Khi truy cập tài khoản thư điện tử, ngoài các thư trong Hộp thư đến (Inbox) em có thể thấy nhiều thư được tự động phân loại vào Hộp thư rác (Spam). Hãy quan sát Hình 25.1 và cho biết việc phân loại này được thực hiện như thế nào.

Hình 25.1. Mô hình phân loại thư

HOẠT ĐỘNG CỦA GV VÀ HS

SẢN PHẨM DỰ KIẾN

NLS/AI

Bước 1: GV chuyển giao nhiệm vụ:

- GV yêu cầu HS làm việc theo nhóm 3 – 4 HS, thực hiện Hoạt động 1 – Tìm hiểu bộ lọc thư điện tử SGK tr.134.

Bộ lọc thư điện tử, thường là tập hợp các quy tắc, được thiết kế để phát hiện và đánh dấu các thư rác trước khi chúng được chuyển vào hộp thư của người dùng. Có quy tắc chỉ đơn giản là trong nội dung hoặc tiêu đề thư có các cụm từ đáng ngờ như “miễn phí”, “giảm giá”, “rẻ bất ngờ”,... hay địa chỉ thư của người gửi hoặc địa chỉ của máy chủ gửi thư thuộc vào một “danh sách đen” xác định. Theo em, có thể xây dựng các bộ lọc thư này bằng cách nào?

- HS tiếp tục thảo luận nhóm, tìm hiểu kiến thức bằng cách trả lời các câu hỏi:

+ Theo em, vì sao việc lọc thư điện tử bằng cách thủ công lại không hiệu quả?

+ GV yêu cầu HS: Sử dụng AI tìm hiểu khái niệm Học máy.

- GV giải thích khái niệm học máy thông qua ví dụ cụ thể.

- GV giới thiệu thêm một số ví dụ của Học máy để HS hình dung việc “máy tính tự học từ dữ liệu mà không cần lập trình rõ ràng”.

- GV tiếp tục giao nhiệm vụ cho HS: Sử dụng AI tìm hiểu quy trình Học máy.

- GV đặt câu hỏi: Bước 2 trong quy trình Học máy là “Chuẩn bị dữ liệu” (Làm sạch). Trong giới Khoa học dữ liệu có câu “Garbage In, Garbage Out” (Rác vào, Rác ra). Em hiểu câu này thế nào trong bối cảnh dạy máy học?

- Khi thảo luận về thông điệp "Garbage In, Garbage Out" (Rác vào, Rác ra) ở bước chuẩn bị dữ liệu, GV yêu cầu HS phân tích sâu về khía cạnh đạo đức. HS nhận diện rằng nếu dữ liệu huấn luyện chứa các định kiến xã hội, mô hình Học máy sẽ đưa ra các quyết định sai lệch (thiên kiến), từ đó thấy rõ trách nhiệm của con người trong việc kiểm soát dữ liệu đầu vào.

- GV yêu cầu HS vận dụng kiến thức vừa tìm hiểu, thực hiện hoạt động Củng cố kiến thức tr.136 SGK:

Câu 1. Chọn phương án đúng. Học máy là:

A. Chương trình máy tính có khả năng đưa ra quyết định hay dự đoán dựa trên dữ liệu.

B. Khả năng phân tích dữ liệu thu nhận được của máy tính để đưa ra dự đoán hoặc quyết định dựa trên các quy tắc được xác định rõ ràng.

C. Việc sử dụng các phương pháp và kĩ thuật cho phép máy tính học từ dữ liệu để đưa ra dự đoán hoặc quyết định mà không cần lập trình cụ thể.

D. Chương trình máy tính có khả năng tự cải thiện hiệu suất thực hiện nhiệm vụ thông qua việc cập nhật các dữ liệu mới sau khi hoàn thành nhiệm vụ đó nhiều lần.

Câu 2. Tại sao cần chia dữ liệu học máy thành hai phần: dữ liệu huấn luyện và dữ liệu kiểm tra?

Bước 2: HS thực hiện nhiệm vụ học tập:

- HS tìm hiểu nội dung SGK tr.134 – 136, thảo luận nhóm và trả lời các câu hỏi mà GV đưa ra.

- HS sử dụng AI tìm hiểu kiến thức.

- GV quan sát và trợ giúp HS (nếu cần thiết).

Bước 3: Báo cáo kết quả hoạt động, thảo luận:

- GV mời đại diện các nhóm báo cáo kết quả thảo luận.

- Các nhóm nhận xét, bổ sung cho nhau.

Hướng dẫn thực hiện Hoạt động 1 SGK tr.134:

Có thể xây dựng các bộ lọc thư điện tử bằng Học máy.

Hướng dẫn thực hiện hoạt động Củng cố kiến thức tr.136 SGK:

Câu 1. C.

Câu 2.

+ Trong học máy, cần chia dữ liệu thành hai phần khác nhau: dữ liệu huấn luyện để huấn luyện mô hình (“dạy” máy tính học) và dữ liệu kiểm thử để đánh giá hiệu suất của mô hình, giúp xác định xem mô hình có hoạt động tốt với dữ liệu mới, chưa từng gặp trước đó không.

+ Nếu sử dụng cùng một dữ liệu cho cả huấn luyện và kiểm thử, mô hình có thể chỉ học cách “ghi nhớ” dữ liệu chứ không thực sự “hiểu” hoặc tổng quát hoá từ dữ liệu. Chia dữ liệu giúp ngăn chặn vấn đề này (thuật ngữ chuyên môn trong Học máy được gọi là “quá khớp” – overfitting). Dữ liệu kiểm thử cung cấp một phương pháp đánh giá khách quan về khả năng tổng quát hoá và dự đoán của mô hình trên dữ liệu chưa biết.

Việc phân chia dữ liệu giúp đảm bảo mô hình học máy được xây dựng không chỉ hoạt động tốt trên dữ liệu mà nó đã gặp trong quá trình huấn luyện mà còn có khả năng áp dụng trong thực tế với dữ liệu mới.

Gợi ý trả lời câu hỏi:

Nếu dạy trẻ con bằng sách sai thì trẻ con sẽ hiểu sai. Máy tính cũng vậy.

=> Tầm quan trọng của dữ liệu đầu vào.

Bước 4: Đánh giá kết quả thực hiện nhiệm vụ học tập:

- Từ kết quả thảo luận của nhóm, GV nhận xét, đánh giá quá trình HS thực hiện nhiệm vụ.

- GV chính xác hoá lại các nội dung trả lời của HS.

- GV chốt kiến thức theo Hộp kiến thức:

1. TÌM HIỂU SƠ LƯỢC VỀ HỌC MÁY

- Với các quy tắc đơn giản như được mô tả trong Hoạt động 1, hoàn toàn có thể xác định các quy tắc đó để xây dựng bộ lọc thư rác một cách thủ công. Tuy nhiên, việc xác định các quy tắc xây dựng bộ lọc thư điện tử bằng cách thủ công có một số bất cập và hạn chế như sau:

+ Quy tắc được xây dựng thủ công dựa trên từ khoá hoặc mẫu cố định có thể không đủ linh hoạt để phát hiện các loại thư rác mới hoặc biến thể của thư rác, dẫn đến việc bỏ sót hoặc nhầm lẫn trong việc phân loại.

+ Người dùng cần cập nhật thường xuyên các quy tắc để phản ánh các xu hướng và kĩ thuật mới của thư rác, điều này đòi hỏi thời gian và công sức.

+ Các quy tắc cứng nhắc có thể dẫn đến việc chặn nhầm các thư điện tử hợp lệ (tức là “dương tính giả”) gây phiền toái cho người dùng.

+ Ít có khả năng tự động thích nghi với các mẫu thư rác mới và phức tạp.

+ Việc duy trì và cập nhật quy tắc xây dựng bằng cách thủ công có thể trở nên tốn kém về mặt thời gian và nguồn lực, đặc biệt là cho các tổ chức lớn với lưu lượng thư điện tử lớn.

Do những hạn chế này, việc xây dựng bộ lọc thư điện tử bằng cách thủ công nói chung tốn nhiều công sức và không hiệu quả.

Cần phải có cách tiếp cận xây dựng các bộ lọc thư rác một cách tự động. Học máy được coi là cách tiếp cận tốt nhất hiện nay trong việc xây dựng bộ lọc để phân loại thư điện tử hiệu quả.

- Khái niệm: Học máy là một lĩnh vực của AI tập trung vào việc phát triển các thuật toán và mô hình cho phép máy tính tự học và cải thiện từ dữ liệu để đưa ra dự đoán hoặc quyết định dựa trên dữ liệu mà không cần lập trình rõ ràng.

- Hai điểm mấu chốt trong khái niệm Học máy: “máy tính tự học từ dữ liệu” và “không cần lập trình rõ ràng”.

Ví dụ:

+ Lọc thư điện tử:

• Việc “không cần lập trình rõ ràng” có nghĩa là không cần viết chương trình để hướng dẫn máy tính các quy tắc cụ thể.

Ví dụ: “Một thư điện tử chứa từ X hoặc Y là thư rác”.

• Thay vào đó, chỉ cần cung cấp cho máy tính tập dữ liệu các ví dụ về thư rác và thư hợp lệ, máy tính sử dụng dữ liệu này để học những đặc điểm, mẫu hoặc quy luật mà nó sẽ sử dụng để đoán nhận và phân loại thư điện tử mới được gửi tới.

+ Nhận dạng con ngựa trong hình ảnh:

• Việc lập trình rõ ràng có thể là viết một chương trình máy tính với các mô tả như “Con vật có 4 chân cao, mặt dài, đôi tai nhọn là con ngựa”. Tuy nhiên, việc mô tả tất cả đặc điểm cụ thể của con ngựa trong mọi trường hợp có thể gặp là không khả thi và không hiệu quả.

• Thay vào đó, chỉ cần cung cấp cho máy tính hàng nghìn hình ảnh chứa con ngựa và các con vật khác để máy tính tự học từ dữ liệu này. Máy tính tự xác định các đặc trưng từ dữ liệu và sử dụng chúng để nhận dạng ngựa trong hình ảnh nhận được sau này.

Ví dụ: “Con ngựa thường có 4 chân cao, mặt dài, đôi tai nhọn”.

Trong cả hai ví dụ, máy tính không biết trước như thế nào là thư rác hoặc như thế nào là con ngựa và cách nhận dạng chúng - nó tự học từ dữ liệu được cung cấp. Đây cũng là điểm mấu chốt nhất trong tất cả các ứng dụng Học máy. Điều này cho phép máy tính giải quyết nhiều bài toán nhờ việc “tự học” từ dữ liệu, không đòi hỏi phải hướng dẫn trực tiếp bằng cách lập trình rõ ràng.

- Một số ví dụ khác của Học máy:

+ Dự báo thời tiết: Máy tính sử dụng dữ liệu thời tiết lịch sử để học cách dự báo thời tiết mà không cần lập trình cụ thể các quy tắc dự báo.

+ Phân tích ngôn ngữ tự nhiên (NLP): Máy tính tự học cách dịch ngôn ngữ, phân tích cảm xúc và xử lí ngôn ngữ tự nhiên từ dữ liệu văn bản lớn.

+ Chẩn đoán y khoa: Hệ thống học máy phân tích dữ liệu lâm sàng và hình ảnh y tế để hỗ trợ chẩn đoán và phát hiện sớm bệnh tật.

+ Tối ưu hoá chuỗi cung ứng: Máy tính học cách tối ưu hoá quản lí kho và dự báo nhu cầu sản phẩm từ dữ liệu lịch sử và xu hướng hiện tại.

+ Nhận dạng giọng nói: Hệ thống học máy nhận dạng và chuyển đổi giọng nói thành văn bản dựa trên hàng ngàn giờ ghi âm.

Những ứng dụng này cho thấy sự linh hoạt và mạnh mẽ của Học máy trong việc tự học và thích ứng từ dữ liệu đa dạng.

- Quy trình Học máy:

Việc xây dựng các ứng dụng Học máy có thể chia thành 5 bước cơ bản như sau:

Hình 25.2. Quy trình Học máy

+ Thu thập dữ liệu: Tuỳ theo bài toán cần giải quyết, dữ liệu cần thiết để xây dựng mô hình Học máy có thể được lấy từ nhiều nguồn khác nhau, như các cơ sở dữ liệu, tệp tin hoặc thậm chí thông qua việc ghi chép trực tiếp.

+ Chuẩn bị dữ liệu: Thông thường, dữ liệu thu thập được không phù hợp để có thể sử dụng được ngay. Do vậy, cần thực hiện các thao tác chuẩn bị dữ liệu (còn được gọi là “làm sạch dữ liệu”) bao gồm:

• Loại bỏ dữ liệu nhiễu.

• Bổ sung các giá trị thiếu.

• Chuyển đổi dữ liệu sang định dạng phù hợp.

• Giảm kích thước dữ liệu (nếu cần).

Lưu ý:

• Đây là hai bước quan trọng, chiếm nhiều thời gian và công sức nhất của quá trình xây dựng ứng dụng Học máy.

• Hai bước này có thể phải thực hiện lặp đi lặp lại cho tới khi thu được bộ dữ liệu như mong muốn.

• Tập dữ liệu thu được thường được chia thành hai phần:

• Dữ liệu huấn luyện (thường chiếm khoảng 70% đến 80%) được dùng để huấn luyện mô hình.

• Dữ liệu kiểm thử được dùng để đánh giá mô hình.

+ Chọn thuật toán học máy phù hợp với loại bài toán và dữ liệu thu thập được:

• Các loại thuật toán này khá đa dạng như hồi quy tuyến tính, cây quyết định, mạng nơron,...

• Về mặt bản chất, thuật toán Học máy sử dụng các mô hình toán học để kết nối các đặc trưng và thông tin liên quan tới tập dữ liệu.

• Huấn luyện mô hình:

• Thực hiện thuật toán học máy trên tập dữ liệu huấn luyện, giúp máy tính học cách phân biệt giữa các mẫu thuộc các lớp dữ liệu khác nhau.

• Kết quả của quá trình này sẽ là một mô hình Học máy để giải quyết một bài toán cụ thể.

• Đánh giá mô hình:

• Áp dụng mô hình Học máy trên tập dữ liệu kiểm thử để đánh giá hiệu suất của mô hình trong việc dự đoán dữ liệu mới.

• Dựa trên kết quả đánh giá, mô hình có thể cần được cải thiện, bằng cách bổ sung thêm dữ liệu huấn luyện mới, điều chỉnh các tham số của thuật toán Học máy hoặc sử dụng các thuật toán Học máy khác.

Lưu ý: Hai bước huấn luyện và đánh giá có thể được thực hiện lặp đi lặp lại cho tới khi thu được mô hình Học máy như mong muốn. Cuối cùng, sử dụng mô hình thu được để giải quyết vấn đề đặt ra, thực hiện dự đoán hay phân cụm trên dữ liệu mới.

- 6.2.NC1b: HS phân tích và so sánh được sự khác biệt cốt lõi giữa tư duy lập trình theo chỉ dẫn và tư duy dựa trên dữ liệu của AI, từ đó giải thích tại sao Học máy là giải pháp bắt buộc cho các bài toán phức tạp như nhận dạng thư rác.

- 6.2.NC1a: Sử dụng AI để tìm kiếm thông tin phục vụ học tập.

- 1.2.NC1a: HS đánh giá được tầm quan trọng của chất lượng dữ liệu đầu vào; nhận thức được rằng dữ liệu sai lệch, thiếu hụt sẽ dẫn đến một mô hình Học máy hoạt động không chính xác, bất kể thuật toán tối ưu đến đâu.

- 12.B1.1: HS phân tích nguyên nhân dẫn đến sai lệch thông tin và thiên kiến trong mô hình Học máy do chất lượng dữ liệu huấn luyện không khách quan.