(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW

(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW(Luận văn thạc sĩ) Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh TENSORFLOW

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

-

TRƯƠNG MINH ĐỨC

NGHIÊN CỨU CHẾ TẠO THIẾT BỊ NHẬN DIỆN ĐỐI TƯỢNG ỨNG

DỤNG THƯ VIỆN XỬ LÝ ẢNH TENSORFLOW

LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng)

HÀ NỘI-2021

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

-

TRƯƠNG MINH ĐỨC

NGHIÊN CỨU CHẾ TẠO THIẾT BỊ NHẬN DIỆN ĐỐI TƯỢNG ỨNG

DỤNG THƯ VIỆN XỬ LÝ ẢNH TENSORFLOW

CHUYÊN NGÀNH : KỸ THUẬT VIỄN THÔNG

cá nhân tôi, các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai

công bố trong bất kỳ công trình nào khác

Tôi xin chịu mọi trách nhiệm về công trình nghiên cứu của riêng mình !

Tác giả luận văn

ii

LỜI CẢM ƠN

Lời cảm ơn đầu tiên em xin gửi đến PGS.TS Đặng Hoài Bắc người đã hướng dẫn em rất nhiều từ khi còn là sinh viên đại học tại học viện cho đến bây giờ khi đã ra trường nhiều năm học và quay trở lại học tập các môn học và tiến hành xây dựng

những bước đầu cho đến khi hoàn thành luận văn “Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh Tensorflow”

Lời cảm ơn tiếp theo em xin gửi đến các Thầy, Cô giáo trong Khoa quốc tế và đào tạo sau đại học, đối với em bất kể Thầy Cô giáo nào của học viên đã từng dạy em luôn để lại trong em những tình cảm nồng thắm và sâu sắc nhất Các Thầy Cô luôn nhiệt tình và tâm huyết với mỗi bài giảng, sự tận tâm đó là động lực để em học tập và nghiên cứu rất nhiều

Thời gian thực hiện luận văn cũng là khoảng thời gian phải dãn cách, việc học tập và tiến hành các thử nghiệm đã gặp những khó khăn nhất định, nhưng bên cạnh đó luôn có những bạn học viên giúp đỡ, những lời động viên của bạn bè đã giúp em hoàn thành tốt luận văn Trong lúc hoàn thành cũng có những điểm chưa thông suốt, rất mong nhận được sự đóng góp của Thầy Cô và các bạn học viên quan tâm

Xin chân thành cảm ơn!

iii

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

MỤC LỤC iii

DANH MỤC TỪ VIẾT TẮT v

DANH MỤC CÁC BẢNG vi

DANH MỤC CÁC HÌNH vii

MỞ ĐẦU 1

CHƯƠNG 1: TỔNG QUAN VỀ HỌC MÁY VÀ XỬ LÝ ẢNH 3

1.1 Tổng quan về học máy 3

1.1.1 Sự hình thành và phát triển của học máy 3

1.2 Các mô hình học máy và học sâu 6

1.2.1 Mô hình học có giám sát 7

1.2.2 Mô hình học không giám sát 8

1.2.3 Mô hình học bám giám sát 10

1.3 Thuật toán phổ biến trong học máy 11

1.4 Thư viện TensorFlow 15

1.4.1 Tổng quan về thư viện TensorFlow 15

1.4.2 Đặc điểm của TensorFlow 17

CHƯƠNG 2: XÂY DỰNG MÔ HÌNH HỆ THỐNG NHẬN DIỆN ĐỐI TƯỢNG BẰNG CÔNG NGHỆ XỬ LÝ ẢNH 19

2.1 Bài toán xử lý ảnh bằng học máy 19

2.1.1 Mạng Neural truyền thống 20

2.1.2 Mạng neural tích chập (CNN – Convolution Neural Network) 22

2.2 Máy tính nhúng trong xử lý ảnh 25

2.2.1 Một số máy tính nhúng 25

2.2.2 Cài đặt thư viện TensorFlow trên Raspberry Pi 28

2.3 Mô hình hệ thống của thiết bị nhận diện đối tượng 29

2.3.1 Thuật toán Gradient Descent 29

2.3.2 Gradient Descent trên ngôn ngữ Python 30

2.3.3 Biến thể của Gradient Descent 32

2.4 Kết luận 34

CHƯƠNG 3: THIẾT KẾ CHẾ TẠO THỬ NGHIỆM HỆ THỐNG 35

3.1 Thiết kế hệ thống 35

3.1.1 Lựa chọn thiết bị 35

3.2 Thiết lập phần mềm hệ thống 39

3.2.1 Thiết lập Python 39

iv

3.2.2 Thiết lập TensorFlow 40

3.3 Lập trình và đánh giá hệ thống 43

3.3.1 Lập trình hệ thống 43

3.3.2 Đánh giá hệ thống 46

3.4 Kết luận 47

KẾT LUẬN 48

DANH MỤC CÁC TÀI LIỆU THAM KHẢO 49

PHỤ LỤC 50

v

DANH MỤC TỪ VIẾT TẮT

CNN Convolution Neural Network Mạng Neural tích chập MNIST Modified National Institute of

Standards and Technology

Tập dữ liệu chữ viết tay tiêu

chuẩn

CPU Central Processing Unit Bộ xử lý trung tâm

CUDA Compute Unified Device

Architecture

Kiến trúc thiết bị tính toán hợp

nhất

MLP Multilayer Perceptron Mạng nhiều lớp lan truyền thẳng ReLU Rectified Linear Unit Điều chế biên độ xung PCM Pulse Code Modulation Đơn vị hiệu chỉnh tuyến tính

vi

DANH MỤC CÁC BẢNG

Bảng 1.1: Một số mốc quan trọng của học máy 6 Bảng 2.1: So sánh ba loại máy tính nhúng phổ biến 27

vii

DANH MỤC CÁC HÌNH

Hình 1.1: Mô hình phép thử Turning 4

Hình 1.2: Xe tự lái Tesla model X 5

Hình 1.3: Mô tả luồng hoạt động của học có giám sát 7

Hình 1.4: Đồ thị hồi quy tuyến tính 8

Hình 1.5: Mô hình thuật toán học bán giám sát 10

Hình 1.6: Điểm hội tụ của phương pháp Gradient Descent 13

Hình 1.7: So sánh tốc độ của các thuật toán và tiêu tốn bộ nhớ 15

Hình 1.8: Khả năng nhận diện số qua ảnh nhiễu dùng TensorFlow 17

Hình 2.1: Chạy thử xe tự lái thế hệ thứ tư của VinFast 19

Hình 2.2: Kiến trúc của mạng Neural 20

Hình 2.3: Dữ liệu của bài toán phân loại 21

Hình 2.4: Bài toán phân loại hai giá trị dùng mạng tích chập 22

Hình 2.5: Kiến trúc một CNN 23

Hình 2.6: Kết quả sau khi nhân tích chập 23

Hình 2.7: Kết quả sau khi tiến hành hợp nhất 24

Hình 2.8: Trình cài đặt gói TensorFlow trên trang chủ 28

Hình 2.10: tập dữ liệu sao khi tạo ngẫu nhiên 31

Hình 2.11: Ví dụ về Gradient Desent và biến thể momentum 33

Hình 3.1: mô hình hệ thống nhận diện đối tượng ứng dụng thư viện TensorFlow 35

Hình 3.2: Camera trong xử lý ảnh 36

Hình 3.3: Một số định dạng cảm biến ảnh phổ biến 37

Hình 3.4: Camera sử dụng cho đề tài với độ phân giải HD720P 37

Hình 3.7: Cài đặt thành công Python 40

Hình 3.8: Phát hiện đối tượng trên đường ứng dụng OpenCV 43

Hình 3.9: Phát hiện đặc trưng của đối tượng 46

Hình 3.10: Đồ thị của quá trình huấn luyện 47

1

MỞ ĐẦU

Thuật ngữ cách mạng công nghiệp lần thứ tư chính thức được đặt nền móng tại hội chợ công nghệ Hannover thuộc Cộng hòa Liên bang Đức vào năm 2011, trải qua một thập kỉ, khái niệm cách mạng công nghiệp lần thứ tư hay ngắn gọn hơn là cách mạng 4.0 đã không còn là một vấn đề mới đối với giới nghiên cứu cho đến đại bộ phận người dân Cách mạng công nghiệp đang diễn ra mạnh mẽ ở khắp mọi nơi trên thế giới, đặc biệt là khu vực Châu Á Thái Bình Dương, và Việt Nam là một quốc gia chịu

sự ảnh hưởng trực tiếp Đặc trưng của những cuộc cách mạng công nghiệp trước đây là

sự ứng dụng những kỹ thuật khác nhau vào sản xuất Cuộc cách mạng Công nghiệp lần thứ nhất dùng máy hơi nước để cơ khí hóa sản xuất Cách mạng lần thứ hai sử dụng điện năng phục vụ cho sản xuất hàng loạt Cách mạng lần thứ ba sử dụng điện tử và công nghệ thông tin để tự động hóa sản xuất Và giờ đây Cách mạng Công nghiệp lần thứ tư dựa trên nền tảng cuộc Cách mạng lần thứ ba và đi kèm với cách mạng số khởi nguồn từ giữa thế kỷ trước để làm nền móng, đặc trưng của cuộc cách mạng lần này là ranh giới giữa các yếu tố vật chất, kĩ thuật số, sinh học sẽ bị xóa mờ Sự cải tiến công nghệ đến mức tinh gọn đồng thời phát triển những công nghệ mới đã làm thay đổi cả chất và lượng của lực lượng lao động trên toàn thế giới, những công nghệ như: AI- trí tuệ nhân tạo, công nghệ robot, BigData-dữ liệu lớn, công nghệ Nano, công nghệ sinh học và in 3D, phương tiện tự điều khiển và thiết bị IoT sẽ là diện mạo của của cuộc cách mạng công nghiệp 4.0 Đặc biệt, mạng vạn vật kết nối-IoT có sự lớn mạnh hơn bao giờ hết, theo báo cáo mới đây của McKinsey, Công ty hàng đầu thế giới trong lĩnh vực tư vấn quản lý và chiến lược kinh doanh, tỷ lệ doanh nghiệp sử dụng IoT tăng từ 13% lên 25% [7], trong giai đoạn từ năm 2014-2019 Các ứng dụng của công nghệ IoT rất đa dạng, bao gồm công nghiệp, nông nghiệp, bán lẻ và dịch vụ y tế Nghiên cứu chỉ ra rằng các ngành dịch vụ công cộng, ví dụ như đồng hồ đo thông minh, là phân khúc được lắp đặt và sử dụng cao nhất, chiếm 1/4 tổng số thiết bị đầu cuối Báo cáo nhấn mạnh, số lượng thiết bị IoT trên toàn thế giới đang tăng vọt Ước tính sẽ có hơn

75 tỷ thiết bị IoT được lắp đặt vào năm 2025 [8], gấp 5 lần so với năm 2015 Sự tăng trưởng này đã tạo ra cơ hội cho các doanh nghiệp lớn và nhỏ để xây dựng các sản phẩm IoT Ở nước ta, việc nghiên cứu các công nghệ liên quan của cách mạng công nghiệp 4.0 cũng được đặt biệt chú trọng, nhiều tập đoàn lớn như Viettel, FPT, BKAV… và nhiều viện nghiên cứu trên cả nước đã và đang tập trung đầu tư nguồn lực

2

để từng bước làm chủ công nghệ Trong các thiết bị IoT nói chung và IoT liên quan đến xử lý ảnh nói riêng chiếm một vai trò quan trọng trong quá trình làm chủ các công nghệ chủ đạo của cách mạng công nghiệp lần thứ tư Ứng dụng của công nghệ xử lý ảnh, đặc biệt là xử lý ảnh liên quan đến đối tượng cụ thể như con người, hay các vật dụng định danh như chứng minh nhân dân, biển số xe…ngày càng được quan tâm Hiện tại, các quốc gia phát triển, nhất là các quốc gia có dân số lớn rất chú trọng đến lĩnh vực này, đối với Việt Nam, một quốc gia với 96 triệu dân và dự kiến tăng lên 120 triệu dân vào năm 2050, thì việc làm chủ công nghệ nhận dạng đối tượng dựa trên xử

lý ảnh là hết sức quan trọng Ngày 03/06/2020 Thủ tướng Chính phủ ban hành Quyết định số 749/QĐ-TTg phê duyệt “Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030” với mục tiêu Việt Nam gia nhập nhóm 50 nước dẫn đầu về Chính phủ điện tử (EGDI) Theo đó, Việt Nam trở thành quốc gia số, ổn định và thịnh vượng, tiên phong thử nghiệm các công nghệ và mô hình mới, chính bởi vậy, nghiên cứu và làm chủ công nghệ cũng như chế tạo được các thiết bị IoT có khả năng xử lý ảnh là hết sức cấp thiết và cần được xúc tiến

Vì các lý do trên học viên xin chọn đề tài luận văn tốt nghiệp là "Nghiên cứu chế tạo thiết bị nhận diện đối tượng ứng dụng thư viện xử lý ảnh tensorflow".

Sau quá trình tìm hiểu và nghiên cứu cũng như thực hiện các thử nghiệm nhất định, học viên đã xây dựng luận văn với kết cấu gồm 3 phần chính như sau:

Chương 1: Tổng quan về học máy và xử lý ảnh

Chương 2: Xây dựng mô hình hệ thống thiết bị nhận diện đối tượng bằng công nghệ xử lý ảnh

Chương 3: Thiết kế chế tạo thử nghiệm hệ thống

Do hạn chế về kiến thức của bản thân cũng như thời gian nghiên cứu, trong luận văn không thể tránh khỏi những điểm thiết xót Rất mong nhận được sự đóng góp ý kiến của Thầy Cô giáo cũng như các bạn Học viên quan tâm đến đề tài để luận văn được hoàn thiện hơn

3

CHƯƠNG 1: TỔNG QUAN VỀ HỌC MÁY VÀ XỬ LÝ ẢNH

Chương 1 của luận văn học viên sẽ trình bày về bối cảnh của cuộc cách mạng công nghiệp lần thứ tư và vai trò của học máy trong cuộc cách mạng này, đồng thời nội dung chương 1 cũng sẽ khái quát các mô hình học máy, học sâu cũng như các thuật toán huấn luyện học máy và bộ thư viện Tensorflow

1.1 Tổng quan về học máy

Mạng vạn vật kết nối- Internet of Things (IoT) là một hệ sinh thái vô cùng lớn, bao hàm nhiều mô hình, nhiều thiết bị cũng như cách thức tiếp cận và xây dựng đa dạng, tạo thành một hệ sinh thái phức tạp Thiết kế một hệ thống hay một sản phẩm IoT phải đặt trong bối cảnh chung của hệ sinh thái IoT đó, tương tự như vậy, nhận dạng đối tượng bằng công nghệ xử lý ảnh cũng là một phần của chuyên nghành thị giác máy tính, đây cũng là một chuyên nghành phức tạp và có mức độ liên thông liên kết khá chặt chẽ

Học máy hay máy học (Machine learning) là một thuật ngữ đề cập đến các chương trình máy tính có khả năng học hỏi về cách hoàn thành các nhiệm vụ và cách cải thiện hiệu suất theo thời gian Học máy là một lĩnh vực của trí tuệ nhân tạo AI liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ thể Trong machine learning, các máy tính không cần phải được lập trình một cách rõ ràng nhưng có thể tự thay đổi và cải thiện các thuật toán của chúng

1.1.1 Sự hình thành và phát triển của học máy

Hiện nay những định nghĩa về học máy vẫn chưa rõ ràng và cũ thể nhưng có thể hiểu rằng nó là các kỹ thuật giúp cho máy tính có thể tự học mà không cần phải cài đặt các luật quyết định Thường một chương trình máy tính cần các quy tắc, luật lệ để có thể thực thi được một tác vụ nào đó như dán nhãn cho các email là thư rác nếu nội dung email có chứa từ khoá “quảng cáo” Nhưng với học máy, các máy tính có thể tự động nhận biết và phân lại các thư rác mà không cần chỉ trước bất kỳ quy tắc nào cả Những định nghĩa về học máy khá trừu tượng nhưng có thể hiểu đơn giản là nó giúp cho máy tính có được cảm quan và suy nghĩ được như con người Ở mức khái niệm học máy có thể hiểu là phương pháp vẽ các đường thể hiện mối quan hệ của tập dữ liệu Ví dụ như đường ngăn cách hai loại dữ liệu cho nhãn khác nhau, đường thể hiện

xu hướng của giá nhà phụ thuộc vào diện tích và vị trí hay các đường phân cụm dữ

4 liệu Quá trình con người nhận thấy sự quan trọng của học máy thì chỉ những năm gần đây, nhưng lịch sử của học máy đã được đặt những viên gạch đầu tiên từ rất lâu Ngay

từ những năm 1950, nhà bác học Alan Turning đã nghĩ đến việc xác định trí thông minh của máy tính và so sánh với trí thông minh của con người, vì vậy ông đã nghiên cứu và tạo ra Phép thử Turning (Turing Test) xem máy tính có khả năng đánh lừa người kiểm tra rằng nó là một con người không

Hình 1.1: Mô hình phép thử Turning

Trong hơn 70 năm, lĩnh vực học máy nói riêng và trí tuệ nhân tạo nói chung đã đạt được rất nhiều bước ngoặt nổi bật và thu hút rất nhiều nhà khoa học trên thế giới quan tâm và nghiên cứu Trí tuệ nhân tạo được coi là một nhân tố lớn trong cách mạng công nghiệp lần thứ 4 của thế giới Nhân tố này đang được áp dụng rộng rãi trong rất nhiều lĩnh vực như: Nông nghiệp, công nghiệp, y tế, xã hội,… và không chỉ dành cho các nhà khoa học, tổ chức hay công ty lớn mà mọi người đều có thể áp dụng trong các bài toán có thể gặp trong cuộc sống Trí tuệ nhân tạo được ứng dụng trên những phương tiện vận tải tự lái, điển hình là ô tô Sự ứng dụng này góp phần mang lại lợi ích kinh tế cao hơn nhờ khả năng cắt giảm chi phí cũng như hạn chế những tai nạn nguy hiểm đến tính mạng Nghành vận tải mà cụ thể là xe tự lái áp dụng rất nhiều để xây dựng các trợ lý ảo trên ô tô cũng như xây dựng các chế độ tự lái cho chiếc xe công nghệ Trí tuệ nhân tạo được ứng dụng để xây dựng những quy trình sản xuất tối ưu hơn Công nghệ AI có khả năng phân tích cao, làm cơ sở định hướng cho việc ra quyết định trong sản xuất

5

Hình 1.2: Xe tự lái Tesla model X

Sự ra đời của trí tuệ nhân tạo giúp tạo ra những thay đổi lớn trong lĩnh vực giáo dục Các hoạt động giáo dục như chấm điểm hay dạy kèm học sinh có thể được tự động hóa nhờ công nghệ AI Nhiều trò chơi, phần mềm giáo dục ra đời đáp ứng nhu cầu cụ thể của từng học sinh, giúp học sinh cải thiện tình hình học tập theo tốc độ riêng của mình Trí tuệ nhân tạo còn có thể chỉ ra những vấn đề mà các khóa học cần phải cải thiện Chẳng hạn như khi nhiều học sinh được phát hiện là gửi đáp án sai cho bài tập, hệ thống sẽ thông báo cho giáo viên đồng thời gửi thông điệp đến học sinh để chỉnh sửa đáp án phù hợp Công nghệ AI còn có khả năng theo dõi sự tiến bộ của học sinh và thông báo đến giáo viên khi phát hiện ra vấn đề đối với kết quả học tập của học

sinh

1990 Machine Learning đã dịch chuyển từ cách tiếp cận hướng kiến

thức (knowledge-driven) sang cách tiếp cận hướng dữ liệu driven) Các nhà khoa học bắt đầu tạo ra các chương trình cho máy tính để phân tích một lượng lớn dữ liệu và rút ra các kết luận - hay là "học" từ các kết quả đó

(data-1997 Deep Blue máy tính chơi cờ vua của hãng IBM đã đánh bại nhà

vô địch cờ vua thế giới

2006 Geoffrey Hinton đã đưa ra một thuật ngữ "deep learning" để giải

thích các thuật toán mới cho phép máy tính "nhìn thấy" và phân biệt các đối tượng và văn bản trong các hình ảnh và video

2010 Microsoft Kinect có thể theo dõi 20 hành vi của con người ở một

6 tốc độ 30 lần mỗi giây, cho phép con người tương tác với máy tính thông qua các hành động và cử chỉ

2012 X Lab của Google phát triển một thuật toán machine learning có

khả năng tự động duyệt qua các video trên YouTube để xác định xem video nào có chứa những con mèo

2015 Hơn 3.000 nhà nghiên cứu AI và Robotics, được sự ủng hộ bởi

những nhà khoa học nổi tiếng như Stephen Hawking, Elon Musk

và Steve Wozniak (và nhiều người khác), đã ký vào một bức thư ngỏ để cảnh báo về sự nguy hiểm của vũ khí tự động trong việc lựa chọn và tham gia vào các mục tiêu mà không có sự can thiệp của con người

2016 Thuật toán trí tuệ nhân tạo của Google đã đánh bại nhà vô địch

trò chơi Cờ Vây, được cho là trò chơi phức tạp nhất thế giới (khó hơn trò chơi cờ vua rất nhiều) Thuật toán AlphaGo được phát triển bởi Google DeepMind đã giành chiến thắng 4/5 trước nhà

vô địch Cờ Vây

2019 Ứng dụng làm giả hình ảnh và video deepfake sử dụng trí tuệ

nhân tạo bị Mỹ xếp vào một trong năm ứng dụng gây mất an ninh toàn cầu

2020 Xe tự hành cấp độ 5 của Tesla ra mắt

Bảng 1.1: Một số mốc quan trọng của học máy 1.2 Các mô hình học máy và học sâu

Mô hình học máy là một biểu hiện của một thuật toán quét qua hàng núi dữ liệu

để tìm ra các mẫu hình hoặc đưa ra dự đoán Được cung cấp dữ liệu, các mô hình học máy là “động cơ” toán học của trí tuệ nhân tạo Về cơ bản, một mô hình là một biểu diễn toán học của các đối tượng và mối quan hệ của chúng với nhau Các đối tượng có thể là bất cứ thứ gì, từ “lượt thích” trên một bài đăng trên mạng xã hội cho đến các phân tử trong một thí nghiệm ở phòng lab Không có ràng buộc nào đối với các đối tượng có thể trở thành các ‘feature’ trong mô hình học máy, không có giới hạn đối với việc sử dụng AI Để phân loại các mô hình học máy chúng ta căn cứ vào một số cơ sở nhất định như bản chất của đầu vào dữ liệu, bản chất của chính vấn đề mà mô hình giải quyết, bản chất của thuật toán sử dụng, bản chất của giải pháp hoặc bản chất của dữ liệu đầu ra