Lý thuyết Mạng noron nhân tạo
Mạng noron nhân tạo (Artifical Neural Networks) mô phỏng lại mạng noron sinh học là một cấu trúc khối gồm các đơn vị tính toán đơn giản được liên kết chặt chẽ với nhau trong đó các liên kết giữa các noron quyết định chức năng của mạng.
Các đặc trưng cơ bản của mạng nơron:
- Gồm một tập các đơn vị xử lý (các noron nhân tạo)
- Trạng thái kích hoạt hay đầu ra của đơn vị xử lý
- Liên kết giữa các đơn vị. Xét tổng quát, mỗi liên kết được định nghĩa bởi một trọng số Wjk cho ta biết hiệu ứng mà tín hiệu của đơn vị j có trên đơn vị k
- Một luật lan truyền quyết định cách tính tín hiệu ra của từng đơn vị từ đầu vào của nó
- Một hàm kích hoạt, hay hàm chuyển (activation function, transfer function), xác định mức độ kích hoạt khác dựa trên mức độ kích hoạt hiện tại
- Một đơn vị điều chỉnh (độ lệch) (bias, offset) của mỗi đơn vị
- Phương pháp thu thập thông tin (luật học - learning rule)
- Môi trường hệ thống có thể hoạt động.
- Multimodal AI – Bước tiến mới giúp Trí tuệ nhân tạo “hiểu” thế giới như con người
- World Models – Bước tiến mới hướng tới Trí tuệ nhân tạo có khả năng hiểu thế giới
- AI Agents – Thế hệ Trí tuệ nhân tạo có khả năng hành động và tự ra quyết định
- RAG – Công nghệ giúp AI “hiểu đúng tài liệu” và trả lời chính xác hơn
- Naive Bayes Classifier (NBC) là gì? Ứng dụng và lý do mô hình này vẫn được dùng rất nhiều