Những hiểu lầm thường gặp về Machine Learning
Ngày nay, tình trạng "cường điệu hóa" về Machine Learning đã gây nhiều hiểu lầm lớn. Vì vậy, đừng bỏ lỡ bài viết dưới đây để tránh những quan niệm sai lầm nhé!
Machine Learning cơ bản là AI
Rất nhiều người cho rằng Machine Learning và AI là hai từ đồng nghĩa, nhưng thực tế không phải như vậy. Nó là kỹ thuật được sử dụng rất nhiều trong các phòng thí nghiệm, còn AI là một mảng lớn bao gồm các lĩnh vực từ tầm nhìn máy tính, robot và xử lý ngôn ngữ tự nhiên, tới những cách tiếp cận khác nhau mà không bao gồm Machine Learning.
Bạn nên chú ý để có thể sử dụng hai thuật ngữ này thật chính xác. AI là những kỹ thuật làm cho máy móc trở nên thông minh hơn. Tuy nhiên không phải lúc nào máy móc cũng sử dụng trí tuệ nhân tạo, thứ mà mọi người nghĩ có thể sẽ chiến đấu hoặc thậm chí tấn công loài người. Machine Learning là về học các mô hình và dự đoán các kết quả từ các tập dữ liệu lớn, các kết quả trông có vẻ "thông minh” nhưng thật sự nó đang sử dụng các số liệu thống kê với tốc độ và quy mô chưa từng có.
Tất cả các dữ liệu đều hữu ích
Để xây dựng và phát triển hệ thống, bạn cần những dữ liệu đại diện bao gồm các patterns và các kết quả mà hệ thống Machine Learning cần phải xử lý. Bạn cần dữ liệu không có các patterns liên quan cụ thể, bởi vì mô hình này sẽ phản ánh những patterns cụ thể và tìm chúng trong data dữ liệu mà bạn có. Tất cả những dữ liệu bạn sử dụng cần phải được phân loại tốt và đánh dấu hay dán nhãn các tính năng bạn hỏi Machine Learning.
Bất kì ai cũng có thể xây dựng một hệ thống Machine Learning
Để có thể tìm hiểu và xây dựng một Machine Learning cho riêng mình sẽ tốn rất nhiều thời gian và công sức. Tuy nhiên nếu bạn mới bắt đầu, hãy tìm hiểu từ APIs và các mô hình đã được đào tạo từ trước hoặc bạn có thể thuê data science và chuyên gia Machine Learning để xây dựng các hệ thống tùy chỉnh.
Hơn nữa, hiện nay có rất nhiều công cụ open-source và framework dành riêng cho Machine Learning màn bạn có thể sử dụng. Machine Learning là một kĩ thuật chuyên ngành, vì vậy bạn cần biết cách phân loại, chuẩn bị data dữ liệu và phân vùng cho việc xây dựng và kiểm thử. Bên cạnh đó, bạn phải biết cách chọn thuật toán và heuristics tốt nhất để sử dụng và biến nó thành một hệ thống đáng tin cậy để sản xuất. Ngoài ra, cho dù thị trường có thay đổi hay hệ thống Machine Learning của bạn có hoạt động tốt để phân loại các nhóm khách hàng khác nhau hay không, thì bạn luôn phải kiểm tra hệ thống thường xuyên để xem mô hình ấy vẫn còn phù hợp hay không.
Machine Learning không thiên vị
Machine Learning học từ dữ liệu, nó sẽ sao chép tất cả mọi thứ trong tập dữ liệu kể cả những dữ liệu sai.
Ví dụ: Tập dữ liệu COCO thường được sử dụng để đào tạo hệ thống nhận dạng hình ảnh của cả nam và nữ. Kết quả là phần lớn các hình ảnh của phụ nữ chỉ được hiển thị bên cạnh thiết bị nhà bếp, còn hình ảnh của đàn ông sẽ được hiển thị bên cạnh bàn làm việc hoặc các dụng cụ thể thao.
Một hệ thống Machine Learning cũng có thể tạo thêm thiên hướng sai lệch cho thông tin, hệ thống sẽ học hỏi những định kiến như ”đàn ông gắn với máy tính, phụ nữ gắn với nội trợ", "bác sĩ và y tá" hoặc "ông chủ làm công việc tiếp tân". Hoặc nếu bạn sử dụng hệ thống đó với một hệ thống dịch giữa các ngôn ngữ có các đại từ như anh ấy hay cô ấy, như trong tiếng Việt, với những đại từ chỉ giới tính trung lập, như trong tiếng Phần Lan hoặc Thổ Nhĩ Kỳ, kết quả sẽ là "Họ là bác sĩ" trở thành "Anh ấy là bác sĩ" và "Họ là y tá" trở thành "Cô ấy là y tá".
Machine Learning sẽ dần thay thế con người
Hiện nay, nhiều người lo sợ rằng AI sẽ chiếm dần nhiều công việc và thay thế con người trong các hoạt động, nhưng không phải như vậy. Nó giúp con người cải thiện công việc một cách hiệu quả, quá trình diễn ra suôn sẻ và giảm chi phí. Về lâu về dài, có thể nó sẽ tạo ra những ra những công việc mới để phục vụ con người. Tuy nhiên, không phải công việc nào Machine Learning cũng có thể thực hiện được, phụ thuộc vào độ phức tạp và quy mô của công việc.
Giống như các thế hệ tự động hóa trước đó, Machine Learning có thể giúp nhân viên phát huy tối đa chuyên môn và sự sáng tạo của họ. Vì vậy, Machine Learning đã bắt đầu tham gia vào việc tạo ra những cơ hội kinh doanh mới, như cải thiện trải nghiệm của khách hàng bằng predictive maintenance hay đưa ra những đề xuất và hỗ trợ cho các nhà lãnh đạo của doanh nghiệp.
