[Cẩm nang AI] AI và Machine Learning - Các khía cạnh cốt lõi của bộ đôi xu hướng tương lai

19/03/2022

Đã bao giờ bạn xem những bộ phim khoa học viễn tưởng về AI nhưng theo chiều hướng xấu chưa? Và bạn tự đặt câu hỏi: liệu rằng máy móc có thể thực sự tiếp quản thế giới? Liệu rằng AI sau này sẽ thành công trong việc cướp quyền thống trị thế giới? Ắt hẳn bạn cũng đã nghe tin về việc các chatbot AI của facebook bị mất kiểm soát và cần phải đóng cửa 2 năm trước.

 

Nhiều nhà khoa học và những người đam mê công nghệ đều không ủng hộ việc nghiên cứu quá sâu vào AI. Vậy, liệu rằng AI có thực sự là thứ nguy hiểm và không tốt không? AI cũng có cảm xúc? Vậy thì chính xác thì Ai là gì?

 

Trong cẩm nang AI này, chúng ta sẽ cùng nhau cố  gắng tìm câu trả lời cho những câu hỏi này. Dưới đây là bài viết cụ thể về AI cũng như chìa khóa để nó có thể phát triển mạnh mẽ trong thế kỷ 21.

 

Tìm hiểu về AI và Machine Learning

Tìm hiểu về AI và Machine Learning

AI là gì?

AI là ngành khoa học máy tính, tập trung vào việc tạo ra các chương trình máy tính thông minh. Mục đích của việc tạo ra các chương trình như vậy là để mô phỏng hành vi của con người, giúp hỗ trợ chúng ta trong các tình huống mà ta không thể di chuyển hoặc không thể ở lại khu vực đó trong thời gian dài.

 

AI cũng rất hữu ích trong các trường hợp tự động hóa, giúp mang lại lợi nhuận cao hơn bằng cách giảm thiểu công sức, thời gian cũng như giảm bớt việc xuất hiện các lỗi, sai sót từ con người. Một số tính năng phổ biến mà các chương trình AI có thể thực hiện bao gồm:

    - Giải quyết vấn đề

    - Xử lý ngôn ngữ tự nhiên (Natural language processing)

    - Lập kế hoạch

    - Học tập

 

Lĩnh vực nghiên cứu về AI đã tăng trưởng đáng kể trong thập kỷ đầu tiên của thế kỷ 21, do việc triển khai thành công các kỹ thuật học máy (Machine Learning) và cải tiến phần cứng có sẵn. Ngày nay, AI đã được ứng dụng trong nhiều lĩnh vực khác nhau và cả trong các hộ gia đình nhỏ lẻ.

Các loại trí tuệ nhân tạo AI

AI có thể được phân loại theo nhiều cách. Tuy nhiên, có hai cách phân loại phổ biến nhất dựa trên khả năng và chức năng của chúng:

I. AI loại 1 (Phân loại dựa trên khả năng)

Có ba loại AI trong phân loại 1:

1. AI hẹp (Narrow AI)

AI hẹp còn được gọi là AI yếu. Loại AI này chỉ có thể hoạt động trong các tình huống được xác định trước và chúng chỉ có khả năng thực hiện một số tác vụ được lập trình sẵn.

2. AI phổ thông (General AI)

General AI có thể thực hiện bất kỳ nhiệm vụ nào với hiệu suất ngang bằng với con người.

3. Siêu trí tuệ nhân tạo (Super AI)

Super AI là một khái niệm giả định trong nghiên cứu AI. Đây là một AI có thể thực hiện bất kỳ nhiệm vụ nào tốt hơn con người với hiệu quả cao hơn mà không tạo ra lỗi, sai sót nào như con người.

II. AI loại 2 (Phân loại dựa trên chức năng)

Có bốn loại AI trong phân loại 2:

1. Công nghệ AI phản ứng (Reactive Machines)

Reactive Machines là loại trí tuệ nhân tạo cơ bản nhất. Loại AI này quan sát thế giới xung quanh và phản hồi dựa trên sự quan sát của nó. Tuy nhiên, chúng không hình thành trí nhớ cũng như không học hỏi từ những kinh nghiệm trong quá khứ.

 

Công nghệ chơi cờ của IBM, Deep Blue là một ví dụ điển hình về Reactive Machines.

2. AI với bộ nhớ hạn chế (Limited Memory) 

Limited Memory cũng tương tự như các công nghệ AI phản ứng (Reactive machines), ngoại trừ việc chúng có một bộ nhớ nhỏ để sử dụng vào việc quan sát xung quanh trong một khoảng thời gian ngắn, nhằm phán đoán tình huống và đưa ra phản ứng dựa trên đó.

Một ví dụ về Limited Memory là ô tô tự lái. Xe ô tô tự lái ít nhất cần có trí nhớ ngắn hạn để phản ứng đúng với các biển báo đường bộ và quan sát tốc độ cũng như đường đi của các phương tiện khác xung quanh.

3. Thuyết tâm trí (Theory of Mind)

Trên thực tế, loại AI này chưa tồn tại. Đây là khái niệm chỉ một công nghệ AI có khả năng tự nhận thức thế giới xung quanh và các tác nhân khác bên trong nó. Chúng hiểu cách các đối tượng và thực thể khác sẽ phản ứng với hành động của họ và từ đó đưa ra hành động phù hợp theo sau đó.

4. AI tự nhận thức (Self-Awareness)

AI tự nhận thức là công nghệ AI có ý tưởng và hiểu về bản thân. Loại AI này cũng có ý thức và cảm xúc. Hiện tại, loại AI này hoàn toàn chỉ là giả thuyết.

 

“AI và một nhánh của nó là học máy (Machine Learning) sẽ là một nền tảng để tạo ra lợi ích cho xã hội, cũng như giúp góp phần tăng trưởng khả năng thành công trong tương lai”_Mark Hurd.

III. Ví dụ về trí tuệ nhân tạo

AI là đã xuất hiện xung quanh chúng ta rất nhiều trong thời đại hiện nay. Một số ví dụ phổ biến về AI là:

1. Trợ lý ảo

Các trợ lý ảo như Alexa, Siri và Google Assistant là những nền tảng công nghệ AI được sử dụng phổ biến nhất. Hơn 90% người dùng điện thoại thông minh sử dụng trợ lý ảo được tích hợp trong thiết bị của họ.

2. Đề xuất tại các trang web thương mại điện tử

Các đề xuất do trang web thương mại điện tử đưa ra được thực hiện bởi công nghệ AI, bằng cách kiểm tra lịch sử đặt hàng của khách hàng và từ đó chọn ra các sản phẩm tốt nhất có liên quan để giới thiệu.

3. Cogito

Cogito là một phần mềm nhận dạng giọng nói đã có tính năng có thể xác định cảm xúc đằng sau các từ đã nói bằng cách để ý âm điệu, âm lượng và trọng âm của các từ đó. Nó là một tính năng rất hữu ích cho các cuộc gọi dịch vụ khách hàng.

4. Bộ lọc thư rác

Bộ lọc thư rác trong các dịch vụ, ứng dụng email và nhắn tin sẽ kiểm tra các tin nhắn và email gửi đến để tìm các số nhận dạng nhất định. Họ cũng học cách dựa trên các quyết định của bạn để chuyển thư vào hộp thư đến hoặc hộp thư rác.

5. Xử lý khoản vay và thẻ tín dụng

Điểm tín dụng cho khách hàng được AI tính toán dựa trên một số đặc điểm được xác định trước. Sau đó, các ngân hàng sẽ phê duyệt hoặc từ chối các đơn xin vay và thẻ tín dụng dựa trên những thông tin này.

 

Chúng ta đã biết rằng trí tuệ nhân tạo AI là sự mô phỏng hành vi của một con người bằng máy móc. Trong thời đại hiện nay, AI gần như đã phủ khắp mọi nhà, chẳng hạn như tính năng trợ lý ảo Google trên điện thoại, cùng với các đề xuất sản phẩm liên quan trong các ứng dụng thương mại điện tử.

 

Theo một nghiên cứu của Creative Strategies, chỉ 2% chủ sở hữu iPhone không sử dụng Siri và chỉ 4% chủ sở hữu Android không tận dụng sức mạnh của OK Google. Về mức độ sử dụng, 51% người lựa chọn sử dụng trợ lý giọng nói khi đang sử dụng xe hơi, 6% ở nơi công cộng và 1,3% ở nơi làm việc.

 

Trong khi nghiên cứu về AI, có một thuật ngữ mà bạn sẽ gặp rất nhiều, đó là Học máy (Machine Learning - ML) . Bây giờ, ngay cả khi bạn không quen thuộc với những cập nhật mới nhất trong thế giới công nghệ, tôi cũng khá chắc rằng bạn đã nghe nói về AI và ML ở đâu đó.

 

Nhưng chính xác thì học máy là gì? Và chúng có mối liên hệ như thế nào với AI? Hãy cùng Viettel IDC tham khảo các nội dung dưới đây nhé!

Học máy (Machine Learning) là gì?

Đại học Washington đã định nghĩa học máy bằng khái niệm: “Các thuật toán học máy có thể tìm ra cách thực hiện các tác vụ quan trọng, bằng cách thực hiện tổng quát hóa từ các ví dụ”

 

Machine Learning là gì?

Machine Learning là gì?

 

Chuyên gia về học máy - Tom M Mitchell đã nói rằng “Học máy là quá trình nghiên cứu các thuật toán máy tính, qua đó cho phép các chương trình máy tính tự động cải thiện chính nó thông qua trải nghiệm.”

 

Nói một cách đơn giản, học máy liên quan đến các thuật toán cho phép máy tính tự động học hỏi từ các tương tác trước đó với người dùng, mà không cần đến sự lập trình rõ ràng chi tiết của con người trước đó. Học máy được triển khai với sự trợ giúp của mạng nơ-ron.

 

Học máy sẽ cung cấp cho máy tính kỹ năng học hỏi từ dữ liệu trước đó mà không cần một chuyên gia phải liên tục lập trình nó. Với sự trợ giúp của học máy, một hệ thống sẽ đưa ra quyết định dựa trên các mẫu trước đó.

 

Bây giờ bạn chắc hẳn đang thắc mắc mạng nơ-ron là gì phải không? Mạng nơ-ron được hiểu đơn giản là một chuỗi các thuật toán, giống như một mạng nơ-ron sinh học bên trong bộ não động vật. Các thuật toán này sẽ tạo điều kiện thuận lợi cho việc nhận biết các mối quan hệ trong một tập hợp dữ liệu.

 

Đã bao giờ bạn phát hiện khi bạn tìm kiếm và đặt mua một sản phẩm nào đó, trang Web sẽ điều hướng và gợi ý cho bạn những sản phẩm tương tự? Sau khi đặt hàng xong, bạn truy cập các trang mạng xã hội, và bạn nhận thấy rằng có rất nhiều quảng cáo liên quan đến sản phẩm bạn vừa mua xuất hiện. 

 

Điều này đã giúp chúng ta có thể kết luận rằng trên cơ sở tương tác của người dùng với các trang web khác nhau, người đó sẽ nhận được các đề xuất về sản phẩm liên quan.

 

Chúng cũng đồng nghĩa với việc các trang Web thương mại điện tử như Amazon, Shopee, Tiki,... đã sử dụng công nghệ AI để thu thập thông tin về sở thích, hành vi của người dùng, từ đó cung cấp cho chúng ta những trải nghiệm cá nhân hóa, phù hợp với chúng ta hơn.

I. Các thành phần của học máy

Các chuyên gia về học máy đã phát triển hàng nghìn thuật toán ML (Machine Learning) mỗi năm. Dưới đây, Viettel IDC sẽ đề cập đến ba thành phần quan trọng mà mọi thuật toán đều có:

1. Bộ đại diện (Representation)

Thành phần này bao gồm việc lựa chọn một mô hình đại diện cho dữ liệu. Cây dữ liệu, các phiên bản, bộ quy tắc,... là một số ví dụ về thành phần này.

 

Cây quyết định là một mô hình dạng cây, bao gồm các quyết định khác nhau và hệ quả của chúng. Quá trình học tập dựa trên phiên bản sẽ xảy ra khi máy so sánh các vấn đề mới với các phiên bản đã xảy ra trước đó trong quá khứ.

2. Đánh giá (Evaluation)

Đánh giá là thành phần cung cấp cho máy khả năng đánh giá và tối ưu hóa các giả thuyết (chương trình ứng viên). Nó còn được biết đến với tính khách quan, thiết thực hoặc chức năng tính điểm. Một số ví dụ về đánh giá là độ chính xác, sai số bình phương, xác suất hậu nghiệm,...

 

Về cơ bản, độ chính xác sẽ dùng để đo lường hoặc đánh giá các mô hình phân loại. Xác suất sau là xác suất phát sinh khi có tính đến các thông tin cập nhật.

3. Tối ưu hóa

Tối ưu hóa là cách mà các giả thuyết được tạo ra. Ví dụ về tối ưu hóa bao gồm tối ưu hóa tổ hợp, tối ưu hóa lồi và tối ưu hóa ràng buộc. Tối ưu hóa tổ hợp sử dụng các kỹ thuật tổ hợp để giải quyết các vấn đề về kết hợp rời rạc.

 

“Một em bé học cách bò, đi và sau đó chạy. Chúng tôi đang trong giai đoạn thu thập thông tin khi áp dụng học máy ”. ~ Dave Waters

II. Các loại máy học

1. Học tập có giám sát (Supervised Learning)

Trong học tập có giám sát, chúng ta đã gắn nhãn tập dữ liệu, điều này đồng nghĩa với việc chúng ta đã biết đầu vào và đầu ra tương ứng của chúng. Chúng tôi đào tạo mô hình bằng cách sử dụng một thuật toán ánh xạ đầu vào với đầu ra của chúng.

 

Ở đây, chúng tôi cố gắng giảm thiểu lỗi xuất hiện và sau đó, chúng tôi có thể sử dụng dữ liệu mới để dự đoán kết quả của chúng. Các nhiệm vụ học tập có giám sát bao gồm các bài toán phân loại và các bài toán hồi quy.

2. Học tập không giám sát (Unsupervised Learning)

Kỹ thuật học tập không giám sát được sử dụng khi chúng ta không có dữ liệu được gắn nhãn trước đó. Lúc này, hệ thống máy móc chỉ nhận được dữ liệu đầu vào và nó phải hoạt động dựa trên thông tin mà không có bất kỳ hướng dẫn hoặc dữ liệu đầu ra nào.

 

Do đó, máy bị hạn chế trong việc tìm các mẫu ẩn và các điểm tương đồng trong dữ liệu đầu vào. Kỹ thuật học không giám sát được sử dụng cho các vấn đề phân cụm và liên kết.

3. Học tập bán giám sát (Semi-Supervised Learning)

Dữ liệu được gắn nhãn có chi phí rất đắt và rất khó tìm, nếu vấn đề bạn đang giải quyết không quá phổ biến. Lúc này, bạn có thể tìm đến kỹ thuật học tập bán giám sát này. Trong học tập bán giám sát, chúng ta sẽ sử dụng một số lượng dữ liệu được gắn nhãn kết hợp với cả dữ liệu không được gắn nhãn. Độ chính xác của mô hình của dữ liệu không được gắn nhãn có thể được tăng lên bằng cách sử dụng một số dữ liệu được gắn nhãn.

4. Học tăng cường (Reinforcement Learning)

Trong học tập củng cố, máy tính sẽ sử dụng dữ liệu trước đó để phát triển và học hỏi. Chúng sử dụng các phần thưởng và hình phạt để đào tạo thuật toán bằng cách trao phần thưởng tích cực cho các quyết định tốt và có hình phạt tiêu cực cho các quyết định tồi tệ.

 

Việc học này không yêu cầu các tập dữ liệu để đào tạo. Đây là một hệ thống tự duy trì, học cách cải thiện bản thân từ môi trường thế giới thực.

III. Ví dụ về ứng dụng học máy trong trí tuệ nhân tạo

Không thể phủ nhận rằng Cortana, trợ lý ảo do Microsoft phát triển cho Windows 10, là kết quả của sự tiến bộ mạnh mẽ trong lĩnh vực AI. Chúng hoạt động chính xác như Siri hoặc trợ lý Google.

Cortana giúp bạn tìm kiếm thông tin về mọi thứ khi được yêu cầu, bằng cách sử dụng các câu hỏi thông thường như thời tiết ngày mai ra sao? Nó cũng có thể thực hiện bất kỳ tính toán nào theo yêu cầu của bạn. Cortana là công cụ tuyệt vời giúp bạn trong việc thực hiện các chức năng cụ thể hoặc ra lệnh cho các ứng dụng khác thực hiện một hoạt động(đặt báo thức, thực hiện cuộc gọi,...).

 

AI là một phần không thể thiếu của trợ lý này, vì AI giúp thu thập dữ liệu trên cơ sở tương tác của người dùng và sau đó cung cấp kết quả tùy chỉnh. 

 

Nhưng Cortana có nhiều thứ hơn là chỉ trả lời các câu hỏi và thực hiện ra lệnh cho các ứng dụng khác như vậy. Microsoft tuyên bố rằng với mỗi lần tương tác, Cortana liên tục tìm hiểu về người dùng của mình và cố gắng dự đoán các yêu cầu của người dùng.

 

Điều này đồng nghĩa với việc chúng liên tục sử dụng học máy để vận hành một cách thông minh hơn, nhằm mang lại trải nghiệm tốt nhất cho người dùng.

IV. Sự khác biệt giữa AI và Machine Learning

Trí tuệ nhân tạo

Học máy

AI là một khái niệm rộng liên quan đến nhiều khái niệm khác, chẳng hạn như học máy, mạng nơ-ron, NLP (Xử lý ngôn ngữ tự nhiên)

ML là một tập hợp con của AI. ML chỉ là một kỹ thuật được dùng để triển khai AI

AI là sự tiếp thu kiến ​​thức và khả năng áp dụng nó

ML là khả năng  sử dụng các trường hợp trong quá khứ để đưa ra các quyết định trong tương lai

Tập trung nhiều hơn vào việc tự động hóa một tác vụ hoặc một hệ thống, chẳng hạn như trong ô tô tự lái

Tập trung vào việc thu thập và áp dụng kiến ​​thức từ môi trường bên ngoài, như Cortana

AI cho phép máy móc suy nghĩ và thực hiện các công việc thường ngày mà con người vẫn làm, chẳng hạn như vận hành dây chuyền lắp ráp trong nhà máy

ML cung cấp các giải pháp trên cơ sở mạng nơ-ron không ngừng phát triển

Được phát triển nhằm  mục đích tăng xác suất thành công, thay vì độ chính xác

ML hướng đến sự chính xác hơn thay vì tăng xác xuất thành công

Hệ thống hỗ trợ AI được lập trình theo cách mô phỏng hành vi của con người

ML có xu hướng tạo ra các thuật toán tự học

AI bắt chước trí thông minh của con người để giải quyết các vấn đề phức tạp

ML học hỏi từ dữ liệu đã tìm nạp trước đó để tối đa hóa hiệu suất

AI và ML nghe có vẻ khác nhau, nhưng trên thực tế, nó cũng gần giống nhau và có thể gây ra nhầm lẫn cho người dùng. Học máy là một ứng dụng của AI, ngụ ý rằng nếu có đủ tiến bộ, máy móc có thể học hỏi và nâng cao theo từng tương tác của người dùng.

Trí tuệ nhân tạo là một khái niệm rộng hơn liên quan đến khả năng của máy móc để thực hiện nhiều nhiệm vụ khác nhau.

Tóm lược

Có lẽ qua bài viết cẩm nang AI này, bạn đã hiểu hơn về AI và Machine Learning. Trí tuệ nhân tạo AI giống như một chiếc ô chứa Machine Learning bên trong, cùng với nhiều khái niệm khác. AI giống như một nghiên cứu nhằm đào tạo các máy tính đơn giản hóa và tự động hóa các tác vụ, trong khi ML sẽ giúp các máy móc tự học hỏi và đưa ra quyết định dựa trên dữ liệu trong quá khứ.

 

 

>> Xem tiếp: Bài 21: Tìm hiểu về bộ tứ Artificial intelligence (AI), Machine Learning (ML), Deep Learning (DL) và Data Science (DS)

>> Xem lại: Bài 19: TOP những cuốn sách AI từ cơ bản đến nâng cao hay nhất

 

 

 

Để tìm hiểu thêm về giải pháp Giám sát & Ứng dụng AI, vui lòng liên hệ đến Viettel IDC:

 

- Hotline: 1800.8088 (miễn phí cước gọi)

- Fanpage: https://www.facebook.com/viettelidc

- Website: https://viettelidc.com.vn

Tin liên quan

21/03/2022

[Cẩm nang AI] TOP 7 ngôn ngữ lập trình được sử dụng trong các dự án AI/Machine Learning

Trong bài viết thuộc Cẩm nang AI cuối cùng này, chúng ta sẽ khám phá các ngôn ngữ lập trình khác nhau đang được sử dụng trong các dự án AI / Machine Learning. Bên cạnh đó, bạn cũng được tìm hiểu về cách sử dụng các ngôn ngữ lập trình này.

20/03/2022

[Cẩm nang AI] Tìm hiểu về bộ tứ Artificial intelligence (AI), Machine Learning (ML), Deep Learning (DL) và Data Science (DS)

Vào thế kỷ 21 hiện nay, công nghệ đã và đang thay đổi nhanh chóng hơn bao giờ hết. Do đó, để đáp ứng và hòa nhập với các cơ hội hiện tại của thị trường, chúng ta nên tìm hiểu về trí tuệ nhân tạo AI, Machine Learning, Deep Learning và Data Science.

18/03/2022

[Cẩm nang AI] TOP những cuốn sách AI từ cơ bản đến nâng cao hay nhất

Thông qua cẩm nang AI này, bạn sẽ tìm hiểu về những cuốn sách hay nhất về trí tuệ nhân tạo (bằng tiếng Anh) dành cho cả người mới bắt đầu tìm hiểu cho đến cả các chuyên gia về AI. Nào, bây giờ hãy cùng Viettel IDC tìm hiểu nhé! Dưới đây là danh sách những cuốn sách về trí tuệ nhân tạo được đề xuất bởi các chuyên gia AI hàng đầu trên thế giới.

17/03/2022

[Cẩm nang AI] Xử lý ngôn ngữ tự nhiên (Natural Language Processing) trong AI là gì?

​Trong cẩm nang AI này, chúng ta sẽ cùng tìm hiểu về công nghệ xử lý ngôn ngữ tự nhiên (Natural Language Processing). Những thông tin chúng ta sẽ tìm hiểu bao gồm khái niệm, thành phần cũng như quy trình, các ví dụ của Natural Language Processing (NLP).

16/03/2022

[Cẩm nang AI] Hệ thống chuyên gia (Expert System) là gì? Cách hệ thống ES giải quyết vấn đề

Trong cẩm nang AI này, chúng ta sẽ cùng tìm hiểu về hệ thống chuyên gia (tên tiếng Anh là Expert System) là gì, cũng như các đặc điểm về thành phần, phân loại của hệ thống này. Ngoài ra, chúng ta cũng sẽ đi sơ lược qua các ưu nhược điểm của hệ thống này. Viettel IDC sẽ sử dụng nhiều hình ảnh minh họa trong bài viết để có thể thể hiện nó một cách đơn giản và giúp bạn hiểu nó dễ hơn.

25/05/2022

[Cẩm nang AI] Hệ thống Logic mờ (Fuzzy Logic) là gì?

​Trong cẩm nang AI này, chúng ta sẽ cùng tìm hiểu về hệ thống Logic mờ (tên tiếng Anh là Fuzzy Logic). Ngoài ra, chúng ta cũng sẽ đi qua các kiến thức về ứng dụng và kiến trúc của Fuzzy Logic trong AI, cũng như các ưu nhược điểm của hệ thống này nhé!

23/05/2022

[Cẩm nang AI] Artificial Neural Network là gì? Cấu trúc, cách hoạt động và ứng dụng của mô hình này

Trong phần hướng dẫn về ANN (Artificial Neural Network) này, chúng ta sẽ cùng tìm hiểu về mạng nơ ron nhân tạo. Cụ thể, chúng ta sẽ nghiên cứu qua cách làm việc và các loại cấu trúc, phân loại cũng như ứng dụng của ANN. Cuối cùng, chúng ta sẽ tìm hiểu về mạng Bayesian (Bayesian Network) trong trí tuệ nhân tạo AI.

18/05/2022

[Cẩm nang AI] Thành phần và ứng dụng của Robot AI

Trong bài viết này của cẩm nang AI tại Viettel IDC, chúng ta sẽ cùng tìm hiểu kỹ hơn về khái niệm robot AI. Ngoài việc tìm hiểu về các thành phần cũng như cách chuyển động của robot, chúng ta sẽ cùng đi qua những ứng dụng của robot trong thực tế nhé!

20/05/2022

[Cẩm nang AI] Các thuật toán tìm kiếm phổ biến trong AI

Trong phần này của cẩm nang AI, chúng ta sẽ nghiên cứu về các thuật toán tìm kiếm phổ biến trong trí tuệ nhân tạo AI. Bên cạnh đó, chúng ta sẽ cùng xem qua các kỹ thuật, phương pháp và thuật toán tìm kiếm phổ biến nhất. Để bạn dễ hiểu hơn, Viettel IDC sẽ sử dụng các ví dụ và hình ảnh đi kèm.

DMCA.com Protection Status
// doi link