🧠 Deep Learning là gì?

Máy học bằng mạng nhiều tầng, hiểu được thứ phức tạp.

Hiểu nó là gì

Deep Learning là nhánh của Machine Learning dùng mạng nơ-ron nhiều tầng để học các mẫu phức tạp như ảnh, âm thanh và ngôn ngữ.

Nói theo đời thường:
Như dây chuyền nhiều công đoạn: tầng đầu chỉ nhận ra đường nét, tầng giữa ghép thành mắt mũi, tầng cuối mới kết luận đó là khuôn mặt ai.

⚠ Chỗ ẩn dụ này hỏng

“Mạng nhiều tầng nên học sâu hơn” — chữ “sâu” chỉ nói về số tầng, không nói về độ sâu sắc.

Nhiều tầng cho phép model nhận ra khuôn mẫu phức tạp hơn, nhưng cũng khiến nó thành hộp đen: gần như không ai giải thích được vì sao nó ra quyết định đó. Trong y tế hay tín dụng, chỗ này là vấn đề pháp lý thật, không phải chuyện học thuật.

Code trông thế nào

Ảnh một con mèo đi qua các tầng:

tầng 1  →  nhận ra cạnh và góc
tầng 5  →  nhận ra mắt, tai, ria
tầng 20 →  "đây là mèo"

Không ai lập trình các tầng giữa. Chúng tự hình thành.

Điểm mạnh và điểm yếu là một: không ai bảo nó phải nhìn vào đâu.

Khi nào bạn dùng nó

✓ Dùng khi

Dữ liệu phức tạp: ảnh, âm thanh, ngôn ngữ
Có rất nhiều dữ liệu và đủ máy để huấn luyện

✗ Đừng dùng khi

Dữ liệu bảng đơn giản (mô hình cổ điển thường tốt hơn và rẻ hơn)
Bắt buộc phải giải thích được quyết định

Chưa cần biết: kiến trúc mạng, lan truyền ngược, hàm kích hoạt, transformer.

Để dành tới Mốc 3 — Tự ghép được: Bạn nối được AI vào tài liệu của mình và biết cách kiểm tra nó trả lời đúng hay đang bịa.

Dấu hiệu bạn đã cần học nó: Khi bạn cần chọn giữa fine-tuning một model có sẵn và huấn luyện từ đầu.

Đi đâu tiếp

Neural NetworkCấu trúc nền tảng của deep learning.
GPUThứ phần cứng khiến deep learning khả thi.
Computer VisionLĩnh vực deep learning thành công sớm nhất.

🧪 Thử 2 phút, không cần cài gì

Mở camera điện thoại hướng vào mặt người. Khung vuông bám theo mặt chính là deep learning chạy thời gian thực, ngay trên máy bạn, không cần mạng.

⚖ Hay bị nhầm với thuật ngữ khác

AI, Machine Learning và Deep Learning khác nhau thế nào?AI · Machine Learning

← Xem tất cả thuật ngữ