Uczenie głębokie nie jest całkowicie nową technologią. Jego znaczenie podkreślają już od wielu lat eksperci, tacy jak Andrew Ng (były główny naukowiec w Baidu, chińskim odpowiedniku Google), który wskazywał duży potencjał uczenia głębokiego już w 2013 roku. Wielokrotnie temat ten podejmowały także duże portale technologiczne http://techpolska.pl/. Dobrym pomysłem jest w związku z tym pogłębienie swojej wiedzy w tym zakresie. W takim razie czym jest uczenie głębokie? Jak to działa i do czego może się przydać?
Czym jest uczenie głębokie?
Uczenie głębokie to jedna z metod tworzenia funkcjonującej sztucznej inteligencji. Według niektórych jest to także jedyna droga do stworzenia „prawdziwego” AI, czyli idealnej, modelowej i niczym nieograniczonej sztucznej inteligencji.
Jak to działa? Chodzi o przeprowadzanie symulacji działania ludzkiego mózgu, tak, aby nauczyć maszynę myśleć i analizować dane tak, jak robiłby to człowiek – tylko lepiej i szybciej. W przeciwieństwie do starszych algorytmów uczących się, uczenie głębokie dostarcza tym lepsze wyniki, im większą ma ilość danych do przeanalizowania. Większa ilość danych wymaga jednak także większych sieci neuronowych – na szczęście są one już dostępne.
W trakcie uczenia głębokiego maszyna analizuje dostarczone jej dane warstwa po warstwie, zaczynając od najprostszych i najoczywistszych elementów, a potem przechodząc do bardziej skomplikowanych obliczeń i wniosków, których osiągnięcie jest możliwe dzięki wykorzystaniu wcześniejszych rezultatów.
Uczenie głębokie można wykorzystać do wielu mniej lub bardziej oczywistych działań – chociażby do przywracania koloru do biało-czarnych zdjęć i obrazów.
Uczenie głębokie to nie nowa technologia
Koncept, który dzisiaj nazwalibyśmy uczeniem głębokim powstał już w latach 80’ ubiegłego wieku. Szybko jednak pomysł upadł, ponieważ nie dało się za jego pomocą osiągnąć satysfakcjonujących rezultatów. Dlaczego, skoro obecnie ta metoda tak dobrze się sprawdza?
Pomijając kilka błędów technicznych, są dwa główne powody, dla których uczenie głębokie w latach 80’ się nie sprawdziło. Pierwszy z nich to fakt, że dostarczono wtedy maszynom zdecydowanie za małe zestawy danych, a jak już wspomniano, uczenie głębokie najlepiej się nadaje do analizowania ogromnych ilości danych. Drugim problemem były zdecydowanie zbyt wolne maszyny, które nie radziły sobie z przeprowadzaniem tak skomplikowanych obliczeń.
Dzisiaj ani ilość danych, ani szybkość komputerów nie stanowi problemu, dlatego też portale technologiczne http://techpolska.pl/ mogą dostarczać ciągle nowych wieści o sukcesach osiąganych dzięki tej metodzie.