Wat jy moet weet oor die evolusie van kunsmatige intelligensie
Diep leer is 'n kragtige vorm van masjienleer (ML) wat komplekse wiskundige strukture bou, genaamd neurale netwerke wat groot hoeveelhede data (inligting) gebruik.
Diep leer definisie
Diep leer is 'n manier om ML te implementeer deur verskeie lae neurale netwerke te gebruik om meer komplekse tipes data te verwerk. Soms word hiërargiese leer genoem, en diep leer gebruik verskillende tipes neurale netwerke om eienskappe te leer (ook genoem vertoë) en vind dit in groot stelle rou, ongemerkte data (ongestruktureerde data). Een van die eerste deurbraak demonstrasies van diep leer was 'n program wat beelde van katte suksesvol opgestel het uit stelle YouTube-video's.
Diepleer voorbeelde in die daaglikse lewe
Diep leer word nie net gebruik in beeldherkenning nie, maar ook taalvertaling, bedrogopsporing, en data wat deur maatskappye oor hul kliënte versamel is, te analiseer. Byvoorbeeld, Netflix gebruik diep leer om jou kykgewoontes te analiseer en te voorspel watter programme en films jy verkies om te kyk. So weet Netflix om aktiefilms en natuur dokumentêre dokumente in jou voorstelwachtrij te plaas. Amazon gebruik diep leer om jou onlangse aankope en items wat jy onlangs deursoek het, te ontleed om voorstelle te maak vir die nuwe landmusiekalbums waaraan jy waarskynlik belangstel en dat jy in die mark is vir 'n paar grys en geel tennis skoene. Aangesien diep leer meer en meer insig gee van ongestruktureerde en rou data, kan korporasies beter voorsien in die behoeftes van hul kliënte terwyl jy die individuele kliënt meer persoonlike kliëntediens kry.
Kunsmatige neurale netwerke en diep leer
Om diep leer makliker te verstaan, laat ons ons vergelyking van 'n kunsmatige neurale netwerk (ANN) hersien . Vir diep leer, stel ons voor dat ons 15-verdieping kantoorgebou 'n stadsblok besit met vyf ander kantoorgeboue. Daar is drie geboue aan elke kant van die straat. Ons gebou is gebou A en deel dieselfde kant van die straat as geboue B en C. Oorkant die straat van gebou A is gebou 1, en teenoor gebou B is gebou 2, ensovoorts. Elke gebou het 'n ander aantal vloere, is gemaak van verskillende materiale en het 'n ander argitektoniese styl van die ander. Elke gebou word egter steeds in aparte vloere (lae) van kantore (nodes) gereël, sodat elke gebou 'n unieke ANN is.
Stel jou voor dat 'n digitale pakket by gebou A aankom, wat baie verskillende soorte inligting van verskeie bronne bevat, soos teksgebaseerde data, video-strome, klankstrome, telefoongesprekke, radiogolwe en foto's. Dit kom egter in een groot stamp en Word nie op 'n logiese manier gemerk of gesorteer nie (ongestruktureerde data). Die inligting word deur elke vloer gestuur in volgorde van 1ste tot 15ste vir verwerking. Nadat die inligting op die 15de verdieping (uitset) bereik is, word dit na die 1 ste verdieping (inset) van gebou 3 gestuur, tesame met die finale verwerkingsresultaat van gebou A. Gebou 3 leer uit en sluit die resultaat in wat A en verwerk dan die inligting deur elke vloer op dieselfde manier. Wanneer die inligting die boonste verdieping van gebou 3 bereik, word dit van die gebou se resultate na gebou 1 gestuur. Gebou 1 leer van en inkorporeer die resultate van gebou 3 voordat dit vloer-vir-vloer verwerk word. Gebou 1 slaag die inligting in en op dieselfde manier na die bou van C, wat verwerk en stuur na gebou 2, wat verwerk en stuur na gebou B.
Elke ANN (gebou) in ons voorbeeld soek na 'n ander funksie in die ongestruktureerde data (stamp van inligting) en slaag die resultate na die volgende gebou. Die volgende gebou inkorporeer (leer) die uitset (resultate) van die vorige een. Aangesien die data deur elke ANN (gebou) verwerk word, word dit georden (geklassifiseer) volgens 'n spesifieke kenmerk sodat wanneer die data die finale uitset (boonste verdieping) van die laaste ANN (gebou) bereik, dit geklassifiseer en gemerk word (meer gestruktureer).
Kunsmatige Intelligensie, Masjienleer, en Diepleer
Hoe pas diep leer by die algehele prentjie van kunsmatige intelligensie (AI) en ML? Diep leer verhoog die krag van ML en verhoog die reeks take wat AI in staat is om te presteer. Aangesien diep leer afhanklik is van die gebruik van neurale netwerke en die herkenning van funksies binne datastelle in plaas van eenvoudiger taakspesifieke algoritmes , kan dit besonderhede van ongestruktureerde (rou) data vind sonder dat 'n programmeerder dit nodig het om dit eerste te handig -verbruikende taak wat foute kan voordoen. Diep leer is om rekenaars beter en beter te help om data te gebruik om beide korporasies en individue te help.