Nhưng mặc dù cả AI và ML đều dựa trên thống kê và toán học, nhưng chúng không giống nhau. Trong bài viết này, bạn sẽ tìm hiểu sự khác nhau giữa AI và ML với một số ví dụ thực tế để giúp bạn nắm rõ giữa AI và ML.

AI hay Trí tuệ nhân tạo là gì?

Trí tuệ nhân tạo, hay AI, là khả năng của máy tính hoặc máy móc bắt chước hành vi của con người và thực hiện các nhiệm vụ giống như con người.

Trí tuệ nhân tạo thực hiện các công việc đòi hỏi trí thông minh của con người như tư duy, suy luận, học hỏi kinh nghiệm và quan trọng nhất là tự mình đưa ra quyết định.

“AI là khoa học và kỹ thuật tạo ra những cỗ máy thông minh”. – John McCarthy

Trí tuệ nhân tạo có thể thực hiện các nhiệm vụ một cách đặc biệt xuất sắc, nhưng chúng vẫn chưa đạt đến khả năng tương tác với con người ở mức độ cảm xúc thực sự.

Để tìm hiểu thêm về AI, hãy cùng xem một số ví dụ về trí tuệ nhân tạo đang hoạt động.

Robot

Robot công nghiệp là một ví dụ điển hình về AI. Robot công nghiệp có khả năng giám sát độ chính xác và hiệu suất của chính nó, đồng thời cảm nhận hoặc phát hiện khi nào cần bảo trì để tránh “thời gian chết” gây lãng phí năng suất. Nó cũng có thể hoạt động trong một môi trường mới hoặc không xác định.

Trợ lý ảo

Một ví dụ khác về AI là các công cụ trợ lý ảo là các tiện ích tương tác giữa Người và AI. Các trợ lý cá nhân phổ biến nhất là Google Home của Google, Siri của Apple, Alexa của Amazon và Cortana của Microsoft.

Các trợ lý ảo này cho phép người dùng tìm hiểu thông tin, đặt phòng khách sạn, thêm sự kiện vào lịch, trả lời câu hỏi, lên lịch họp, gửi tin nhắn hoặc email, v.v.

ML hay Học máy là gì?

ML  có thể được gọi là Học máy hoặc máy học, là “tập hợp con” của AI có khả năng tự động học từ dữ liệu cho sẵn.

Học/Learning trong ML đề cập đến khả năng học dựa trên dữ liệu có sẵn và khả năng của thuật toán ML để đào tạo mô hình, đánh giá hiệu suất hoặc độ chính xác của nó, sau đó đưa ra dự đoán.

Ví dụ: bạn có thể đào tạo một hệ thống với các thuật toán học máy như Random Forest và Decision Trees.

Mục đích của ML là cho phép máy móc tự học bằng cách sử dụng dữ liệu và cuối cùng đưa ra dự đoán chính xác.

Để tìm hiểu thêm, hãy xem một số ví dụ về Học máy.

Đề xuất Sản phẩm

Hầu hết các trang web thương mại điện tử đều có các công cụ ML cung cấp các đề xuất về các sản phẩm khác nhau dựa trên dữ liệu lịch sử truy cập người dùng.

Ví dụ: nếu bạn tìm kiếm sản phẩm “Tăm nước” nước Tiki, các lần sau truy cập vào Tiki bạn sẽ được gọi ý các Sản phẩm “Tăm nước” của các hãng khác nhau, thậm chí là các mã giảm giá liên quan đến sản phẩm này hoặc các sản phẩm liên quan đi kèm như Kem đánh răng, sản phẩm vệ sinh răng miệng…

ML sẽ đưa ra các đề xuất dựa trên những gì bạn đã thích, đã thêm vào giỏ hàng và các hành vi liên quan khác như bình luận, xem bình luận, kiểm tra giá…

Email Spam và Lọc phần mềm độc hại

Email Spam (thư rác) đã trở thành một vấn đề lớn đối với người dùng internet. Ngày nay hầu hết các nhà cung cấp dịch vụ email đều sử dụng các công cụ máy học để tự động tìm hiểu và xác định các email spam và tin nhắn lừa đảo.

Ví dụ: bộ lọc thư rác của Gmail và Yahoo không chỉ kiểm tra các email spam bằng các quy tắc đã có từ trước. Nó tự tạo ra các quy tắc mới dựa trên những gì đã học được khi tiếp tục thực hiện các hoạt động lọc thư rác của mình từ báo cáo người dùng hoặc hành vi người dùng.

Sự khác nhau giữa AI và ML

• Trí tuệ nhân tạo là một nhánh của khoa học máy tính nhằm mục đích làm cho máy tính bắt chước trí thông minh của con người.
• Đến với Machine learning, ML là một nhánh của trí tuệ nhân tạo. Nó nghiên cứu dữ liệu và thuật toán để dạy máy tính cách đưa ra quyết định giống như con người.

Như đã xác định ở trên, AI là một lĩnh vực rộng hơn với các ứng dụng lớn hơn. ML là một lĩnh vực phụ của AI dạy máy móc đưa ra các quyết định dựa trên dữ liệu.

Tóm lại, tất cả các mô hình ML đều là mô hình AI, nhưng điều ngược lại không nhất thiết đúng. Cả hai mô hình đều hướng tới việc tạo ra những cỗ máy có thể học hỏi mọi thứ mà không cần lập trình rõ ràng.

Một điểm khác biệt nữa giữa AI và ML là tính ứng dụng. ML huấn luyện máy tính đưa ra các lựa chọn và đưa ra quyết định dựa trên dữ liệu và cải thiện theo thời gian khi có nhiều dữ liệu hơn được cung cấp cho chúng.

Mặt khác, mô hình AI có nhiều cách triển khai hơn. Vì vậy, điểm khác biệt chính giữa AI và ML là phạm vi ứng dụng. Trong khi ML khá cụ thể, AI nhắm mục tiêu triển khai rộng hơn với nhiều chức năng hơn.

Ví dụ, Google Assistant là một ví dụ về trí tuệ nhân tạo AI. Nó lắng nghe giọng nói của bạn và mang lại kết quả cụ thể. Tuy nhiên, tính năng nhận dạng giọng nói cho phép Trợ lý Google lắng nghe bạn là một mô hình ML.

Vì vậy, về bản chất, AI nhằm đào tạo máy móc để thực hiện trí thông minh giống như con người và ML đào tạo máy móc để đưa ra các quyết định dựa trên dữ liệu thông minh.

Ngoài sự khác biệt, có rất nhiều điểm tương đồng giữa AI và ML. Đối với những người mới bắt đầu, cả hai đều là lĩnh vực khoa học máy tính, và không thể nhảy sang lĩnh vực này nếu không nghiên cứu về lĩnh vực kia.

Tóm lại, AI giải quyết các nhiệm vụ đòi hỏi trí thông minh của con người trong khi ML là một tập hợp con của trí tuệ nhân tạo giải quyết các nhiệm vụ cụ thể bằng cách học hỏi từ dữ liệu và đưa ra dự đoán.

Điều này có nghĩa là tất cả ML đều là AI, nhưng không phải tất cả AI đều là ML.

Câu hỏi thường gặp

AI và ML có giống nhau không?

Không, AI (Trí tuệ nhân tạo) là một khái niệm rộng hơn, bao gồm việc tạo ra các máy móc có thể mô phỏng trí thông minh của con người. ML (Học máy) là một tập hợp con của AI, tập trung vào việc cho máy móc học hỏi từ dữ liệu để đưa ra dự đoán và quyết định.

Ví dụ thực tế về sự khác biệt giữa AI và ML là gì?

Trợ lý ảo như Google Assistant là một ví dụ về AI. Tuy nhiên, khả năng nhận dạng giọng nói của nó lại là một ứng dụng của ML. AI là tổng thể, còn ML là một thành phần giúp AI hoạt động.

Tất cả các hệ thống ML đều là AI, đúng hay sai?

Đúng. Tất cả các hệ thống ML đều là AI vì ML là một phần của AI. Tuy nhiên, không phải tất cả các hệ thống AI đều sử dụng ML.

DeepFace Lab có nguy ngại không?

Tùy thuộc vào các sử dụng DeepFace Lab của bạn. Giống thời thời kỳ Photoshop mới xuất hiện trên thị trường, mọi người e ngại rằng công cụ ngày sẽ ghép ảnh, chỉnh sửa bôi xấu người khác. DeepFace Lab cũng vậy, thật nguy hiểm nếu người khác gắn mặt vào vào diễn viên của Pornhub. Nhưng nếu nhìn vào mặt tích cực, thì công cụ này là cứu cánh cho các đạo diễn, nếu lỡ diễn viên chính bị sự cố không thể tiếp tục đóng vai của mình. Đạo diễn có thể cho người khác đóng thế và dùng DeepFace Lab để ghép mặt diễn viên chính vào.

Do đó bạn nên sử dụng DeepFacke đúng mục đích của mình, không vi phạm pháp luật. Một trong những ứng dụng DeepFake gây nguy hiểm cho người dùng như DeepNude, có thể lột sạch quần áo người khác. Đây được coi là phần mềm đáng lên án nhất.

Cách sử dụng DeepFace Lab ghép mặt vào Video

Để dùng DeepFace Lab bạn có thể Download DeepFace Lab từ github.

Cách cài đặt

Sau khi mở link drive, tải file .exe về để cài đặt phần mềm, nếu bạn sử dụng card của Nvidia, tải những bản có chữ “CUDA”, nếu không thì tải những bản có chữ “OpenCL”.

Sau khi cài đặt thì file exe sẽ giải nén ra 1 folder gồm rất nhiều những batch file. Mỗi file sẽ chạy 1 câu lệnh nhất định và có 1 chức năng nhất định. Những batch file được xếp theo thứ tự từ 1 đến 10 tương ứng với các bước, nhưng không nhất thiết phải thực hiện đủ các bước để có 1 video deepfake.

Chuẩn bị 1 video quay sẵn những góc độ khác nhau của khuôn mặt được ghép vào clip. Càng nhiều góc cạnh, trạng thái của khuôn mặt, video deepfake càng mượt và sinh động. Có thể dùng các phần mềm chỉnh sửa video tổng hợp những video khác nhau thành 1 video dài (càng dài càng có nhiều các trạng thái của khuôn mặt) và phải đảm bảo, trong video đó chỉ có duy nhất khuôn mặt của nhân vật cần ghép. Nếu có hơn 1 khuôn mặt, có thể sử dụng các công cụ chỉnh sửa để che những khuôn mặt khác đi, để lại khuôn mặt cần ghép.

Cách ghép mặt vào video bằng DeepFace Lab

Chạy file “Clear workspace”. Nếu là lần đầu sử dụng thì không nhất thiết phải chạy file này, nhưng nếu bạn đã từng thực hiện một project trước đó thì bước này là để xóa data của project trước, tránh gây ra những lỗi không đáng có.

Tiếp đó mở folder “workspace”, sau đó paste 2 video đã chuẩn bị vào vào.

• 1 là video khuôn mặt đã chuẩn bị sẵn, đặt tên là “data_src” (data source),
• video còn lại là video để ghép mặt lên, đặt tên là “data_dst” (data destination)

Sau đó mở file “extract images from video data_scr”, một bảng command sẽ hiện lên yêu cầu chọn số lượng ảnh cắt ra từ video và định dạng ảnh, thông thường thì sẽ để ở 7 hoặc 8 fps (vì nếu để 24/30/60 fps sẽ có nhiều ảnh gần giống nhau và khiến việc xử lí hình ảnh lâu hơn) và chọn định dạng .png. Khi quá trình xuất ảnh từ video hoàn tất, ảnh sẽ được lưu trong thư mục workspace/data_src

Mở file “extract images from video data_dst FULL FPS” để cắt từng frame một của video data_dst và lưu vào folder workspace/data_dst

Các bước chỉnh sửa Video

Chạy file “data_src extract faces…” và “data_dst extract faces…” để lọc ra những khuôn mặt cho bước sau. Những khuôn mặt đã lọc ra được lưu trong thư mục /aligned. Bạn có thể vào mục đó và lọc ra những tấm bị mờ, nhòe và bị lộn ngược để video xuất ra có chất lượng tốt nhất

Chạy file “train SAE” để bắt đầu quá trình deepfake. Trong bảng command hiện lên có phần backup, nhớ chọn yes để đề phòng quá trình bị crash giữa chừng.

Chạy file “convert SAE” để điều chỉnh màu/độ nhòe/độ mờ… của video sau khi deepfake. Video sẽ được lưu dưới tên “result”.

Quá trình chuyển đổi khuôn mặt sẽ được thực hiện trên cửa sổ CMD

Dùng phần mềm chỉnh sửa video bên ngoài như after effects để loại bỏ những chi tiết thừa và những frame bị nhòe.

Bạn có thể xem Video hướng dẫn DeepFake bằng DeepFace Lab cụ thể ở đây:

Tổng kết

Deepface Lab là quá trình DeepFake cũng giống như code vậy. Bạn cần thời gian và kiên nhẫn để có thể thử đi thử lại tới khi đạt được kết quả mong muốn. Trong video hướng dẫn họ mất 3 ngày để sửa lại 1 đoạn ngắn trong phim Home alone.

Ngoài ra tác giả còn tặng kèm data khuôn mặt của Elon Musk, Putin, Nicolas Cage, Harrison Ford, Steve Job để có thể thử nghiệm trước. Hãy dùng công cụ này với mục đích chính đáng.

Theo: Jay Moriarty From J2TEAM Community

Câu hỏi thường gặp

DeepFace Lab có dễ sử dụng không?

DeepFace Lab đòi hỏi sự kiên nhẫn và thời gian để làm quen. Quá trình ghép mặt bao gồm nhiều bước và có thể mất nhiều thời gian để đạt được kết quả như mong muốn. Tuy nhiên, có nhiều hướng dẫn trực tuyến và tài liệu hỗ trợ người dùng.

Tôi cần chuẩn bị những gì để sử dụng DeepFace Lab?

Bạn cần hai video: một video chứa khuôn mặt muốn ghép và một video đích để ghép mặt vào. Cả hai video cần chất lượng tốt và khuôn mặt cần được quay từ nhiều góc độ khác nhau. Bạn cũng cần máy tính có cấu hình đủ mạnh để xử lý.

DeepFace Lab có an toàn không?

Việc sử dụng DeepFace Lab phụ thuộc vào mục đích sử dụng. Sử dụng nó cho mục đích phi pháp hoặc gây hại cho người khác là không an toàn và vi phạm pháp luật. Hãy sử dụng công cụ này có trách nhiệm và tuân thủ pháp luật.