Dữ liệu số là gì và được tạo ra thế nào?

Dữ liệu số là gì?

Dữ liệu số là sự biểu diễn thông tin bằng một tập các giá trị rời rạc. Trong phần lớn hệ thống máy tính hiện nay, các giá trị này cuối cùng được biểu diễn bằng bit với hai trạng thái logic 0 và 1. Từng bit riêng lẻ mang rất ít ý nghĩa, nhưng khi nhiều bit được tổ chức theo một quy tắc mã hóa, chúng có thể đại diện cho số, chữ viết, hình ảnh, âm thanh, video hoặc các loại thông tin khác.

Chẳng hạn, ký tự “A” không được lưu trong bộ nhớ máy tính dưới hình dạng chữ A. Phần mềm sử dụng một giá trị số theo bảng mã ký tự, sau đó giá trị ấy được biểu diễn thành các bit. Tương tự, ảnh không được máy tính “nhìn” như con người nhìn thấy; tệp ảnh chứa các giá trị mô tả điểm ảnh, màu sắc và những thông tin cần thiết để phần mềm tái tạo hình ảnh.

Khái niệm “số” trong dữ liệu số vì thế không có nghĩa mọi dữ liệu đều là những con số mà người dùng phải đọc. Nó cho biết thông tin đã được chuyển sang một dạng biểu diễn có cấu trúc bằng các giá trị mà hệ thống số có thể thao tác.

Một byte thường gồm 8 bit, nên có thể biểu diễn (2^8 = 256) tổ hợp bit khác nhau. Cách các tổ hợp đó được hiểu phụ thuộc vào quy tắc mã hóa: cùng một chuỗi bit có thể mang ý nghĩa khác nếu được đọc theo kiểu số nguyên, ký tự, màu sắc hoặc một cấu trúc dữ liệu khác.

Dữ liệu số biểu diễn thông tin bằng các giá trị rời rạc như thế nào?

Điểm cốt lõi của dữ liệu số là tính rời rạc. Thay vì lưu một đại lượng biến thiên liên tục, hệ thống sử dụng các giá trị xác định thuộc một tập hữu hạn hoặc đếm được. Máy tính có thể phân biệt, sao chép và xử lý những giá trị này bằng các quy tắc logic.

Quá trình biểu diễn thường có hai lớp. Lớp thứ nhất xác định ý nghĩa: chẳng hạn một số đại diện cho ký tự nào, mức sáng nào hoặc biên độ âm thanh nào. Lớp thứ hai chuyển các giá trị đó thành cấu trúc bit để phần cứng có thể lưu và truyền.

Với văn bản Unicode, mỗi ký tự được gán một mã định danh gọi là code point. Một kiểu mã hóa phổ biến là UTF-8 sử dụng từ 1 đến 4 byte để biểu diễn một code point. Nhờ có quy tắc chung, một chuỗi byte được tạo trên thiết bị này có thể được phần mềm khác giải mã thành đúng ký tự, miễn là hai bên sử dụng cùng cách mã hóa.

Hình ảnh số cũng dựa trên nguyên tắc tương tự nhưng dữ liệu đại diện cho điểm ảnh. Trong ảnh màu RGB 24 bit không tính kênh trong suốt, mỗi pixel thường dành 8 bit cho đỏ, 8 bit cho xanh lá và 8 bit cho xanh dương. Mỗi kênh vì thế có 256 mức giá trị. Ba giá trị kết hợp tạo nên màu mà phần mềm hiển thị cho pixel đó.

Điều này cho thấy chuỗi 0 và 1 tự nó chưa đủ tạo thành thông tin có ý nghĩa. Muốn giải thích dữ liệu chính xác còn cần biết cấu trúc, kiểu dữ liệu, định dạng hoặc quy tắc mã hóa đang được áp dụng.

Dữ liệu số được tạo ra thế nào?

Dữ liệu số có thể được tạo trực tiếp trong môi trường số hoặc được hình thành bằng cách số hóa một hiện tượng ngoài đời thực.

Khi một người gõ văn bản, nhập một con số vào biểu mẫu hoặc phần mềm tính toán tạo ra một kết quả, thông tin đã có thể được mã hóa trực tiếp thành dữ liệu số. Một chương trình cũng có thể tạo dữ liệu mới từ dữ liệu sẵn có, chẳng hạn tính tổng giao dịch, thay đổi kích thước ảnh hoặc ghi lại trạng thái của một hệ thống.

Với âm thanh, ánh sáng, nhiệt độ và nhiều đại lượng vật lý khác, tín hiệu ban đầu thường liên tục. Cảm biến biến hiện tượng vật lý thành tín hiệu điện; bộ chuyển đổi tương tự–số, thường gọi là ADC, lấy mẫu tín hiệu tại những thời điểm nhất định và lượng tử hóa mỗi mẫu thành một giá trị số.

Hai thông số quan trọng trong quá trình này là tần số lấy mẫu và độ sâu bit. Tần số lấy mẫu cho biết một giây có bao nhiêu mẫu được ghi lại, còn độ sâu bit quyết định số mức giá trị có thể dùng cho từng mẫu. Ví dụ, âm thanh PCM 44,1 kHz, 16 bit, hai kênh tạo ra:

44.100 × 16 × 2 = 1.411.200 bit dữ liệu âm thanh thô mỗi giây.

Tăng tần số lấy mẫu hoặc số bit cho mỗi mẫu có thể giữ lại nhiều chi tiết hơn, nhưng đồng thời làm lượng dữ liệu tăng. Số hóa vì vậy luôn gắn với việc lựa chọn độ phân giải phù hợp cho mục đích sử dụng.

Quá trình số hóa không thể ghi lại vô hạn mức biến thiên của tín hiệu liên tục. Các giá trị nằm giữa những mức lượng tử hóa phải được quy về những mức có thể biểu diễn. Dữ liệu số có thể tái tạo tín hiệu với độ chính xác rất cao khi thông số số hóa phù hợp, nhưng không nên hiểu rằng việc chuyển sang dạng số mặc nhiên bảo toàn tuyệt đối mọi chi tiết của tín hiệu gốc.

Văn bản, hình ảnh và âm thanh trở thành dữ liệu số theo những cách khác nhau

Văn bản được mã hóa thành mã ký tự

Máy tính lưu văn bản bằng cách ánh xạ ký tự sang các giá trị số theo một hệ mã. Unicode cung cấp không gian mã dùng chung cho nhiều hệ chữ, còn các encoding như UTF-8 xác định cách những mã đó được chuyển thành byte.

Vì tồn tại lớp mã hóa này, hai tệp chứa văn bản nhìn giống nhau chưa chắc có chuỗi byte hoàn toàn giống nhau. Encoding, cách biểu diễn một số ký tự và cấu trúc của định dạng tệp đều có thể làm dữ liệu bên trong khác nhau.

Hình ảnh được biểu diễn bằng giá trị của các điểm ảnh

Ảnh raster chia hình ảnh thành một lưới pixel. Mỗi pixel chứa một hoặc nhiều giá trị mô tả màu và có thể có thêm thông tin như độ trong suốt. Độ phân giải càng lớn thì số pixel càng nhiều; số bit dành cho màu càng lớn thì hệ thống càng có nhiều mức màu để biểu diễn.

Tệp ảnh thực tế còn có thể sử dụng nén. Vì vậy, kích thước tệp JPEG hoặc PNG không thể chỉ suy ra từ số pixel. Phương pháp nén, nội dung ảnh, metadata và các tham số mã hóa cũng ảnh hưởng đến dung lượng.

Âm thanh được tạo từ các mẫu theo thời gian

Âm thanh số lưu chuỗi giá trị mô tả biên độ tín hiệu tại các thời điểm lấy mẫu. Khi phát lại, bộ chuyển đổi số–tương tự và hệ thống âm thanh sử dụng chuỗi mẫu để tạo tín hiệu điện liên tục đưa tới loa hoặc tai nghe.

Các định dạng âm thanh có thể lưu dữ liệu PCM gần với chuỗi mẫu ban đầu hoặc sử dụng thuật toán nén. Nén không mất dữ liệu như FLAC cho phép khôi phục dữ liệu âm thanh gốc ở mức bit sau khi giải nén, trong khi các phương pháp nén mất dữ liệu như MP3 hoặc AAC loại bỏ một phần thông tin để giảm dung lượng.

Vì sao dữ liệu số có thể được lưu trữ, xử lý và trao đổi?

Khi thông tin đã trở thành các giá trị theo một quy tắc xác định, thiết bị có thể thao tác với chúng mà không cần “hiểu” đối tượng theo cách con người hiểu. Bộ xử lý thực hiện các phép toán và phép logic; bộ nhớ giữ trạng thái bit; phần mềm xác định cách tổ chức và diễn giải dữ liệu.

Đặc tính này cho phép dữ liệu số được sao chép với độ chính xác ở cấp bit. Nếu một tệp không bị thay đổi hoặc lỗi trong quá trình sao chép, bản sao có thể có chuỗi byte giống hệt bản gốc. Đây là khác biệt quan trọng so với nhiều phương thức sao chép tín hiệu tương tự, nơi nhiễu và sai lệch có thể tích lũy qua các thế hệ sao chép.

Khả năng truyền dữ liệu cũng dựa trên nguyên tắc biểu diễn chung. Mạng máy tính không cần truyền trực tiếp “bức ảnh” hay “bài hát”; nó truyền các đơn vị dữ liệu được mã hóa thành tín hiệu vật lý trên cáp đồng, cáp quang hoặc sóng vô tuyến. Thiết bị nhận phục hồi các bit và phần mềm giải mã chúng theo giao thức và định dạng tương ứng.

Tuy nhiên, việc có cùng dữ liệu chưa bảo đảm mọi chương trình đều hiểu được dữ liệu. Một ứng dụng cần biết định dạng, cấu trúc và quy ước liên quan. Tệp có thể còn nguyên byte nhưng vẫn không sử dụng được nếu thiếu phần mềm giải mã phù hợp, metadata cần thiết hoặc thông tin về cấu trúc của tệp.

Dữ liệu số không đồng nghĩa với thông tin chính xác hoặc chất lượng cao

Việc chuyển thông tin sang dạng số chỉ xác định cách thông tin được biểu diễn, không tự xác nhận nội dung đó đúng. Một số liệu nhập sai vào cơ sở dữ liệu vẫn là dữ liệu số hợp lệ về mặt cấu trúc. Một bức ảnh bị lấy nét sai vẫn có thể được mã hóa hoàn toàn bình thường. Dữ liệu có thể chính xác ở cấp bit nhưng sai về ý nghĩa.

Chất lượng còn phụ thuộc vào quá trình tạo dữ liệu. Với dữ liệu được số hóa từ thế giới vật lý, cảm biến, tần số lấy mẫu, độ phân giải, nhiễu, hiệu chuẩn và thuật toán xử lý đều có thể ảnh hưởng đến kết quả. Với dữ liệu do con người nhập, lỗi nhập liệu hoặc cách định nghĩa trường thông tin có thể làm dữ liệu không phản ánh đúng thực tế.

Cũng cần phân biệt dữ liệu số với tệp. Tệp là một cách đóng gói và lưu dữ liệu; dữ liệu còn có thể tồn tại trong bộ nhớ, cơ sở dữ liệu, luồng truyền mạng hoặc trạng thái của một thiết bị. Tương tự, “dữ liệu số” không bắt buộc phải là dữ liệu nhị phân về mặt khái niệm: hệ thống số nói chung làm việc với các trạng thái rời rạc, dù máy tính điện tử phổ biến sử dụng biểu diễn nhị phân vì hai trạng thái thuận tiện cho việc xây dựng mạch logic đáng tin cậy.

Dữ liệu số là thông tin đã được biểu diễn bằng các giá trị rời rạc theo một quy tắc để hệ thống công nghệ có thể lưu trữ, xử lý và trao đổi. Trong máy tính thông dụng, các giá trị đó cuối cùng thường được mã hóa thành bit 0 và 1, còn ý nghĩa của chúng được xác định bởi kiểu dữ liệu, bảng mã, định dạng và phần mềm giải mã.

Dữ liệu có thể được tạo trực tiếp bởi con người hoặc phần mềm, hoặc được hình thành bằng cách lấy mẫu và lượng tử hóa tín hiệu từ thế giới vật lý. Hiểu cơ chế này giúp phân biệt rõ thông tin với cách biểu diễn thông tin, đồng thời tránh nhầm rằng dữ liệu đã ở dạng số thì mặc nhiên chính xác, đầy đủ hoặc không mất mát.