Mạng Nơ-ron Là Gì? Giải Thích cho Người Mới Bắt Đầu

Updated · By Viviai

Mạng nơ-ron (mạng nơ-ron nhân tạo) là một mô hình học máy tạo thành từ nhiều lớp đơn vị xử lý nhỏ kết nối với nhau, gọi là nơ-ron nhân tạo, lấy cảm hứng một cách phóng khoáng từ cách các tế bào não phối hợp hoạt động. Nó nhận các con số, đưa qua nhiều lớp phép tính đơn giản, rồi điều chỉnh độ mạnh của từng kết nối khi xem các ví dụ, để dần dần học cách nhận diện mẫu và đưa ra dự đoán.

Phiên bản đơn giản

Hãy hình dung một chuỗi đoán và sửa kéo dài. Mỗi nơ-ron làm một việc nhỏ, rồi chuyển kết quả cho lớp tiếp theo. Khi câu trả lời cuối sai, mạng lưới thay đổi nhẹ các cài đặt bên trong để lần đoán sau sát hơn. Lặp lại trên nhiều ví dụ, dữ liệu thô biến thành những quyết định hữu ích, như "tấm ảnh này có con mèo" hoặc "email này giống thư rác".

Một nơ-ron hoạt động thế nào

Nơ-ron nhận nhiều con số đầu vào, nhân mỗi số với trọng số, cộng thêm hệ điều chỉnh, rồi đưa tổng qua hàm kích hoạt để quyết định tín hiệu truyền đi mạnh đến đâu.

Bộ phận Ý nghĩa đơn giản
Đầu vào Các con số mô tả một ví dụ, chẳng hạn điểm ảnh
Trọng số Mức quan trọng của mỗi đầu vào; được cập nhật khi học
Hệ điều chỉnh Dịch kết quả lên hoặc xuống
Hàm kích hoạt Thêm bước phi tuyến để học được mẫu phức tạp

Các lớp trong mạng

Mạng có nhiều lớp ẩn chính là mô hình học sâu (deep learning).

Cách nó học

Quá trình huấn luyện so sánh đầu ra của mạng với đáp án đúng và đo khoảng chênh lệch, gọi là tổn thất (loss). Một quy trình tối ưu, thường là hạ gradient (gradient descent), chạy ngược qua các lớp để điều chỉnh trọng số từng chút một, giúp tổn thất giảm ở lượt sau.

Ví dụ trong đời sống hằng ngày

Hạn chế

Mạng nơ-ron chỉ tốt bằng dữ liệu huấn luyện. Dữ liệu hẹp hoặc thiên vị có thể cho kết quả thiên vị, và mô hình có thể mắc lỗi một cách tự tin trên đầu vào chưa từng gặp. Quyết định của nó cũng có thể khó giải thích. Kết quả là dự đoán dựa trên mẫu, không phải điều chắc chắn.

FAQ

Mạng nơ-ron có giống não người không?

Không. Nó chỉ lấy cảm hứng lỏng từ nơ-ron sinh học; đây là mô hình toán học đơn giản, không tái tạo cách hoạt động của não thật.

Khác gì giữa mạng nơ-ron và học sâu?

Học sâu là việc dùng mạng nơ-ron có nhiều lớp ẩn; mọi mô hình học sâu đều là mạng nơ-ron, nhưng mạng nhỏ thường không được gọi là học sâu.

Vì sao cần nhiều dữ liệu?

Nhiều ví dụ đa dạng giúp trọng số tìm ra mẫu áp dụng được cho đầu vào mới, thay vì chỉ học thuộc dữ liệu huấn luyện.

Mạng nơ-ron có thể sai không?

Có. Dữ liệu kém, đầu vào lạ hoặc overfitting có thể gây lỗi, nên cần kiểm tra trong những tình huống quan trọng.

Điểm chính

Tiếp tục đọc fine-tuning là gì và embedding là gì.

Sources

  1. https://aws.amazon.com/vi/what-is/neural-network/
  2. https://cole.edu.vn/mang-no-ron-la-gi/
  3. https://vi.wikipedia.org/wiki/Mạng_nơ-ron_nhân_tạo

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free