Giới thiệu
Bạn mở Google Photos, gõ “hoàng hôn bãi biển” — hàng trăm tấm ảnh của bạn suốt 5 năm qua hiện ra trong một giây. Không phải bạn đã dán nhãn cho từng tấm. Máy tự nhận ra. Làm sao?
Câu trả lời ngắn: mỗi ảnh được biến thành một mũi tên (vector) trong không gian nhiều chiều. Hai ảnh giống nhau → hai mũi tên chỉ cùng hướng. Việc “so sánh hai bức ảnh” phức tạp được thu gọn thành: so sánh hai mũi tên có cùng hướng không. Mà cái đó thì bạn đã biết làm — nó chính là tích vô hướng và cosine similarity bạn vừa học ở bài trước.
Google Photos lưu trữ hơn 9 nghìn tỷ tấm ảnh, phục vụ 1,5 tỷ người dùng mỗi tháng, với 28 tỷ ảnh mới được tải lên mỗi tuần. Bạn có thể có 20.000 tấm trong thư viện cá nhân — chụp từ nhiều năm, nhiều góc, nhiều đèn, nhiều mùa.
Bài toán cốt lõi: khi bạn gõ từ khoá hoặc bấm vào khuôn mặt bà ngoại, máy phải trả về đúng những ảnh liên quan, trong mili-giây, và phải đúng dù bà đang đội nón lá, đeo kính, hay cười to. Không có thời gian cho máy “xem từng tấm và nghĩ”.