Một cỗ máy không biết gì về mèo. Vậy mà sau khi nhìn vài triệu bức ảnh, nó nhận ra mèo chính xác đến kinh ngạc. Không ai viết cho nó một luật nào, không ai bảo nó rằng mèo có tai nhọn hay có ria mép. Vậy nó học bằng cách nào? Câu trả lời nằm trong một thứ nghe rất kêu: mạng nơ-ron nhân tạo.
Câu trả lời ngắn: Mạng nơ-ron nhân tạo là một chương trình máy tính gồm rất nhiều “nút” nhỏ xếp thành nhiều tầng. Mỗi nút nhân các con số đầu vào với trọng số, cộng lại rồi truyền tiếp. Mạng học bằng cách đoán, đo độ sai rồi chỉnh hàng triệu trọng số theo hướng giảm lỗi, lặp lại hàng triệu lần cho đến khi đoán đúng.
Bài viết này giải thích mạng nơ-ron bằng hai hình ảnh đời thường: một dây chuyền lọc nước và những núm vặn âm lượng. Bạn sẽ hiểu nơ-ron và trọng số là gì, vì sao mạng cần nhiều tầng, quá trình huấn luyện diễn ra thế nào, và vì sao mạng nơ-ron vẫn là một “hộp đen” khó giải thích.
Nếu muốn nắm ý chính trước, bạn có thể xem video giải thích mạng nơ-ron nhân tạo trong hơn 3 phút ngay dưới đây, rồi đọc tiếp để đi sâu từng phần.
Tóm tắt nhanh
- Mạng nơ-ron nhân tạo lấy cảm hứng rất lỏng lẻo từ não, nhưng thực chất là phép tính trên các con số.
- Mỗi nơ-ron nhân đầu vào với trọng số, cộng lại và quyết định có truyền tín hiệu đi tiếp hay không.
- Nhiều tầng nơ-ron xếp chồng giúp mạng đi từ nét thẳng, nét cong tới tai, mắt rồi tới kết luận “con mèo”.
- Huấn luyện gồm ba bước lặp lại: đoán, đo sai bằng hàm mất mát, chỉnh trọng số bằng lan truyền ngược.
- Mạng không thật sự hiểu, nó tìm quy luật thống kê và có thể học nhầm nếu dữ liệu lệch.
Nội dung chính:
- Mạng nơ-ron nhân tạo là gì?
- Bức ảnh con mèo biến thành con số ra sao?
- Nơ-ron và trọng số hoạt động thế nào?
- Vì sao mạng nơ-ron cần nhiều tầng?
- Huấn luyện mạng nơ-ron diễn ra thế nào?
- Lan truyền ngược và hành trình xuống thung lũng
- Mạng nơ-ron có thật sự hiểu không?
- Những hiểu lầm phổ biến về mạng nơ-ron
- Mạng nơ-ron đang ở quanh bạn
- Câu hỏi thường gặp về mạng nơ-ron
- Kết luận
Mạng nơ-ron nhân tạo là gì?
Mạng nơ-ron nhân tạo (tiếng Anh: artificial neural network, thường gọi tắt là neural network) là một chương trình máy tính lấy cảm hứng rất lỏng lẻo từ cách các tế bào thần kinh trong não “nói chuyện” với nhau. Trong não, mỗi tế bào thần kinh nhận tín hiệu từ nhiều tế bào khác và quyết định có phát tín hiệu đi tiếp hay không. Mạng nơ-ron nhân tạo mượn đúng ý tưởng đó, nhưng thay tín hiệu điện hoá bằng những con số.
Chữ “lỏng lẻo” rất quan trọng. Đừng hình dung một bộ não thu nhỏ nằm trong máy tính. Hãy hình dung một dây chuyền lọc nước khổng lồ: nước đục đi vào một đầu, đi qua từng tầng lọc, và nước trong chảy ra ở đầu kia. Mạng nơ-ron cũng vậy, chỉ khác là thứ chảy qua nó không phải nước, mà là con số.
Ở đầu vào là dữ liệu thô: điểm ảnh của một bức hình, âm thanh của một câu nói, chữ của một đoạn văn. Ở đầu ra là một câu trả lời: “đây là con mèo”, “người này nói chữ xin chào”, “câu này mang ý tích cực”. Ở giữa là các tầng xử lý, mỗi tầng biến đổi con số một chút trước khi chuyển cho tầng sau.
Ý tưởng mạng nơ-ron không mới. Từ cuối thập niên 1950, nhà nghiên cứu Frank Rosenblatt đã xây dựng perceptron, một dạng nơ-ron nhân tạo đơn giản. Nhưng phải đến khi có đủ dữ liệu, đủ sức mạnh tính toán và kỹ thuật huấn luyện tốt, mạng nơ-ron mới thật sự bùng nổ và trở thành nền tảng của trí tuệ nhân tạo hiện đại.
Bức ảnh con mèo biến thành con số ra sao?
Máy tính không “nhìn” như mắt người. Với nó, mỗi bức ảnh là một lưới ô nhỏ gọi là điểm ảnh (pixel), và mỗi ô mang một con số chỉ độ sáng. Ảnh màu thường có ba con số cho mỗi ô, ứng với độ đỏ, xanh lá và xanh dương.
Một bức ảnh nhỏ 100 × 100 điểm ảnh đã có 10.000 ô. Nếu là ảnh màu, con số đó nhân ba thành 30.000 giá trị. Toàn bộ dãy số ấy được đưa vào tầng đầu tiên của mạng. Từ thời điểm này, mọi thứ mạng làm chỉ là tính toán trên những con số đó.
Điều này giải thích một chuyện thú vị: cùng một kiểu mạng nơ-ron có thể xử lý ảnh, âm thanh hay chữ viết. Miễn là bạn biến được dữ liệu thành con số, mạng có thể học từ nó.
Nơ-ron và trọng số hoạt động thế nào?
Mỗi tầng của mạng gồm rất nhiều nút nhỏ gọi là nơ-ron. Một nơ-ron làm một việc đơn giản đến mức tẻ nhạt:
- Nhận vào vài con số từ tầng trước.
- Nhân mỗi số với một hệ số riêng.
- Cộng tất cả lại.
- Quyết định có truyền tín hiệu đi tiếp hay không (và truyền mạnh đến đâu).
Hệ số ở bước 2 gọi là trọng số (weight). Đây là phần quan trọng nhất của mạng, vì toàn bộ “kiến thức” mà mạng học được nằm trong các trọng số này.
Trọng số giống núm vặn âm lượng
Hãy hình dung mỗi trọng số là một núm vặn âm lượng. Núm vặn to thì tín hiệu đó được coi là quan trọng; núm vặn nhỏ thì tín hiệu bị lờ đi; vặn về phía âm thì tín hiệu còn bị “trừ điểm”. Một nơ-ron có thể có hàng trăm núm vặn như thế, mỗi núm ứng với một đầu vào.
Bước “quyết định” để làm gì?
Bước cuối của nơ-ron thường dùng một hàm gọi là hàm kích hoạt (activation function). Nói đơn giản, nó giống một cái van: tổng nhỏ thì đóng lại, tổng đủ lớn thì mở cho tín hiệu đi qua. Nhờ chiếc van này, mạng nhiều tầng mới học được những quy luật phức tạp, thay vì chỉ cộng trừ thẳng tuột.
Vì sao mạng nơ-ron cần nhiều tầng?
Một nơ-ron riêng lẻ thì chẳng làm được gì đáng kể. Nhưng khi xếp hàng nghìn, hàng triệu nơ-ron thành nhiều tầng, điều thú vị bắt đầu xảy ra: mỗi tầng học một mức độ chi tiết khác nhau, và tầng sau xây dựng trên kết quả của tầng trước.
- Tầng đầu chỉ nhận ra những thứ rất đơn giản: nét thẳng, nét cong, chỗ sáng tối chuyển nhau.
- Tầng giữa ghép các nét thành hình dạng có ý nghĩa hơn: hình tai nhọn, hình mắt tròn, vệt ria mép.
- Tầng cuối ghép các bộ phận lại thành một kết luận: đây là con mèo.
Điều đáng nói là không ai lập trình cho tầng giữa “hãy tìm tai mèo”. Mạng tự phát hiện ra rằng tìm tai, tìm mắt là cách hữu ích để phân biệt mèo, trong quá trình huấn luyện. Khi mạng có nhiều tầng như vậy, người ta gọi là học sâu (deep learning), chữ “sâu” chính là nói về số tầng.
Bạn có thể so với cách một đứa trẻ học vẽ: đầu tiên là nét thẳng, nét tròn, rồi ghép thành mắt, mũi, rồi ghép thành khuôn mặt. Mạng nơ-ron cũng đi từ đơn giản đến phức tạp, chỉ có điều nó tự tìm ra thứ tự đó.
Huấn luyện mạng nơ-ron diễn ra thế nào?
Nhưng có một vấn đề. Lúc mới tạo ra, các núm vặn được đặt ngẫu nhiên. Mạng nhìn ảnh con mèo và có thể bảo đó là chiếc xe đạp. Vậy làm sao chỉnh được hàng triệu núm vặn cho đúng? Đây là lúc quá trình huấn luyện bắt đầu.
Hãy nghĩ đến một đứa trẻ tập bắn cung. Bắn một mũi tên, nhìn xem trượt bao xa, rồi chỉnh tay cho lần sau. Mạng nơ-ron làm y như vậy, theo một vòng lặp ba bước:
Bước 1: Đoán
Đưa một bức ảnh vào mạng. Các con số chảy qua từng tầng và mạng đưa ra câu trả lời, chẳng hạn “70% là chó, 30% là mèo”.
Bước 2: Đo độ sai bằng hàm mất mát
So câu trả lời với đáp án thật (ảnh này là mèo), rồi đo độ sai lệch bằng một con số gọi là hàm mất mát (loss function). Đoán càng sai, con số này càng lớn. Mục tiêu của toàn bộ quá trình huấn luyện là làm con số này nhỏ nhất có thể.
Bước 3: Chỉnh trọng số
Dựa vào độ sai, mạng xoay mỗi núm vặn một chút xíu theo hướng làm lỗi giảm đi. Rồi quay lại bước 1 với bức ảnh tiếp theo. Câu hỏi khó nhất nằm ở bước này: với hàng triệu núm vặn, làm sao biết nên xoay núm nào, theo hướng nào?
Lan truyền ngược và hành trình xuống thung lũng
Điều khéo léo nằm ở đây. Thay vì chỉnh bừa, mạng lần ngược từ kết quả về đầu và “hỏi” từng núm vặn: bạn đã góp bao nhiêu vào lỗi này? Núm nào góp nhiều thì xoay nhiều, núm nào góp ít thì xoay ít. Kỹ thuật này gọi là lan truyền ngược (backpropagation).
Lan truyền ngược được phổ biến rộng rãi năm 1986 nhờ bài báo của David Rumelhart, Geoffrey Hinton và Ronald Williams. Đến nay, nó vẫn là cách chính để huấn luyện gần như mọi mạng nơ-ron, từ mạng nhận diện ảnh đến các mô hình ngôn ngữ lớn.
Như người dò đường xuống núi trong sương mù
Lặp lại việc đó hàng triệu lần trên hàng triệu ví dụ, mỗi lần chỉ nhích một chút xíu. Hình ảnh dễ nhớ nhất là một người đứng trên núi giữa sương mù dày đặc, không nhìn thấy đường. Người đó chỉ cảm nhận được mặt đất dưới chân dốc về phía nào, và cứ thế bước một bước nhỏ theo hướng dốc xuống. Dần dần, họ tới đáy thung lũng, nơi sai lệch nhỏ nhất.
Trong ngôn ngữ kỹ thuật, cách đi xuống dốc này gọi là hạ gradient (gradient descent). Lan truyền ngược cho biết “dốc” nghiêng về đâu, còn hạ gradient là việc bước theo hướng đó. Hai thứ đi cùng nhau như la bàn và đôi chân.
Mạng nơ-ron có thật sự hiểu không?
Đây là chỗ ta cần thận trọng. Mạng nơ-ron không hiểu như con người. Nó chỉ tìm ra những quy luật thống kê trong dữ liệu đã thấy. Khi quy luật đó trùng với thứ ta muốn, mạng tỏ ra rất “thông minh”. Khi dữ liệu có thiên lệch, mạng học luôn cả thiên lệch đó.
Học nhầm vì dữ liệu lệch
Ví dụ kinh điển: nếu ảnh mèo nào dùng để huấn luyện cũng nằm trên ghế sofa, mạng có thể học nhầm rằng ghế sofa mới là dấu hiệu của mèo. Đưa cho nó ảnh một chiếc sofa trống, nó vẫn có thể tự tin trả lời “mèo”. Đưa cho nó ảnh mèo trên bãi cỏ, nó có thể bối rối.
Vấn đề hộp đen
Thêm một khó khăn nữa: khi mạng có hàng triệu, thậm chí hàng tỷ núm vặn, ngay cả người tạo ra nó cũng khó giải thích vì sao nó đưa ra một quyết định cụ thể. Người ta gọi đó là vấn đề hộp đen. Ta thấy dữ liệu vào, thấy kết quả ra, nhưng những gì xảy ra ở giữa rất khó diễn giải bằng lời.
Vì vậy, với những việc quan trọng như chẩn đoán y tế, xét duyệt hồ sơ hay lái xe tự động, mạng nơ-ron cần được kiểm tra kỹ trên dữ liệu đa dạng, và quyết định cuối cùng thường vẫn cần con người giám sát.
Những hiểu lầm phổ biến về mạng nơ-ron
Tên gọi “mạng nơ-ron” dễ khiến nhiều người tưởng tượng quá đà. Dưới đây là những hiểu lầm hay gặp và sự thật phía sau.
- “Mạng nơ-ron là bộ não nhân tạo.” Không phải. Nó chỉ mượn ý tưởng rất lỏng lẻo từ não. Bên trong là phép nhân, phép cộng trên các con số.
- “Người ta lập trình từng luật cho mạng.” Ngược lại. Mạng được cho ví dụ, được báo đúng sai, rồi tự chỉnh trọng số. Không ai viết luật “mèo có tai nhọn”.
- “Mạng càng to thì càng hiểu.” Mạng lớn học được quy luật phức tạp hơn, nhưng vẫn là quy luật thống kê. Dữ liệu tệ thì mạng to cũng học sai.
- “Mạng nơ-ron học một lần là xong.” Huấn luyện cần lặp lại hàng triệu lần trên rất nhiều ví dụ, và thường phải huấn luyện lại khi dữ liệu thực tế thay đổi.
Mạng nơ-ron đang ở quanh bạn
Dù nghe xa vời, mạng nơ-ron đã có mặt trong rất nhiều thứ bạn dùng hằng ngày. Mỗi khi điện thoại nhận ra khuôn mặt bạn để mở khoá, khi ứng dụng ảnh tự gom ảnh theo người, khi trợ lý giọng nói hiểu câu bạn nói, hay khi công cụ dịch chuyển câu tiếng Việt sang tiếng Anh, phía sau đều có mạng nơ-ron làm việc.
| Ứng dụng | Đầu vào (con số) | Đầu ra |
|---|---|---|
| Mở khoá bằng khuôn mặt | Điểm ảnh từ camera | Đúng chủ máy hay không |
| Nhận dạng giọng nói | Sóng âm thanh | Chữ viết tương ứng |
| Dịch máy | Chữ của câu nguồn | Câu ở ngôn ngữ đích |
| Gợi ý video | Lịch sử xem, tương tác | Video bạn có thể thích |
Điểm chung của tất cả: dữ liệu được biến thành con số, đi qua nhiều tầng nơ-ron với trọng số đã được huấn luyện, và cho ra một dự đoán. Cùng một nguyên lý “chỉnh núm vặn”, chỉ khác dữ liệu và cách tổ chức các tầng.
Mẹo để hiểu AI tốt hơn khi dùng hằng ngày
Hiểu cách mạng nơ-ron học giúp bạn có cái nhìn tỉnh táo hơn với các công cụ AI: chúng giỏi ở những gì giống dữ liệu đã học, dễ sai ở những tình huống lạ, và có thể sai rất tự tin. Với việc quan trọng, hãy luôn kiểm tra lại kết quả thay vì tin tuyệt đối.
Câu hỏi thường gặp về mạng nơ-ron
Mạng nơ-ron và học sâu khác nhau thế nào?
Học sâu (deep learning) là cách dùng mạng nơ-ron có nhiều tầng. Mạng nơ-ron là khái niệm chung; khi số tầng đủ nhiều để mỗi tầng học một mức chi tiết khác nhau, từ nét đơn giản đến khái niệm phức tạp, người ta gọi đó là học sâu.
Trọng số trong mạng nơ-ron là gì?
Trọng số là hệ số mà mỗi nơ-ron nhân với từng con số đầu vào, giống núm vặn âm lượng quyết định tín hiệu nào quan trọng. Toàn bộ kiến thức mạng học được nằm trong các trọng số, và huấn luyện chính là quá trình chỉnh chúng cho đúng.
Lan truyền ngược (backpropagation) là gì?
Lan truyền ngược là kỹ thuật đi ngược từ kết quả sai về đầu mạng để tính xem mỗi trọng số góp bao nhiêu vào lỗi, rồi chỉnh từng trọng số một chút theo hướng giảm lỗi. Kỹ thuật này được phổ biến rộng rãi năm 1986 và vẫn là nền tảng huấn luyện hiện nay.
Vì sao mạng nơ-ron cần nhiều dữ liệu?
Mạng học quy luật từ ví dụ, không từ luật viết sẵn. Ít ví dụ thì mạng dễ học nhầm những chi tiết ngẫu nhiên, như ghế sofa trong ảnh mèo. Nhiều ví dụ đa dạng giúp mạng tìm ra quy luật thật sự chung cho mọi trường hợp.
Mạng nơ-ron có giống não người không?
Chỉ giống ở ý tưởng ban đầu: nhiều đơn vị nhỏ kết nối và truyền tín hiệu cho nhau. Còn lại, cách hoạt động, cách học và mức độ hiểu đều khác rất xa. Mạng nơ-ron là phép tính trên con số, không có ý thức hay hiểu biết như con người.
Kết luận
Tóm lại, mạng nơ-ron không được lập trình từng luật. Nó được cho ví dụ, được báo đúng hay sai, rồi tự vặn lại hàng triệu núm vặn cho đến khi sai ít nhất có thể. Nó không phải bộ não, cũng không phải phép thuật. Nó là một cỗ máy chỉnh núm vặn cực kỳ kiên nhẫn, không biết mệt.
Và đó là lý do cỗ máy không biết gì về mèo kia lại nhận ra mèo giỏi đến vậy. Không ai dạy nó mèo là gì. Nó chỉ sai rồi chỉnh, sai rồi chỉnh, đủ nhiều lần để cái sai dần biến mất.
Bạn muốn Nhật Phúc giải thích khái niệm AI nào tiếp theo? Hãy để lại bình luận, và theo dõi kênh Nhật Phúc để không bỏ lỡ những video giải thích công nghệ dễ hiểu tiếp theo.