Hỗ trợ

Mọi thắc mắc cần hỗ trợ xin liên hệ với chúng tôi.


- Email: support@1raovat.vn

- Hotline: 0989248186

- Yahoo: lekiet250986

|Liên hệ |Sitemap

Trí tuệ tự tạo, machine learning, deep learning thời buổi này không “ma thuật” như tấ

ID tin: 7548945
Đã xem: 27
Nơi đăng: Toàn Quốc
Đăng lúc:
Giá: Call
Thông tin liên hệ
Khách vãng lai

Các công nghệ tiên tiến “AI” thời nay không còn nào đấy ma thuật như cách tất cả chúng ta cảm nhận từ thời điểm cách đây vài năm. Các thuật toán có thể hiểu được video, Hình ảnh, lời nói & văn bản, dịch giữa các ngôn từ với độ chính xác kỳ lạ, lái xe, chơi game show đoạn phim, tìm ra bệnh ung thư & thậm chí là “người” giỏi nhất trong số game show chiến lược phức tạp. Các mốc mới bứt phá được vượt qua gần như hằng ngày. Các chương trình khoa học máy tính xách tay bị ngập lụt với những học sinh sinh viên có nhu cầu biến thành chuyên gia AI & các Công Ty không hề thuê đủ người lập trình AI. Dường như thời đại của trí tuệ tự tạo đã thực sự đến. Trên thực ra, thuật toán AI thời buổi này không gì khác ngoài thuật toán học máy cổ xưa. Ngay đến các hệ thống mạnh nhất cũng mang ý nghĩa “nghệ sỹ” hơn là khoa học, chúng đòi hỏi một lượng lớn tài liệu được sắp xếp cẩn trọng mà Từ đó hoàn toàn có thể thừa hưởng những đánh giá và nhận định (bias) có ý nghĩa, phần nhiều không còn khái quát hóa ngoài khoanh vùng chúng đã được đào tạo và giảng dạy, là các cái “hộp đen” (black box) mà ngay cả người tạo ra nó cũng không hiểu hết.

trong một nửa thập kỷ kể từ thời điểm sự trổi dậy của học tập sâu xâm nhập vào nhận thức của công chúng với những kỳ công bứt phá, nó dường như đã làm mờ đi tất cả những cố gắng nỗ lực quan trọng trước đây, AI đang đi đến để giữ lấy chiến công như trong thần thoại. Các viện phân tích tổ chức triển khai các Họp Báo Hội nghị “hệ thống thông minh”, dữ liệu quảng cáo quảng bá giới thiệu phương án AI cho mọi luận điểm, giới media không ngừng nghỉ chào làng các bước cải cách và phát triển mới về tính ưu việt của ai, không chỉ có thế là những băn khoăn lo lắng chung về cuộc cách mạng AI. Không có tuần nào trôi qua mà không tồn tại một tài liệu học thuật hoặc bài viết nghiên cứu nào đánh dấu bước nâng tầm trong thuật toán hay phần mềm trong AI. Các tập đoàn triển khai chiến lược thay thế sửa chữa dần hạ tầng cho những thuật toán Bây Giờ của họ bằng các hệ thống học tập sâu mới.

>>> Xem thêm: X11DPL-I

 

Dường như mai sau là đây!

khỏe khoắn và hiệu năng cao như những hệ thống học tập sâu giờ đây, chúng vẫn chỉ làm nhiệm vụ trích xuất các mẫu hình. Một hệ thống Bức Ảnh máy tính xách tay rất có thể lấy một tập các ảnh về mèo và “học” cách để nhận thấy con mèo. &Ldquo;Học tập chuyển giao” rất có thể được sử dụng để dạy cho nó để nhận thấy chó với 1 bộ hình ảnh bé thêm hơn cho sự rèn luyện. Mặc dù thế, thuật toán phía bên dưới không còn nhận thức gì về những gì nó đang nhìn thấy, nó chỉ đơn thuần làm việc làm phân rã Bức Ảnh thành các sắc tố, mẫu hình & khuôn dạng cá biệt và links các dấu hiệu trực quan chi tiết cụ thể với nhãn dạng text. Nó không còn khái quát hóa từ những gì nó thấy để tự động hóa lan rộng vốn từ vựng của bản thân sang động vật có vú mới hoặc hiểu khái niệm “lông thú” hoặc “bàn chân” ngay cả khi nó phối kết hợp một hình dạng bề mặt chi tiết & bốn hình dạng phân bố hình chữ nhật với Bức Ảnh đã nhận thức thấy.

Việc thiếu năng lực nhận thức là Vì Sao mà thuật toán AI dễ bị đánh lừa. Thực hiện vài đổi khác 1 cách tinh ý cho Bức Ảnh là bạn có thể dễ dàng tạo Bức Ảnh của 1 chú chó có mặt dưới dạng Hình ảnh của xe buýt hoặc một biển báo Stop được trả về dưới dạng tạp âm. Chính là Vì Sao các thuật toán dễ bị pha trộn bởi dữ liệu đầu vào bị bóp méo bởi các nhận định sai, mù quáng “học hỏi” toàn bộ các nhận định và sai trái của con người mà tất cả chúng ta chuyển hẳn sang AI để vượt lên chính tất cả chúng ta. Dù vậy, dưới hình thức AI bạn có thể ghi chép và giải quyết và khắc phục các nhận định sai nếu tất cả chúng ta đủ sáng tạo để nhìn thấy chúng.

vấn đề lớn hơn là sự việc tạo nên các loại hình học hành sâu ngày này mang ý nghĩa nghệ sỹ hơn ít nhiều đối với khoa học. Trái ngược với nhận thức thông dụng, việc kiến thiết mạng nơron không đơn giản như việc nhấn vào nút “Xây dựng mô hình” và chỉ khối hệ thống đến một tập ảnh được dán nhãn chú thích. Có rất nhiều đưa ra quyết định được triển khai và các thông số kỹ thuật rất cần phải kiểm soát và điều chỉnh. Từ cách tài liệu đầu vào được chuẩn bị, thăng bằng & sắp xếp, tới việc xây dựng loại hình và các thành phần dựa vào việc điều chỉnh loại hình đó, kiến tạo mô hình học tập sâu văn minh là việc lai tạo giữa thí nghiệm cường chiều cao và kinh nghiệm tốt & hướng các tiến trình tới các điểm khởi đầu .

luận điểm trở nên xấu đi lúc các bộ công cụ và thuật toán căn nguyên đang đi quá nhanh đến cả tuy nó đem về tác dụng chất lượng cao trong thời điểm tháng này nhưng hoàn toàn có thể trọn vẹn thất bại trong thời điểm tháng sau đó với bản phát hành mới. Các cách và thuật toán được đề xuất đổi khác với tốc độ chóng mặt. Hãy tập kết một tổ gồm mười Chuyên Viên dày dặn và bạn có thể nhận được mười cách tiếp cận cực kì khác nhau! Ngay cả khi tìm kiếm các quan điểm về AI các nhà chỉ huy rất có thể nhận được các khuyến cáo khó hiểu và xích míc nhau lúc các chuyên gia đụng độ với những phương pháp tốt nhất của riêng họ. Trong khi đó, các vườn ươm AI trình làng các tài liệu dựa vào cách tiếp cận mà các Công Ty chiếm dụng nó đã công khai ngưng bổ trợ & bắt đầu loại bỏ khỏi các software framework của mình.

>>> Xem thêm: X10DRL-i

 

Kết luận, lĩnh vực này đang tiến rất nhanh đến mức ngay đến các Công Ty mũi nhọn tiên phong cũng không còn đuổi kịp. Trạng thái non trẻ & tập trung nghiên cứu và phân tích là chính của người nào đồng nghĩa với nghành nghề này vẫn còn đấy đang rất được “phát minh” ngay cả khi nó đang rất được đưa vào đáp ứng Thương Mại.

Các thuật toán AI đang bước đầu đề ra những đưa ra quyết định mang tính sống còn cho tất cả chúng ta ngay cả những lúc người tạo nó cũng không còn lý giải hết Tại Sao chúng đề ra các đưa ra quyết định đó, hoặc thậm chí không chắc là sai ở đâu.

Sự phổ biến của ai đã làm cho việc tạo mô hình có thể trở nên dễ dàng, nhưng vẫn còn rất khó để tạo ra các mô hình tốt.

Việc xây cất một loại hình học tập sâu căn bản trên một nền tảng gốc rễ như TensorFlow khá dễ dàng. Thư việc code mẫu & các hướng dẫn đa dạng chủng loại giúp cho một lập trình viên có kỹ năng không hề thiếu rất có thể kiến thiết một mô hình căn bản một cách nhanh chóng. Vấn đề là vẫn còn một khoảng cách xa, tính theo cấp số nhân, giữa mô hình “hello world” cơ bản này & độ đúng mực rất cần thiết của 1 khối hệ thống dành riêng cho môi trường xung quanh production. Ở cấp độ cao nhất, tài năng ít quan trọng bằng tay nghề trong việc ra quyết định chọn những phần tử (component) và thông số kỹ thuật nào phù hợp cho tập tài liệu nào và vấn đề cần ứng dụng.

Các Công Ty điện toán đám mây đang giải quyết và xử lý điều đó bằng cách cung ứng thư viện các loại hình có sẵn hoàn toàn có thể được sử dụng ngay lập tức, cung ứng độ đúng chuẩn tốt nhất & thường xuyên được cập nhật. Được chấp nhận năng lực tùy biến các loại hình này, các công cụ như AutoML bổ trợ tốt cho sự học tập bàn giao (transfer learning) để cho phép người dùng phi kỹ thuật nhanh chóng thiết kế mô hình cho từng quý khách hàng chi tiết cụ thể mà không nhất thiết phải hiểu bất kỳ nguyên tắc deep learning bên dưới nào. Đối với những người sử dụng có đội ngũ deep learning của riêng họ, các thư viện của các mô hình và thành phần dựng sẵn hoàn toàn có thể được sử dụng theo dạnh plug-n-play để kiến thiết các khối hệ thống dựng sẵn tốt nhất.

Tổng kết lại, lui lại một bước thoát khỏi sự hô hào và cường điệu hóa, xây dựng một pipeline cho nghành nghề dịch vụ deep learning hiện đại cũng không khác hoàn toàn nhiều so với sự thi công khối hệ thống machine learning cổ điển. Làm sạch dữ liệu, sẵn sàng và sắp xếp mẫu (sample), lựa chọn thuật toán & điều chỉnh tham số là toàn bộ các “công thức nấu nướng” của machine learning, điều đã có từ rất lâu trước cuộc cách mạng về deep learning. Những cách học tập sâu có công dụng đã có được độ đúng mực cao hơn nhiều đối với những cách tiếp cận trước đó, nhưng cuối cùng chúng chỉ đơn giản là các hệ thống khai quật mẫu. Chúng định vị & mã hóa các mẫu căn bản, thay vì khái quát hóa từ các yếu tố đầu vào của chúng, thành một mô hình trừu tượng của nhân loại bao quanh.

cho tới lúc này, các hệ thống deep learning thời buổi này ít “AI” hơn so với những máy bộ trích xuất mẫu hình. Cũng như bất kỳ hệ thống machine learning nào, chúng có thể định vị các mẫu hình bên phía trong dữ liệu huấn luyện và áp dụng các mẫu hình đó cho các dữ liệu sau này. Chúng không hề giải thích về tài liệu đầu vào hoặc khái quát hóa để trừu tượng hóa ở tại mức cao hơn nữa, mà ở đó cho phép chúng làm rõ hơn về dữ liệu. Tóm lại, trong những khi chúng hoàn toàn có thể triển khai những công dụng ấn tượng, hệ thống deep learning vẫn tồn tại rất có hạn, sự “mong manh dễ vỡ” rất có thể biểu hiện ra theo các cách rất bất ngờ.

Xét cho cùng, “AI” của cuộc cách mạng deep learning ngày nay vẫn chỉ là machine learning của hàng thập kỷ trước, chứ Chưa hẳn sự “ảo diệu” nào hơn.

>>> Xem thêm: Card X520-DA2

Các công nghệ tiên tiến “AI” thời nay không còn nào đấy ma thuật như cách tất cả chúng ta cảm nhận từ thời điểm cách đây vài năm. Các thuật toán có thể hiểu...
Tri tue tu tao machine learning deep learning thoi buoi nay khong ma thuat nhu ta
Trí tuệ tự tạo, machine learning, deep learning thời buổi này không “ma thuật” như tấ
Có thể bạn quan tâm
x
x