Làm sáng tỏ AI, ML và Deep Learning dành cho Người quản lý sản phẩm

Khi tôi bắt đầu hành trình của mình với tư cách là người quản lý sản phẩm, tôi biết rằng mình muốn tiếp tục được thực hành nhiều hơn và tìm hiểu sâu hơn về các giải pháp cùng với các kỹ sư. Với tư cách là Người quản lý sản phẩm, chúng tôi được yêu cầu tập trung nhiều hơn vào “cái gì” và “tại sao”, nhưng tôi cũng muốn hiểu và biết “cách thức” và “khi nào” hệ thống công nghệ được tận dụng. Đây là một lựa chọn có ý thức và tôi luôn khao khát trở thành một phần của công ty có tầm nhìn tương lai và có một môi trường học thuật và kỹ thuật cao.

Không cần phải nói, tôi đã rất vui khi được đảm nhận vai trò Giám đốc sản phẩm trong lĩnh vực AI/ML hoàn toàn mới, vì nó cho tôi cơ hội tìm hiểu lĩnh vực này và giải quyết các vấn đề bằng công nghệ tiên tiến. Rõ ràng, là một người mới chưa từng có kiến ​​thức về AI/ML, việc nắm bắt “mọi thứ” từ đầu là một thách thức. Đó là một quá trình dần dần và sau các buổi đọc và động não thường xuyên với các nhà khoa học và kỹ sư nội bộ của chúng tôi trong hai năm qua, tôi đã có thể hiểu rõ hơn về các thuật ngữ này. Tôi hầu như chưa tìm được bề nổi nhưng tôi muốn bắt đầu chia sẻ kiến ​​​​thức mà tôi đã tích lũy được trong vài năm qua, để làm cho nó bớt khó khăn hơn đối với những người mới bắt đầu.

Vậy Trí tuệ nhân tạo, Học máy và Học sâu là gì? Chúng ta nghe về những thuật ngữ này mọi lúc xung quanh mình — từ việc được sử dụng trong ô tô tự lái đến việc nhận đề xuất phim trên Netflix, AI đang được sử dụng để giúp cuộc sống của chúng ta dễ dàng và trọn vẹn hơn. Trí tuệ nhân tạo, nói một cách đơn giản, là thứ khiến máy móc hành động hoặc suy nghĩ giống như con người. Như cái tên “Trí tuệ nhân tạo” gợi ý, đó là ngành khoa học cho phép máy tính bắt chước trí thông minh của con người.

AI là chiếc ô rộng hơn và Học máy và Học sâu là tập hợp con của nó. Nếu AI là tất cả về trí thông minh, thì chính Học máy sẽ giúp xây dựng trí thông minh đó. Đúng như tên gọi, “Machine Learning” là khoa học về “học tập” của máy tính và do đó “cải tiến” ở một nhiệm vụ nhất định bằng kinh nghiệm, từ đó giúp xây dựng trí thông minh hoặc trí tuệ nhân tạo của máy. Tất cả các tác vụ Machine Learning đều là tác vụ AI nhưng điều ngược lại là không đúng.

Vì vậy, AI bắt chước khả năng tư duy của con người. Giống như con người trau dồi khả năng suy nghĩ và ra quyết định theo thời gian bằng kinh nghiệm, máy móc đã học cách làm điều tương tự bằng cách sử dụng “Machine Learning”. Cốt lõi của suy nghĩ và ra quyết định của một người đàn ông là tâm trí mạnh mẽ của anh ta, bộ não con người trao quyền cho khả năng nhận thức của anh ta. Học sâu bắt chước bộ não con người trong máy móc (vâng, tất cả các khái niệm này đều có liên quan đến nhau và sẽ dễ hiểu hơn nếu được nói theo trình tự này!)

Vì vậy, Deep Learning là lĩnh vực Machine Learning bắt chước bộ não con người ở tất cả các mức độ phức tạp của nó. Suy cho cùng, bộ não con người là một “Mạng lưới” gồm hàng triệu triệu tế bào thần kinh được kết nối và giao tiếp với nhau bằng các tín hiệu (điện và hóa học) để khiến con người suy nghĩ, ăn uống, sinh hoạt. Chà, Deep Learning dựa vào việc đào tạo các “Mạng nơ-ron” tương tự, còn được gọi là “Mạng nơ-ron nhân tạo” xếp lớp các thuật toán và đơn vị tính toán còn được gọi là “Nơ-ron” để giao tiếp với nhau theo kiểu phức tạp nhằm giải quyết các vấn đề khó khăn hơn.

Sự khác biệt lớn nhất giữa Machine Learning và Deep Learning là, không giống như Machine Learning, nơi hầu hết các tính năng cần được xác định bởi một chuyên gia để giảm độ phức tạp của dữ liệu và làm cho các mẫu dễ nhìn hơn để thuật toán hoạt động, Deep Learning học cao -cấp các tính năng từ dữ liệu theo cách gia tăng loại bỏ nhu cầu về chuyên môn miền và bất kỳ hình thức trích xuất tính năng nào. Tôi sẽ thảo luận nhiều hơn về những điều này trong các bài đăng trong tương lai của tôi, vì vậy hãy chú ý theo dõi.

Hy vọng bạn thích bài viết ngắn này về kiến ​​thức cơ bản của AI, ML và Deep Learning cũng như nhận thấy chúng có mối liên hệ với nhau như thế nào và cũng thường được sử dụng thay thế cho nhau. Nhưng với tư cách là Người quản lý sản phẩm, chúng ta bắt buộc phải hiểu các sắc thái mà tôi đã cố gắng nắm bắt trong bài viết trên.

Cảm ơn vì đã làm cho nó đến cùng. Nếu bạn thích bài viết này, vui lòng theo dõi tôi để biết thêm các bài viết về AI, ML và Quản lý sản phẩm.