Active Learning

Active Learning là một phương pháp chiến lược trong machine learning (ML) nơi thuật toán chủ động lựa chọn các điểm dữ liệu mang nhiều thông tin nhất để gán nhãn, thay vì tiếp nhận một tập dữ liệu đã gán nhãn sẵn một cách thụ động. Trong supervised learning truyền thống, các model thường yêu cầu lượng lớn dữ liệu được chú thích, việc này có thể tốn kém và mất nhiều thời gian để tạo ra. Active learning tối ưu hóa quy trình này bằng cách xác định các mẫu "không chắc chắn" hoặc "độ khó cao"—những mẫu nằm gần ranh giới quyết định hoặc nơi model thiếu độ tự tin—và yêu cầu các chuyên gia gán nhãn con người chỉ gán nhãn cho các trường hợp cụ thể đó. Vòng lặp lặp lại này cho phép các model đạt được accuracy cao với số lượng mẫu được gán nhãn ít hơn đáng kể, giúp phương pháp này cực kỳ hiệu quả đối với các dự án có ngân sách hạn chế hoặc thời gian gấp rút.

Cách thức vận hành chu trình Active Learning#

Trọng tâm của active learning là một vòng lặp phản hồi thường được gọi là human-in-the-loop. Thay vì huấn luyện một lần trên một tập dữ liệu tĩnh, model tiến hóa thông qua các chu kỳ truy vấn và cập nhật.

1. Khởi tạo (Initialization): Quá trình bắt đầu với một tập nhỏ training data được gán nhãn dùng để huấn luyện một model ban đầu, chẳng hạn như Ultralytics YOLO26.

2. Chọn lọc truy vấn: Model đánh giá một nhóm lớn dữ liệu chưa được gắn nhãn. Sử dụng chiến lược truy vấn—phổ biến nhất là lấy mẫu dựa trên sự không chắc chắn (uncertainty sampling)—nó chọn ra những hình ảnh hoặc văn bản mà các dự đoán của nó ít tin cậy nhất.

3. Chú thích (Annotation): Các mẫu ưu tiên cao này được gửi cho một chuyên gia con người, thường được gọi là "oracle" trong active learning literature, để thực hiện data labeling.

4. Huấn luyện lại: Dữ liệu mới được gắn nhãn sẽ được thêm vào tập huấn luyện và model được huấn luyện lại. Model đã cập nhật này sau đó sẽ được trang bị tốt hơn để lựa chọn đợt mẫu gây bối rối tiếp theo.

Các ứng dụng trong thực tế#

Active learning là không thể thiếu trong các ngành công nghiệp nơi dữ liệu rất dồi dào nhưng việc gắn nhãn đòi hỏi kiến thức chuyên môn hoặc chi phí cao.

• Medical Image Analysis: Trong các lĩnh vực như X-quang, việc gán nhãn đòi hỏi các chuyên gia có chứng chỉ hành nghề với thời gian cực kỳ quý giá. Thay vì yêu cầu một bác sĩ chú thích hàng ngàn bản chụp rõ ràng, hệ thống active learning có thể lọc ra các trường hợp mơ hồ—chẳng hạn như khối u giai đoạn đầu hoặc các bất thường hiếm gặp—cho phép chuyên gia chỉ tập trung vào những hình ảnh thực sự cải thiện năng lực chẩn đoán của model.
• Autonomous Vehicles: Xe tự lái tạo ra lượng dữ liệu video khổng lồ cỡ petabyte. Việc gán nhãn cho mọi khung hình là điều bất khả thi. Active learning giúp các kỹ sư xác định các edge cases, chẳng hạn như người đi bộ mặc trang phục hóa trang hoặc lái xe trong trời tuyết dày, những tình huống mà các model object detection chuẩn có thể bỏ sót. Bằng cách ưu tiên các kịch bản hiếm gặp này, các công ty cải thiện tính an toàn mà không lãng phí tài nguyên vào các đoạn băng ghi hình đường cao tốc lặp đi lặp lại.

Ví dụ về Python: Lọc các dự đoán không chắc chắn#

Ví dụ sau đây minh họa logic "lấy mẫu dựa trên độ bất định" đơn giản sử dụng Ultralytics YOLO26. Chúng ta tải một model, chạy suy luận trên hình ảnh, và gắn cờ những hình ảnh có điểm số confidence nằm dưới một ngưỡng nhất định để xem xét thủ công.

from ultralytics import YOLO

# Load the latest YOLO26 model
model = YOLO("yolo26n.pt")

# List of unlabeled image paths
unlabeled_images = ["https://ultralytics.com/images/bus.jpg", "https://ultralytics.com/images/zidane.jpg"]

# Run inference
results = model(unlabeled_images)

# Identify samples with low confidence for active learning
uncertain_threshold = 0.6
for result in results:
    # Check if any detection confidence is below the threshold
    if result.boxes.conf.numel() > 0 and result.boxes.conf.min() < uncertain_threshold:
        print(f"Active Learning Query: {result.path} needs human labeling.")

Phân biệt các khái niệm liên quan#

Điều quan trọng là phải phân biệt active learning với các mô hình huấn luyện tương tự:

• Semi-Supervised Learning: Mặc dù cả hai phương pháp đều tận dụng dữ liệu chưa gán nhãn, semi-supervised learning tự động gán pseudo-labels cho dữ liệu dựa trên các dự đoán có độ tự tin cao của model. Ngược lại, active learning yêu cầu rõ ràng sự can thiệp của con người đối với các dự đoán có độ tự tin thấp.
• Transfer Learning: Phương pháp này liên quan đến việc lấy một model đã được huấn luyện trước (như model được huấn luyện trên ImageNet) và điều chỉnh nó cho một tác vụ mới. Active learning tập trung vào việc dữ liệu nào cần gán nhãn, trong khi transfer learning tập trung vào việc tái sử dụng các đặc trưng đã học.
• Reinforcement Learning: Ở đây, một tác nhân học hỏi thông qua việc tương tác với môi trường và nhận phần thưởng. Active learning khác biệt ở chỗ nó tìm kiếm các nhãn ground truth tĩnh từ một oracle, thay vì tối ưu hóa một chuỗi các hành động để nhận phần thưởng.

Tích hợp với MLOps#

Việc triển khai active learning một cách hiệu quả đòi hỏi một đường ống Machine Learning Operations (MLOps) vững chắc. Bạn cần có hạ tầng để quản lý phiên bản dữ liệu, kích hoạt các tác vụ huấn luyện lại, và cung cấp giao diện gán nhãn cho con người. Các công cụ tích hợp với Ultralytics ecosystem cho phép người dùng chuyển đổi liền mạch giữa suy luận, quảnkur dữ liệu (data curation) và huấn luyện. Ví dụ, việc sử dụng custom training scripts cho phép các nhà phát triển nhanh chóng đưa các lô dữ liệu active learning mới vào các YOLO model của họ.

Để đọc thêm về các chiến lược lấy mẫu, các nhà nghiên cứu thường tham khảo các tổng quan toàn diện trong active learning literature. Ngoài ra, việc hiểu rõ các model evaluation metrics là rất quan trọng để xác thực rằng vòng lặp active learning thực sự đang cải thiện hiệu suất.