Trong cuộc sống hiện đại, các thiết bị thông minh ngày càng có vai trò quan trọng khi được tối ưu nhờ Artificial Intelligence (AI) và các thuật toán Machine Learning (ML). Chúng giúp đỡ con người nhiều hơn trong cuộc sống hàng ngày và công việc. Bạn hãy thử nghĩ tới việc AI quản lý và nhận diện chúng ta khi trở về nhà, tự động mở cửa chào đón bạn, tự bật đèn khi bạn đi qua hành lang, bật nước nóng theo chương trình được định sẵn, thậm chí, một số chương trình còn có thể phát hiện và cảnh báo những vấn đề khác liên quan trong cuộc sống hàng ngày, …

AI và ML hiện đã xuất hiện khắp nơi, trở thành một phần không thể thiếu đối với cuộc sống và công việc con người. Các thuật toán phức tạp ngày một nhiều và được giải quyết triệt để hơn bởi ML. Thật vậy, bạn có bao giờ nghĩ đến một ngày xe ô tô của bạn sẽ tự động lái hoàn toàn với mức độ an toàn gần như tuyệt đối không? Thế giới đang ngày càng phát triển và những điều không thể trở nên khả thi hơn bao giờ hết.Bạn có đặt câu hỏi tại sao AI và ML lại có thể giúp con người thực hiện những “tác vụ” đó không? Thông qua bài viết này, chúng tôi sẽ giới thiệu tới bạn cách thức mà AI và ML đã “học và làm” như thế nào nhé.

Data Annotation là gì?

pixtastock.com – 56043807

Trước tiên, hãy đi qua một phần định nghĩa cơ bản. Để AI và ML có thể thực hiện các tác vụ mà chúng tôi đã lấy ví dụ ở trên thì chúng phải trải qua một quá trình “học”, với con người, những định nghĩa về sự vật, sự việc dường như quá đơn giản. Tuy nhiên, với một AI thì nếu không có quá trình học (sau đây xin được gọi là quá trình chú thích dữ liệu – Data Annotation thì việc nhận biết các sự vật, sự việc gần như không thể. Vậy nên để có thể trở nên thông minh hơn, chính xác hơn, AI cần liên tục trải qua quá trình “học” thông qua việc gắn nhãn chính xác các bộ dữ liệu, giúp AI nhận diện, phân tích và đưa ra các quyết định khi được yêu cầu.

pixtastock.com – 61749814

Máy tính không thể xử lý thông tin hình ảnh theo cách mà bộ não con người có thể làm, ít nhất là ở thời điểm hiện tại. Chính vì vậy, máy tính cần được thông báo về những gì nó được cung cấp để có thể phân tích, diễn giải và cung cấp ngữ cảnh trước khi đưa ra quyết định về tác vụ được yêu cầu. Để giúp máy tính thực hiện những tác vụ này một cách chính xác, logic thì con người có nhiệm vụ gắn nhãn dữ liệu để máy tính có thể nhận biết được những sự vật, sự việc mà nó cần phân tích, học hỏi.

pixtastock.com – 90692685

Các loại dữ liệu hiện tại con người đang sử dụng để “dạy” AI bao gồm: Văn bản, âm thanh, hình ảnh và video.

Hiểu một cách đơn giản: Chú thích dữ liệu (Data Annotation) là quá trình gắn nhãn dữ liệu (Labelling) ở định dạng văn bản, âm thanh, hình ảnh, video hoặc định dạng hỗn hợp, để máy móc có thể hiểu được. Qua đó đưa ra các đánh giá, phân tích, xử lý và thực hiện các tác vụ được giao dựa trên dữ liệu được cung cấp. 

pixtastock.com – 75002670

Hiện tại, Data Annotation được coi là công đoạn lớn nhất đằng sau các thuật toán Artificial Intelligence (AI) và Machine Learning (ML), giúp tạo ra hoạt động thực nghiệm có độ chính xác cao để cải thiện cũng như tác động trực tiếp đến hiệu suất thuật toán. Các tập dữ liệu được chú thích là phần không thể thiếu trong nhiều ứng dụng AI và ML, đồng thời cũng là phần tốn nhiều thời gian và nguồn lực nhất.

Bạn đã có định nghĩa cơ bản về Data Annotation, và chắc hẳn cũng nắm được phần nào vai trò của Data Annotation rồi, tuy nhiên xin đừng dừng lại. Chúng tôi sẽ giúp bạn hiểu rõ hơn ở phần nội dung dưới đây về vai trò của Data Annotation.

Data Annotation là công đoạn không thể thiếu đối với AI và ML bởi vì các model AI và ML cần được huấn luyện một cách nhất quán để trở nên hiệu quả hơn khi đưa ra các dự đoán. Đặc biệt trong các dự án ML, càng nhiều dữ liệu được chú thích được cung cấp cho model, thì model càng sớm có khả năng tiếp tục học một cách chủ động.

pixtastock.com – 85366200

Chỉ có thông qua Data Annotation, các model mới có thể phân biệt được đâu là mèo, đâu là chó, cái nào là danh từ, cái nào là tính từ, đâu là đường đâu là vỉa hè, gương mặt nào là của phụ nữ, của trẻ em hay họ thuộc chủng tộc nào … Nếu không có Ddata Aannotation, mọi hình ảnh sẽ giống nhau đối với máy tính; các thuật toán AI và ML sẽ không thể tính toán các thuộc tính cần thiết một cách dễ dàng.

Một model thị giác máy tính (Computer Vision) hoạt động với các mức độ chính xác khác nhau đối với hình ảnh có chứa đối tượng được gắn nhãn chính xác và hình ảnh có chứa đối tượng chưa được gắn nhãn hoặc gắn nhãn kém. Do đó, chú thích càng chuẩn thì độ chính xác của mô hình càng cao.

pixtastock.com – 49876256

Ngoài ra, dữ liệu được chú thích chính xác sẽ mang lại trải nghiệm liền mạch cho người dùng và tạo điều kiện thuận lợi cho các kỹ sư AI mở rộng các model toán học cho mọi tập dữ liệu. Những điều này hẳn là những đích đến đáng kể trong kỷ nguyên công nghệ vội vã như hiện nay.

Vừa rồi là những sơ lược về Data Annotation và vai trò quan trọng của nó. Hy vọng có thể giúp bạn có cái nhìn sơ bộ và mong muốn tìm hiểu thêm về Data Aannotation. Hẹn bạn ở bài chia sẻ tiếp theo, chúng ta sẽ cùng nhau đi sâu hơn về quá trình này. Stay tuned!

Tác giả bài viết: Ngọc Cao, Hoàng Lê