Machine learning sẽ sớm không chỉ dành riêng cho chuyên gia nữa - hãy thử khám phá với hướng dẫn trên TensorFlow

Nếu bạn vẫn chưa từng sử dụng “deep learning” thì có lẽ sớm thôi bạn sẽ được tận hưởng nó. Đây chính là thông điệp mà kỹ sư huyền thoại Jeff Dean của Google nhắn nhủ vào cuối bài thuyết trình của ông tại một hội nghị về khai phá dữ liệu gần đây. Dean đang đề cập đến sự tăng trưởng chóng mặt về độ chính xác của các thuật toán machine learning, hầu hết nhờ những bước tiến về deep learning và tiềm năng không giới hạn của các thuật toán này trong việc thay đổi thế giới mà chúng ta đang sống.

Thế nhưng những đột phá về deep learning lại không phải lý do duy nhất dẫn đến kỷ nguyên của machine learning như hiện nay. Điều quan trọng khác nữa là chỉ trong vòng 5 năm qua, machine learning đã trở nên dễ tiếp cận hơn rất nhiều cho các nhà phát triển trên toàn thế giới.

Đối với các nhà phát triển, hai rào cản lớn khiến họ khó tiếp cận machine learning chính là sự thiếu thốn dữ liệu và việc các thư viện phần mềm lớn nhất hầu như đều chỉ được thiết kế cho các nhà nghiên cứu chứ không hướng đến các kỹ sư phần mềm. Tuy nhiên, với lượng dữ liệu ngày càng nhanh chóng gia tăng trên Internet, số các công ty có thể sử dụng dữ liệu để phát triển các thuật toán machine learning cũng được gia tăng đáng kể.

Những năm qua, thế giới đã chứng kiến sự nở rộ của các framework machine learning có tính ứng dụng cao, bao gồm cả thư viện Python scikit-learn, dự án mã nguồn mở TensorFlow của Google hay CNTK do đội ngũ Microsoft Research phát triển. Và đặc biệt là hai năm gần đây, khi các nhà cung cấp dịch vụ đám mây lớn là Amazon Web Services và Google Cloud Services đã cho ra lò những dịch vụ machine learning cụ thể, tất cả nền tảng dịch vụ để vận hành machine learning cùng yêu cầu phần cứng (khi chip đồ họa NVIDIA trở nên phổ biến hơn) thì machine learning cũng vì thế mà có đất phát triển hơn.

Hiệu ứng cộng hưởng này cũng cho thấy để sử dụng machine learning vào sản phẩm của mình, các kỹ sư không nhất thiết phải hiểu tường tận các thuật toán deep learning đến tận gốc rễ. Các bài hướng dẫn và mã nguồn mở hiện nay cũng đa dạng và bao trùm đủ các tính năng như dịch thuật, nhận diện giọng nói hay thậm chí là tự động tạo caption cho ảnh,…

Sự dễ dàng tiếp cận của các thuật toán như vậy cũng kéo theo một xu hướng hết sức thú vị. Việc những người không chuyên sử dụng làm gia tăng nhu cầu cho các hệ thống dễ sử dụng cũng như giúp khai phá ra những ứng dụng không ngờ của machine learning. Điều này lại quay về thúc đẩy chính các chuyên gia trong lĩnh vực này nghiên cứu và phát triển xa hơn nữa.

Các công nghệ này cũng ảnh hưởng đến chính những người đang làm việc trong ngành machine learning. Quy trình tuyển dụng các vị trí về machine learning từ nay sẽ chỉ yêu cầu kỹ năng định lượng, phân tích tốt chứ không nhất thiết phải là giáo dục trực tiếp về mảng này trong trường học.

Vô hình chung, việc machine learning dễ tiếp cận hơn khá tương đồng với những bước tiến chúng ta từng chứng kiến trong ngành phát triển phần mềm. Trong suốt 50 năm qua, phát triển phần mềm đã đi từ các ngôn ngữ “tầm thấp” - những ngôn ngữ mang tính chuyên môn cao có liên quan mật thiết với cấu trúc cơ sở của máy tính – sang những ngôn ngữ “bậc cao” dễ tiếp cận hơn. Tương tự như vậy, ngành phát triển phần mềm cũng đã chuyển từ các máy chủ và trung tâm dữ liệu sang các dịch vụ cung cấp trên nền tảng điện toán đám mây với yêu cầu phần cứng và thời gian để vận hành thấp hơn hẳn.

Những thay đổi mang tính cách mạng này không chỉ khiến các nhà phát triển phần mềm hoạt động hiệu quả hơn mà còn cho phép nhiều người bước chân vào địa hạt này cũng như khai sinh ra các startup công nghệ hơn.

Và tất nhiên, tuy những đột phá lớn về nghiên cứu machine learning vẫn chưa thực sự diễn ra nhưng đây chắc chắn là lần đầu tiên trong lịch sử một người chỉ cần có kiến thức về lập trình đã có thể tự tay phát triển một mạng thần kinh nhân tạo có thể đọc hiểu các ký tự viết tay chỉ trong một buổi chiều.

Thử tự mình khám phá với bài hướng dẫn cho người mới bắt đầu trên TensorFlow ở đây nhé.

Tham khảo Harvard Business Review