Table di cuntinutu[Piattà][Mostra]
U cuncettu chì i robots sò più intelligenti cà l'omu hà catturatu a nostra imaginazione cullettiva per sempre chì ci hè stata Science Fiction.
Tuttavia, mentri l'Intelligenza Artificiale (AI) ùn hà micca ancu ghjuntu à quellu livellu, avemu fattu avanzamenti significativi in a generazione di l'intelligenza di a macchina, cum'è pruvucatu da Google, Tesla è Uber testing cù vitture autònuma.
A scalabilità è l'utilità di Deep Learning, l'approcciu di Machine Learning chì permette stu avanzu tecnicu, hè in parte rispunsevuli di a transizione di successu di l'AI da l'università è i laboratori di ricerca à i prudutti.
A prossima rivoluzione di l'informatica serà custruita annantu à l'intelligenza artificiale, l'apprendimentu prufondu, è machine learning.
Sti tecnulugii sò custruiti nantu à a capacità di discernisce i mudelli è poi pronostica l'avvenimenti futuri basatu nantu à e dati raccolti in u passatu. Questu spiega perchè Amazon face idee quandu compra in linea o cumu Netflix sapi chì ti piace i filmi terribili di l'anni 1980.
Ancu l'urdinatori chì utilizanu cuncetti AI sò qualchì volta chjamati "intelligenti", a maiuranza di sti sistemi ùn amparanu micca per sè stessu; l'interazione umana hè necessaria.
I scientisti di dati preparanu l'inputs scegliendu e variàbili chì saranu applicati analisi predittiva. L'apprendimentu prufondu, invece, pò fà sta funzione automaticamente.
Questu post serve cum'è una guida di campu per tutti l'amatori di dati interessati à amparà di più nantu à l'apprendimentu prufondu, a so larghezza è u potenziale futuru.
Cosa hè Deep Learning?
L'apprendimentu prufondu pò esse cunsideratu cum'è un sottumessu di l'apprendimentu machine.
Hè un campu chì hè custruitu nantu à l'auto-apprendimentu è u migliuramentu attraversu l'esame di l'algoritmi di l'informatica.
L'apprendimentu prufondu, in uppusizione à l'apprendimentu automaticu, travaglia cù l'artificiale Redes neuronali, chì sò supposti per imite cumu a ghjente pensa è amparà. Finu à pocu tempu, e rete neurali eranu limitate in cumplessità per via di limitazioni di putenza di l'urdinatore.
Tuttavia, i prugressi in l'analitiche di Big Data anu permessu reti neurali più grande è più putenti, chì permettenu l'urdinatori di monitorà, capiscenu è risponde à situazioni complicate più rapidamente cà e persone.
Avemu cunsigliatu per leghje - Tesla Neural Network Architecture Spiegata
A categurizazione di l'imaghjini, a traduzzione di a lingua è u ricunniscenza di a parolla anu beneficiatu di l'apprendimentu prufondu. Pò affruntà qualsiasi prublema di ricunniscenza di mudelli senza a necessità di interazzione umana.
Hè essenzialmente un trè o più strati reta neurale. Queste rete neurali cercanu d'imità l'attività di u cervellu umanu, ancu s'ellu cun successu limitatu, permettendu di "amparà" da enormi volumi di dati.
Mentre una sola capa di una rete neurale pò ancu pruduce predizioni apprussimative, più strati nascosti ponu aiutà à ottimisà è sintonizza per a precisione.
Cosa hè a Rete Neurale?
E rete neurali artificiali sò basate nantu à e rete neurali vistu in u cervellu umanu. Di solitu, una rete neurale hè fatta di trè strati.
I trè livelli sò input, output, è dissimulati. Una rete neurale in azzione hè vista in u diagramma sottu.
Cume a rete neurale mostrata sopra hà solu una capa nascosta, hè chjamata "rete neurale superficiale".
Più strati nascosti sò aghjuntu à tali sistemi per furmà strutture più sofisticate.
Cosa hè Deep Network?
In una reta prufonda, parechji strati nascosti sò aghjuntu.
A furmazione di tali disinni diventa sempre più complicata cum'è u numeru di strati nascosti in a reta aumenta, micca solu in quantu à u tempu necessariu per furmà bè a rete, ma ancu in quantu à e risorse necessarie.
Una reta prufonda cù un input, quattru strati nascosti, è un output hè mostratu quì sottu.
Cumu funziona Deep Learning?
E rete neurali sò custruite da strati di nodi, simili à cumu i neuroni custituiscenu u cervellu umanu. I nodi di strati individuali sò ligati à i nodi in strati vicini.
U numaru di strati in una reta indica a so prufundità. Una sola neurona in u u sensu umanu riceve migliaia di missaghji.
I signali si movenu trà i nodi in una rete neurale artificiale, chì li assigna pesi.
Un node cù un pesu più altu hà un impattu maiò nantu à i nodi sottu. L'ultimu stratu combina l'inputs ponderati per furnisce un output.
I sistemi di apprendimentu profondu necessitanu un hardware forte per via di a quantità massiva di dati trattati è di i numerosi calculi matematichi sofisticati implicati.
I calculi di furmazione di apprendimentu profondu, ancu cù una tecnulugia cusì sofisticata, ponu piglià settimane.
I sistemi di apprendimentu profondu necessitanu una quantità significativa di dati per furnisce i risultati curretti; dunque, l'infurmazione hè alimentata in forma di datasets massivi.
Quandu si tratta di dati, e rete neurali artificiali ponu classificà l'infurmazioni basate nantu à risposti à una sequenza di binari sì o falsi dumande chì implicanu computazioni matematiche assai complicate.
Un algoritmu di ricunniscenza faciale, per esempiu, ampara à identificà è ricunnosce i bordi è e linee di facci.
Allora elementi più significati di facci, è eventualmente rapprisintazioni intere di facci.
L'algoritmu si entrene in u tempu, aumentendu a probabilità di risposti ghjusti.
In questa situazione, l'algoritmu di ricunniscenza faciale ricunnosce e facce più currettamente cù u tempu.
Deep Learning VS Machine Learning
Cumu l'apprendimentu profondu differisce da l'apprendimentu automaticu s'ellu hè un subset di questu?
L'apprendimentu profondu difiere da l'apprendimentu automaticu tradiziunale in i tipi di dati chì usa è i metudi chì usa per amparà.
Per creà predizioni, l'algoritmi di l'apprendimentu di macchina utilizanu dati strutturati è etichettati, chì significa chì certe caratteristiche sò specificate da i dati di input di u mudellu è raggruppati in tavule.
Questu ùn implica micca necessariamente chì ùn impiega micca dati unstrutturati; piuttostu, s'ellu si faci, di solitu passa à traversu qualchi pre-processing à mette lu in un furmatu strutturatu.
L'apprendimentu prufondu elimina una parte di a pre-elaborazione di dati chì generalmente implica l'apprendimentu automaticu.
Questi algoritmi ponu ingestisce è interpretà dati micca strutturati cum'è testu è stampi, è ancu automatizà l'estrazione di funzioni, riducendu a fiducia in i specialisti umani.
Imaginemu chì avemu avutu una cullizzioni d'imaghjini di diversi animali chì vulemu urganizà in categurie cum'è "gattu", "cane", "hamster", è cusì.
L'algoritmi di apprendimentu prufondu ponu capisce quali caratteristiche (cum'è l'arechje) sò più essenziali per separà un animale da l'altru. Questa gerarchia di e funzioni hè determinata manualmente da un specialistu umanu in l'apprendimentu machine.
U sistema di apprendimentu profondu cambia allora è si adatta per a precisione via discesa di gradiente è a retropropagazione, chì permettenu di generà predizioni più precise nantu à una nova foto di un animale.
Applicazioni di Deep Learning
1 Chatbots
I chatbots ponu risolve i prublemi di u cliente in una materia di sicondi. Un chatbot hè un ntilliggenza artificiali Strumenta (AI) chì vi permette di cumunicà in ligna per mezu di testu o testu à voce.
Puderà cumunicà è fà atti in u listessu modu chì l'omu. I chatbots sò largamente utilizati in u serviziu di u cliente, u marketing di e social media è a messageria immediata di i clienti.
Risponde à i vostri inputs cù risposte automatiche. Genera parechje forme di risposte utilizendu tecniche di apprendimentu automaticu è di apprendimentu profondu.
2. Cars self-driving
L'apprendimentu prufondu hè u fattore primariu daretu à e vitture autoguide chì diventanu una realità.
Un milione di dati sò caricati in un sistema per creà un mudellu, furmà e macchine per amparà, è poi evaluate i risultati in un ambiente sicuru.
L'Uber Intelligence Artificial Labs in Pittsburgh ùn hè micca solu à pruvà à fà e vitture senza cunduttore più cumuni, ma ancu à integrà numerose funzioni intelligenti, cum'è e pussibilità di consegna di cibo, cù l'usu di vitture senza cunduttore.
A preoccupazione più pressante per u sviluppu di i veiculi autoguidati hè di trattà cun avvenimenti imprevisu.
Un ciclu cuntinuu di teste è implementazione, tipicu di l'algoritmi di apprendimentu profondu, assicura una guida sicura postu chì hè esposta à milioni di scenarii sempre più.
3. Assistente Virtual
L'Assistenti Virtuali sò prugrammi basati in nuvola chì ricunnoscenu i cumandamenti di voce in lingua naturale è facenu e cose in u vostru nome.
Assistenti virtuali cum'è Amazon Alexa, Cortana, Siri è Google Assistant sò esempi cumuni.
Per sfruttà pienamente u so putenziale, anu bisognu di dispusitivi cunnessi à Internet. Quandu un cumandamentu hè datu à l'assistente, tende à furnisce una sperienza megliu basatu annantu à scontri precedenti chì utilizanu algoritmi di Deep Learning.
4. Divertimentu
Cumpagnia cum'è Netflix, Amazon, YouTube è Spotify furnisce suggerimenti adattati di filmi, canzoni è video à i so clienti per migliurà a so sperienza.
Deep Learning hè rispunsevule per tuttu questu.
L'imprese di streaming in linea furnisce cunsiglii di prudutti è servizii basati nantu à a storia di navigazione, l'interessi è l'attività di una persona.
Algoritmi di apprendimentu profondu sò ancu usati per pruduce subtitulos automaticamente è aghjunghje u sonu à i filmi muti.
5. Robòtica
Deep Learning hè largamente impiegatu in u sviluppu di robots chì ponu fà travaglii umani.
I robot alimentati da Deep Learning impieganu l'aghjurnamenti in tempu reale per detectà e barriere in a so strada è urganizà rapidamente u so corsu.
Pò esse usatu per trasportà e cose in ospedali, fabbriche, magazzini, gestione di l'inventariu, fabricazione di prudutti, etc.
I robot di Boston Dynamics rispundenu à l'omu quandu sò spinti. Puderanu sviutata una lavastoviglie, ponu alzà quandu cascanu, è ponu rializà una varietà di altre attività.
6. Sanità
I medichi ùn ponu micca esse cù i so pazienti in tuttu u ghjornu, ma una cosa chì tutti avemu quasi sempre cun noi hè i nostri telefoni.
L'apprendimentu prufondu permette ancu à e tecnulugia mediche di analizà e dati da l'imaghjini catturamu è i dati di u muvimentu per scopre i prublemi di salute potenziali.
U prugramma di visione di l'informatica di l'AI, per esempiu, usa queste dati per seguità i mudelli di u muvimentu di u paziente per previsione di cascate è cambiamenti in un statu mentale.
L'apprendimentu prufondu hè statu ancu utilizatu per identificà u cancer di a pelle cù e foto è assai di più.
7. Pruduzione di a Lingua Naturale
U sviluppu di a tecnulugia di trasfurmazioni di a lingua naturale hà permessu à i robots di leghje e cumunicazioni è di derivà significatu da elli.
In ogni casu, l'approcciu pò esse simplificatu eccessivamente, fallendu per cuntà i modi in quale e parolle si uniscenu per influenzà u significatu o u scopu di una frase.
L'apprendimentu profondu aiuta i processori di lingua naturale à ricunnosce mudelli più cumplessi in frasi è furnisce interpretazioni più precise.
8. Computer Vision
L'apprendimentu prufondu prova di riplicà cumu a mente umana processa l'infurmazioni è ricunnosce i mudelli, facendu un metudu ideale per a furmazione di l'applicazioni AI basate in visione.
Quelli sistemi ponu piglià in una successione di setti di foto taggate è amparà à ricunnosce articuli cum'è aerei, facce è armi cù mudelli di apprendimentu prufonda.
Deep Learning in Action
In più di u vostru serviziu di streaming di musica preferitu chì ricumanda e canzoni chì vi piacerebbe, cumu l'apprendimentu prufondu cambia a vita di e persone?
L'apprendimentu prufondu, si scopre, face a so strada in una larga gamma di applicazioni. Qualchidunu chì usa Facebook hà da nutà chì quandu pubblicà novi imagine, u situ suciale spessu ricunnosce è tagga i vostri amichi.
L'apprendimentu prufondu hè adupratu per u processu di lingua naturale è u ricunniscenza di a parolla da assistenti digitale cum'è Siri, Cortana, Alexa è Google Now.
A traduzzione in tempu reale hè furnita via Skype. Parechji servizii di e-mail anu avanzatu in a so capacità per detectà i missaghji spam prima ch'elli ghjunghjenu à l'inbox.
PayPal hà utilizatu l'apprendimentu prufondu per prevene pagamenti fraudulenti. CamFind, per esempiu, permette di piglià una foto di qualsiasi ughjettu è, utilizendu a tecnulugia di ricerca visuale mobile, determinà ciò chì hè.
L'apprendimentu prufondu hè adupratu per furnisce soluzioni da Google in particulare. AlphaGo, un prugramma di computer sviluppatu da Google Deepmind, hà battutu i campioni di Go attuali.
WaveNet, sviluppatu da DeepMind, pò creà un discorsu chì sona più naturali cà i sistemi di parlà attualmente dispunibili. Per traduce lingue orali è testuali, Google Translate impiega l'apprendimentu prufondu è u ricunniscenza di l'imaghjini.
Ogni foto pò esse identificata cù Google Planet. Per aiutà in u sviluppu di l'applicazioni AI, Google hà criatu Apprendimentu prufondu Tensorflow basa di dati di software.
Futuru di Deep Learning
L'apprendimentu prufondu hè un tema inevitabbile mentre discute a tecnulugia. Inutili, l'apprendimentu prufondu hè evolutu in unu di l'elementi più cruciali di a tecnulugia.
L'urganisazioni eranu l'unicu interessatu in tecnulugia cum'è AI, apprendimentu profondu, apprendimentu machine, etc. L'individui, ancu, diventanu interessate in questu elementu di tecnulugia, in particulare l'apprendimentu prufondu.
Unu di i tanti motivi chì l'apprendimentu prufondu riceve tanta attenzione hè a so capacità di permette decisioni megliu basate nantu à i dati, mentre chì ancu migliurà a precisione di a predizione.
Strumenti di sviluppu di l'apprendimentu profondu, biblioteche è lingue puderanu diventà cumpunenti regulari di qualsiasi toolkit di sviluppu di software in pochi anni.
Questi setti di strumenti attuali aprenu a strada per u disignu simplice, a stallazione è a furmazione di novi mudelli.
Trasformazione di stile, auto-tagging, creazione di musica, è altri travaglii seranu assai più faciuli di fà cù sti cumpetenze.
A dumanda di codificazione rapida ùn hè mai stata più grande.
I sviluppatori di apprendimentu prufondu utilizanu sempre più ambienti di sviluppu integrati, aperti, basati in nuvola chì permettenu l'accessu à una larga gamma di biblioteche di algoritmi in u mumentu è pluggable in u futuru.
L'apprendimentu prufondu hà un futuru assai luminoso!
U benefiziu di a reta neurale hè chì eccelle à trattà cun grande quantità di dati eterogenei (pensate à tuttu ciò chì u nostru cervellu hà da trattà, tuttu u tempu).
Questu hè soprattuttu veru in a nostra età di sensori intelligenti putenti, chì ponu cullà quantità massive di dati. I sistemi di l'informatica tradiziunali sò in difficultà per sift, categurizà è derive cunclusioni da tante dati.
cunchiusioni
Deep learning potenze a maiò parte di e soluzioni di intelligenza artificiale (AI) chì ponu migliurà l'automatizazione è l'analisi prucessi.
A maiò parte di l'individui entranu in cuntattu cù l'apprendimentu prufondu ogni ghjornu quandu utilizanu l'internet o i so telefoni mobili.
L'apprendimentu prufondu hè utilizatu per pruduce sottutituli per i video di YouTube. Cunduce u ricunniscenza di voce nantu à i telefoni è i parlanti intelligenti.
Dà l'identificazione di a faccia per l'imaghjini, è permette à l'automobilistiche di guida, frà parechji altri usi.
È, cum'è i scientifichi di dati è l'accademici affrontanu sempre più complicati prughjetti di apprendimentu prufondu chì utilizanu quadri di apprendimentu prufondu, stu tipu di intelligenza artificiale diventerà una parte sempre più impurtante di a nostra vita di ogni ghjornu.
Lascia un Audiolibro