Machine learning là gì

Supervised classification

Khi làm việc trong lĩnh vực Machine learning, ắt hẳn một ngày đẹp trời, bạn sẽ được đồng nghiệp hay những đứa bạn của mình hỏi rằng “Machine learning là gì?”. Để trả lời ngay câu hỏi trên không phải là điều đơn giản vì trên thực tế ta có nhiều hơn một định nghĩa về Machine learning. Do đó, hãy thủ sẵn cho mình câu trả lời ngắn gọn và dễ hiểu nhất để thể hiện bạn không phải là tay mơ trong lĩnh vực này.

Từ việc quan sát thế giới tự nhiên

Con người quan sát thế giới thông qua các giác quan của mình gồm thị giác, thính giác, xúc giác, khứu giác, và vị giác. Từ những thông tin nhận được, mỗi người sẽ có các góc nhìn, phân tích và đánh giá riêng. Nhưng điều quan trọng là làm sao ta có được cái nhìn tổng quát, thấu đáo nhất về các quy luật tự nhiên.

Vào thời đại mà kiến thức con người còn hạn hẹp, những câu hỏi lớn như: ta là ai, ta đến từ đâu, chết đi ta có bị biến mất hoàn toàn không, được đặt ra để thách thức các nhà chiêm tinh học, triết học, tôn giáo, và các nhà khoa học tìm ra được câu trả lời hợp lý nhất.

Đối với máy tính cũng vậy, ta cố gắng xây dựng AI (Trí tuệ nhân tạo) thông qua các giác quan là các sensor để thu nhận thông tin về thế giới (thị giác: camera, thính giác: sound recording, ngôn ngữ tự nhiên, etc). Với mỗi giác quan như vậy ta sẽ ứng dụng các mô hình máy học tương ứng để đạt được mục đích ban đầu là giúp máy tính có thể hiểu được thế giới xung quanh như người. Vậy:

Ta xem máy tính cũng như con người. Bằng những mô hình (góc nhìn) khác nhau, máy tính sẽ cho ra những kết quả với độ chính xác khác nhau khi nhìn nhận về thế giới tự nhiên. Do đó, việc lựa chọn đúng mô hình cho từng bài toán cụ thể là một yếu tố quan trọng.

Đến các nhà thống kê

Trong cuốn sách Pattern recognition của Christopher Bishop ông có phát biểu như sau:

Pattern recognition has its origins in engineering, whereas machine learning grew out of computer science. However, these activities can be viewed as two facets of the same field.

Pattern recognition (nhận diện mẫu hay nhận diện quy luật) là cách nhìn khá thú vị. Từ xa xưa, ông cha ta có đưa ra một số quy luật nhờ biết quan sát hiện tượng tự nhiên như “Chuồn chuồn bay thấp thì mưa, bay cao thì nắng, bay vừa thì râm”. Do tập dữ liệu quá lớn, với khả năng quan sát hữu hạn của con người, ta khó có thể nhận diện được các quy luật để xây dựng mô hình dự đoán chính xác. Vì vậy, dựa vào các mô hình thống kê, ta hy vọng rằng máy tính có thể đưa ra những quy luật tìm ẩn có giá trị để chúng ta có thể khai thác và phục vụ cho những nghiên cứu của mình.

Dự báo thời tiết nhờ quan sát hoạt động của chuồn chuồn

Data science là một nhánh sinh bởi  ngành thống kê mà ta đã nghiên cứu và ứng dụng từ lâu. Nhờ có các công cụ từ thống kê mà ta có thể thách thức được Big Data, thường là mớ hỗn độn dữ liệu vô nghĩa nếu không được khai thác. Machine learning dựa trên nền tảng thống kê rất nhiều từ Computer Vision, Natural Language Processing đến Voice recognition, etc nên để bắt đầu nghiên cứu, nếu có một vốn kiến thức tốt về xác suất và thống kê, các bạn sẽ có lợi thế lớn trong ngành nghiên cứu này.

Người trong ngành Computer Science

Trong cuốn sách Machine learning của Tom Mitchell, ông có định nghĩa:

A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.

Từ định nghĩa trên, ta có thể diễn giải như sau: máy tính được gọi là học từ kinh nghiệm (dữ liệu) E với tác vụ (dự đoán, phân lớp, gom nhóm) T và được đánh giá bởi độ đo (độ chính xác) P nếu máy tính khiến tác vụ T này cải thiện được độ chính xác P thông qua dữ liệu E cho trước.

Thoạt đầu ta có thể lúng túng trước phát biểu này, nhưng đây là các thành phần cở bản mà bất cứ hệ thống Machine learning nào cũng có. Đó là, dữ liệu E cho trước (tập dữ liệu email) nhằm hoàn thành tác vụ T (xác định email là spam hay không). Mô hình này được đánh giá bởi độ đo P (độ chính xác), từ đó ta có thể tiến hành cải thiện mô hình dựa vào độ đo P này.

Góc nhìn của engineer

Để có thể cài đặt được mô hình Machine learning, ta tiến hành các bước sau:

1. Chuẩn bị dữ liệu. (Data preparation)
   • Data exploration
   • Visualization
   • Preprocessing data
   • Feature engineering
   • etc.
2. Xây dựng, lựa chọn và đánh giá mô hình. (Algorithm)
   • Supervised learning
   • Unsupervised learning
   • Reinforment learning
   • Train, validation, test splitting
   • Evaluation metrics (Accuracy, precision, recall, RMSE)
   • etc.
3. Mô hình thu được. (Model)

Machine learning framework

Tóm lại

Để máy tính có thể học ta cần có dữ liệu. Không có dữ liệu thì máy tính không thể học. Từ dữ liệu này, tùy vào bài toán cần giải quyết mà ta sẽ quyết định lựa chọn mô hình nào phù hợp để có thể thu được kết quả chính xác nhất.

Kinh nghiệm: tôi cũng như các bạn mới bắt đầu học Machine Learning thường giải quyết vấn đề theo thứ tự:

• Bài toán này là supervised hay unsupervised?
• Trong supervised thuật toán nào là state-of-the-art?
• Áp dụng Deep learning ngay lập tức mà không quan tâm đến data như thế nào?
• Làm thực nghiệm rất nhiều và failed!!

Nhưng trong thực tế, các bạn cần giải quyết theo hướng khác để quá trình nghiên cứu được chặt chẽ hơn:

• Bài toán cần giải là gì?
• Dữ liệu cần sử dụng vào bài toán là gì?
• Exploring dữ liệu xem có gì bất thường không (missing, duplicate, outlier, etc)?
• Visualize để có hình dung tốt về bản chất của dữ liệu hiện tại.
• Tìm kiếm mô hình và giải pháp phù hợp.
• Prototype mô hình đơn giản để làm baseline.
• Áp dụng các mô hình Machine Learning tiềm năng nhất để giải bài toán.
• Làm feature engineering và lặp lại bước xây dựng mô hình.
• Scale cho Big Data.
• Deploy lên production server.

Nguồn tham khảo:

• What is Machine Learning: A Tour of Authoritative Definitions and a Handy One-Liner You Can Use
• Training and serving NLP models using Spark MLlib.
• Implemetation of 17 classification algorithms in R using car evaluation data.