Machine learning là gì?
Machine learning, tiếng Việt là học máy, là nhánh của trí tuệ nhân tạo trong đó máy tính học quy luật từ dữ liệu thay vì được con người viết sẵn từng quy tắc. Google mô tả học máy là quá trình huấn luyện một phần mềm, gọi là mô hình, để đưa ra dự đoán hữu ích hoặc tạo nội dung như chữ, ảnh, âm thanh, video từ dữ liệu.
Ví dụ dễ hiểu: muốn máy nhận ra thư rác, thay vì liệt kê hàng nghìn quy tắc kiểu “có chữ trúng thưởng thì là rác”, người ta đưa cho máy hàng triệu email đã được đánh dấu rác hay không rác. Máy tự tìm ra dấu hiệu chung, rồi đoán email mới thuộc loại nào. Khi kẻ gửi rác đổi cách viết, chỉ cần huấn luyện lại bằng dữ liệu mới thay vì viết lại quy tắc.
Định nghĩa gốc của Arthur Samuel và Tom Mitchell
Năm 1959, Arthur Samuel của IBM công bố nghiên cứu “Some Studies in Machine Learning Using the Game of Checkers” về chương trình chơi cờ đam tự học, cho thấy máy có thể được lập trình để chơi giỏi hơn chính người viết ra nó. Ông viết rằng lập trình cho máy tính học từ kinh nghiệm rồi sẽ bớt được phần lớn công sức lập trình chi tiết.
Câu “lĩnh vực cho máy tính khả năng học mà không cần được lập trình cụ thể” hay được gán cho Samuel thật ra là câu diễn giải lại ý của ông, không có nguyên văn trong bài báo năm 1959.
Năm 1997, Tom Mitchell đưa ra định nghĩa hay dùng trong giáo trình: một chương trình được gọi là học từ kinh nghiệm E đối với nhóm nhiệm vụ T và thước đo P, nếu hiệu quả của nó ở các nhiệm vụ T, đo bằng P, tăng lên nhờ kinh nghiệm E. Với chương trình chơi cờ đam: T là chơi cờ, P là tỷ lệ thắng, E là các ván tự chơi với chính mình.
Máy học từ dữ liệu như thế nào?
Một mô hình học máy đi qua năm bước, theo cách Google giải thích cho người mới:
- Dữ liệu: mỗi ví dụ gồm các đặc trưng (features), như người gửi, tiêu đề, đường link trong email, và nhãn (label) là đáp án đúng, như rác hay không rác.
- Mô hình: một hàm toán học có rất nhiều tham số, lúc đầu đoán gần như ngẫu nhiên.
- Huấn luyện: mô hình đoán trên dữ liệu có nhãn, đo độ lệch so với đáp án (gọi là loss) rồi chỉnh tham số để lần sau lệch ít hơn, lặp lại rất nhiều lần.
- Đánh giá: thử mô hình trên dữ liệu nó chưa thấy khi huấn luyện để biết nó đoán đúng tới đâu.
- Suy luận: dùng mô hình đã huấn luyện để dự đoán trên dữ liệu mới, chưa có nhãn.
Các kiểu học máy
Tuỳ dữ liệu có đáp án hay không, học máy chia thành các kiểu chính:
- Học có giám sát (supervised learning): học từ dữ liệu có sẵn đáp án, giống học bằng bộ câu hỏi kèm lời giải. Dùng cho lọc thư rác, dự đoán giá nhà, nhận diện ảnh.
- Học không giám sát (unsupervised learning): tìm quy luật trong dữ liệu không có nhãn; ứng dụng hay gặp là gom các ví dụ giống nhau thành nhóm, như chia khách hàng theo hành vi mua.
- Học tăng cường (reinforcement learning): mô hình hành động trong một môi trường, nhận thưởng hoặc phạt, dần học được cách hành động có lợi. AlphaGo tự đấu với chính mình theo cách này; giải Turing 2024 trao cho Andrew Barto và Richard Sutton vì đặt nền móng cho học tăng cường.
- Học tự giám sát (self-supervised learning): máy tự tạo nhãn từ dữ liệu chưa gán nhãn, ví dụ che một từ hoặc giấu phần tiếp theo của câu rồi bắt mô hình đoán. Cách này giúp huấn luyện các mô hình ngôn ngữ lớn trên lượng văn bản khổng lồ mà không cần người gán nhãn từng câu.
Phân loại, hồi quy và phân cụm khác nhau thế nào?
Ba dạng bài toán hay gặp, phân biệt theo thứ mô hình phải trả lời:
- Phân loại (classification): dự đoán một thứ thuộc nhóm nào. Phân loại nhị phân có hai đáp án, như email là rác hay không, ảnh có mèo hay không; phân loại nhiều lớp có nhiều đáp án, như đoán một câu được viết bằng tiếng gì.
- Hồi quy (regression): dự đoán một con số, như giá một căn nhà, lượng mưa ngày mai tính bằng milimét, thời gian đi từ nhà tới công ty.
- Phân cụm (clustering): gom dữ liệu thành các nhóm giống nhau mà không đặt trước tên nhóm; con người xem kết quả rồi tự đặt tên cho từng cụm, ví dụ gom dữ liệu thời tiết thành các cụm ứng với các mùa.
Đo một mô hình tốt hay dở
Độ chính xác (accuracy) là tỷ lệ dự đoán đúng trên tổng số dự đoán. Khi dữ liệu lệch, con số này dễ đánh lừa: nếu chỉ 1% email là rác, một mô hình luôn đoán “không phải rác” vẫn đúng 99% mà hoàn toàn vô dụng.
Vì vậy người ta xem thêm recall, tỷ lệ thư rác thật bị bắt được, và precision, tỷ lệ thư bị gắn nhãn rác đúng là rác. Bộ lọc tốt phải bắt được nhiều thư rác mà không chặn nhầm thư quan trọng.
Overfitting là gì và vì sao phải chia dữ liệu?
Overfitting (quá khớp) là khi mô hình khớp quá sát dữ liệu huấn luyện, gần như học thuộc lòng, nên đoán sai trên dữ liệu mới. Nguyên nhân thường gặp là dữ liệu huấn luyện không đại diện cho thực tế, hoặc mô hình quá phức tạp so với lượng dữ liệu. Ngược lại, underfitting (chưa khớp) là khi mô hình đoán kém ngay cả trên dữ liệu huấn luyện.
Để phát hiện overfitting, dữ liệu được chia làm ba phần: tập huấn luyện để mô hình học, tập kiểm định (validation) để chỉnh mô hình, và tập kiểm tra (test) để chấm điểm lần cuối. Tập kiểm tra không được trùng mẫu với tập huấn luyện, và không nên dùng đi dùng lại để chỉnh mô hình, nếu không điểm số sẽ đẹp giả. Đạo luật AI của Liên minh châu Âu cũng định nghĩa riêng dữ liệu huấn luyện, dữ liệu kiểm định và dữ liệu kiểm tra theo đúng ba vai trò này.
Học máy, học sâu và AI tạo sinh
Học sâu (deep learning) là nhánh của học máy dùng mạng nơ-ron nhân tạo nhiều lớp; Google định nghĩa mô hình sâu là mạng nơ-ron có hơn một lớp ẩn. Năm 2012, mạng AlexNet đưa học sâu lên hàng đầu khi thắng cuộc thi nhận diện ảnh ImageNet với cách biệt lớn, và học sâu nay là nền của AI tạo sinh.
Mô hình ngôn ngữ lớn như GPT, Gemini, Claude là mô hình học sâu kiến trúc Transformer, được huấn luyện tự giám sát trên lượng văn bản rất lớn để dự đoán token tiếp theo, rồi được tinh chỉnh thêm, trong đó có học tăng cường từ phản hồi của con người (RLHF). Vì vậy một chatbot hiện đại dùng cả ba kiểu học ở trên.
Ví dụ machine learning trong đời sống
Một số ứng dụng quen thuộc, kèm số liệu do chính các bên công bố:
- Lọc thư rác: Gmail dùng học máy cùng phản hồi của người dùng; Google cho biết bộ lọc chặn hơn 99,9% thư rác, thư lừa đảo và mã độc (số liệu năm 2022).
- Gợi ý nội dung: Netflix cho biết hệ gợi ý ảnh hưởng tới lựa chọn của khoảng 80% số giờ xem trên nền tảng (số liệu công bố năm 2015).
- Dự báo và ước tính: dự báo thời tiết, ước tính thời gian di chuyển trên bản đồ, gợi ý từ tiếp theo khi gõ phím.
- Chấm điểm tín dụng: ngân hàng dùng mô hình để đánh giá khả năng trả nợ; danh mục hệ thống AI rủi ro cao ban hành theo Luật Trí tuệ nhân tạo (Quyết định 33/2026/QĐ-TTg) có hệ thống tự động quyết định cấp tín dụng.
- Y tế: mô hình đọc ảnh CT, X-quang hỗ trợ bác sĩ phát hiện sớm bệnh. Một nghiên cứu trên Tạp chí Y học Việt Nam (6/2025) thử mô hình đọc CT phổi của Bệnh viện Bạch Mai trên 200 bệnh nhân, cho độ nhạy 90% và độ đặc hiệu 91%, và kết luận mô hình còn cần cải thiện trước khi dùng rộng rãi.
Bắt đầu học machine learning từ đâu?
Lộ trình gợi ý cho người mới, đi từ nền tảng tới ứng dụng:
- Ôn toán nền ở mức hiểu khái niệm: đại số tuyến tính, xác suất thống kê, đạo hàm.
- Học Python cùng các thư viện NumPy, pandas, scikit-learn, rồi làm bài toán phân loại, hồi quy trên một bộ dữ liệu nhỏ.
- Theo một khoá miễn phí có bài tập, như Machine Learning Crash Course của Google.
- Khi đã quen, chuyển sang học sâu với PyTorch hoặc TensorFlow.
- Muốn thử các bài toán ngôn ngữ mà không tự huấn luyện mô hình, gọi LLM qua API; xem bài OpenAI-compatible API là gì.
Câu hỏi thường gặp
Machine learning tiếng Việt là gì?
Machine learning dịch là học máy: nhánh của trí tuệ nhân tạo trong đó máy tính học quy luật từ dữ liệu để dự đoán hay ra quyết định, thay vì được lập trình từng bước.
Machine learning và AI khác nhau thế nào?
AI là lĩnh vực rộng làm cho máy có năng lực trí tuệ; machine learning là một cách làm trong AI, học từ dữ liệu. Có những hệ thống AI không dùng học máy, như hệ chuyên gia chạy theo tri thức do người mã hoá.
Classification trong machine learning là gì?
Classification (phân loại) là bài toán dự đoán một đối tượng thuộc nhóm nào, như email rác hay không rác, ảnh có mèo hay không. Nếu cần dự đoán một con số như giá nhà thì đó là bài toán hồi quy.
Deep learning có phải là machine learning không?
Có. Deep learning (học sâu) là nhánh của machine learning dùng mạng nơ-ron nhân tạo nhiều lớp, nền tảng của nhận diện ảnh, giọng nói và các mô hình ngôn ngữ lớn hiện nay.