Học sâu là gì?

Mô hình học sâu là các mạng nơ-ron được thiết kế theo bộ não con người. Một bộ não con người chứa hàng triệu nơ-ron sinh học được kết nối với nhau, làm việc cùng nhau để tìm hiểu và xử lý thông tin. Tương tự, các nơ-ron nhân tạo là những mô-đun phần mềm được gọi là nút, sử dụng các phép toán để xử lý dữ liệu. Các mạng nơ-ron học sâu, hay mạng nơ-ron nhân tạo, được tạo thành từ nhiều lớp nơ-ron nhân tạo hoạt động cùng nhau để giải quyết các vấn đề phức tạp.

Một mạng nơ-ron chuyên sâu có các thành phần sau.

Lớp đầu vào

Một mạng nơ-ron nhân tạo sẽ có một số nút để nhập dữ liệu đầu vào. Các nút này tạo nên lớp đầu vào của hệ thống.

Lớp ẩn

Lớp đầu vào xử lý và chuyển dữ liệu đến các lớp sâu hơn trong mạng nơ-ron. Các lớp ẩn này xử lý thông tin ở các cấp độ khác nhau, thích ứng với hành vi của mình khi nhận được thông tin mới. Các mạng học sâu có hàng trăm lớp ẩn có thể được dùng để phân tích một vấn đề từ nhiều góc độ khác nhau.

Ví dụ: nếu bạn phải phân loại hình ảnh của một loài vật chưa xác định, bạn sẽ cần so sánh hình ảnh này với các loài vật đã biết. Chẳng hạn, bạn sẽ quan sát hình dáng của cặp mắt, đôi tai, kích thước, số chi và kiểu mẫu lông của loài vật đó. Bạn sẽ cố gắng xác định các hình mẫu, chẳng hạn như sau:

• Loài vật có móng guốc nên nó có thể là bò hoặc hươu.
• Loài vật có mắt mèo nên nó có thể là con mèo hoang.

Các lớp ẩn trong mạng nơ-ron chuyên sâu hoạt động theo cùng một cách. Nếu một thuật toán học sâu cố gắng phân loại một hình ảnh động vật, mỗi lớp ẩn của thuật toán này sẽ xử lý một đặc điểm khác nhau của con vật và cố gắng phân loại chính xác đặc điểm đó.

Lớp đầu ra

Lớp đầu ra bao gồm các nút xuất dữ liệu. Các mô hình học sâu xuất ra đáp án "có" hoặc "không" chỉ có hai nút trong lớp đầu ra. Mặt khác, các mô hình xuất ra nhiều đáp án hơn sẽ có nhiều nút hơn. AI tạo sinh có một lớp đầu ra tinh vi để tạo ra dữ liệu mới phù hợp với các kiểu mẫu trong tập dữ liệu đào tạo.