Змест[Схаваць][Паказаць]
Канцэпцыя таго, што робаты разумнейшыя за людзей, захапляла наша калектыўнае ўяўленне столькі часу, колькі існуе навуковая фантастыка.
Тым не менш, хаця штучны інтэлект (AI) яшчэ не дасягнуў гэтага ўзроўню, мы дасягнулі значных прарываў у стварэнні машыннага інтэлекту, як паказалі тэсты Google, Tesla і Uber з беспілотнымі аўтамабілямі.
Маштабаванасць і карыснасць Deep Learning, падыходу машыннага навучання, які забяспечвае гэты тэхнічны прагрэс, часткова адказныя за паспяховы пераход ШІ ад універсітэтаў і даследчых лабараторый да прадуктаў.
Наступная кампутарная рэвалюцыя будзе пабудавана на штучным інтэлекце, глыбокім навучанні і навучанне з дапамогай машыны.
Гэтыя тэхналогіі заснаваныя на здольнасці распазнаваць заканамернасці, а затым прагназаваць будучыя падзеі на аснове дадзеных, сабраных у мінулым. Гэта тлумачыць, чаму Amazon робіць ідэі, калі вы купляеце ў Інтэрнэце, або як Netflix ведае, што вам падабаюцца жудасныя фільмы 1980-х.
Хаця кампутары, якія выкарыстоўваюць канцэпцыі штучнага інтэлекту, часам называюць «разумнымі», большасць з гэтых сістэм не навучаюцца самастойна; патрабуецца чалавечае ўзаемадзеянне.
Спецыялісты па апрацоўцы даных рыхтуюць уводныя дадзеныя, выбіраючы зменныя, якія будуць прымяняцца прагнастычная аналітыка. З іншага боку, глыбокае навучанне можа выконваць гэтую функцыю аўтаматычна.
Гэтая публікацыя служыць палявым дапаможнікам для аматараў дадзеных, якія жадаюць даведацца больш пра глыбокае навучанне, яго шырыню і будучы патэнцыял.
Што такое глыбокае навучанне?
Глыбокае навучанне можна разглядаць як падмноства машыннага навучання.
Гэта поле, якое пабудавана на саманавучанне і ўдасканаленне шляхам вывучэння камп'ютэрных алгарытмаў.
Глыбокае навучанне, у адрозненне ад машыннага, працуе са штучным нейронавыя сеткі, якія павінны імітаваць тое, як людзі думаюць і вучацца. Да нядаўняга часу нейронавыя сеткі былі абмежаваныя па складанасці з-за абмежаванняў магутнасці кампутара.
Аднак прагрэс у аналітыцы вялікіх даных дазволіў стварыць больш буйныя і магутныя нейронныя сеткі, што дазваляе камп'ютэрам кантраляваць, разумець і рэагаваць на складаныя сітуацыі хутчэй, чым людзі.
Раім прачытаць - Тлумачэнне архітэктуры нейронавай сеткі Tesla
Глыбокае навучанне прынесла карысць катэгарызацыі малюнкаў, моўнаму перакладу і распазнанню маўлення. Ён можа вырашыць любую праблему распазнавання вобразаў без узаемадзеяння з чалавекам.
Гэта па сутнасці трох- або больш-слаёвы нейронных сеткі. Гэтыя нейронавыя сеткі імкнуцца імітаваць дзейнасць чалавечага мозгу, хаця і з абмежаваным поспехам, дазваляючы яму «вучыцца» з велізарных аб'ёмаў дадзеных.
У той час як адзін пласт нейронавай сеткі ўсё яшчэ можа вырабляць прыблізныя прагнозы, больш схаваныя пласты могуць дапамагчы ў аптымізацыі і наладзе на дакладнасць.
Што такое нейронная сетка?
Штучныя нейронавыя сеткі заснаваныя на нейронавых сетках, якія можна ўбачыць у чалавечым мозгу. Звычайна нейронавая сетка складаецца з трох слаёў.
Тры ўзроўні ўваходу, выхаду і схаванага. Нейронная сетка ў дзеянні відаць на дыяграме ніжэй.
Паколькі нейронавая сетка, паказаная вышэй, мае толькі адзін схаваны ўзровень, яе называюць «неглыбокай нейронавай сеткай».
Больш схаваных слаёў дадаюцца ў такія сістэмы для фарміравання больш складаных структур.
Што такое Deep Network?
У глыбокай сеткі дадаецца мноства схаваных слаёў.
Навучанне такіх канструкцый становіцца ўсё больш складаным па меры павелічэння колькасці схаваных узроўняў у сетцы, не толькі з пункту гледжання часу, неабходнага для правільнага навучання сеткі, але і з пункту гледжання неабходных рэсурсаў.
Глыбокая сетка з уваходам, чатырма схаванымі пластамі і выхадам паказана ніжэй.
Як працуе Deep Learning?
Нейронныя сеткі складаюцца з слаёў вузлоў, падобна таму, як нейроны складаюць мозг чалавека. Асобныя вузлы пласта звязаны з вузламі ў суседніх пластах.
Колькасць слаёў у сетцы паказвае яе глыбіню. Адзіны нейрон у чалавечы мозг атрымлівае тысячы паведамленняў.
Сігналы перамяшчаюцца паміж вузламі ў штучнай нейронавай сетцы, якая прысвойвае ім вагу.
Вузел з большай вагай аказвае большы ўплыў на вузлы пад ім. Апошні ўзровень аб'ядноўвае ўзважаныя ўваходы, каб забяспечыць выхад.
Сістэмы глыбокага навучання патрабуюць моцнага абсталявання з-за велізарнай колькасці апрацоўваных даных і шматлікіх складаных матэматычных вылічэнняў.
Навучальныя разлікі глыбокага навучання, нават з такой складанай тэхналогіяй, могуць заняць тыдні.
Сістэмы глыбокага навучання патрабуюць значнай колькасці даных, каб даць правільныя высновы; такім чынам, інфармацыя падаецца ў выглядзе масіўных набораў даных.
Пры апрацоўцы дадзеных штучныя нейронныя сеткі могуць класіфікаваць інфармацыю на аснове адказаў на паслядоўнасць двайковых пытанняў "так" ці "хлусня", якія ўключаюць вельмі складаныя матэматычныя вылічэнні.
Напрыклад, алгарытм распазнавання твараў вучыцца ідэнтыфікаваць і распазнаваць краю і лініі твараў.
Затым больш значныя элементы твараў, і ў канчатковым выніку цэлыя выявы твараў.
Алгарытм з часам трэніруецца, павялічваючы верагоднасць правільных адказаў.
У гэтай сітуацыі алгарытм распазнання твараў з часам будзе больш правільна распазнаваць твары.
Глыбокае навучанне супраць машыннага навучання
Чым глыбокае навучанне адрозніваецца ад машыннага, калі яно з'яўляецца яго часткай?
Глыбокае навучанне адрозніваецца ад традыцыйнага машыннага навучання тыпамі даных, якія яно выкарыстоўвае, і метадамі навучання.
Для стварэння прагнозаў алгарытмы машыннага навучання выкарыстоўваюць структураваныя пазначаныя даныя, што азначае, што пэўныя характарыстыкі вызначаюцца з уваходных даных мадэлі і згрупаваны ў табліцы.
Гэта не абавязкова азначае, што ён не выкарыстоўвае неструктураваныя дадзеныя; хутчэй, калі гэта так, то звычайна праходзіць папярэднюю апрацоўку, каб змясціць яго ў структураваны фармат.
Глыбокае навучанне адмяняе частку папярэдняй апрацоўкі даных, якую звычайна прадугледжвае машыннае навучанне.
Гэтыя алгарытмы могуць атрымоўваць і інтэрпрэтаваць неструктураваныя даныя, такія як тэкст і малюнкі, а таксама аўтаматызаваць вылучэнне функцый, памяншаючы залежнасць ад спецыялістаў-людзей.
Давайце ўявім, што ў нас ёсць калекцыя малюнкаў розных хатніх жывёл, якія мы хацелі арганізаваць па такіх катэгорыях, як «кот», «сабака», «хамяк» і гэтак далей.
Алгарытмы глыбокага навучання могуць вызначыць, якія прыкметы (напрыклад, вушы) з'яўляюцца найбольш важнымі для аддзялення адной жывёлы ад іншай. Гэтую іерархію функцый уручную вызначае спецыяліст па машынным навучанні.
Сістэма глыбокага навучання затым змяняецца і падганяецца для дакладнасці праз градыентны спуск і зваротнае распаўсюджванне, што дазваляе ствараць больш дакладныя прагнозы адносна свежага здымка жывёлы.
Прыкладанні Deep Learning
1. chatbots
Чат-боты могуць выправіць праблемы кліента за лічаныя секунды. Чат-бот - гэта штучны інтэлект (AI) інструмент, які дазваляе вам мець зносіны ў Інтэрнэце з дапамогай тэксту або тэксту ў маўленне.
Ён можа мець зносіны і дзейнічаць гэтак жа, як і людзі. Чат-боты шырока выкарыстоўваюцца ў абслугоўванні кліентаў, маркетынгу ў сацыяльных сетках і кліенцкіх імгненных паведамленнях.
Ён рэагуе на вашы ўводы аўтаматычнымі адказамі. Ён стварае мноства формаў адказаў з выкарыстаннем метадаў машыннага і глыбокага навучання.
2. Самастойныя аўтамабілі
Глыбокае навучанне з'яўляецца асноўным фактарам таго, што беспілотныя аўтамабілі становяцца рэальнасцю.
Мільёны набораў даных загружаюцца ў сістэму для стварэння мадэлі, навучыць машыны вучыцца, а потым ацаніце вынікі ў бяспечным асяроддзі.
Uber Штучны Інтэлект Labs у Пітсбургу не толькі спрабуе зрабіць беспілотныя аўтамабілі больш распаўсюджанымі, але і інтэграваць шматлікія разумныя функцыі, такія як магчымасці дастаўкі ежы, з выкарыстаннем беспілотных аўтамабіляў.
Самая надзённая праблема для распрацоўкі самакіравальных аўтамабіляў - гэта барацьба з непрадбачанымі падзеямі.
Бесперапынны цыкл тэсціравання і ўкаранення, тыповы для алгарытмаў глыбокага навучання, забяспечвае бяспечнае кіраванне аўтамабілем, бо ўсё больш і больш ён падвяргаецца мільёнам сцэнарыяў.
3. Віртуальны памочнік
Віртуальныя памочнікі - гэта воблачныя праграмы, якія распазнаюць галасавыя каманды на натуральнай мове і выконваюць дзеянні ад вашага імя.
Такія віртуальныя памочнікі, як Amazon Alexa, Cortana, Siri і Google Assistant, з'яўляюцца агульнымі прыкладамі.
Каб у поўнай меры выкарыстаць свой патэнцыял, ім патрэбны прылады з падключэннем да Інтэрнэту. Калі каманда даецца памочніку, ён, як правіла, забяспечвае лепшы вопыт на аснове папярэдніх сустрэч з выкарыстаннем алгарытмаў глыбокага навучання.
4. Забавы
Такія кампаніі, як Netflix, Amazon, YouTube і Spotify, прапануюць адпаведныя фільмы, песні і відэа сваім кліентам, каб палепшыць іх вопыт.
За ўсё гэта адказвае Deep Learning.
Інтэрнэт-кампаніі, якія займаюцца трансляцыяй, даюць рэкамендацыі па прадуктах і паслугах на аснове гісторыі прагляду, інтарэсаў і актыўнасці чалавека.
Алгарытмы глыбокага навучання таксама выкарыстоўваюцца для аўтаматычнай стварэння субтытраў і дадання гуку нямым фільмам.
5. Робататэхніка
Глыбокае навучанне шырока выкарыстоўваецца ў распрацоўцы робатаў, якія могуць выконваць працу, падобную да чалавека.
Робаты з функцыяй глыбокага навучання выкарыстоўваюць абнаўленні ў рэжыме рэальнага часу, каб выяўляць бар'еры на сваім маршруце і хутка арганізоўваць курс.
Ён можа выкарыстоўвацца для транспарціроўкі рэчаў у бальніцах, на заводах, складах, для кіравання запасамі, вытворчасці прадукцыі і гэтак далей.
Робаты Boston Dynamics рэагуюць на людзей, калі іх штурхаюць. Яны могуць апаражніць посудамыйную машыну, яны могуць падняцца, калі падаюць, і яны могуць выконваць мноства іншых дзеянняў.
6. Ахова здароўя
Лекары не могуць быць са сваімі пацыентамі кругласутачна, але адна рэч, якую мы ўсе практычна заўсёды маем з сабой, - гэта тэлефоны.
Глыбокае навучанне таксама дазваляе медыцынскім тэхналогіям аналізаваць даныя з фатаграфій, якія мы фіксуем, і даныя аб перамяшчэнні, каб выявіць магчымыя праблемы са здароўем.
Праграма камп'ютэрнага зроку AI, напрыклад, выкарыстоўвае гэтыя дадзеныя, каб сачыць за мадэлямі рухаў пацыента, каб прагназаваць падзенні, а таксама змены псіхічнага стану.
Глыбокае навучанне таксама выкарыстоўвалася для ідэнтыфікацыі рака скуры з дапамогай фатаграфій і шмат іншага.
7. Апрацоўка натуральнай мовы
Развіццё тэхналогіі апрацоўкі натуральнай мовы дазволіла робатам чытаць паведамленні і атрымліваць з іх сэнс.
Тым не менш, гэты падыход можа быць празмерна спрошчаны, без уліку спосабаў, якімі словы злучаюцца, каб уплываць на сэнс або мэту фразы.
Глыбокае навучанне дапамагае працэсарам натуральнай мовы распазнаваць больш складаныя шаблоны ў фразах і забяспечваць больш дакладныя інтэрпрэтацыі.
8. Кампутарны зрок
Глыбокае навучанне спрабуе паўтарыць тое, як чалавечы розум апрацоўвае інфармацыю і распазнае шаблоны, што робіць яго ідэальным метадам для навучання прыкладанням AI на аснове зроку.
Гэтыя сістэмы могуць прымаць серыі пазначаных набораў фатаграфій і вучыцца распазнаваць такія прадметы, як самалёты, твары і зброя, выкарыстоўваючы мадэлі глыбокага навучання.
Глыбокае навучанне ў дзеянні
Акрамя таго, што ваш любімы сэрвіс струменевай перадачы музыкі рэкамендуе песні, якія вам могуць спадабацца, як глыбокае навучанне змяняе жыццё людзей?
Глыбокае навучанне, аказваецца, прабіваецца ў шырокі спектр прыкладанняў. Любы, хто карыстаецца Facebook, заўважыць, што калі вы размяшчаеце новыя выявы, сацыяльны сайт часта распазнае і пазначае вашых сяброў.
Глыбокае навучанне выкарыстоўваецца для апрацоўкі натуральнай мовы і распазнавання маўлення такімі лічбавымі памочнікамі, як Siri, Cortana, Alexa і Google Now.
Пераклад у рэжыме рэальнага часу ажыццяўляецца праз Skype. Многія службы электроннай пошты палепшылі здольнасць выяўляць спам-паведамленні яшчэ да таго, як яны трапляюць у паштовую скрыню.
PayPal выкарыстаў глыбокае навучанне для прадухілення махлярскіх плацяжоў. CamFind, напрыклад, дазваляе сфатаграфаваць любы аб'ект і з дапамогай мабільнай тэхналогіі візуальнага пошуку вызначыць, што гэта такое.
Глыбокае навучанне выкарыстоўваецца для забеспячэння рашэнняў, у прыватнасці Google. AlphaGo, кампутарная праграма, распрацаваная Google Deepmind, перамагла цяперашніх чэмпіёнаў Go.
WaveNet, распрацаваны DeepMind, можа ствараць маўленне, якое гучыць больш натуральна, чым існуючыя маўленчыя сістэмы. Для перакладу вусных і тэкставых моў Google Translate выкарыстоўвае глыбокае навучанне і распазнаванне малюнкаў.
Любую фатаграфію можна вызначыць з дапамогай Google Planet. Каб дапамагчы ў распрацоўцы праграм AI, Google стварыў Глыбокае навучанне Tensorflow база дадзеных праграмнага забеспячэння.
Будучыня глыбокага навучання
Глыбокае навучанне - непазбежная тэма пры абмеркаванні тэхналогій. Залішне казаць, што глыбокае навучанне ператварылася ў адзін з самых важных элементаў тэхналогіі.
Раней арганізацыі былі адзінымі, хто цікавіўся такімі тэхналогіямі, як штучны інтэлект, глыбокае навучанне, машыннае навучанне і гэтак далей. Асобы таксама пачынаюць цікавіцца гэтым элементам тэхналогіі, асабліва глыбокім навучаннем.
Адной з многіх прычын, чаму глыбокае навучанне прыцягвае так шмат увагі, з'яўляецца яго здольнасць прымаць лепшыя рашэнні на аснове даных, а таксама павышаць дакладнасць прагназавання.
Інструменты распрацоўкі глыбокага навучання, бібліятэкі і мовы цалкам могуць стаць звычайнымі кампанентамі любога інструментарыя распрацоўкі праграмнага забеспячэння праз некалькі гадоў.
Гэтыя сучасныя наборы інструментаў адкрыюць шлях для простага праектавання, наладкі і навучання новых мадэляў.
Трансфармацыя стылю, аўтаматычнае пазначэнне, стварэнне музыкі, і іншыя задачы было б нашмат лягчэй выконваць з гэтымі навыкамі.
Попыт на хуткае кадзіраванне ніколі не быў такім вялікім.
У будучыні распрацоўшчыкі глыбокага навучання будуць усё часцей выкарыстоўваць інтэграваныя, адкрытыя, воблачныя асяроддзя распрацоўкі, якія дазваляюць атрымаць доступ да шырокага спектру гатовых і падключаемых бібліятэк алгарытмаў.
У глыбокага навучання вельмі светлая будучыня!
Карысць а нейронных сеткі гэта тое, што ён выдатна спраўляецца з вялікімі аб'ёмамі гетэрагенных даных (падумайце пра ўсё, з чым увесь час даводзіцца сутыкацца нашаму мозгу).
Гэта асабліва дакладна ў наш век магутных разумных датчыкаў, якія могуць збіраць велізарныя аб'ёмы даных. Традыцыйныя камп'ютэрныя сістэмы з цяжкасцю прасейваюць, класіфікуюць і робяць высновы з вялікай колькасці даных.
заключэнне
глыбокае вывучэнне паўнамоцтвы большасць рашэнняў штучнага інтэлекту (AI), якія могуць палепшыць аўтаматызацыю і аналітыку працэсаў.
Большасць людзей штодня сутыкаюцца з глыбокім навучаннем, калі карыстаюцца Інтэрнэтам або мабільнымі тэлефонамі.
Глыбокае навучанне выкарыстоўваецца для стварэння субтытраў для відэа YouTube. Правядзіце распазнаванне галасы на тэлефонах і разумных дынаміках.
Дайце ідэнтыфікацыю твару для відарысаў і дазвольце беспілотныя аўтамабілі сярод многіх іншых мэтаў.
І, паколькі навукоўцы і акадэмікі вырашаюць усё больш складаную задачу праекты глыбокага навучання з выкарыстаннем фрэймворкаў глыбокага навучання, гэты від штучнага інтэлекту будзе станавіцца ўсё больш важнай часткай нашага паўсядзённага жыцця.
Пакінуць каментар