Што вам трэба ведаць аб развіцці штучнага інтэлекту
Глыбокае вывучэнне з'яўляецца магутнай формай машыннага навучання (ML) , які будуе складаныя матэматычныя мадэлі , званыя нейронавыя сеткі з выкарыстаннем велізарнай колькасці дадзеных (інфармацыя).
Глыбокае Вызначэнне навучання
Глыбокае вывучэнне з'яўляецца спосабам рэалізацыі ML з выкарыстаннем некалькіх слаёў нейронавых сетак для апрацоўкі больш складаных тыпаў дадзеных. Часам завецца іерархічная навучанне, глыбокае вывучэнне выкарыстоўвае розныя тыпы нейронавых сетак, каб даведацца асаблівасці (таксама званыя прадстаўлення) і знайсці іх у вялікіх наборах сырых, немеченых дадзеных (неструктураваных дадзеныя). Адным з першых рэвалюцыйных дэманстрацый глыбокага навучання была праграма, якая ўдала падабранай вобразы котак з набораў відэа на YouTube.
Глыбокія Прыклады навучання ў паўсядзённым жыцці
Глыбокае вывучэнне не толькі выкарыстоўваецца ў распазнанні малюнкаў, але і мова перакладу, выяўленне выпадкаў махлярства, а таксама для аналізу дадзеных, сабраных кампаніямі аб сваіх кліентах. Напрыклад, Netflix выкарыстоўвае глыбокае навучанне, каб прааналізаваць вашыя звычкі прагляду і прагназавання, які паказвае і фільмы вы аддаеце перавагу глядзець. Вось як Netflix ведае паставіць баевікі і прыродныя дакументальныя фільмы ў чарзе выклікання. Amazon выкарыстоўвае глыбокае навучанне, каб прааналізаваць вашыя нядаўнія пакупкі і прадметы, якія вы нядаўна шукалі, каб стварыць прапановы па новай музыцы кантры альбомаў вы, верагодна, будзе цікава, і што вы знаходзіцеся на рынку для пары шэрага і жоўтага тэніса абутак. Як глыбока навучанне забяспечвае ўсе больш і больш разумення з неструктураваных і неапрацаваных дадзеных, карпарацыі могуць лепш прагназаваць патрэбнасці сваіх кліентаў, а вы, індывідуальны кліент атрымлівае больш персаналізаваны абслугоўванне кліентаў.
Штучныя нейронавыя сеткі і Deep Learning
Для таго, каб глыбока навучанне лягчэй зразумець, давайце вернемся наша параўнанне штучнай нейронных сеткі (ІНСТРУКЦЫІ). Для глыбокага вывучэння, прадставіць сабе 15-павярховы офісны будынак займае гарадскі квартал з пяццю іншымі офіснымі будынкамі. Ёсць тры будынка на кожным боку вуліцы. Наш будынак будуе і падзяляе тую ж бок вуліцы, як будынка В і С. Праз дарогу ад будынка А стар.1, а насупраць будынак B будуе 2, і гэтак далей. Кожнае будынак мае розную колькасць паверхаў, складаецца з розных матэрыялаў і мае розны архітэктурны стыль ад іншых. Тым не менш, кожнае будынак па-ранейшаму размешчаны ў розных паверхах (слаёў) офісаў (вузлоў) -SO кожнае будынак з'яўляецца унікальным ІНСТРУКЦЫІ.
Уявіце сабе, што лічбавы пакет прыбывае ў будынак А, які змяшчае мноства розных відаў інфармацыі з розных крыніц, такіх як тэкставыя дадзеныя, відэаструменяў, аўдыёструменю, тэлефонныя званкі, радыёхвалі і фатаграфіі, аднак, ён прыбыў у адзін вялікі змешваць і ня пазначаныя або адсартаваныя ў любым лагічным парадку (неструктураваных дадзеныя). Інфармацыя перадаецца праз кожны паверх, каб з 1 - га па 15 - ю для апрацоўкі. Пасля таго , як інфармацыя нагрувашчванне дасягае 15 - га паверха (выхад), ён адпраўляецца на 1 - м паверсе (уваход) будаўніцтва 3 нароўні з канчатковым вынікам апрацоўкі ад будаўніцтва А. Будынак 3 пазнае ад і ўключае ў сябе вынік , пасланую будынка А і затым апрацоўвае інфармацыю аб змешваць праз кожны падлогу такім жа чынам. Калі інфармацыя даходзіць да верхняга паверха корпуса 3, ён адпраўляецца адтуль з вынікамі гэтага будынка для будаўніцтва 1. Будаўніцтва 1 Пазнае ад і ўключае ў сябе вынікі ад будаўніцтва 3 да апрацоўкі яго папавярховыя. Будынак 1 перадае інфармацыю і вынікі такім жа чынам да стварэння C, які апрацоўвае і перадае на корпус 2, які апрацоўвае і пасылае да пабудовы B.
Кожны ANN (будынак) у нашым прыкладзе пошук іншай функцыі ў неструктураваных дадзеных (змешваць інфармацыі) і перадае вынікі да наступнага будынка. Наступнае будынак ўключае ў сябе (пазнае) выхадныя (вынікі) ад папярэдняй. Паколькі дадзеныя апрацоўваюцца кожны ІНСТРУКЦЫІ (будынак), ён атрымлівае арганізавана і прамаркіраваны (класіфікаваны) па канкрэтнай функцыі, так што, калі дадзеныя дасягае канчатковую прадукцыю (верхні паверх) апошняга ІНСТРУКЦЫІ (будынак), яна класіфікуецца і маркіруецца (больш структураваны).
Штучны інтэлект, Machine Learning, і Deep Learning
Як глыбока навучанне ўпісваецца ў агульную карціну штучнага інтэлекту (ІІ) і ML? Глыбокае вывучэнне павышае магутнасць ML і павялічвае дыяпазон задач ІІ здольны выконваць. Таму што глыбокае вывучэнне грунтуецца на выкарыстанні нейронавых сетак і распазнавальныя прыкмет ў наборы дадзеных замест простых канкрэтных задач алгарытмаў , можна знайсці і выкарыстоўваць дэталі з неструктураваных (сырых) дадзеных без неабходнасці для праграміста ўручную пазначыць яго першы час потреаяся задача, якая можа прывесці да памылак. Глыбокае вывучэнне дапамагае кампутары становяцца ўсё лепш і лепш пры выкарыстанні дадзеных, каб дапамагчы карпарацый і прыватных асоб.