Công nghệ

Ưu điểm

Nhược điểm

Ứng dụng

Học máy

(Machine

Learning)

Có thể xác định xu hướng và khuôn mẫu dữ liệu mà con người có thể bỏ qua.

Có thể làm việc mà không cần con người can thiệp sau khi thiết lập. Ví dụ: máy học trong phần mềm an ninh mạng có thể liên tục giám sát và xác định điểm bất thường trong lưu lượng mạng mà không cần dữ liệu đầu vào từ quản trị viên. Kết quả của máy học có thể chính xác hơn theo thời gian.

Có thể xử lý nhiều định dạng dữ liệu trong môi trường dữ liệu linh hoạt, khối lượng lớn và phức tạp.

Quá trình đào tạo ban đầu tốn kém và cần nhiều thời gian. Khó có thể triển khai nếu không có đủ dữ liệu. Là quy trình nặng về điện toán yêu cầu đầu tư lớn lúc đầu nếu phần cứng được thiết lập ngay trong tổ chức.

Dự đoán giá cổ phiếu và thị trường tài chính. Phát hiện gian lận trong giao dịch tài chính. Hệ thống gợi ý sản phẩm trong thương mại điện tử.

Học sâu (Deep Learning)

Có khả năng giải nhiều vấn đề phức tạp với độ chính xác rất cao. Khả năng tự động hóa cao, tự điều chỉnh và tự tối ưu hóa.

Có khả năng thực hiện tính toán song song, hiệu năng tốt, xử lý lượng dữ liệu lớn.

Cần khối lượng dữ liệu khổng lồ để khai thác tối đa khả năng của Deep Learning.

Chi phí tính toán cao vì phải xử lý nhiều mô hình phức tạp.

Không có nền tảng lý thuyết vững chắc để chọn các công cụ tối ưu cho Deep Learning.

Nhận dạng hình ảnh và video. Xử lý ngôn ngữ tự nhiên và dịch máy. Tự lái ô tô và xe tự hành.

Xử lý ngôn ngữ tự nhiên

(Natural

- Cho phép máy tính hiểu và xử lý ngôn ngữ con người.

-Độ chính xác còn hạn chế

Phụ thuộc vào ngôn

- Dịch thuật tự

động

Language

Processing -

NLP)

• Có thể áp dụng cho nhiều loại nhiệm vụ khác nhau như dịch thuật, tóm tắt văn bản, chatbot.
• Tương đối dễ triển khai.

ngữ và văn hóa :Hiệu suất của các hệ thống NLP có thể phụ thuộc nhiều vào ngôn ngữ và văn hóa cụ thể, và việc chuyển giao giữa các ngôn ngữ có thể gặp nhiều thách thức. - Có thể bị ảnh hưởng bởi sự mơ hồ trong ngôn ngữ.

• Tóm tắt văn bản
• Chatbot

Nhận diện hình ảnh

(Computer

Vision)

• Cho phép máy tính nhận diện và phân tích các đối tượng trong hình ảnh.
• Có thể áp dụng cho nhiều loại nhiệm vụ khác nhau như giám sát, kiểm tra chất lượng, xe tự lái.
• Hiệu quả trong các nhiệm vụ như nhận diện khuôn mặt, biển báo giao thông.

• Yêu cầu lượng dữ liệu lớn để huấn luyện. Dữ liệu hình ảnh có thể phức tạp và đa dạng, gây khó khăn trong việc xử lý và phân tích, đặc biệt là đối với các vấn đề như đa ngôn ngữ hoặc đa văn hóa
• Tốn nhiều tài nguyêntính toán.

• Nhận diện khuôn mặt
• Giám sát an ninh - Kiểm tra chất lượng sản phẩm
• Xe tự lái