Phân biệt giữa AI và Machine Learning

Phân biệt giữa AI và Machine Learning

Hiện nay, AI và Machine Learning đang là những công nghệ được thảo luận nhiều nhất do ngày càng có nhiều tổ chức dùng những tiến bộ công nghệ này để phát triển những loại máy móc và ứng dụng thông minh. Thế nhưng công chúng và giới truyền thông vẫn còn nhầm lẫn giữa 2 khái niệm. Trong bài viết này, chúng ta hãy cùng tìm hiểu rõ hơn về sự khác biệt giữa AI và Machine Learning 

AI và Machine Learning

Machine Learning là gì?

Machine Learning chỉ là một nhánh của AI. Theo định nghĩa của Nhà khoa học máy tính và người tiên phong về Machine Learning Tom M. Mitchell: “Machine Learning là nghiên cứu về các thuật toán máy tính cho phép các chương trình máy tính tự động cải thiện thông qua trải nghiệm”. Machine Learning là một trong những cách giúp chúng ta đạt được AI và công nghệ này này dựa vào việc làm việc với các tập dữ liệu từ nhỏ đến lớn bằng cách kiểm tra và so sánh dữ liệu để tìm các điểm chung. 

Ở 1 ví dụ cụ thể, nếu bạn cung cấp cho 1 mô hình Machine Learning 1 loạt các bài hát mà ai đó yêu thích cùng với đặc điểm tương ứng (nhạc cụ, nhịp độ hoặc thể loại). Sau đó, nó sẽ có khả năng tự động hóa (tùy thuộc vào mô hình Machine Learning có giám sát được sử dụng) và tạo ra một hệ thống đề xuất để gợi ý cho người dùng bản nhạc trong tương lai mà người đó cũng sẽ thích (với tỷ lệ phần trăm xác suất cao). Hiện nay, các công ty như Netflix, Spotify,.. đang ứng dụng rất tốt công nghệ này.

Loại Machine Learning từ ví dụ trên được gọi là “Supervised Learning” (học có giám sát). Trong đó, các thuật toán học có giám sát cố gắng mô hình hóa các mối quan hệ và sự phụ thuộc giữa các đặc điểm của dữ liệu đầu vào và dữ liệu đầu ra. Từ đó, chúng ta có thể dự đoán được dữ liệu đầu ra dựa trên các mối quan hệ và sự phụ thuộc đó (phần mềm Machine Learning đã học được từ bộ dữ liệu đầu vào được cung cấp).

Trong thực tế, chúng ta cũng hay sử dụng 1 loại Machine Learning khác là “Unsupervised learning” (Học không giám sát). Nó có công dụng chính trong việc phát hiện mẫu và lập mô hình mô tả. Các thuật toán này không có danh mục đầu ra hoặc nhãn trên dữ liệu (mô hình đào tạo với dữ liệu chưa được gắn nhãn).

Ngoài ra, còn một loại Machine Learning phổ biến khác là “Reinforcement learning” (Học tăng cường). Loại Machine Learning này nhằm mục đích sử dụng các kết quả quan sát và thu thập được từ việc tương tác với môi trường để thực hiện các hành động nhằm tối đa hóa phần thưởng hoặc giảm thiểu rủi ro. Thuật toán học tăng cường liên tục học từ môi trường của nó bằng cách sử dụng phép lặp. Một ví dụ điển hình về hình thức học tăng cường là máy tính hiện nay có thể dễ dàng đánh bại con người trong các trò chơi máy tính.

Trí tuệ nhân tạo (AI) là gì?

AI (trí tuệ nhân tạo) là một phạm vi vô cùng rộng lớn. Theo ông Andrew Moore, Nguyên Hiệu trưởng Trường Khoa học Máy tính tại Đại học Carnegie Mellon, “Trí tuệ nhân tạo là khoa học và kỹ thuật làm cho máy tính hoạt động theo cách mà cho đến gần đây chúng ta vẫn nghĩ rằng chỉ trí thông minh của con người mới làm được.”

Cách định nghĩa này cho thấy lĩnh vực AI rất rộng và mơ hồ. Năm mươi năm trước, một chương trình trò chơi cờ vua từng được coi là một dạng AI vì lý thuyết chơi và chiến lược chơi là những khả năng mà chỉ bộ não con người mới có thể thực hiện được. Ngày nay, một trò chơi cờ vua trở nên buồn tẻ và lỗi thời và chỉ là một phần trong hệ điều hành của hầu hết mọi máy tính. Ta thấy rằng cụm từ “đến gần đây” cho thấy rằng quan điểm về AI phát triển theo thời gian.

Có thể nói rằng: thuật ngữ AI “là một khát vọng, một mục tiêu luôn thay đổi dựa trên những khả năng mà con người sở hữu nhưng máy móc thì không.” AI cũng bao gồm một thước đo đáng kể về những tiến bộ công nghệ mà chúng ta biết. Machine Learning chỉ là một trong số đó. Các công trình về AI trước đây sử dụng các kỹ thuật khác nhau. Chẳng hạn như là Deep Blue – AI đã đánh bại nhà vô địch cờ vua thế giới năm 1997, đã sử dụng một phương pháp gọi là thuật toán tìm kiếm cây để đánh giá hàng triệu nước đi cờ trong mỗi lượt.

Ngày nay, AI được tượng trưng bởi các tiện ích tương tác giữa Con người-AI của Google Home, Siri và Alexa, và bởi các hệ thống dự đoán video được hỗ trợ bởi Machine Learning như của Netflix, Amazon và YouTube. Những tiến bộ công nghệ này đang dần trở nên thiết yếu trong cuộc sống hàng ngày của chúng ta. Chúng là những trợ lý thông minh giúp chúng ta nâng cao khả năng và làm việc hiệu quả hơn.

Trái ngược với học máy, AI là một mục tiêu di động và định nghĩa của nó thay đổi khi những tiến bộ công nghệ liên quan của nó được phát triển hơn nữa. Có thể, trong vài thập kỷ nữa, những tiến bộ sáng tạo về AI ngày nay sẽ bị coi là lỗi thời.

AI và Machine Learning

Kết luận

Trong thực tế, cả Machine Learning và AI đều đang được sử dụng ngày càng rộng rãi. Machine Learning chỉ là một nhánh rất nhỏ của 1 phạm trù rất rộng lớn là AI. Trong khi Machine Learning chịu trách nhiệm giải quyết các nhiệm vụ sau khi học hỏi từ dữ liệu và đưa ra dự đoán thì AI chịu trách nhiệm giải quyết các nhiệm vụ đòi hỏi trí thông minh của con người.

 

Đọc thêm

Những xu hướng ứng dụng công nghệ AI trong năm 2022

Các bước để có thể ứng dụng AI thành công cho ngành Tài chính – Ngân hàng

5 xu hướng trí tuệ nhân tạo (AI) lớn nhất trong năm 2023

Chuyển đến thanh công cụ