[Đánh Giá Sách] “Học Sâu - Cuộc Cách Mạng Trong Học Sâu“: Từ Một Lĩnh Vực Học Thuật Phức Tạp Trở Thành Một Công Nghệ Đột Phá Trong Nền Kinh Tế Thông Tin!

Năm 1943, chủ tịch IBM Thomas J. Waston được biết đến với câu nói: “Tôi nghĩ chỉ có khoảng năm chiếc máy tính cho thị trường toàn cầu!

. Nhưng cho đến thời điểm hiện tại có tới hàng triệu triệu máy tính ra đời phục vụ cho nhu cầu con người. Nói như vậy đủ thấy trí tuệ nhân tạo AI (Artificial Intelligence) có sức ảnh hưởng lớn như thế nào. Là một phần của nền kinh tế thông tin ấy, Học Sâu - Cuộc cách mạng trong học sâu của tác giả Terrence J. Sejonowski chính là cuốn sách chỉ dẫn cho quá khứ, hiện tại và tương lai của học sâu.

Năm 1956, dự án nghiên cứu Dartmouth Artificial Intelligence Summer đã khai sinh ra lĩnh vực AI, thúc đẩy một thế hệ các nhà khoa học khám phá ra tiềm năng để công nghệ thông tin phù hợp với khả năng của con người. Tính đến nay, AI đã trở thành một trợ thủ đắc lực của chúng ta.

Học sâu là gì? Học sâu chính là một nhánh của học máy, có nguồn gốc từ toán học khoa học máy tính và khoa học thần kinh.

Phần I: Định nghĩa lại trí thông minh.

Biểu hiện rõ nhất của sự thay đổi lớn trong nền kinh tế do công nghệ thông tin thúc đẩy là các xe tự lái có khả năng tự học để dự đoán đường đi.

Học sâu đang ảnh hưởng đến nhiều ứng dụng mà con người sử dụng, ví dụ như dịch ngôn ngữ.

Cuộc cách mạng học sâu là cuốn sách khám phá nguồn gốc và hậu quả của việc học sâu từ góc nhìn cá nhân của Senjnowski.

Trong quá trình phát triển của trí tuệ nhân tạo, thị giác máy tính từng là một vấn đề rất khó khăn, nhưng giờ đã có phương pháp tiếp cận mới.

Cách não bộ hoạt động là đề tài nghiên cứu chính của các nhà khoa học, với sự tương tác giữa nhận thức và cảm xúc để tạo ra trí thông minh.

Bộ não của chúng ta làm việc tốt nhất bằng cách nhận dạng mẫu từ thị giác, và thị giác là giác quan được nghiên cứu nhiều nhất trong lĩnh vực học sâu.

Steven Zucker đã nghiên cứu sự kết hợp giữa máy tính và thị giác sinh học, đặc biệt tập trung vào cấu trúc của vỏ não sơ cấp.

Phần II: Các phương pháp học máy.

Perceptron là một loại mạng nơ-ron đơn giản, có khả năng phân loại và học cách phân tách nguồn mù.

Mạng nơ-ron có thể cung cấp câu trả lời đúng cho các vấn đề nhưng chúng vẫn còn bí ẩn về cách chúng làm được điều đó.

Các thuật toán học máy đã tồn tại hơn 25 năm nhưng tác động của chúng lên thế giới thực lại chậm chạp.

Mạng nơ-ron có khả năng tự học thông qua việc chơi và sự giám sát của chuyên gia, như chương trình TD-Gamon.

Dữ liệu lớn là yếu tố quan trọng giúp học sâu phát triển mạnh mẽ, nhưng không phải ai cũng có thể truy cập được vào nó.

Có những bước tiến lớn trong lịch sử học sâu, mỗi giai đoạn kèm theo sự phấn khích và tiến triển đáng kể.

Phần III: Tác động của khoa học kỹ thuật.

Thế giới đang bước vào thời đại của trí tuệ nhân tạo, với sự tự động hóa lan rộng từ y tế đến an ninh và dịch vụ hàng ngày.

Để nhìn xa về tương lai của Trí tuệ nhân tạo, chúng ta cần có cái nhìn chiều sâu vì hiện tại chúng ta vẫn chưa có đủ sức mạnh tính toán để đạt đến trình độ thông minh của con người.

Việc tìm kiếm thông tin trên Internet hiện nay dễ dàng hơn nhiều so với tra cứu trong sách vở, và chúng ta đang sống trong thời đại thông tin đầy hứa hẹn.

Học sâu phụ thuộc vào việc tối ưu hóa các hàm chi phí, nhưng có nhiều loại chi phí phải được cân nhắc, đặc biệt là trong bối cảnh của một hệ thống tối ưu hóa nhất định.

Lời kết:

Đánh giá chi tiết bởi Kim Chi - MyBook