Thử đoán
Máy cũng học theo ba cách giống bạn đã từng: có người chấm bài, tự gom theo trực giác, và thử–sai nhận thưởng.
Evaluating routing across providers.
AI Foundation
Ba cách máy học: học có người chấm bài, tự nhóm theo trực giác, và thử–sai nhận thưởng. Ba cách ấy giống hệt ba cách bạn đã từng học trong đời thật.
Máy cũng học theo ba cách giống bạn đã từng: có người chấm bài, tự gom theo trực giác, và thử–sai nhận thưởng.
| Cách học | Ví dụ đời thường | Tín hiệu máy nhận được |
|---|---|---|
| Học có giám sát | Bạn làm đề, thầy khoanh đỏ, trả đáp án đúng. Lần sau gặp đề tương tự, bạn biết phải làm sao. | Nhãn đúng sẵn |
| Học không giám sát | Không ai dạy, nhưng bạn vẫn xếp được một chồng xe ô tô, một chồng búp bê, một chồng thú nhồi bông. | Không có tín hiệu nào |
| Học tăng cường | Ngã thì đau, đi được thì vui. Dần dần cơ thể học ra công thức giữ thăng bằng. | Điểm thưởng sau hành động |
Mỗi cặp (đặc điểm → nhãn) là một bài học. Mô hình cũng học đúng như bạn lật thẻ từ vựng: càng nhiều cặp, càng giỏi đoán quả mới.
Không ai nói trước đâu là nhóm A, B, C. Thuật toán chỉ thấy các điểm dữ liệu, rồi gán mỗi điểm vào tâm cụm gần nhất. Cấu trúc nhóm là thứ máy tự tìm ra.
Một chú robot phải đi từ góc trên bên trái đến ngôi sao vàng bên dưới bên phải. Đích được +10, ô trống −1. Lúc chưa học, robot đi lung tung, rơi vào hố và mất 10 điểm ngay lập tức. Mỗi lần rơi là một bài học — lần sau nó sẽ tránh đi gần ô đó.
Ba kiểu học không đua với nhau xem kiểu nào “thông minh nhất”. Chúng là ba công cụ cho ba loại dữ liệu khác nhau.
Có nhãn ⇒ học có giám sát. Không nhãn ⇒ học không giám sát. Có môi trường để thử ⇒ học tăng cường. Dữ liệu của bạn quyết định kiểu học, không phải ngược lại.
Chọn kiểu học
Có nhãn đúng sẵn cho mỗi mẫu không? Ví dụ: 10 nghìn ảnh đã dán nhãn “chó/mèo”; 50 nghìn giao dịch đã được bank xác nhận là “gian lận/hợp lệ”. Nếu có ⇒ ưu tiên **học có giám sát**, vì đây là cách nhanh và chắc nhất.
Chọn thuật toán phù hợp: Có giám sát ⇒ hồi quy tuyến tính, cây quyết định, mạng nơ-ron. Không giám sát ⇒ K-means, phân tích thành phần chính. Tăng cường ⇒ Q-learning, deep reinforcement learning.
Ba kiểu học máy khác nhau ở loại dữ liệu và loại tín hiệu học. Bạn không cần nhớ công thức — chỉ cần nhớ bảng dưới đây.
| Dữ liệu | Tín hiệu | Ví dụ | Thuật toán phổ biến | |
|---|---|---|---|---|
| Học có giám sát | Mỗi mẫu có nhãn đúng | Sai số giữa dự đoán và nhãn | Dự đoán giá nhà, nhận diện chữ viết tay, lọc spam | Hồi quy tuyến tính, cây quyết định, mạng nơ-ron |
| Học không giám sát | Chỉ có input, không nhãn | Khoảng cách, mật độ, cấu trúc ẩn | Phân nhóm khách hàng, phát hiện giao dịch bất thường | K-means, DBSCAN, phân tích thành phần chính |
| Học tăng cường | Chuỗi (trạng thái, hành động, phần thưởng) | Tổng phần thưởng tích luỹ | AlphaGo, robot tự lái, gợi ý Netflix | Q-learning, policy gradient, RLHF |
Khi nhìn một bài toán mới, hãy hỏi: Máy nhận được tín hiệu gì sau khi đoán?
Khi model quá to so với dữ liệu hoặc bạn huấn luyện quá lâu, nó nhớ nguyên tập huấn luyện nhưng tệ với dữ liệu mới. Dấu hiệu: độ chính xác trên train rất cao (99%), trên test lại thấp (70%). Cách xử lý: thêm dữ liệu, regularization, giảm kích thước model, dừng sớm (early stopping). Xem overfitting & underfitting.
Vì không có nhãn đúng để so, việc “đánh giá chất lượng” cụm rất chủ quan. Bạn phải dựa vào các chỉ số nội bộ (Silhouette, Davies-Bouldin) và kiến thức về bài toán. Đôi khi 3 cụm và 4 cụm đều “đẹp” về toán, nhưng chỉ một cách có ý nghĩa với đội marketing.
Ba lý do: (1) phần thưởng thưa — có khi phải đi hàng trăm bước mới có tín hiệu; (2) đánh đổi khám phá vs khai thác — thử cái mới có thể thua, bám cái cũ có thể bỏ lỡ; (3) vòng nhân quả — hành động hôm nay ảnh hưởng trạng thái ngày mai. Đó là lý do huấn luyện AlphaGo ngốn hàng triệu ván cờ.
Nhớ điều này trên hết: kiểu học đúng không đến từ “thuật toán nào hot nhất trên Twitter”. Nó đến từ việc bạn nhìn kỹ dữ liệu mình đang có — có nhãn, không nhãn, hay có môi trường. Chọn nhầm là đi lạc cả dự án.