Hidden Markov Model (HMM)

Một Hidden Markov Model (HMM) là một khung thống kê được sử dụng để mô hình hóa các hệ thống mà quá trình bên trong không thể nhìn thấy trực tiếp—do đó gọi là "ẩn"—nhưng có thể được suy ra thông qua một chuỗi các sự kiện có thể quan sát được. Mặc dù deep learning hiện đại đã tiến hóa để xử lý các chuỗi phức tạp, HMM vẫn là một khái niệm nền tảng trong statistical AI và lý thuyết xác suất. Nó đặc biệt hiệu quả trong việc phân tích dữ liệu time-series analysis nơi thứ tự các sự kiện cung cấp bối cảnh quan trọng, dựa trên nguyên tắc cốt lõi rằng xác suất của một trạng thái trong tương lai chỉ phụ thuộc vào trạng thái hiện tại, chứ không phụ thuộc vào lịch sử đã đi trước nó.

Các cơ chế cốt lõi của HMM#

Để hiểu cách một HMM hoạt động, điều cần thiết là phải phân biệt giữa hai lớp riêng biệt của mô hình: các trạng thái ẩn và các kết quả đầu ra có thể quan sát được. Mô hình giả định rằng hệ thống chuyển đổi giữa các trạng thái ẩn theo các xác suất cụ thể, phát ra một quan sát tại mỗi bước.

Một HMM được xác định bởi một tập hợp các tham số điều khiển các quá trình chuyển đổi và phát xạ này:

• Hidden States: Những trạng thái này đại diện cho thực tế cơ bản của hệ thống tại một thời điểm nhất định. Trong một model giọng nói, một hidden state có thể đại diện cho một âm素 hoặc từ cụ thể.
• Observable Events: Đây là các điểm dữ liệu thực sự được thu thập bởi các cảm biến hoặc đầu vào. Trong ví dụ về giọng nói, quan sát sẽ là dữ liệu dạng sóng âm thanh hoặc biểu đồ phổ (spectrogram).
• Transition Probabilities: Ma trận này mô tả khả năng chuyển đổi từ hidden state này sang hidden state khác. Ví dụ, xác suất thời tiết thay đổi từ "Mưa" sang "Nắng".
• Emission Probabilities: Các giá trị này xác định khả năng quan sát được một sự kiện cụ thể với một hidden state hiện tại.
• Initial Probabilities: Phân phối xác định trạng thái mà hệ thống có khả năng bắt đầu cao nhất.

Quá trình huấn luyện một HMM thường bao gồm Baum-Welch algorithm để ước tính các tham số này từ training data. Sau khi được huấn luyện, Viterbi algorithm thường được sử dụng để giải mã chuỗi hidden states có khả năng xảy ra cao nhất từ một tập hợp quan sát mới.

HMM so với các mô hình chuỗi khác#

Mặc dù HMM có những điểm tương đồng với các công cụ xử lý chuỗi khác, chúng khác biệt đáng kể về kiến trúc và ứng dụng:

• HMM và Recurrent Neural Networks (RNN): RNN và các mạng Long Short-Term Memory (LSTM) là các model deep learning có thể nắm bắt các phụ thuộc tầm xa và các mẫu phi tuyến tính, trong khi HMM là các model xác suất đơn giản hơn bị giới hạn bởi giả định Markov (bộ nhớ ngắn hạn). Tuy nhiên, HMM đòi hỏi ít dữ liệu hơn đáng kể và dễ giải thích hơn rất nhiều.
• HMM và Kalman Filter (KF): Cả hai đều được sử dụng để ước tính trạng thái. Tuy nhiên, Kalman Filters được thiết kế cho các trạng thái liên tục (như theo dõi vị trí chính xác của một chiếc ô tô đang di chuyển), trong khi HMM được sử dụng cho các trạng thái rời rạc (như xác định xem ô tô đang "đỗ", "đang lái", hay "đang dừng").

Các ứng dụng trong thực tế#

Bất chấp sự trỗi dậy của deep learning (DL), Hidden Markov Model vẫn được sử dụng rộng rãi trong các kịch bản đòi hỏi suy luận xác suất trên các chuỗi.

Nhận dạng giọng nói và chữ viết tay#

Về mặt lịch sử, HMM là xương sống của các hệ thống speech recognition. Trong bối cảnh này, các từ được nói là các hidden state, và các tín hiệu âm thanh được ghi lại bởi micrô là các quan sát. HMM giúp xác định chuỗi từ có khả năng cao nhất đã tạo ra tín hiệu âm thanh. Tương tự, chúng hỗ trợ giải mã chữ viết tay thảo bằng cách mô hình hóa quá trình chuyển đổi giữa các nét chữ.

Phân tích chuỗi sinh học#

Trong lĩnh vực bioinformatics, HMM rất quan trọng đối với việc dự đoán gen và căn chỉnh protein. Chúng phân tích các chuỗi DNA hoặc axit amin để xác định các vùng chức năng, chẳng hạn như các gen trong một bộ gen. Các hidden state có thể đại diện cho các vùng mã hóa hoặc không mã hóa, trong khi các nucleotide cụ thể (A, C, G, T) đóng vai trò là các quan sát.

Nhận dạng hành động trong thị giác máy tính#

Trong computer vision hiện đại, HMM có thể được kết hợp với các model như YOLO26 để thực hiện action recognition. Trong khi YOLO phát hiện các đối tượng hoặc tư thế trong các khung hình riêng lẻ, HMM có thể phân tích chuỗi các tư thế này theo thời gian để phân loại một hành động, chẳng hạn như "đi bộ", "chạy" hoặc "ngã".

Tích hợp thị giác và phân tích trạng thái#

Đối với các developer sử dụng Ultralytics Platform để quản lý dataset và model, việc hiểu logic tuần tự là rất quan trọng. Một vision model cung cấp các quan sát thô (các phát hiện), sau đó có thể được đưa vào một model không gian trạng thái như HMM để suy ra bối cảnh thời gian.

Ví dụ sau đây minh họa cách tạo một chuỗi các quan sát bằng cách sử dụng ước tính tư thế YOLO26. Các keypoints này có thể đóng vai trò là đầu vào "observable events" cho một HMM hạ nguồn hoặc logic tương tự để phân loại các hành vi theo thời gian.

from ultralytics import YOLO

# Load the YOLO26n-pose model for efficient keypoint detection
model = YOLO("yolo26n-pose.pt")

# Run inference on a video source (the 'observable' sequence)
# stream=True creates a generator for memory efficiency
results = model.predict(source="path/to/video.mp4", stream=True)

# Iterate through frames to extract observations
for result in results:
    # Each 'keypoints' object is an observation for a potential HMM
    keypoints = result.keypoints.xyn.cpu().numpy()

    if keypoints.size > 0:
        print(f"Observation (Normalized Keypoints): {keypoints[0][:5]}...")
        # In a full pipeline, these points would be fed into an HMM decoder

Tầm quan trọng trong AI hiện đại#

Mặc dù transformers và các mô hình ngôn ngữ lớn (LLMs) đã vượt qua HMM cho các tác vụ như natural language processing (NLP), HMM vẫn duy trì sự liên quan trong edge computing và các môi trường độ trễ thấp. Hiệu quả tính toán của chúng làm cho chúng trở nên lý tưởng cho các hệ thống có nguồn lực hạn chế nơi việc sử dụng GPU nặng là không khả thi. Hơn nữa, vì chúng dựa trên các ma trận xác suất minh bạch, chúng cung cấp observability cao hơn so với bản chất "hộp đen" của nhiều mạng neural.