Part 1: Giải thích đơn giản cho trẻ 5 tuổi

Machine learning giống như khi bạn học cách chơi một trò chơi mới mà không cần ai chỉ dẫn. Máy tính cũng có thể học cách làm điều gì đó mới mà không cần ai giúp đỡ. Nó giống như khi bạn tự học cách xếp hình mà không cần ai chỉ dẫn.

Part 2: Giải thích cho trẻ 12 tuổi

Machine learning là khi máy tính có thể tự học từ dữ liệu mới mà không cần ai chỉ dẫn. Giống như khi bạn học cách chơi một trò chơi mới bằng cách tự mình thử nghiệm và tìm ra cách chơi tốt nhất. Máy tính sử dụng các thuật toán để nhận diện dữ liệu và đưa ra dự đoán dựa trên dữ liệu đó. Điều này rất hữu ích trong nhiều lĩnh vực như đầu tư, quảng cáo, và phát hiện gian lận.

Khái niệm chính xác

Machine Learning là gì?

Machine learning là khái niệm mà một chương trình máy tính có thể học và thích nghi với dữ liệu mới mà không cần sự can thiệp của con người. Machine learning là một lĩnh vực của trí tuệ nhân tạo (AI) giúp các thuật toán tích hợp sẵn của máy tính luôn cập nhật bất kể sự thay đổi trong nền kinh tế toàn cầu.

Những điểm chính

• Machine learning là một lĩnh vực của trí tuệ nhân tạo (AI) với khái niệm rằng một chương trình máy tính có thể học và thích nghi với dữ liệu mới mà không cần sự can thiệp của con người.
• Một thuật toán phức tạp hoặc mã nguồn được tích hợp vào máy tính cho phép máy nhận diện dữ liệu và xây dựng dự đoán xung quanh dữ liệu mà nó nhận diện.
• Machine learning hữu ích trong việc phân tích lượng thông tin khổng lồ luôn sẵn có trên thế giới để hỗ trợ ra quyết định.
• Machine learning có thể được áp dụng trong nhiều lĩnh vực, như đầu tư, quảng cáo, cho vay, tổ chức tin tức, phát hiện gian lận, và nhiều hơn nữa.

Hiểu về Machine Learning

Nhiều lĩnh vực của nền kinh tế đang xử lý lượng dữ liệu khổng lồ có sẵn ở các định dạng khác nhau từ các nguồn khác nhau. Lượng dữ liệu khổng lồ này, được gọi là big data, đang trở nên dễ dàng tiếp cận và truy cập nhờ vào việc sử dụng công nghệ tiến bộ, đặc biệt là khả năng tính toán tiên tiến và lưu trữ đám mây. Các công ty và chính phủ nhận ra những thông tin sâu sắc có thể thu được từ việc khai thác big data nhưng thiếu nguồn lực và thời gian cần thiết để tìm hiểu thông tin phong phú của nó. Do đó, các biện pháp trí tuệ nhân tạo đang được áp dụng bởi các ngành công nghiệp khác nhau để thu thập, xử lý, truyền đạt và chia sẻ thông tin hữu ích từ các tập dữ liệu. Một phương pháp AI ngày càng được sử dụng cho xử lý big data là machine learning.

Các ứng dụng dữ liệu khác nhau của machine learning được hình thành thông qua một thuật toán phức tạp hoặc mã nguồn được tích hợp vào máy hoặc máy tính. Mã lập trình này tạo ra một mô hình nhận diện dữ liệu và xây dựng dự đoán xung quanh dữ liệu mà nó nhận diện. Mô hình sử dụng các tham số được tích hợp trong thuật toán để hình thành các mẫu cho quá trình ra quyết định của nó. Khi dữ liệu mới hoặc bổ sung trở nên có sẵn, thuật toán tự động điều chỉnh các tham số để kiểm tra sự thay đổi mẫu, nếu có. Tuy nhiên, mô hình không nên thay đổi.

Ứng dụng của Machine Learning

Machine learning được sử dụng trong các lĩnh vực khác nhau vì nhiều lý do. Các hệ thống giao dịch có thể được hiệu chỉnh để nhận diện cơ hội đầu tư mới. Các nền tảng marketing và thương mại điện tử có thể được điều chỉnh để cung cấp các khuyến nghị chính xác và cá nhân hóa cho người dùng dựa trên lịch sử tìm kiếm internet hoặc các giao dịch trước đó của họ. Các tổ chức cho vay có thể tích hợp machine learning để dự đoán các khoản vay xấu và xây dựng mô hình rủi ro tín dụng. Các trung tâm thông tin có thể sử dụng machine learning để bao phủ lượng lớn các câu chuyện tin tức từ mọi ngóc ngách của thế giới. Các ngân hàng có thể tạo ra các công cụ phát hiện gian lận từ các kỹ thuật machine learning. Việc tích hợp machine learning trong kỷ nguyên kỹ thuật số là vô tận khi các doanh nghiệp và chính phủ ngày càng nhận thức được các cơ hội mà big data mang lại.

Ứng dụng của Machine Learning

Cách machine learning hoạt động có thể được giải thích rõ hơn qua một minh họa trong thế giới tài chính. Truyền thống, các nhà đầu tư trong thị trường chứng khoán như các nhà nghiên cứu tài chính, nhà phân tích, quản lý tài sản, và nhà đầu tư cá nhân phải tìm hiểu rất nhiều thông tin từ các công ty khác nhau trên thế giới để đưa ra quyết định đầu tư có lợi nhuận. Tuy nhiên, một số thông tin quan trọng có thể không được công khai rộng rãi bởi truyền thông và chỉ có thể được biết đến bởi một số ít người có lợi thế là nhân viên của công ty hoặc cư dân của quốc gia nơi thông tin xuất phát. Ngoài ra, chỉ có một lượng thông tin nhất định mà con người có thể thu thập và xử lý trong một khoảng thời gian nhất định. Đây là lúc machine learning xuất hiện.

Một công ty quản lý tài sản có thể sử dụng machine learning trong lĩnh vực phân tích và nghiên cứu đầu tư của mình. Giả sử nhà quản lý tài sản chỉ đầu tư vào cổ phiếu khai thác. Mô hình được tích hợp vào hệ thống quét web và thu thập tất cả các loại sự kiện tin tức từ các doanh nghiệp, ngành công nghiệp, thành phố, và quốc gia, và thông tin này tạo thành tập dữ liệu. Các nhà quản lý tài sản và nhà nghiên cứu của công ty sẽ không thể có được thông tin trong tập dữ liệu bằng sức mạnh và trí tuệ của con người. Các tham số được xây dựng cùng với mô hình chỉ trích xuất dữ liệu về các công ty khai thác, chính sách quy định trong ngành khai thác, và các sự kiện chính trị ở các quốc gia được chọn từ tập dữ liệu.

Ví dụ về Machine Learning

Giả sử công ty khai thác XYZ vừa phát hiện một mỏ kim cương ở một thị trấn nhỏ ở Nam Phi. Một công cụ machine learning trong tay của một nhà quản lý tài sản tập trung vào các công ty khai thác sẽ làm nổi bật điều này như là dữ liệu liên quan. Mô hình trong công cụ machine learning sau đó sẽ sử dụng một công cụ phân tích gọi là phân tích dự đoán để đưa ra dự đoán về việc liệu ngành khai thác có sinh lợi trong một khoảng thời gian hay không, hoặc cổ phiếu khai thác nào có khả năng tăng giá trị vào một thời điểm nhất định, dựa trên thông tin mới được phát hiện, mà không cần bất kỳ đầu vào nào từ nhà quản lý tài sản. Thông tin này được truyền đến nhà quản lý tài sản để phân tích và đưa ra quyết định cho danh mục đầu tư của họ. Nhà quản lý tài sản sau đó có thể quyết định đầu tư hàng triệu đô la vào cổ phiếu XYZ.

Trong trường hợp xảy ra một sự kiện bất lợi, chẳng hạn như công nhân khai thác Nam Phi đình công, thuật toán máy tính tự động điều chỉnh các tham số của nó để tạo ra một mẫu mới. Bằng cách này, mô hình tính toán được tích hợp vào máy luôn cập nhật ngay cả khi có sự thay đổi trong các sự kiện thế giới và không cần một con người phải điều chỉnh mã của nó để phản ánh các thay đổi. Vì nhà quản lý tài sản nhận được dữ liệu mới này kịp thời, họ có thể hạn chế tổn thất của mình bằng cách thoát khỏi cổ phiếu.