Штучний інтелект і глибоке навчання: працівники стають реальністю

Глибоке навчання – це розвиток галузі у розвитку штучного інтелекту, який стрімко стає популярним у галузі комп’ютерної науки. Як підкатегорія машинного навчання, це адресні питання, такі як використання нейромереж для оптимізації розпізнавання мови, комп'ютерне бачення, обробка природної мови тощо. В останні роки глибоке навчання сприяло виникненню проблем, таких як сприйняття об'єктів, машинний переклад і розпізнавання голосу, в той час як ці наукові теми вже давно були надзвичайно доцільними для надання штучним інтелектом.

Неуралні мережі У інформаційній технології нейромережа є системою програм і структур даних, максимально наближених до роботи мозку людини. Нейромережа зазвичай використовує велику кількість процесорів, які працюють паралельно, з власною сферою знань і власним доступом до даних в локальному пристрої зберігання.
Як правило, нейромережа спочатку «тренується», тобто вона подається великою кількістю даних і правил щодо їх відносин (наприклад, «погано старше батька»). Потім програма розповідає про те, як поводитися у відповідь на зовнішні сигнали (наприклад, дані, внесені користувачем комп’ютера, який взаємодіє з мережею) або може ініціювати діяльність самостійно (у складі доступу до зовнішнього світу).





Глибоке та машинне навчання Щоб зрозуміти, що глибоке навчання є, важливо спочатку відокремити його від інших дисциплін у штучному інтелекті.
Один відділ штучного інтелекту - машинне навчання, де комп'ютер витягує знання через контрольований процес. Як правило, людина оператора потрібна, щоб допомогти машині навчатися через сотні або тисячі прикладів підготовки і вручну виправити помилки.
Хоча машинне навчання стало домінуючим у галузі штучного інтелекту, воно все ще має недоліки. Перш за все, займає багато часу. По-друге, машинне навчання не може бути істинним заходом комп'ютерного інтелекту, оскільки він використовує людську винахідливість і його абстрактні концепції, щоб увімкнути машину, щоб дізнатися.
На відміну від машинного навчання, глибоке навчання значно невибагливе. Таким чином, необхідно створити великі нейромережі, які дозволяють комп’ютеру самостійно навчатися і «мийка» без необхідності прямого втручання людини.
Глибоке навчання не схоже на комп'ютерну програму, говорить психолог і експерт в галузі штучного інтелекту Gary Marcus. Як правило, комп'ютерний код письмовий відповідно до дуже суворих логічних кроків. «У глибокому навчанні ми бачимо щось зовсім інше. Він не має багато інструкцій, які кажуть, "Якщо це правда, то він каже.
Як працює мозок людини. Програма складається з переплетених шарів міжвузьких вузлів. Вчиться змінювати комбінації з’єднань між вузлами після кожного нового досвіду.
Глибоке навчання продемонструвало потенціал як основа для програмного забезпечення, здатного працювати на емоціях або подіях, описаних в тексті (навіть якщо вони не явно виражені), розпізнаючи предмети у фотографіях, а також створення комплексних прогнозів щодо можливої поведінки людини.

Грати глибоке навчання У 2011 році Google Brainproject створив нейромережу з вбудованими алгоритмами глибокого навчання. Вона славиться своєю здатністю розпізнати концепції високого рівня.
Минулого року Facebook створив розділ на дослідження штучного інтелекту. Глибоке навчання створює рішення для розпізнавання обличчя та об’єкта в 350 млн фото та відео, що завантажуються щодня в соціальну мережу.
Інші приклади глибокого навчання в дії – це послуги розпізнавання голосу, такі як Google Now та Apple Siri.

Майбутнє Глибоке навчання - це перспективне поле, і це зробить автономні автомобілі та роботи, які працюють над реальністю. Ці машини все ще будуть обмежені, але що вони зможуть зробити, тільки кілька років тому вважалися неймовірною, і їх зовнішній вигляд серед людей приїжджає з безпрецедентною швидкістю. Уміння аналізувати величезні обсяги даних і використовувати глибоке навчання в комп’ютерних системах, які можуть адаптуватися до нових досвіду без залежно від того, як людина-програміст призведе до значних наукових відкриттів. Вони відбуваються в різних сферах, від більш ефективних препаратів до нових матеріалів і роботів з великим сприйняттям світу.

Матеріали з Livescience

Джерело: facepla.net