Giới thiệu
Thập niên 1990, phòng thí nghiệm của Yann LeCun tại AT&T Bell Labs công bố bộ dữ liệu MNIST: 70.000 ảnh chữ số viết tay 28×28 pixel. Bộ dữ liệu nhỏ bé này trở thành “phòng tập gym” đầu tiên cho mọi mô hình thị giác máy tính.
Bài toán: cho một ảnh 28×28, nhận diện đó là chữ số “0” hay “1”. Một perceptron đơn đạt quanh 99% trên dữ liệu gọn gàng cho bài 0 và 1. Nhưng chỉ cần xoay ảnh 20°, đưa vào 10 chữ số thay vì 2, hoặc nét viết đậm hơn — perceptron đuối sức ngay.
Trước những năm 1990, máy nhận chữ viết tay phải được lập trình bằng các quy tắc hình học, ví dụ “nếu có một đường thẳng dọc ở cột giữa thì đó là chữ 1”. Cách này sụp đổ khi gặp người viết khác tay, xoay nhẹ hoặc nét đứt.
Perceptron — ý tưởng đã có từ năm 1958 — được đưa ra thử trên MNIST như một mô hình chuẩn đối chứng (baseline): liệu máy có tự học nhận dạng chữ số từ hàng chục nghìn ví dụ không?
| Thành phần | Chi tiết |
|---|---|
| Đầu vào | 784 số: mỗi ảnh 28×28 duỗi phẳng, đúng 784 trọng số |
| Đầu ra | 1 — chỉ hai câu trả lời: “0” hoặc “1” (phân loại nhị phân, vừa với hàm bước) |
| Dữ liệu | 60.000 ảnh — đủ để luật học Rosenblatt hội tụ sau vài chục lần quét |
Perceptron học như thế nào
Năm bước
1. 1. Đưa ảnh thành vector 784 số
Ảnh được chuyển về xám, co về 28×28, rồi duỗi phẳng thành dãy x₁, x₂, ..., x₇₈₄. Mỗi số là độ sáng của một ô pixel. Perceptron không nhìn “bức tranh” — nó nhìn một danh sách dài.
Bản đồ trọng số: sau khi học, pixel đẩy perceptron về “1” có trọng số dương, pixel đẩy về “0” có trọng số âm. Đây chính là thứ perceptron học được sau khi xem hàng nghìn ảnh.