Hiểu về trí tuệ nhân tạo
Trí tuệ nhân tạo bao gồm quá trình mô phỏng trí thông minh của con người bằng máy móc và các hệ thống máy tính đặc biệt. Các ví dụ về trí tuệ nhân tạo bao gồm học tập, suy luận và tự sửa chữa. Các ứng dụng của AI bao gồm nhận dạng giọng nói, hệ thống chuyên gia, nhận dạng hình ảnh và thị giác máy.
Học máy là nhánh của trí tuệ nhân tạo, liên quan đến các hệ thống và thuật toán có thể học bất kỳ dữ liệu và mẫu dữ liệu mới nào.
Chúng ta hãy tập trung vào biểu đồ Venn được đề cập bên dưới để hiểu các khái niệm về học máy và học sâu.
Học máy bao gồm một phần của học máy và học sâu là một phần của học máy. Khả năng của chương trình tuân theo các khái niệm học máy là cải thiện hiệu suất của dữ liệu quan sát được. Động cơ chính của việc chuyển đổi dữ liệu là nâng cao kiến thức để đạt được kết quả tốt hơn trong tương lai, cung cấp đầu ra gần với đầu ra mong muốn cho hệ thống cụ thể đó. Học máy bao gồm “nhận dạng mẫu” bao gồm khả năng nhận dạng các mẫu trong dữ liệu.
Các mẫu phải được đào tạo để hiển thị đầu ra theo cách mong muốn.
Học máy có thể được đào tạo theo hai cách khác nhau -
- Đào tạo có giám sát
- Đào tạo không giám sát
Học tập có giám sát
Học tập có giám sát hoặc đào tạo có giám sát bao gồm một thủ tục trong đó tập hợp đào tạo được đưa ra làm đầu vào cho hệ thống, trong đó, mỗi ví dụ được gắn nhãn với một giá trị đầu ra mong muốn. Việc đào tạo kiểu này được thực hiện bằng cách sử dụng tối thiểu hóa một hàm tổn thất cụ thể, hàm này biểu thị lỗi đầu ra đối với hệ thống đầu ra mong muốn.
Sau khi hoàn thành đào tạo, độ chính xác của mỗi mô hình được đo lường đối với các ví dụ rời rạc từ tập huấn luyện, còn được gọi là tập xác nhận.
Ví dụ tốt nhất để minh họa cho “Học tập có giám sát” là với một loạt các bức ảnh được cung cấp kèm theo thông tin. Tại đây, người dùng có thể đào tạo một người mẫu để nhận ra các bức ảnh mới.
Học tập không giám sát
Trong học tập không có giám sát hoặc đào tạo không có giám sát, hãy bao gồm các ví dụ đào tạo, các ví dụ này không được hệ thống gắn nhãn cho lớp chúng thuộc về. Hệ thống tìm kiếm dữ liệu có chung đặc điểm và thay đổi chúng dựa trên các đặc điểm kiến thức nội bộ. Loại thuật toán học tập này về cơ bản được sử dụng trong các bài toán phân cụm.
Ví dụ tốt nhất để minh họa “Học không giám sát” là với một loạt ảnh không có thông tin và mô hình đào tạo người dùng với phân loại và phân cụm. Loại thuật toán huấn luyện này hoạt động với các giả định khi không có thông tin nào được đưa ra.
