
Chà, vậy thì bạn đã bị máy học đánh bại!
Học hỏi từ các cuộc trò chuyện và tìm ra những gì cần nói khi nào là lĩnh vực ứng dụng chatbot sắp ra mắt và thú vị.
loại bỏ cỏ dại
Trong nông nghiệp, robot dựa trên máy học được sử dụng để phun cỏ dại và các loại cây không mong muốn khác có chọn lọc giữa các loại cây trồng.
Nếu không, nó sẽ phải được thực hiện bằng tay hoặc sẽ cực kỳ lãng phí vì hệ thống cũng sẽ phun sản phẩm bằng chất lỏng sát thủ!
Tìm kiếm bằng giọng nói
Tương tác bằng giọng nói với hệ thống máy tính không còn là khoa học viễn tưởng. Ngày nay, chúng ta có các trợ lý kỹ thuật số như Alexa, Siri và Google Home có thể nhận lệnh bằng lời nói và không gây rối (tốt, gần như vậy!).
Một số người có thể lập luận rằng tốt nhất nên tránh phát minh này vì nó khiến nhân loại trở nên lười biếng hơn bao giờ hết, nhưng bạn không thể tranh cãi về tính hiệu quả.
chẩn đoán y tế
Chúng ta đang trên bờ vực của một cuộc cách mạng trong chẩn đoán y tế khi các hệ thống máy học bắt đầu vượt qua các bác sĩ dày dặn kinh nghiệm trong chẩn đoán bằng tia X, v.v.
Hãy nhớ rằng điều này không có nghĩa là sẽ không còn cần đến bác sĩ nữa, mà là chất lượng chăm sóc y tế sẽ tăng lên đáng kể và chi phí sẽ giảm (trừ khi các tập đoàn kinh doanh có quy định khác!).
Đây chỉ là một mẫu của tất cả những gì về máy học. Ngày nay, ô tô tự lái, bot để chơi trò chơi chiến lược, máy gấp áo phông, phá hình ảnh xác thực và tô màu ảnh đen trắng đều đang diễn ra.
Các loại máy học
Kỹ thuật học máy có hai loại.
Học có giám sát, trong đó phán đoán của con người hướng dẫn hệ thống và Học không giám sát, trong đó hệ thống phải tự học. Một cách khác để nói điều tương tự là trong Học tập có giám sát, chúng tôi có một bộ dữ liệu chứa cả đầu vào và đầu ra dự kiến mà hệ thống sử dụng để so sánh và tự động sửa lỗi. Tuy nhiên, trong học tập không giám sát, không có đầu ra để đo lường, vì vậy kết quả có thể khác nhau rất nhiều.
Ứng dụng học máy không giám sát thú vị và thú vị?
Đây là những bot chơi trò chơi cờ trong đó chương trình tìm hiểu các quy tắc của trò chơi và các điều kiện chiến thắng, sau đó để nó yên. Sau đó, chương trình chơi hàng triệu trò chơi với chính nó, học hỏi từ những sai lầm của nó và củng cố các quyết định có lợi.
Nếu bạn có một máy tính đủ mạnh, bạn có thể chuẩn bị trí tuệ nhân tạo của thế giới trong vài giờ!
Những hình ảnh dưới đây minh họa ngắn gọn những ý tưởng này (nguồn: Medium):
Các tài nguyên giúp bạn bắt đầu học máy
Vì vậy, bây giờ bạn đang say mê học máy và cách nó có thể giúp bạn chinh phục thế giới, bạn sẽ bắt đầu từ đâu?
Dưới đây tôi đã liệt kê một số tài nguyên tuyệt vời trên internet có thể giúp bạn thành thạo máy học mà không cần lấy bằng tiến sĩ. trong đó! Trừ khi bạn là một nhà nghiên cứu về học máy, nếu không bạn sẽ thấy lĩnh vực học máy cũng thiết thực và thú vị như lập trình nói chung.
Vì vậy, đừng lo lắng, bất kể trình độ hiện tại của bạn là bao nhiêu, giống như một chương trình máy học tốt, bạn có thể học hỏi và tiến bộ hơn.
#1. lập trình
Yêu cầu đầu tiên để tham gia học máy là học cách viết mã. Điều này là do các hệ thống máy học có dạng thư viện cho các ngôn ngữ lập trình khác nhau.
Python được khuyên dùng nhiều nhất, một phần vì nó cực kỳ thú vị để học và một phần vì nó có một hệ sinh thái thư viện và tài nguyên khổng lồ.
Hướng dẫn chính thức dành cho người mới bắt đầu là một nơi tuyệt vời để bắt đầu, ngay cả khi bạn biết một chút về Python. Hoặc tham gia khóa học Bootcamp này để trở thành anh hùng từ đầu.
#2. Hãy suy nghĩ về các số liệu thống kê
Khi bạn đã hoàn thành kiến thức cơ bản về Python, đề xuất thứ hai của tôi là xem qua hai cuốn sách nổi bật. Chúng miễn phí 100% và có sẵn để tải xuống ở định dạng PDF. Think Statistics và Think Bayesian là hai tác phẩm kinh điển hiện đại mà mọi kỹ sư máy học đầy tham vọng nên tiếp thu.
#3. Chúng tôi sẽ
Tại thời điểm này, tôi khuyên bạn nên tham gia một vài khóa học với Udemy. Định dạng tương tác, tự nhịp độ sẽ giúp bạn đi thẳng vào vấn đề và xây dựng sự tự tin của mình.
Đảm bảo rằng bạn đã làm quen với phần xem trước khóa học, các bài đánh giá (đặc biệt là những bài tiêu cực!) và phong cách chung của khóa học trước khi bắt đầu.
Trong dịch vụ YouTube bạn cũng có thể tìm thấy các hướng dẫn tuyệt vời miễn phí. Sentdex là một trong những kênh như vậy mà tôi có thể giới thiệu, nơi nó luôn rất thú vị, nhưng cách tiếp cận của nó không thân thiện với người mới bắt đầu.
#4. Andrew Ng
Khóa học của Andrew Ng trên Coursera có lẽ là tài nguyên giáo dục phổ biến nhất về các nguyên tắc cơ bản của học máy.
Mặc dù nó sử dụng ngôn ngữ lập trình R, nhưng nó vẫn vô song trong cách xử lý chủ đề và giải thích rõ ràng. Nhờ khóa học này, Andrew Ng đã đạt được một tầm vóc hơi thần thánh trong giới ML, và mọi người tin tưởng vào trí tuệ siêu phàm của anh ấy (Tôi không đùa đâu!).
Đây không phải là khóa học dành cho người mới bắt đầu, nhưng nếu bạn đã thông thạo dữ liệu và không ngại thực hiện một số nghiên cứu bổ sung, thì khóa học này là đề xuất tốt nhất.
#5. sự táo bạo
Trở thành một kỹ sư máy học bằng cách kiếm bước nano này thông qua Udacity.
Nó sẽ mất khoảng 3 trong vài tháng, bạn sẽ phải nắm bắt tốt các thuật toán học máy, cách lập mô hình và triển khai chúng vào sản xuất.
Đăng kí
Các nguồn tài nguyên trên Internet là vô tận và bạn có thể dễ dàng bị lạc lúc đầu. Hầu hết các hướng dẫn và thảo luận đều khó về mặt toán học hoặc không có cấu trúc và có thể phá vỡ sự tự tin của bạn trước khi bạn bắt đầu.
Vì vậy, tôi muốn cảnh báo bạn về việc tự hủy hoại bản thân: hãy giữ mình khiêm tốn và di chuyển với những bước tối thiểu. Học máy không phải là thứ bạn có thể làm quen trong ngày một ngày hai, nhưng bạn sẽ sớm bắt đầu thấy thú vị và ai biết được, thậm chí có thể tạo ra thứ gì đó đáng sợ!
Chúc vui vẻ!
