CLB AI làm ra một app nhận đúng con Mực giữa hàng chục con chó khác ở cổng trường. Không ai ngồi gõ luật nào cả. Minh phỏng vấn chị Vy, đội trưởng CLB, để tìm hiểu máy đã "học" kiểu gì.
CLB AI vừa làm xong một app nhỏ. Minh xin phỏng vấn để viết bài cho Hội chợ Khoa học.
Con Mực — chó nhà bạn Tùng — hay đi lạc lang thang quanh cổng trường. CLB AI làm một app: camera ở cổng chụp được con chó nào, app tự báo "đây có phải Mực không" cho học sinh biết.
Chị Vy trả lời — và câu trả lời không giống điều Minh tưởng tượng chút nào.
Câu trả lời tiếp theo khiến Minh bất ngờ nhất buổi phỏng vấn.
Không theo nghĩa con người hiểu. Máy chỉ tìm ra được một công thức toán học nào đó, từ 600 tấm ảnh, mà công thức đó tình cờ phân biệt đúng "Mực" và "không phải Mực" — không có gì huyền bí hơn thế.
Minh đã bắt đầu ghép được tên gọi vào khoảnh khắc "À!" của mình.
Việc AI dùng để nhận đúng con Mực có tên riêng, và có cả một quy trình phía sau.
Cái mà chị Vy vừa mô tả — cho máy xem thật nhiều ví dụ có nhãn đúng/sai, để nó tự tìm ra quy luật — gọi là MACHINE LEARNING (học máy), một nhánh của AI (trí tuệ nhân tạo).
Sau buổi phỏng vấn, đây là điều Minh viết lại vào sổ tay của mình.
AI (cụ thể là machine learning) không được lập trình sẵn từng luật như phần mềm thông thường. Nó được cho xem rất nhiều ví dụ đã có nhãn đúng/sai — gọi là DỮ LIỆU HUẤN LUYỆN — rồi tự tìm ra quy luật ẩn trong đó, gọi là HUẤN LUYỆN MÔ HÌNH.
Sau khi "học" xong, nó dùng quy luật đó để đoán cho những trường hợp mới chưa từng thấy — gọi là SUY LUẬN.
Giống: cả hai đều học từ ví dụ, không cần ai giảng giải công thức.
Không giống: con người còn hiểu được ý nghĩa đằng sau (biết Mực là một con chó, có cảm xúc, có chủ). AI chỉ giỏi ở đúng phạm vi dữ liệu từng được xem, và có thể sai theo cách rất ngờ nghệch nếu gặp tình huống hoàn toàn lạ — nó không "hiểu" theo nghĩa con người.
Cùng một ý tưởng, xuất hiện ở một chỗ Minh dùng mỗi ngày.
TikTok hay YouTube gợi ý video tiếp theo cũng là một dạng AI học từ dữ liệu — nó không hiểu em "thích" video đó theo nghĩa cảm xúc, nó chỉ nhận ra: những người từng xem các video giống em đã xem, sau đó thường xem tiếp video kiểu này.
Mở khóa điện thoại bằng khuôn mặt, gõ chữ được điện thoại tự đoán từ tiếp theo, ứng dụng dịch tự động, các bộ lọc biến hình trên story — hầu hết đều đang chạy một mô hình đã được "huấn luyện" bằng đúng cách này.
Thử tưởng tượng một thế giới không có machine learning.
Muốn máy nhận ra bất cứ thứ gì đa dạng như khuôn mặt, giọng nói, chữ viết tay — con người sẽ phải ngồi viết tay hàng triệu luật "nếu... thì..." cho mọi trường hợp, mà vẫn không xuể vì thế giới thật quá nhiều biến thể: mỗi khuôn mặt một góc nghiêng, mỗi giọng nói một chất giọng, mỗi nét chữ một kiểu tay.
Giờ thử xem em thật sự hiểu đúng chưa, rồi viết ra câu hỏi của riêng em.
Nếu em từng mở khóa điện thoại bằng khuôn mặt, từng thấy điện thoại tự đoán chữ tiếp theo, hay từng dùng bộ lọc biến hình trên story — em đã "gặp" machine learning rồi, chỉ là chưa gọi đúng tên nó.
Bấm vào đáp án em nghĩ là đúng.
1. Vì sao AI nhận diện tốt ảnh ban ngày lại có thể đoán sai với ảnh ban đêm, dù "trông rõ ràng vẫn là con chó đó"?
2. Nếu dữ liệu huấn luyện chỉ toàn ảnh chó lớn, AI có tự nhận ra chó con không?
3. "AI đoán sai" và "AI nói dối" có phải là một chuyện không?
Câu hỏi của em sẽ hiện ở đây, chỉ nằm trên máy của em thôi.
Cuộn nốt xuống dưới nhé — sắp xong trang này rồi!
Đây là câu Minh sẽ nói khi có bạn hỏi "AI là cái gì vậy?".
Huấn luyện một AI nhận diện rác để phân loại rác tái chế ở trường, em cần cho nó xem những loại ảnh gì để không nhầm giữa vỏ hộp sữa và vỏ lon?