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

Evaluating routing across providers.

Start learning
← ML cơ bản

AI Foundation

Ba kiểu học: có giám sát, không giám sát, tăng cường

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

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.

lesson46 minML cơ bảnAI Foundation

Thử đoán

Một đứa trẻ học cái gì đó trong ba tình huống sau. Tình huống nào giống 'học tăng cường' nhất?

Máy cũng học theo ba cách giống bạn đã từng: có người chấm bài, tự gom theo trực giác, và thử–sai nhận thưởng.

Ba cách bạn từng học

Cách họcVí dụ đời thườngTín hiệu máy nhận được
Học có giám sátBạn 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 sátKhông 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 cườngNgã thì đau, đi được thì vui. Dần dần cơ thể học ra công thức giữ thăng bằng.Điểm thưởng sau hành động

Khám phá

Học có giám sát

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.

Học không giám sát

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.

Học tăng cường — robot tìm đường nhận thưởng

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.

Khoảnh khắc aha

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.

Hiểu sâu

Quy trình 4 bước chọn kiểu học cho bài toán mới

Chọn kiểu học

1 / 3
  1. 1. Bước 1: Dữ liệu có nhãn không?

    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.

Thử thách

Một startup giao hàng muốn huấn luyện AI điều phối shipper sao cho đơn đến nhanh nhất. Họ có: 500 nghìn đơn lịch sử (có thời gian thực tế), bản đồ giao thông cập nhật theo phút, và bộ mô phỏng thành phố để AI thử các chiến lược. Kiểu học NÀO HỢP NHẤT cho việc chọn tuyến cho mỗi đơn mới?

Giải thích

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 liệuTín hiệuVí dụThuật toán phổ biến
Học có giám sátMỗi mẫu có nhãn đúngSai số giữa dự đoán và nhãnDự đoán giá nhà, nhận diện chữ viết tay, lọc spamHồi quy tuyến tính, cây quyết định, mạng nơ-ron
Học không giám sátChỉ có input, không nhãnKhoảng cách, mật độ, cấu trúc ẩnPhân nhóm khách hàng, phát hiện giao dịch bất thườngK-means, DBSCAN, phân tích thành phần chính
Học tăng cườngChuỗi (trạng thái, hành động, phần thưởng)Tổng phần thưởng tích luỹAlphaGo, robot tự lái, gợi ý NetflixQ-learning, policy gradient, RLHF

Phân biệt bằng một câu hỏi duy nhất

Khi nhìn một bài toán mới, hãy hỏi: Máy nhận được tín hiệu gì sau khi đoán?

  • Có nhãn đúng để so → có giám sát. Giống thầy cô chấm bài: bạn đoán “cam”, đáp án là “táo”, sai. Lần sau điều chỉnh.
  • Không có tín hiệu nào → không giám sát. Máy tự tìm cấu trúc dựa trên “những điểm nào gần nhau”.
  • Chỉ có điểm thưởng sau mỗi hành động → tăng cường. Máy không được bảo đúng/sai cụ thể, chỉ biết “hành động vừa rồi tốt hay xấu”.

Khi nào có giám sát 'học thuộc lòng' mà không hiểu (overfitting)?

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.

Khi nào không giám sát cho kết quả khó tin?

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.

Vì sao học tăng cường khó hơn hai cái kia?

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.

Tóm tắt & kiểm tra

4 điều cần nhớ về ba kiểu học

  • Có giám sát: dữ liệu có nhãn → học từ 'đáp án'. Dùng cho dự đoán, phân loại.
  • Không giám sát: dữ liệu không nhãn → tự tìm cấu trúc. Dùng cho phân nhóm, phát hiện bất thường.
  • Tăng cường: action + phần thưởng → học chính sách. Dùng cho game, robot, chatbot.
  • Dữ liệu của bạn quyết định kiểu học, không phải ngược lại. Chọn nhầm = đi lạc cả dự án.

Continue the path

Lesson 36 of 106