Daptar eusi[Sumputkeun][Témbongkeun]
Konsep yén robot langkung pinter tibatan manusa parantos ngarebut imajinasi koléktif urang salami aya Fiksi Élmu.
Sanajan kitu, bari Artificial Intelligence (AI) teu acan ngahontal tingkat éta, kami geus nyieun breakthroughs signifikan dina generating kecerdasan mesin, sakumaha dibuktikeun ku Google, Tesla, sarta Uber nguji kalayan mobil timer nyetir.
Skalabilitas sareng utilitas Deep Learning, pendekatan Machine Learning anu ngamungkinkeun kamajuan téknis ieu, sabagéan tanggung jawab pikeun transisi suksés AI ti paguron luhur sareng laboratorium panalungtikan ka produk.
Revolusi komputer salajengna bakal diwangun dina kecerdasan jieunan, learning jero, jeung learning mesin.
Téknologi ieu diwangun dina kapasitas pikeun ngabédakeun pola teras ngaramalkeun kajadian anu bakal datang dumasar kana data anu dikumpulkeun dina jaman baheula. Ieu ngécéskeun kunaon Amazon ngadamel ide nalika anjeun mésér online atanapi kumaha Netflix terang anjeun resep pilem 1980-an anu pikasieuneun.
Sanajan komputer nu make konsép AI kadang disebut "pinter," mayoritas sistem ieu teu diajar sorangan; interaksi manusa diperlukeun.
Élmuwan data nyiapkeun input ku milih variabel anu bakal diterapkeun analytics duga. Diajar jero, sabalikna, tiasa ngalakukeun fungsi ieu sacara otomatis.
Pos ieu janten pituduh lapangan pikeun anu mikacinta data anu hoyong diajar langkung seueur ngeunaan diajar anu jero, lebarna, sareng poténsi anu bakal datang.
Naon Deep Learning?
Pangajaran jero tiasa dianggap salaku sawaréh tina pembelajaran mesin.
Ieu mangrupakeun widang anu diwangun dina timer learning jeung perbaikan ngaliwatan examining algoritma komputer.
Pangajaran jero, sabalikna tina pembelajaran mesin, tiasa dianggo sareng artifisial jaringan neural, anu sakuduna meniru kumaha jalma mikir sareng diajar. Nepi ka ayeuna, jaringan neural dibatesan dina pajeulitna kusabab konstrain daya komputer.
Tapi, kamajuan dina analytics Big Data parantos ngaktifkeun jaringan saraf anu langkung ageung, langkung kuat, ngamungkinkeun komputer ngawas, ngartos, sareng ngaréspon kana kaayaan rumit langkung gancang tibatan jalma.
Kami nyarankeun maca - Tesla Neural Network Arsitéktur dipedar
Kategorisasi gambar, tarjamahan basa, sareng pangenalan ucapan sadayana ngagaduhan kauntungan tina diajar anu jero. Éta tiasa ngarengsekeun masalah pangakuan pola naon waé tanpa peryogi interaksi manusa.
Ieu dasarna mangrupa tilu- atawa leuwih-layered jaringan neural. Jaringan saraf ieu narékahan pikeun niru kagiatan otak manusa, sanaos kasuksésan anu terbatas, ku ngamungkinkeun éta "diajar" tina jumlah data anu ageung.
Sanaos hiji lapisan jaringan saraf masih tiasa ngahasilkeun perkiraan perkiraan, lapisan anu langkung disumputkeun tiasa ngabantosan dina ngaoptimalkeun sareng nyetél akurasi.
Naon ari Neural Network?
Jaringan saraf jieunan dumasar kana jaring saraf anu katingal dina uteuk manusa. Biasana, jaringan saraf diwangun ku tilu lapisan.
Tilu tingkatan nyaéta input, output, sareng concealed. Hiji jaringan saraf dina aksi ditempo dina diagram di handap.
Kusabab jaringan saraf anu dipidangkeun di luhur ngan ukur ngagaduhan hiji lapisan disumputkeun, éta disebat "jaringan saraf deet."
Lapisan anu langkung disumputkeun ditambahkeun kana sistem sapertos kitu pikeun ngabentuk struktur anu langkung canggih.
Naon ari Deep Network?
Dina jaringan jero, loba lapisan disumputkeun ditambahkeun.
Pelatihan desain sapertos kitu janten langkung rumit nalika jumlah lapisan disumputkeun dina jaringan naék, henteu ngan ukur ngeunaan waktos anu diperyogikeun pikeun ngalatih jaringan anu leres tapi ogé tina segi sumber daya anu diperyogikeun.
Jaringan jero kalayan input, opat lapisan disumputkeun, sareng kaluaran dipidangkeun di handap.
Kumaha Deep Learning dianggo?
Jaringan saraf diwangun ku lapisan titik, sami sareng kumaha neuron ngawangun otak manusa. Titik lapisan individu disambungkeun ka titik dina lapisan tatangga.
Jumlah lapisan dina jaringan nunjukkeun jerona. A neuron tunggal dina uteuk manusa narima rébuan pesen.
Sinyal pindah antara titik dina jaringan saraf jieunan, nu nangtukeun beurat ka aranjeunna.
Titik anu beuratna langkung ageung gaduh dampak anu langkung ageung kana titik di handapna. Lapisan panungtungan ngagabungkeun inputs weighted nyadiakeun kaluaran.
Sistem pembelajaran jero peryogi hardware anu kuat kusabab kuantitas data anu diurus sareng seueur komputasi matematika anu canggih.
Itungan latihan diajar jero, sanajan ku téknologi canggih sapertos kitu, tiasa nyandak sababaraha minggu.
Sistem pangajaran jero ngabutuhkeun jumlah data anu signifikan pikeun nyayogikeun panemuan anu leres; ku kituna, informasi ieu fed dina bentuk datasets masif.
Nalika ngolah data, jaringan saraf jieunan tiasa mengklasifikasikan inpormasi dumasar kana réspon kana réntétan binér enya atanapi patarosan palsu anu ngalibatkeun komputasi matematik anu rumit.
Algoritma pangenal raray, contona, diajar pikeun ngaidentipikasi sareng ngakuan ujung sareng garis raray.
Lajeng elemen leuwih signifikan tina rupa, sarta ahirna sakabéh ngagambarkeun rupa.
Algoritma ngalatih sorangan dina waktosna, ningkatkeun kamungkinan balesan anu leres.
Dina kaayaan ieu, algoritma pangenal raray bakal ngakuan raray langkung leres dina waktosna.
Pangajaran jero VS Pembelajaran Mesin
Kumaha cara diajar jero béda sareng diajar mesin upami éta mangrupikeun sawaréh?
Pangajaran jero bénten sareng pembelajaran mesin tradisional dina jinis data anu dianggo sareng metode anu dianggo pikeun diajar.
Pikeun nyieun prediksi, algoritma machine learning ngagunakeun data terstruktur, dilabélan, nu hartina ciri-ciri tangtu ditangtukeun tina data input modél sarta dikelompokkeun kana tabél.
Ieu teu merta imply yén éta teu employ data teu terstruktur; rada, lamun hancana, eta biasana ngaliwatan sababaraha pre-processing nempatkeun kana format terstruktur.
Pangajaran jero ngaleungitkeun bagian tina pra-pangolah data anu umumna dibutuhkeun pikeun diajar mesin.
Algoritma ieu tiasa nyéépkeun sareng napsirkeun data anu henteu terstruktur sapertos téks sareng gambar, ogé ngajadikeun otomatis ékstraksi fitur, ngirangan reliance ka spesialis manusa.
Hayu urang bayangkeun urang gaduh koleksi gambar tina sagala rupa piaraan anu urang hoyong atur kana kategori sapertos "ucing," "anjing," "hamster," sareng saterasna.
Algoritma pembelajaran jero tiasa terang sipat-sipat mana (sapertos ceuli) anu paling penting pikeun misahkeun hiji sato sareng anu sanés. Hierarki fitur ieu sacara manual ditangtukeun ku spesialis manusa dina pembelajaran mesin.
Sistim learning jero lajeng robah na fits sorangan pikeun akurasi via turunan gradién sarta backpropagation, sahingga bisa ngahasilkeun prediksi leuwih tepat ngeunaan snapshot seger sato.
Aplikasi Deep Learning
1. chatbots
Chatbots tiasa ngalereskeun masalah klien dina hitungan detik. A chatbot mangrupa kacerdasan buatan (AI) alat nu ngidinan Anjeun pikeun komunikasi online via téks atanapi text-to-speech.
Éta tiasa komunikasi sareng ngalaksanakeun tindakan dina cara anu sami sareng manusa. Chatbots loba dipaké dina layanan palanggan, pamasaran média sosial, sarta talatah instan klien.
Éta ngaréspon kana input anjeun kalayan jawaban otomatis. Éta ngahasilkeun seueur bentuk balesan nganggo mesin diajar sareng téknik diajar jero.
2. mobil timer nyetir
Pangajaran Jero mangrupikeun faktor utami pikeun mobil nyetir mandiri janten kanyataan.
Sajuta set data dimuat kana sistem pikeun nyiptakeun modél, ngalatih mesin pikeun diajar, lajeng evaluate papanggihan dina lingkungan aman.
Uber Kacerdasan buatan Labs di Pittsburgh henteu ngan nyobian ngajantenkeun mobil tanpa supir langkung umum tapi ogé ngahijikeun seueur fitur pinter, sapertos kamungkinan pangiriman dahareun, kalayan ngagunakeun mobil tanpa supir.
Kahariwang anu paling pencét pikeun pangembangan kendaraan anu nyetir diri nyaéta kaayaan kajadian anu teu disangka-sangka.
Siklus tés sareng palaksanaan anu terus-terusan, khas tina algoritma pembelajaran jero, ngajamin nyetir anu aman sabab kakeunaan jutaan skénario beuki seueur.
3. Asisten Virtual
Asisten Virtual nyaéta program dumasar-awan anu mikawanoh paréntah sora basa alami sareng ngalakukeun hal-hal atas nama anjeun.
Asisten maya sapertos Amazon Alexa, Cortana, Siri, sareng Asisten Google mangrupikeun conto umum.
Pikeun pinuh ngamangpaatkeun poténsi maranéhanana, maranéhanana merlukeun alat nu disambungkeun ka internét. Nalika paréntah dipasihkeun ka asisten, éta condong nganteurkeun pangalaman anu langkung saé dumasar kana patepang saméméhna anu ngagunakeun algoritma Deep Learning.
4. Hiburan
Perusahaan sapertos Netflix, Amazon, YouTube, sareng Spotify nyayogikeun saran pilem, lagu, sareng pidéo anu pas ka para nasabah pikeun ningkatkeun pangalaman.
Deep Learning tanggung jawab pikeun sadayana ieu.
Perusahaan streaming online nyayogikeun saran produk sareng jasa dumasar kana sajarah browsing, kapentingan, sareng kagiatan hiji jalma.
Algoritma pembelajaran jero ogé dipaké pikeun ngahasilkeun subtitle sacara otomatis tur nambahkeun sora ka pilem jempé.
5. Robotika
Deep Learning seueur dianggo dina ngamekarkeun robot anu tiasa ngalakukeun padamelan sapertos manusa.
Robot anu dikuasaan Deep Learning ngagunakeun apdet sacara real-time pikeun ngadeteksi halangan dina jalurna sareng gancang ngatur jalanna.
Bisa dipaké pikeun ngangkut barang di rumah sakit, pabrik, gudang, manajemén inventaris, pabrik produk, jeung saterusna.
Robot Boston Dynamics ngabales manusa nalika aranjeunna didorong. Éta bisa ngosongkeun dishwasher a, maranéhna bisa bangun nalika aranjeunna ragrag, sarta aranjeunna tiasa ngalengkepan rupa-rupa kagiatan séjén.
6. Palayanan Kaséhatan
Dokter teu tiasa sareng pasienna sapanjang jam, tapi hiji hal anu urang sadayana ampir sok aya sareng kami nyaéta telepon kami.
Pangajaran jero ogé ngamungkinkeun téknologi médis pikeun nganalisis data tina gambar anu urang candak sareng data gerak pikeun ngabongkar masalah kaséhatan poténsial.
Program visi komputer AI, contona, ngagunakeun data ieu pikeun nuturkeun pola gerakan pasien pikeun ngaramal ragrag ogé parobahan dina kaayaan mental.
Pangajaran jero ogé parantos dianggo pikeun ngaidentipikasi kanker kulit nganggo poto sareng seueur deui.
7. Ngolah Bahasa Alami
Ngembangkeun téknologi pamrosésan basa alami ngamungkinkeun robot pikeun maca komunikasi sareng nyandak artos tina aranjeunna.
Sanajan kitu, pendekatan bisa oversimplified, gagal pikeun akun pikeun cara nu kecap gabung mangaruhan harti atawa tujuan frasa.
Diajar jero ngabantosan prosesor basa alami pikeun mikawanoh pola anu langkung kompleks dina frasa sareng nganteurkeun interpretasi anu langkung akurat.
8. Komputer Visi
Pangajaran jero nyobian niron kumaha pikiran manusa ngolah inpormasi sareng ngakuan pola, ngajantenkeun éta metode anu idéal pikeun ngalatih aplikasi AI dumasar kana visi.
Sistem éta tiasa nyandak sababaraha set poto anu ditandaan sareng diajar ngenal barang-barang sapertos kapal terbang, raray, sareng senjata anu nganggo. modél pangajaran jero.
Pangajaran jero dina Aksi
Salian ti layanan streaming musik karesep anjeun anu nyarankeun lagu anu anjeun pikahoyong, kumaha diajar jero ngarobih kahirupan masarakat?
Diajar jero, tétéla, nuju jalan kana rupa-rupa aplikasi. Saha waé anu ngagunakeun Facebook bakal perhatikeun yén nalika anjeun ngeposkeun gambar énggal, situs sosial sering ngakuan sareng tag babaturan anjeun.
Pangajaran jero dianggo pikeun ngolah basa alami sareng pangakuan ucapan ku asisten digital sapertos Siri, Cortana, Alexa, sareng Google Now.
Tarjamahan sacara real-time disayogikeun liwat Skype. Seueur jasa email parantos maju dina kamampuan pikeun ngadeteksi pesen spam sateuacan aranjeunna ngahontal koropak.
PayPal parantos ngagunakeun pangajaran anu jero pikeun nyegah pamayaran palsu. CamFind, contona, ngamungkinkeun anjeun nyandak poto objék naon waé sareng, nganggo téknologi panéangan visual mobile, nangtukeun naon éta.
Pangajaran jero dianggo pikeun nyayogikeun solusi ku Google khususna. AlphaGo, program komputer anu dikembangkeun ku Google Deepmind, parantos ngéléhkeun juara Go ayeuna.
WaveNet, dikembangkeun ku DeepMind, tiasa nyiptakeun pidato anu langkung alami tibatan sistem pidato anu ayeuna sayogi. Pikeun narjamahkeun basa lisan jeung tékstual, Google Tarjamah ngagunakeun pangajaran jero tur pangakuan gambar.
Sakur poto tiasa diidentifikasi nganggo Google Planét. Pikeun ngabantosan ngembangkeun aplikasi AI, Google nyiptakeun Tensorflow learning jero database software.
Masa Depan Pangajaran Jero
Pangajaran jero mangrupikeun topik anu teu tiasa dihindari nalika ngabahas téknologi. Henteu kedah disebatkeun, diajar jero parantos mekar janten salah sahiji unsur anu paling penting dina téknologi.
Organisasi baheulana hiji-hijina anu resep kana téknologi sapertos AI, diajar jero, diajar mesin, sareng sajabana. Individu ogé janten kabetot dina unsur téknologi ieu, khususna diajar jero.
Salah sahiji seueur alesan pikeun diajar jero janten seueur perhatian nyaéta kapasitasna pikeun ngamungkinkeun kaputusan anu didorong ku data anu langkung saé bari ogé ningkatkeun akurasi prediksi.
Alat pamekaran diajar jero, perpustakaan, sareng basa tiasa janten komponén biasa tina sagala toolkit pamekaran software dina sababaraha taun.
Set alat ayeuna ieu bakal muka jalan pikeun desain basajan, setelan, jeung latihan model anyar.
Transformasi gaya, tagging otomatis, kreasi musik, sareng tugas-tugas sanésna bakal langkung gampang dilakukeun ku kaahlian ieu.
Paménta pikeun coding gancang henteu kantos langkung ageung.
Pangembang diajar jero bakal beuki ngagunakeun lingkungan pamekaran terpadu, kabuka, dumasar-awan anu ngamungkinkeun aksés ka rupa-rupa perpustakaan algoritme off-the-shelf sareng pluggable di hareup.
Pangajaran jero ngagaduhan masa depan anu cerah!
Kauntungannana a jaringan neural nyaeta eta excels dina kaayaan jumlah badag data hétérogén (pikir sagalana brains urang kudu nungkulan, sadaya waktu).
Ieu hususna leres dina umur urang sensor pinter kuat, nu bisa ngumpulkeun jumlah masif data. Sistem komputer tradisional berjuang pikeun ngayak, ngagolongkeun, sareng nyandak kacindekan tina seueur data.
kacindekan
Diajar jero kakuatan lolobana solusi kecerdasan jieunan (AI) nu bisa ningkatkeun automation jeung analitik Prosés.
Seuseueurna jalma ngahubungi diajar jero unggal dinten nalika aranjeunna ngagunakeun internét atanapi telepon sélulérna.
Pangajaran jero dianggo pikeun ngahasilkeun subtitle pikeun pidéo YouTube. Ngalaksanakeun pangakuan sora dina telepon sareng speaker pinter.
Pasihan idéntifikasi raray pikeun gambar, sareng ijinkeun mobil nyetir mandiri, diantara seueur kagunaan anu sanés.
Sareng, salaku élmuwan data sareng akademisi ngarengsekeun langkung rumit proyék learning jero ngagunakeun kerangka learning jero, jenis kecerdasan jieunan ieu bakal jadi bagian beuki penting tina kahirupan urang sapopoé.
Leave a Reply