ONE is preparing: 01 / INITIALIZING MODEL ROUTER. Evaluating routing across providers.
Current state
01 / INITIALIZING MODEL ROUTER.

Evaluating routing across providers.

Start learning
← Mạng nơ-ron

AI Foundation

Perceptron nhận diện ảnh — chữ số 0 hay 1?

Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.

Một perceptron nhìn vào ảnh 28×28 pixel và quyết định đó là chữ số '0' hay '1'. Bạn tô pixel bằng chuột và thấy dự đoán đổi ngay lập tức — rồi khám phá vì sao một nơ-ron là chưa đủ cho ảnh phức tạp.

lesson50 minMạng nơ-ronAI Foundation

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 phầnChi tiết
Đầu vào784 số: mỗi ảnh 28×28 duỗi phẳng, đúng 784 trọng số
Đầu ra1 — chỉ hai câu trả lời: “0” hoặc “1” (phân loại nhị phân, vừa với hàm bước)
Dữ liệu60.000 ảnh — đủ để luật học Rosenblatt hội tụ sau vài chục lần quét

Perceptron học như thế nào

Năm bước

1 / 5
  1. 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.

Nhìn kỹ đường đi của một ảnh

Bốn bước dưới đây là đúng những gì perceptron làm với một bức ảnh.

Từ pixel đến quyết định

1 / 4
  1. 1. Bước 1: ảnh 28×28 = 784 ô pixel

    Mọi bức ảnh đen–trắng trong MNIST là lưới 28 hàng × 28 cột. Mỗi ô là một con số: 0 nếu trắng, 1 nếu đen (thực ra là thang xám 0–255, đơn giản hoá thành nhị phân).

Khi nào một perceptron không còn đủ?

Với bài 0-vs-1 gọn gàng, perceptron gần như hoàn hảo. Nhưng chỉ cần thay đổi nhỏ trong dữ liệu là nó gãy.

Kịch bảnVì sao perceptron gãyMạng sâu xử lý thế nào
Ảnh bị xoay hoặc dịch vài pixelTrọng số gắn cứng với vị trí pixel; đối tượng dịch chuyển làm phá vỡ mối liên hệ đóConvolution trượt cùng một bộ trọng số trên mọi vị trí
Bài toán 10 chữ số thay vì 2Một lớp cộng có trọng số chỉ phân biệt được những gì tuyến tínhNhiều lớp học mức trừu tượng tăng dần
Nét viết đậm hơn, dày hơnTín hiệu dịch chuyển khỏi ngưỡng đã họcĐặc trưng cạnh và hình dạng được học theo tầng

Ảnh thật có cấu trúc phân cấp: pixel → cạnh → hình dạng → bộ phận → vật thể. Mạng sâu xếp lớp để từng lớp học một mức trừu tượng cao hơn; convolution giúp các đặc trưng độc lập với vị trí.

Thử thách hiểu

Vì sao một perceptron gặp khó khăn khi chữ số bị dịch chuyển vài pixel sang phải?
Vì sao mạng sâu vượt xa một perceptron trên bài toán ảnh thực tế?

Mọi hệ thống OCR, nhận diện khuôn mặt và xe tự lái hôm nay đều bắt nguồn từ ý tưởng đơn giản bạn vừa xem: cho máy xem hàng nghìn ảnh có nhãn, để nó tự điều chỉnh trọng số. Giới hạn của perceptron (không xử lý được XOR, không bất biến với xoay và dịch) là cú hích đẩy ngành AI sang mạng nhiều lớp (MLP) và mạng tích chập (CNN).

4 điều cần nhớ về perceptron trên ảnh

  • Ảnh 28×28 duỗi phẳng thành 784 số; perceptron có đúng 784 trọng số.
  • Sau khi học, bản đồ trọng số cho thấy những vị trí pixel quan trọng để phân biệt hai lớp.
  • Bài 0-vs-1 đạt khoảng 99% — một perceptron đủ cho dữ liệu gọn gàng, phân tách tuyến tính.
  • Ảnh xoay, dịch, đậm khác hoặc bài 10 lớp → perceptron gãy; phải dùng mạng sâu (MLP, CNN).

Continue the path

Lesson 73 of 106