Hãy tưởng tượng bạn phải dạy một mô hình phân loại hình ảnh phân biệt ô và mũ. Loạt ảnh ô đầu tiên đều được chụp trong ngày mưa, còn loạt ảnh mũ đầu tiên đều được chụp trong nhà. Khi nhìn vào những bức ảnh dùng để huấn luyện này, mô hình có vẻ nhận diện rất tốt. Nhưng nếu đổi một bức ảnh khác, đặt chính chiếc ô đó trong nhà, liệu nó còn nhận ra không?
Lúc này, điều đáng hỏi là: mô hình thực sự đã học được hình dáng của chiếc ô, hay chỉ tiện tay dựa vào bối cảnh?《Phòng thí nghiệm Phép thuật AI》bắt đầu từ thông tin hình ảnh mà máy nhận được, rồi mang câu hỏi tương tự đến nội dung do AI tạo ra, hành động của tác nhân thông minh và bước kiểm tra của con người.
Máy nhìn một chiếc ô như thế nào
Phóng to bức ảnh quanh mũi ô, bạn sẽ thấy từng mảng màu. Tán ô màu xanh trong ảnh, ở cách biểu diễn RGB thông dụng, có thể được lưu thành từng ô giá trị, mỗi ô ghi lại thông tin của ba kênh đỏ, xanh lá và xanh dương. Bài 1 trước hết nói về điểm ảnh và màu sắc, sau đó giới thiệu cách thị giác máy tính tìm kiếm hình dạng và kết cấu trong ảnh. Bài 2 tổ chức những giá trị này thành tensor, và thảo luận vì sao phải sắp xếp dữ liệu trước khi đưa vào mô hình.Bài 1《Con mắt số của cỗ máy》 · Bài 2《Đơn vị cơ bản của dữ liệu (tensor)》
Có thể làm một bài tập nhỏ với giấy kẻ ô vuông. Trước tiên vẽ một chiếc ô, rồi vẽ lại với một màu nền khác. Những ô nào đã thay đổi? Những đường nét nào vẫn được giữ lại? Con người chỉ nhìn một cái là nhận ra hai bức vẽ thuộc cùng một loại; máy có làm được hay không phụ thuộc vào cách nó học từ các mẫu.
Đổi sang một bức ảnh chưa từng thấy
Bài 3 bắt đầu từ các mẫu có nhãn, đồng thời nói về hiện tượng quá khớp và khả năng khái quát hóa. Một mô hình quá khớp sẽ phụ thuộc quá mức vào các chi tiết trong mẫu huấn luyện, và dễ thất bại khi đổi sang một loạt ảnh khác. Để đánh giá liệu mô hình có xử lý được tình huống mới hay không, cần để riêng những mẫu mà nó chưa từng thấy trong quá trình huấn luyện để kiểm tra.Bài 3《Bậc thầy phân loại》
Quay lại chiếc ô đó, trước tiên có thể chuẩn bị ảnh mũ và ảnh ô với hai loại bối cảnh trong nhà và ngoài trời, rồi để riêng một nhóm khác để kiểm tra. Nếu phát hiện mô hình luôn nhận nhầm ô trong nhà thành mũ, thì vòng tiếp theo có thể kiểm tra xem bối cảnh có bị gắn quá chặt với nhãn trong các mẫu huấn luyện hay không. Một lần nhận sai mang lại manh mối cho bước cần xem xét tiếp theo.
Từ nhận diện hình ảnh đến tạo hình ảnh, thực hiện hành động
Nhận diện một bức ảnh chiếc ô và tạo ra một bức ảnh chiếc ô mới là hai nhiệm vụ khác nhau. Bài 6 dùng mô hình khuếch tán để giải thích quá trình tạo sinh: bắt đầu từ nhiễu, loại bỏ nhiễu dần dần, tạo thành hình ảnh đáp ứng các điều kiện. Bài 7 đưa vấn đề sang hành động. Tác nhân thông minh thu thập thông tin về môi trường, chọn hành động và thực hiện, sau khi hành động lại quan sát xem môi trường thay đổi ra sao. Ví dụ, khi đi theo quy tắc trong một mê cung trên giấy, mỗi bước đi đều phải đánh giá lại vị trí hiện tại.Bài 6《Nghệ thuật tạo sinh và mô hình khuếch tán》 · Bài 7《Vòng lặp cốt lõi của tác nhân thông minh》
Trước khi tin vào kết quả, hãy tìm một cách kiểm tra
Bài cuối bàn về định kiến dữ liệu, ảo giác của mô hình và sự giám sát của con người. Một câu hỏi phù hợp để mang vào lớp học là: nếu kết quả sai, tôi có thể dùng gì để phát hiện? Với phân loại hình ảnh, có thể tìm một bức ảnh có bối cảnh hoàn toàn khác. Với câu trả lời do AI tạo ra, có thể quay lại tài liệu gốc để tìm bằng chứng. Với hệ thống có thể thực hiện hành động, còn có thể nghĩ xem bước nào nên do con người xác nhận.Bài 10《Đạo đức, định kiến và sự cộng sinh giữa người và máy》
Khóa học dành cho người học ở bậc trung học cơ sở, cũng phù hợp với phụ huynh và giáo viên muốn cùng con hiểu những nguyên lý cơ bản của AI. Có thể bắt đầu từ bài 1 của giáo trình tiếng Trung giản thể và các câu hỏi nhỏ kèm theo từng trang, trước hết tách một bức ảnh quen thuộc thành các điểm ảnh, rồi nghĩ lại xem bức ảnh tiếp theo nên dùng để kiểm tra là gì.Vào AI004《Phòng thí nghiệm Phép thuật AI》