Vị thần sáng tạo cùng những tiên đề, câu chuyện về rổ đậu và flappy bird. Hãy cùng đọc bài viết đầu tiên này để tìm ra lí do để học Machine Learning nhé!

Toán học và con đường đến thực tế

Toán học xuất phát từ những tiên đề

Mỗi một bộ môn Toán học đều có một vị thần sáng tạo. Khởi đầu từ hư vô, vị thần đặt ra các quy tắc mà mình thấy đúng. Nhờ đó, ông ấy đã tạo ra một hệ tiên đề cho thế giới của mình. Tiếp theo, những cư dân của bộ môn Toán học này bắt đầu sử dụng các phép suy luận để tìm ra những kết quả đúng đắn theo quy tắc của thần sáng tạo, và gọi chúng là các định lý. Một thế giới Toán học đã được hình thành.

Đến một ngày nọ, một cư dân trong thế giới Toán học trên cảm thấy bất mãn với những quy tắc mà vị thần đặt ra. Ông suy nghĩ và quyết định đặt ra một hệ quy tắc của riêng mình. Với hệ quy tắc này, ông nhận ra những định lý trong thế giới của chính mình. Đến đây, một thế giới Toán học mới đã được hình thành, với vị thần sáng tạo chính là ông.

Và cứ như thế, các thế giới Toán học dần dần xuất hiện, mà trong đó, mỗi thế giới đều có những quy tắc riêng do vị thần của thế giới ấy đặt ra.

Công cụ mang tên Toán học

Có được hệ thống những quy tắc, và sau đó là những định lý hệ quả thì ta sẽ sử dụng chúng ra sao? Đây là điều khiến mình băn khoăn nhất khi học Toán. Mỗi định lý đều đúng, nhưng chỉ trong ngữ cảnh hệ tiên đề của nó. Vì vậy Toán học không thể áp dụng trực tiếp vào đời sống được. Như thế, làm sao chúng ta có thể đưa một thứ xa vời và khô khan như vậy vào đời sống hằng ngày? Làm sao để biến Toán thành công cụ hữu ích cho con người?

Machine Learning: chiếc cầu nối giữa Toán học và thực tế

Nhớ lại truyện cổ tích Tấm Cám, cô Tấm bị mụ dì ghẻ độc ác yêu cầu nhặt riêng đậu xanh và đậu đen từ một rổ đậu lẫn lộn. Quả là quá đáng! Làm sao con người làm nổi việc này? Tuy nhiên, với máy tính, không gì là không thể. Máy tính có thể hoạt động liên tục không ngừng nghỉ cho đến khi nhặt hết rổ đậu ra từng loại. Nhưng làm sao chúng ta có thể chỉ cho máy phân biệt đậu xanh và đậu đen? Đây là lúc Machine Learning xuất hiện.

Con người dựa vào màu sắc để phân biệt đậu xanh và đậu đen. Như vậy máy tính cũng phải phân biệt được màu sắc để hoàn thành nhiệm vụ giúp cô Tấm. Chúng ta sẽ cung cấp cho máy tính thông tin về màu sắc của hạt đậu và máy tính cần dùng Toán học để tìm ra một hàm số chỉ ra loại đậu tương ứng với thông tin đầu vào. Đầu vào ứng với mỗi hạt đậu sẽ là hai con số, thể hiện “độ xanh” và “độ đen” của hạt đậu đó. Qua một vài ví dụ mẫu về đậu xanh và đậu đen được cô Tấm lựa ra, máy tính sẽ phát hiện ra một điều thú vị: nếu độ xanh lớn hơn độ đen thì đó là đậu xanh; ngược lại thì đó là đậu đen. Ta hãy thử biểu diễn điều này trên một đồ thị.

Lúc này, máy tính chỉ cần trả ra “đậu xanh” khi và “đậu đen” khi (với và là “độ đen” và “độ xanh” của hạt đậu). Nói cách khác đường thẳng màu xanh ở trên chia đậu ra làm 2 vùng: “xanh” và “đen”. Chúng ta đã dùng toán học để dạy cho máy phân biệt được đậu xanh và đậu đen :))

Ở trên là một ví dụ nho nhỏ của bài toán phân loại (Classification), một ứng dụng phổ biến của Machine Learning. Một ví dụ thực tế khác của classification mà bạn có thể thấy trong chính công việc hằng ngày của mình là việc phân loại thư rác. Máy tính cũng được dạy cho những đặc tính của thư rác và thư thông thường như những đặc tính của hạt đậu và nó  sẽ tìm ra tiêu chuẩn để phân loại thư một cách tự động. Bạn đọc có thể thấy rằng Toán học trong Machine Learning rất thực tế chứ không xa vời và nhàm chán như mọi người thường nghĩ!

Machine Learning: vượt qua những giới hạn

Con người bao giờ cũng có một số giới hạn, nhưng luôn khao khát xóa đi giới hạn đó. Mình chưa bao giờ chơi flappy bird được quá 50 điểm. Cô Tấm có muốn chia đậu làm hai loại xanh và đen cũng không thể nào làm kịp để trẩy hội. Trí tuệ Nhân tạo trở thành trợ thủ đắc lực để chúng ta vượt qua những giới hạn đó và thiết lập những cột mốc mới. Và thực tế, trí tuệ nhân tạo đã tạo ra những cột mốc mới. Tháng 5 năm 1997, Deep Blue – máy đánh cờ vua được phát triển bởi IBM đã đánh bại nhà vô địch thế giới Kasparov trong một trận cờ sáu ván. Gần đây hơn, vào tháng 3 năm 2016,  AlphaGO, chương trình chơi cờ vây do Google DeepMind phát triển đã đánh bại Lee Sedol, kỳ thủ thứ 2 thế giới tại thời điểm đó, 3 – 0 trong một trận đấu 5 ván. Những ví dụ này chỉ ra rằng, máy tính có khả năng vượt qua những giới hạn của con người và hoàn toàn có thể tiến xa hơn nữa trong tương lai.

Đây là một chương trình chơi flappy bird, sử dụng Q-learning và chơi giỏi hơn mình một chút. Các bạn quan tâm đến source code của dự án có thể tham khảo tại đây.

Hi vọng sau bài viết, các bạn đã tìm được lí do cho mình để bắt tay vào tìm hiểu Machine Learning.