Thuật ngữ 𝐒𝐮𝐩𝐞𝐫𝐯𝐢𝐬𝐞𝐝 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 - được dịch là 𝐇ọ𝐜 𝐜ó 𝐠𝐢á𝐦 𝐬á𝐭, nói về một phương pháp được sử dụng để phát triển các loại ứng dụng AI dựa trên việc gán nhãn cho dữ liệu trước khi đưa vào thuật toán học máy.
Vậy, gán nhãn dữ liệu là như thế nào?
Rất đơn giản, đó là dán lên dữ liệu một cái nhãn, cho biết đó là dữ liệu gì.
Ví dụ:
- Bạn có 1 quả táo, bạn viết chữ "quả táo" rồi dán vào quả táo đó, đây là dán nhãn.
- Bạn có 1 quả chuối, bạn viết chữ "quả chuối" rồi dán vào quả chuối đó, đây là dán nhãn.
- Bạn có một quả dưa leo, bạn viết chữ "quả chuối" rồi dán vào quả dưa leo đó, đây là gán nhãn, nhưng là gán nhãn sai.
- Bạn có một nắm "lá ngón", bạn viết chữ "lá ngón" rồi dán vào, đây là dán nhãn chính xác và hiệu quả.
- Bạn có một nắm "lá ngón", bạn viết chữ "rau dền" rồi dán vào, đây là dán nhãn sai lầm gây hậu quả nghiêm trọng.
Tôi không định cùng bạn ăn chuối với táo, mà tôi muốn cùng bạn đi tới một viễn cảnh xa hơn một chút. Chúng ta dán nhãn cho con người thì đơn giản rồi, vậy còn cái máy tính thì sao? Làm thế nào để cái máy tính có thể phân biệt được "quả chuối" với "dưa leo", "lá ngón" với "rau dền"?
Thật ra, nó cũng đơn giản như thế thôi. Bạn dán cái nhãn gì cho dữ liệu, thì cái máy tính sẽ hiểu dữ liệu theo cái nhãn mà bạn dán đó.
Ồ, vậy bây giờ, nếu tôi xây dựng một chiến lược giao dịch, tạm gọi là chiến lược S. Tôi cho chiến lược S này chạy trên thị trường thật trong nhiều năm rồi gom hết kết quả lại.
Tôi lọc ra tất cả các "lệnh thua lỗ" rồi tôi gán nhãn "đây là lệnh thua lỗ", và tôi cũng nhặt ra tất cả các "lệnh có lợi nhuận" rồi gán nhãn "lệnh có lợi nhuận", điều này sẽ giúp cho cái máy tính hiểu được 2 loại lệnh này.
OK, và để làm câu chuyện thú vị hơn chút nữa, tôi sẽ thu thập thêm nhiều thông tin về thị trường liên quan đến các lệnh lời lỗ kia, gắn chặt vào với từng lệnh. Có nghĩa là, tôi cung cấp thêm chi tiết thông tin về bối cảnh cho từng cái lệnh lãi lỗ đó, để làm sáng tỏ vấn đề hơn.
Tiếp theo, tôi lại lôi một loạt các thuật toán chuyên dụng ra để cho nó thống kê, định lượng, mô hình hóa cái bối cảnh đó... thế là nó có thể nhận diện được à cái lệnh kia lỗ trong bối cảnh X, cái lệnh kia lãi trong bối cảnh Y, cái lệnh kia hòa trong bối cảnh Z.
Cứ thế, tôi liên tục lặp lại quy trình này với hàng nghìn lệnh giao dịch, cuối cùng thì thuật toán nó sẽ học được một cách tổng quát rằng trong bối cảnh như thế nào thì một cái lệnh BUY hay SELL sẽ lời, hay sẽ lỗ. Nó học càng nhiều, thì nó càng có xác suất phân biệt, nhận diện chính xác hơn.
Đây là một ví dụ đơn giản về 𝐒𝐮𝐩𝐞𝐫𝐯𝐢𝐬𝐞𝐝 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠.
Chúng ta còn có 𝐔𝐧𝐬𝐮𝐩𝐞𝐫𝐯𝐢𝐬𝐞𝐝 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠, 𝐌𝐞𝐭𝐚 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠, 𝐄𝐯𝐨𝐥𝐮𝐭𝐢𝐨𝐧𝐚𝐫𝐲 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠... cả nơi ta sẽ gặp gỡ với các tác nhân AI hay còn gọi là Agent, và các thuật toán tuyệt vời đỉnh chop của 𝐑𝐞𝐢𝐧𝐟𝐨𝐫𝐜𝐞𝐦𝐞𝐧𝐭 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠.
Nếu các bạn có hứng thú với chủ đề này, tôi sẽ biên một chuỗi bài về Quant Trading và AI Trading để đọc giải trí. Không quá nặng mùi kỹ thuật mà tiếp cận theo góc nhìn thật đơn giản dễ hiểu.
Mọi thứ thật ra chẳng có gì quá phức tạp đâu.
Comments (1)
Please sign in to comment.
Hay quá a