Mündəricat[Gizlət][Göstər]
Robotların insanlardan daha ağıllı olması anlayışı Elmi Fantastika mövcud olduğu müddətdə bizim kollektiv təsəvvürümüzü ələ keçirdi.
Bununla belə, Süni İntellekt (AI) hələ o səviyyəyə çatmasa da, Google, Tesla və Uber-in özünü idarə edən avtomobillərlə sınaqları ilə sübut edildiyi kimi, biz maşın intellektinin yaradılmasında əhəmiyyətli irəliləyişlər əldə etmişik.
Bu texniki irəliləyişə imkan verən Maşın Öyrənmə yanaşması olan Deep Learning-in miqyası və faydası süni intellektin universitetlərdən və tədqiqat laboratoriyalarından məhsullara uğurlu keçidinə qismən cavabdehdir.
Növbəti kompüter inqilabı süni intellekt, dərin öyrənmə və üzərində qurulacaq maşın təlim.
Bu texnologiyalar nümunələri ayırd etmək və sonra keçmişdə toplanmış məlumatlar əsasında gələcək hadisələri proqnozlaşdırmaq qabiliyyətinə əsaslanır. Bu, onlayn satın aldığınız zaman Amazonun niyə fikirlər yaratdığını və ya Netflix-in 1980-ci illərin dəhşətli filmlərini bəyəndiyinizi necə bildiyini izah edir.
Süni intellekt anlayışlarından istifadə edən kompüterlər bəzən “ağıllı” adlandırılsa da, bu sistemlərin əksəriyyəti öz-özünə öyrənmir; insanların qarşılıqlı əlaqəsi tələb olunur.
Məlumat alimləri tətbiq olunacaq dəyişənləri seçərək girişləri hazırlayır proqnozlaşdırıcı analitik. Dərin öyrənmə isə bu funksiyanı avtomatik yerinə yetirə bilər.
Bu yazı dərin öyrənmə, onun genişliyi və gələcək potensialı haqqında daha çox öyrənməkdə maraqlı olan istənilən məlumat həvəskarları üçün sahə bələdçisi kimi xidmət edir.
Dərin Öyrənmə nədir?
Dərin öyrənmə maşın öyrənməsinin bir hissəsi kimi düşünülə bilər.
Bu, kompüter alqoritmlərini tədqiq etməklə öz-özünə öyrənmə və təkmilləşdirmə üzərində qurulmuş bir sahədir.
Dərin öyrənmə, maşın öyrənməsindən fərqli olaraq, süni ilə işləyir sinir şəbəkələriinsanların necə düşündüyünü və öyrəndiyini təqlid etməli olan . Son vaxtlara qədər neyron şəbəkələri kompüterin güc məhdudiyyətləri səbəbindən mürəkkəblik baxımından məhdudlaşdırılırdı.
Bununla belə, Big Data analitikasındakı irəliləyişlər daha böyük, daha güclü neyron şəbəkələri yaratmağa imkan verdi və kompüterlərə mürəkkəb vəziyyətləri insanlardan daha tez izləməyə, başa düşməyə və onlara cavab verməyə imkan verdi.
Oxumağı tövsiyə edirik - Tesla Neyron Şəbəkəsinin Memarlığı İzah edildi
Şəkillərin kateqoriyalara bölünməsi, dil tərcüməsi və nitqin tanınması dərindən öyrənmədən faydalanmışdır. O, insanların qarşılıqlı əlaqəsinə ehtiyac olmadan istənilən nümunənin tanınması problemini həll edə bilər.
Bu, mahiyyətcə üç və ya daha çox qatlıdır neyron şəbəkə. Bu neyroşəbəkələr insan beyninin böyük həcmdə məlumatlardan “öyrənməsinə” imkan verməklə, məhdud müvəffəqiyyətlə də olsa, onun fəaliyyətini təqlid etməyə çalışır.
Bir neyron şəbəkəsinin tək təbəqəsi hələ də təxmini proqnozlar verə bilsə də, daha çox gizli təbəqələr optimallaşdırmağa və dəqiqliyə uyğunlaşdırmağa kömək edə bilər.
Neyron şəbəkəsi nədir?
Süni neyron şəbəkələri insan beynində görünən neyron şəbəkələrə əsaslanır. Adətən neyron şəbəkəsi üç qatdan ibarətdir.
Üç səviyyə giriş, çıxış və gizlidir. Fəaliyyətdə olan neyron şəbəkəsi aşağıdakı diaqramda görünür.
Yuxarıda göstərilən neyron şəbəkəsinin yalnız bir gizli təbəqəsi olduğundan, o, “dayaz neyron şəbəkəsi” adlanır.
Daha mürəkkəb strukturlar yaratmaq üçün belə sistemlərə daha çox gizli təbəqələr əlavə edilir.
Dərin Şəbəkə nədir?
Dərin bir şəbəkədə çoxlu gizli təbəqələr əlavə olunur.
Şəbəkədəki gizli təbəqələrin sayı artdıqca bu cür dizaynların öyrədilməsi getdikcə çətinləşir, təkcə şəbəkəni düzgün öyrətmək üçün tələb olunan vaxta deyil, həm də tələb olunan resurslara görə.
Girişi, dörd gizli təbəqəsi və çıxışı olan dərin şəbəkə aşağıda göstərilmişdir.
Dərin Öyrənmə necə işləyir?
Neyron şəbəkələri neyronların insan beynini necə təşkil etdiyinə bənzər qovşaq təbəqələrindən ibarətdir. Fərdi təbəqə qovşaqları qonşu təbəqələrdəki qovşaqlarla əlaqələndirilir.
Şəbəkədəki təbəqələrin sayı onun dərinliyini göstərir. Tək bir neyron insan beyni minlərlə mesaj alır.
Siqnallar onlara çəkilər təyin edən süni neyron şəbəkəsində qovşaqlar arasında hərəkət edir.
Daha yüksək çəkisi olan düyün, altındakı düyünlərə daha çox təsir göstərir. Sonuncu təbəqə çıxış təmin etmək üçün çəkili girişləri birləşdirir.
Dərin öyrənmə sistemləri idarə olunan çoxlu məlumat və çoxsaylı mürəkkəb riyazi hesablamalar səbəbindən güclü avadanlıq tələb edir.
Dərin öyrənmə təlimi hesablamaları, hətta belə mürəkkəb texnologiya ilə həftələr çəkə bilər.
Dərin öyrənmə sistemləri düzgün tapıntıları təmin etmək üçün əhəmiyyətli miqdarda məlumat tələb edir; deməli, məlumat kütləvi verilənlər bazası şəklində verilir.
Verilənləri emal edərkən, süni neyron şəbəkələri çox mürəkkəb riyazi hesablamaları əhatə edən ikili bəli və ya yanlış suallar ardıcıllığına cavablar əsasında məlumatları təsnif edə bilər.
Məsələn, sifətin tanınması alqoritmi üzlərin kənarlarını və xətlərini müəyyən etməyi və tanımağı öyrənir.
Sonra üzlərin daha əhəmiyyətli elementləri və nəhayət, üzlərin bütün təsvirləri.
Alqoritm zamanla özünü məşq edir və düzgün cavabların olma ehtimalını artırır.
Bu vəziyyətdə sifətin tanınması alqoritmi zamanla üzləri daha düzgün tanıyacaq.
Dərin Öyrənmə VS Machine Learning
Dərin öyrənmə, onun alt hissəsidirsə, maşın öyrənməsindən nə ilə fərqlənir?
Dərin öyrənmə ənənəvi maşın öyrənməsindən istifadə etdiyi məlumat növlərinə və öyrənmək üçün istifadə etdiyi üsullara görə fərqlənir.
Proqnozlar yaratmaq üçün maşın öyrənməsi alqoritmləri strukturlaşdırılmış, etiketlənmiş verilənlərdən istifadə edir, yəni müəyyən xüsusiyyətlər modelin giriş məlumatlarından müəyyən edilir və cədvəllərdə qruplaşdırılır.
Bu, strukturlaşdırılmamış məlumatlardan istifadə etməməsi demək deyil; daha doğrusu, əgər belədirsə, onu strukturlaşdırılmış formata salmaq üçün adətən bir neçə əvvəlcədən emaldan keçir.
Dərin öyrənmə, ümumiyyətlə maşın öyrənməsinin tələb etdiyi məlumatların əvvəlcədən emalının bir hissəsini aradan qaldırır.
Bu alqoritmlər mətn və şəkillər kimi strukturlaşdırılmamış məlumatları qəbul edə və şərh edə, həmçinin funksiyaların çıxarılmasını avtomatlaşdıraraq insan mütəxəssislərinə etibarı azalda bilər.
Təsəvvür edək ki, “pişik”, “it”, “hamster” və s. kimi kateqoriyalara bölmək istədiyimiz müxtəlif ev heyvanlarının şəkilləri kolleksiyamız var.
Dərin öyrənmə alqoritmləri bir heyvanı digərindən ayırmaq üçün hansı xüsusiyyətlərin (məsələn, qulaqlar) ən vacib olduğunu müəyyən edə bilər. Bu xüsusiyyət iyerarxiyası maşın öyrənməsi üzrə insan mütəxəssisi tərəfindən əl ilə müəyyən edilir.
Dərin öyrənmə sistemi daha sonra dəyişir və vasitəsilə dəqiqlik üçün özünə uyğun gəlir gradient eniş və geri yayılma, heyvanın təzə şəkli haqqında daha dəqiq proqnozlar yaratmağa imkan verir.
Dərin Öyrənmə proqramları
1 Chatbots
Çatbotlar bir neçə saniyə ərzində müştəri problemlərini həll edə bilər. Çatbot bir süni intellekt (AI) mətn və ya mətndən nitqə onlayn ünsiyyət qurmağa imkan verən alət.
O, insanlarla eyni şəkildə ünsiyyət qura və hərəkət edə bilər. Çatbotlar müştəri xidməti, sosial media marketinqi və müştəri ani mesajlaşmasında geniş istifadə olunur.
Girişlərinizə avtomatik cavablarla cavab verir. O, maşın öyrənməsi və dərin öyrənmə üsullarından istifadə edərək bir çox cavab formaları yaradır.
2. Özünü idarə edən avtomobillər
Dərin Öyrənmə özünü idarə edən avtomobillərin reallığa çevrilməsinin əsas amilidir.
Bir model yaratmaq üçün bir sistemə bir milyon məlumat dəsti yüklənir, öyrənmək üçün maşınları öyrədin, və sonra tapıntıları təhlükəsiz mühitdə qiymətləndirin.
Uber Süni İntellekt Pittsburqdakı Laboratoriyalar təkcə sürücüsüz avtomobilləri daha geniş yayılmış hala gətirməyə çalışmır, həm də sürücüsüz avtomobillərin istifadəsi ilə qida çatdırılması imkanları kimi çoxsaylı ağıllı xüsusiyyətləri birləşdirməyə çalışır.
Özünü idarə edən avtomobilin inkişafı üçün ən aktual narahatlıq gözlənilməz hadisələrlə məşğul olmaqdır.
Dərin öyrənmə alqoritmlərinə xas olan davamlı sınaq və tətbiq dövrü getdikcə daha çox milyonlarla ssenariyə məruz qaldığı üçün təhlükəsiz sürməyi təmin edir.
3. Virtual köməkçi
Virtual köməkçilər təbii dildə səsli əmrləri tanıyan və sizin adınıza işlər görən bulud əsaslı proqramlardır.
Amazon Alexa, Cortana, Siri və Google Assistant kimi virtual köməkçilər ümumi nümunələrdir.
Potensiallarından tam istifadə etmək üçün onlara internetə qoşulmuş cihazlar lazımdır. Köməkçiyə əmr verildikdə, o, Dərin Öyrənmə alqoritmlərindən istifadə edərək əvvəlki qarşılaşmalar əsasında daha yaxşı təcrübə təqdim etməyə meyllidir.
4. Əyləncə
Netflix, Amazon, YouTube və Spotify kimi şirkətlər müştərilərinə təcrübələrini təkmilləşdirmək üçün müvafiq film, mahnı və video təklifləri təqdim edirlər.
Deep Learning bütün bunlara cavabdehdir.
Onlayn yayım firmaları, insanın baxış tarixçəsi, maraqları və fəaliyyəti əsasında məhsul və xidmət tövsiyələri təqdim edir.
Dərin öyrənmə alqoritmləri avtomatik olaraq altyazı yaratmaq və səssiz filmlərə səs əlavə etmək üçün də istifadə olunur.
5. Robototexnika
Dərin Öyrənmə insana bənzər işləri görə bilən robotların hazırlanmasında geniş istifadə olunur.
Dərin Öyrənmə ilə işləyən robotlar, marşrutlarındakı maneələri aşkar etmək və kurslarını tez bir zamanda tənzimləmək üçün real vaxt yeniləmələrindən istifadə edirlər.
Xəstəxanalarda, fabriklərdə, anbarlarda, inventarların idarə edilməsində, məhsul istehsalı və s.-də əşyaların daşınması üçün istifadə edilə bilər.
Boston Dynamics robotları insanlar itələdikdə onlara cavab verir. Onlar qabyuyan maşını boşalta bilər, yıxılanda ayağa qalxa bilər və bir sıra digər fəaliyyətləri yerinə yetirə bilərlər.
6. Healthcare
Həkimlər gecə-gündüz xəstələrinin yanında ola bilməzlər, amma hamımızın faktiki olaraq həmişə yanımızda olan bir şey telefonlarımızdır.
Dərin öyrənmə, həmçinin tibbi texnologiyalara potensial sağlamlıq problemlərini aşkar etmək üçün çəkdiyimiz şəkillərdən və hərəkət məlumatlarından məlumatları təhlil etməyə imkan verir.
Məsələn, süni intellektin kompüter görmə proqramı bu məlumatlardan pasiyentin hərəkət modellərini izləmək üçün istifadə edərək, yıxılmağı və psixi vəziyyətindəki dəyişiklikləri proqnozlaşdırır.
Dərin öyrənmə, fotoşəkillər və daha çox istifadə edərək dəri xərçəngini müəyyən etmək üçün də istifadə edilmişdir.
7. Təbii Dil İşlənməsi
Təbii dil emal texnologiyasının inkişafı robotlara kommunikasiyaları oxumağa və onlardan məna çıxarmağa imkan verdi.
Buna baxmayaraq, sözlərin ifadənin mənasına və ya məqsədinə təsir etmək üçün birləşmə yollarını nəzərə almadan yanaşma həddindən artıq sadələşdirilə bilər.
Dərin öyrənmə təbii dil prosessorlarına ifadələrdəki daha mürəkkəb nümunələri tanımağa və daha dəqiq şərhlər verməyə kömək edir.
8. Kompüter Görünüşü
Dərin öyrənmə insan şüurunun məlumatları necə emal etdiyini və nümunələri necə tanıdığını təkrarlamağa çalışır ki, bu da onu görmə əsaslı AI tətbiqlərini öyrətmək üçün ideal bir üsula çevirir.
Bu sistemlər bir-birinin ardınca etiketlənmiş foto dəstlərini çəkə və istifadə edərək təyyarələr, üzlər və silahlar kimi elementləri tanımağı öyrənə bilər. dərin öyrənmə modelləri.
Fəaliyyətdə Dərin Öyrənmə
Bəyənə biləcəyiniz mahnıları tövsiyə edən sevimli musiqi axını xidmətinizdən başqa, dərin öyrənmə insanların həyatını necə dəyişir?
Dərin öyrənmə, belə çıxır ki, geniş tətbiq dairəsinə daxil olur. Facebook-dan istifadə edən hər kəs görəcək ki, siz yeni şəkillər yerləşdirdiyiniz zaman sosial sayt tez-tez dostlarınızı tanıyır və etiketləyir.
Dərin öyrənmə Siri, Cortana, Alexa və Google Now kimi rəqəmsal köməkçilər tərəfindən təbii dilin işlənməsi və nitqin tanınması üçün istifadə olunur.
Real vaxt rejimində tərcümə Skype vasitəsilə həyata keçirilir. Bir çox e-poçt xidmətləri spam mesajları gələnlər qutusuna çatmazdan əvvəl aşkar etmək qabiliyyətini inkişaf etdirmişdir.
PayPal saxta ödənişlərin qarşısını almaq üçün dərin öyrənmə üsulundan istifadə edib. Məsələn, CamFind istənilən obyektin şəklini çəkməyə və mobil vizual axtarış texnologiyasından istifadə edərək onun nə olduğunu müəyyən etməyə imkan verir.
Xüsusilə Google tərəfindən həllər təmin etmək üçün dərin öyrənmə istifadə olunur. Google Deepmind tərəfindən hazırlanmış AlphaGo kompüter proqramı indiki Go çempionlarını məğlub etdi.
DeepMind tərəfindən hazırlanmış WaveNet hazırda mövcud nitq sistemlərindən daha təbii səslənən nitq yarada bilər. Şifahi və mətn dillərini tərcümə etmək üçün Google Tərcümə dərin öyrənmə və şəklin tanınmasından istifadə edir.
İstənilən şəkil Google Planet istifadə edərək müəyyən edilə bilər. AI proqramlarının inkişafına kömək etmək üçün Google, Tensorflow dərin öyrənmə proqram təminatı verilənlər bazası.
Dərin Öyrənin Gələcəyi
Dərin öyrənmə texnologiyanı müzakirə edərkən qaçılmaz bir mövzudur. Dərindən öyrənmə texnologiyanın ən vacib elementlərindən birinə çevrildiyini söyləməyə ehtiyac yoxdur.
Əvvəllər AI, dərin öyrənmə, maşın öyrənməsi və s. kimi texnologiyalarla maraqlanan yeganə təşkilatlar idi. Fərdlər də texnologiyanın bu elementinə, xüsusən də dərin öyrənməyə maraq göstərirlər.
Dərin öyrənmənin bu qədər diqqəti cəlb etməsinin bir çox səbəblərindən biri onun məlumatlara əsaslanan daha yaxşı qərarlar qəbul etmək və eyni zamanda proqnozun dəqiqliyini artırmaq qabiliyyətidir.
Dərin öyrənmə inkişaf alətləri, kitabxanalar və dillər bir neçə ildən sonra hər hansı proqram təminatının inkişaf etdirilməsi alətlərinin müntəzəm komponentlərinə çevrilə bilər.
Bu cari alət dəstləri sadə dizayn, quraşdırma və yeni modellərin öyrədilməsi üçün yol açacaq.
Üslubun dəyişdirilməsi, avtomatik etiketləmə, musiqi yaradıcılığı, və digər tapşırıqları bu bacarıqlarla yerinə yetirmək daha asan olardı.
Sürətli kodlaşdırma tələbi heç vaxt bu qədər böyük olmamışdır.
Dərin öyrənmə tərtibatçıları gələcəkdə geniş çeşiddə hazır və qoşula bilən alqoritm kitabxanalarına daxil olmağa imkan verən inteqrasiya olunmuş, açıq, bulud əsaslı inkişaf mühitlərindən getdikcə daha çox istifadə edəcəklər.
Dərin öyrənmənin çox parlaq gələcəyi var!
Faydaları a neyron şəbəkə o, böyük miqdarda heterojen məlumatlarla işləməkdə üstündür (beynimizin hər zaman qarşılaşmalı olduğu hər şeyi düşünün).
Bu, böyük miqdarda məlumat toplaya bilən güclü smart sensorlar əsrimizdə xüsusilə doğrudur. Ənənəvi kompüter sistemləri bu qədər məlumatı süzmək, kateqoriyalara ayırmaq və nəticə çıxarmaq üçün mübarizə aparır.
Nəticə
Dərin öyrənmə səlahiyyətləri avtomatlaşdırma və analitikliyi təkmilləşdirə bilən süni intellekt (AI) həllərinin əksəriyyəti proseslər.
Əksər insanlar internetdən və ya mobil telefonlarından istifadə edərkən hər gün dərin öyrənmə ilə təmasda olurlar.
Dərin öyrənmə YouTube videoları üçün subtitrlər hazırlamaq üçün istifadə olunur. Telefonlarda və ağıllı dinamiklərdə səsin tanınmasını həyata keçirin.
Şəkillər üçün üz identifikasiyası verin və bir çox başqa istifadələr arasında özünü idarə edən avtomobillərə icazə verin.
Məlumat alimləri və akademiklər getdikcə daha da mürəkkəbləşdikcə dərin öyrənmə çərçivələrindən istifadə edərək dərin öyrənmə layihələri, bu cür süni intellekt gündəlik həyatımızın getdikcə daha vacib hissəsinə çevriləcək.
Cavab yaz