AI, MACHINE LEARNING HAY DEEP LEARNING

AI (trí tuệ nhân tạo)

Alan Turing

Thuật ngữ AI bắt đầu kể từ khi một nhóm các nhà khoa học máy tính sử dụng thuật ngữ này tại Hội nghị Dartmouth vào năm 1956. Và Alan Turing được xem là cha đẻ của lĩnh vực này. Alan Turing làm việc tại trường mật mã Bletchley Park Government Code and Cypher School, trụ sở bí mật của Vương quốc Anh nhằm giải mã điện tín trong Thế chiến II. Sự đóng góp của ông trong việc chế tạo thành công Máy tính Turing, để giải mật mã của quân phát xít đã chấm dứt chiến tranh sớm hai năm và cứu sống hàng triệu người.

Cỗ máy Turing

Tuy nhiên sau thế chiến thứ II toàn bộ nhóm giãi mật mã của Alan Turing bị giải tán và trong nhiều thật kỹ sau đó người ta không còn mặn mà với AI.

Mặc dù trí tuệ nhân tạo (AI), máy học (machine learning) và học sâu (deep learning) đang là những thuật ngữ công

nghệ thịnh hành mà chúng ta nghe thấy ở khắp mọi nơi ngày nay, nhưng vẫn có những quan niệm chưa đúng lắm về ý nghĩa thực sự của những từ này. Nhiều công ty tuyên bố sẽ kết hợp một số loại trí tuệ nhân tạo (AI) trong các ứng dụng hoặc dịch vụ của họ, nhưng điều đó có ý nghĩa gì trong thực tế?Cho tới năm 2012 đặc biệt là từ năm 2015 thì người ta mới để ý tới AI vì những lợi ích mà nó mang lại. mặt khác cơ sở hạ tầng về phần cứng, lưu trữ và tốc độ mạng cũng là những thứ thúc đây sự bùng nổ của AI thời gian gần đây.

Trí tuệ nhân tạo

Robot Sophia được đăng ký công dân đầu tiên trên thế giới

 AI được mô tả khi một cỗ máy bắt chước các chức năng nhận thức của con người, chẳng hạn như học tập và giải quyết vấn đề. Ở cấp độ cơ bản hơn, AI chỉ có thể là một quy tắc được lập trình để bảo máy hành xử theo một cách cụ thể trong một số tình huống nhất định. Nói cách khác, trí thông minh nhân tạo cũng có thể là một số câu lệnh if-else.

Câu lệnh if-else là một quy tắc đơn giản do con người lập trình. Hãy xem xét một robot đang di chuyển trên một con đường. Quy tắc được lập trình cho robot đó có thể là:

If (có vận cản trên đường)

            Dừng di chuyển

Else:

            Tiếp tục di chuyển

Vì vậy, khi chúng ta đang nói về trí thông minh nhân tạo , cần xem xét hai lĩnh vực phụ cụ thể hơn của AI: machine learning và deep learning.

Machine learning

Phần mềm MVS20 được ứng dụng để kiểm tra nhiều vị trí cùng lúc trên bề mặt 1 sản phẩm và báo hiệu nếu phát hiện lỗi (NG)

Machine learning theo định nghĩa cơ bản là ứng dụng các thuật toán để phân tích cú pháp dữ liệu, học hỏi từ nó, và sau đó thực hiện một quyết định hoặc dự đoán về các vấn đề có liên quan. Vì vậy, thay vì code phần mềm bằng cách thức thủ công với một bộ hướng dẫn cụ thể để hoàn thành một nhiệm vụ cụ thể, máy được “đào tạo” bằng cách sử dụng một lượng lớn dữ liệu và các thuật toán cho phép nó học cách thực hiện các tác vụ.Một trong những lĩnh vực ứng dụng tốt nhất cho Machine learning trong nhiều năm qua là computer vision, mặc dù nó vẫn đòi hỏi rất nhiều kỹ năng code thủ công để có thể hoàn thành công việc. Ví dụ trong 1 ứng dụng kiểm tra lỗi bề mặt sản phẩm, các kĩ sư Machine Vision vẫn sẽ viết các lớp phân loại bằng tay như các bộ lọc để chương trình để có thể phát hiện được các lỗi (khác mẫu) trên bề mặt của sản phẩm.

Deep learning

Không giống như machine learning , Deep learning là một lĩnh vực nhỏ của trí tuệ nhân tạo dựa trên mạng nơ-ron nhân tạo.

Vì các thuật toán Deep learning cũng yêu cầu dữ liệu để học và giải quyết vấn đề, chúng ta cũng có thể gọi nó là một trường con của machine learning. Thuật ngữ machine learning và Deep learning thường được coi là đồng nghĩa. Tuy nhiên, các hệ thống này có các khả năng khác nhau.

mạng nơ-ron nhiều lớp

Deep learning sử dụng một cấu trúc nhiều lớp của các thuật toán được gọi là mạng nơ-ron. Mạng nơ-ron nhân tạo có các khả năng độc đáo cho phép các mô hình deep learning giải quyết các nhiệm vụ mà các mô hình machine learning không bao giờ có thể giải quyết được. Tất cả những tiến bộ gần đây về trí thông minh là do deep learning. Nếu không có deep learning, chúng ta sẽ không có ô tô tự lái, chatbot hoặc trợ lý cá nhân như Alexa và Siri. Google Dịch sẽ vẫn còn sơ khai và Netflix sẽ không biết nên đề xuất những bộ phim hay bộ phim truyền hình nào.

Trong lĩnh vực sản xuất công nghiệp, deep learning cũng thường xuyên được ứng dụng trong các bài toán nhận diện sản phẩm hoặc 1 thành phần của sản phẩm. Ví dụ điển hình là nhận diện kí tự in phun, ngoài ra để đáp ứng được các yêu cầu phức tạp của nhà máy, các kĩ sư deep learning cần kết hợp với các kĩ sư machine vision để đưa ra được các thông số khác ví dụ như: độ mất nét của 1 kí tự, mức độ co giãn của kí tự .v.v… Và kết quả cuối cùng đó là phải kiểm soát được chất lượng in phun của từng kí tự, đảm bảo mọi sản phẩm đều đạt tiêu chuẩn in trước khi được giao cho khách hàng.

Phần mềm nhận diện và kiểm tra kí tự in phun ứng dụng deep learning

Tóm lại

• AI: một chương trình có thể cảm nhận, suy luận, hành động và thích ứng.
• Machine Learning: các thuật toán có hiệu suất được cải thiện khi chúng tiếp xúc với nhiều dữ liệu hơn theo thời gian.
• Deep Learning: tập hợp con của machine learning trong đó mạng nơ-ron nhiều lớp học từ lượng lớn dữ liệu. 

Mô Tả cách hoạt động của machine learning và deep learning

AI, machine learning và deep learning

VSTECH là nhà sản xuất, đơn vị cung cấp các giải pháp xử lý ảnh công nghiệp ứng dụng Machine learning và deep learning đáng tin cậy, chúng tôi có kiến thức sâu rộng và nhiều năm kinh nghiệm làm việc trong lĩnh vực này.  Nếu bạn có bất cứ thắc mắc nào cần tư vấn, hay liên lạc ngay với chúng tôi để được tư vấn giải đáp ! 

Nguồn: google.com | vstech.com.vn | builtin.com | blogs.nvidia.com | zingnews.vn

Tag: #cameracongnghiep #xulyanhcongnghiep #visionsystem #machinevision #mayxulyanhcongnghiep #CVS #VMS  #AI #machinelearning #deeplearning