Главные технологические направления 4-й промышленной революции (4): Глубокое обучение

Прежде всего, немного терминологии: искусственный интеллект (ИИ), машинное обучение (МО) и глубокое обучение (ГО) — это три разных понятия.

  • Искусственный интеллект — это такая же наука, как математика или биология. Он изучает способы создания интеллектуальных программ и машин, которые могут творчески решать проблемы, что всегда считалось прерогативой человека.
  • Машинное обучение — это разновидность искусственного интеллекта (ИИ), которая предоставляет системам возможность автоматически учиться и совершенствоваться на основе опыта без явного программирования. В машинном обучении есть разные алгоритмы и решения (например, нейронные сети), которые помогают решать разные задачи, например, распознавания образов.
  • Глубокое обучение или глубокое нейронное обучение — это подмножество машинного обучения, которое использует нейронные сети для анализа различных факторов со структурой, похожей на нейронную систему человека.

Глубокое обучение

Глубокое обучение — это класс алгоритмов машинного обучения, выполненных по принципу структуры человеческого мозга. Алгоритмы глубокого обучения используют сложные многослойные нейронные сети, где уровень абстракции постепенно увеличивается за счёт нелинейных преобразований входных данных.

В нейронной сети информация передаётся от вычислительных узлов (нейронов) одного слоя к другому по соединительным каналам. Они называются взвешенными каналами, потому что каждый из них передаёт сигнал со взвешенным коэффициентом.

Все нейроны имеют уникальный номер, называемый смещением (bias). Это смещение добавляется к взвешенной сумме входов, достигающих нейрона, к которому затем применяется функция активации. Результат функции определяет, активируется ли нейрон. Каждый активированный нейрон передаёт информацию на следующие слои. Так продолжается до предпоследнего слоя. Выходной слой в искусственной нейронной сети — это последний слой, который производит выходные данные для программы.

Чтобы обучать такие нейронные сети, специалисту по данным (data scientist) нужны огромные объёмы обучающих данных, поскольку нужно учитывать огромное количество параметров, чтобы решение было достаточно точным.

Алгоритмы глубокого обучения сейчас очень популярны, однако на самом деле нет чётко определенного порога между глубокими и не очень глубокими алгоритмами.

Некоторыми практическими примерами глубокого обучения являются, например, системы распознавания речи, такие как Google Assistant, Amazon Alexa или «Алиса» — виртуальный голосовой помощник, созданный компанией «Яндекс». Звуковые волны речи можно представить в виде спектрограммы, представляющей собой моментальный снимок смеси различных звуковых частот. Нейронная сеть, способная запоминать входные последовательности, такие как LSTM (long-short-term-memory) — долговременной кратковременной памяти, может распознавать и обрабатывать такие последовательности пространственно-временных входных сигналов. Он учится сопоставлять потоки спектрограммы со словами.

Глубокое обучение уже очень близко к тому, что многие люди представляют себе, когда слышат слова «искусственный интеллект». Алгоритмы DP не безупречны, однако программисты любят DL, потому что его можно применять к множеству задач.

В общем, можно сказать, что машинное обучение (Machine learning) и глубокое обучение (Deep learning) – это 2 подмножества искусственного интеллекта (AI – Artificial Intelligence), причем, глубокое обучение является подможеством машинного обучения.

Вот некоторые факты[1] о Deep learning и Machine learning:

  • Первая AI-программа “The Logic Theorist” была создана в 1955 году компанией Newell & Simon (World Information Organization);
  • Оклад специалиста по AI приближается к стоимости автомобиля Roll-Royce Ghost Series II 2017 года (по данным издания New York Times);
  • Аналитическое агентство PwC предполагает, что примерно к 2030 г. 38% всех рабочих мест в США могут быть заменены искусственным интеллектом и технологиями автоматизации;
  • Исследователи Gartner в 2017 году прогнозировали, что к 2020 году 85% взаимодействия с клиентами будет осуществляться без участия человека.

Более подробно о глубоком обучении можно прочитать здесь.

Вся подборка публикация сайта по рубрике «Искусственный интеллект» здесь.


[1] https://datastart.ru/blog/read/deep-learning-machine-learning-v-chem-raznica

Об авторе Алексей Шалагинов

Независимый эксперт
Запись опубликована в рубрике Artificial Intelligence, цифровая трансформация с метками , , , , , . Добавьте в закладки постоянную ссылку.

Добавить комментарий

Заполните поля или щелкните по значку, чтобы оставить свой комментарий:

Логотип WordPress.com

Для комментария используется ваша учётная запись WordPress.com. Выход /  Изменить )

Фотография Twitter

Для комментария используется ваша учётная запись Twitter. Выход /  Изменить )

Фотография Facebook

Для комментария используется ваша учётная запись Facebook. Выход /  Изменить )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.