Demis Hassabis, người sáng lập ra DeepMind – công ty được mua bởi Google năm 2014, lấy cảm hứng từ bộ não con người đã xây dựng một chương trình “Máy học vạn năng”: Một tập các lệnh cho thuật toán tự học – giống như là một hệ sinh học để tìm cách giải quyết một nhiệm vụ từ ban đầu mà chỉ cần dùng dữ liệu thô. AlphaGo là chương trình Máy học của DeepMind đã chiến thắng kỳ thủ cờ vây số một thế giới Ke Jie ngày 27.5.2017. Đây là lần thứ hai AlphaGo đánh bại một đối thủ xếp hạng cao, lần đầu là trận thắng trước kỳ thủ chuyên nghiệp Lee Sedol của Hàn Quốc với tỉ số 4-1 năm 2016. Thật là một kết quả kinh ngạc khi Ke Jie được biết đến rộng rãi là một kỳ thủ số một thế giới và thi đấu gần như "hoàn hảo" trong tất cả các ván đấu mà không thể đánh bại một chiếc máy tính. Kết quả đó đủ để hầu hết các chuyên gia thừa nhận AlphaGo đã được cải tiến đến mức bất khả chiến bại. Chiến thắng của máy tính ở môn cờ vây ấn tượng hơn nhiều so với chiến thắng trong môn cờ vua. Với cờ vua, máy tính có thể ghi nhớ hàng nghìn nước đi và tính toán chính xác con đường đến chiến thắng. Nó chủ yếu là bài tập số học. Đánh bại kì thủ cờ vây lại là một cấp độ
16
thông minh khác. Với cờ vây, số nước đi khả thi nhiều hơn số nguyên tử trong vũ trụ, vì vậy tính toán số học không thể đủ. Máy tính không thể ghi nhớ tất cả các nước đi hay thậm chí không thể nhớ một phần nhỏ trong tổng số các nước đi. Vì thế, chương trình cần phải "nghĩ" để hiểu tình trạng của cuộc chơi và phát triển chiến thuật đi đến chiến thắng.
Đây được coi là một bước tiến vượt bậc của ngành AI và nó sẽ là cảm hứng cho bất kì lĩnh vực nào muốn ứng dụng AI. Demis Hassabis có nói “…nhưng điều thú vị bậc nhất cho chúng ta là đây không phải là một hệ chuyên gia dùng các luật được lập trình rõ ràng. Mà nó là chương trình tự học để trở thành nhà vô địch của môn cờ vây bằng nhờ các kĩ thuật Máy học. Sau cùng thì chúng ta có thể áp dụng những kĩ thuật này vào nhiều vấn đề trong cuộc sống, như mô hình dự báo thời tiết hay phân tích các dịch bệnh phức tạp. Vì vậy, nó thực sự thú vị để khởi động sự đương đầu tiếp theo”. Để biết thêm sự ảnh hưởng của Máy học, người đọc có thể tìm hiểu bài viết của Tom Mitchell Ông đã dùng nó để thuyết phục chủ tịch hội đồng trường CMU mở ra ngành Máy học đầu tiên trên thế giới, giáo sư Tom Mitchell có khẳng định rằng Máy học sẽ còn là chủ đề phát triển nóng trong 100 năm tới.
Có thể liệt kê ra đây những ứng dụng mà Máy học đang ngày càng ảnh hưởng: - Adaptive websites
- Affective computing - Bioinformatics
- Brain-machine interfaces - Cheminformatics
- Classifying DNA sequences - Computational anatomy
- Computer vision, including object recognition - Detecting credit card fraud
- Game playing
- Information retrieval - Internet fraud detection
17
- Marketing
- Machine learning control - Machine perception - Medical diagnosis - Economics
- Natural language processing - Natural language understanding - Optimization and metaheuristic - Online advertising
- Recommender systems - Robot locomotion - Search engines
- Sentiment analysis (or opinion mining) - Sequence mining
- Software engineering
- Speech and handwriting recognition - Financial market analysis
- Structural health monitoring - Syntactic pattern recognition - User behavior analytics - Translation
Trong năm 2006, công ty phim trực tuyến Netflix đã tổ chức cuộc thi "Netflix Prize" đầu tiên để tìm ra một chương trình để dự đoán sở thích của người dùng và nâng cao độ chính xác của thuật toán giới thiệu phim Cinematch lên ít nhất 10%. Một nhóm nghiên cứu bao gồm các nhà nghiên cứu từ AT & T Labs-Research hợp tác với đội Big Chaos và Pragmatic Theory đã xây dựng một mô hình toàn diện để giành giải thưởng lớn năm 2009 với giá 1 triệu USD. Ngay sau khi giải thưởng được trao, Netflix nhận ra rằng xếp hạng của người xem không phải là các chỉ số tốt nhất cho các phim
18
thực sự muốn xem của họ ("mọi thứ đều là đề xuất") và họ đã thay đổi động cơ đề xuất theo đó.
Năm 2012, đồng sáng lập của Sun Microsystems Vinod Khosla dự đoán rằng 80% các bác sĩ sẽ mất việc làm trong hai thập kỷ tới để tự động học phần mềm chẩn đoán y học.
Vào năm 2014, thuật toán học máy đã được áp dụng trong lịch sử nghệ thuật để nghiên cứu các bức tranh mỹ thuật, và nó có thể đã tiết lộ những ảnh hưởng trước đó không nhận ra được giữa các nghệ sĩ.
Máy học đang ngày càng xuất hiện nhiều trong các lĩnh vực của cuộc sống. Hiện tại, có thể kể ra rất nhiều ứng dụng đa dạng: Nhận dạng chữ viết, nhận dạng âm thanh, xe tự hành, dịch máy (từ một ngôn ngữ sang nhiều ngôn ngữ), khả năng dự đoán và gợi ý sản phẩm cho người dùng, nhận dạng hình ảnh (mặt người, vân tay, hay nhiều đồ vật khác), lọc thư rác (spam filtering). Ngoài ra có rất nhiều lĩnh vực mà luận văn không thể kể hết ở đây như: Y học (IBM Watson), bảo mật thông tin, dự đoán thị trường chứng khoán, v.v… Điều đáng nói là một số lĩnh vực, khả năng nhận dạng đã bằng hoặc vượt con người (ví dụ nhận dạng chữ viết).