Malalim na pagkatuto: ano ito at paano ito nauugnay sa pag-aaral ng makina?

Ang pagpapatuloy ng isang pares ng mga artikulo na nagawa natin, narito ay pag-uusapan natin kung ano ang Malalim na Pag-aaral at ang kaugnayan nito sa Pag- aaral ng Makina . Ang parehong mga termino ay lalong mahalaga sa lipunan kung saan tayo nakatira at makakatulong ito na malaman kung ano ang nakapaligid sa atin.

Indeks ng nilalaman

Ano ang Malalim na Pag-aaral ?

Ang Malalim na Pag-aaral ay isang subset ng mga pamamaraan na ipinanganak sa paligid ng 2000s bilang isang resulta ng Learning sa Machine . Para sa kadahilanang ito, dapat nating pag-uri-uriin ito bilang isa sa mga sanga nito, bilang bahagi ng agham ng computer.

Ang mga sistemang ito ay mas autonomous kaysa sa kanilang mga mas nakatatandang kapatid, bagaman ang kanilang istraktura ay mas mahirap unawain. Nagbibigay ito sa kanila ng isang malinaw na bentahe kapag nagsasagawa ng iba't ibang uri ng mga gawain kung saan gumanap sila ng pareho o mas mahusay na trabaho kaysa sa iba pang mga system na may algorithm sa Pagkatuto ng Machine.

Gayundin, may iba pang mga gawa kung saan ang Deep Learning ay nakatayo sa nauna nito. Ang isa sa mga pinaka-kilalang-kilala na kaso ay ang Aleman na Pamantayang Artipisyal ng Alpha, ang Intelligence ng Google na may kakayahang talunin ang world champion ng Go .

Marahil ito ay tunog ng isang maliit na Tsino sa iyo, ngunit ang Go ay isang napaka sikat na laro at, din, napaka hinihingi. Upang mailagay ito sa konteksto, mariing inaangkin ng mga matematiko na ang libangan na ito ay mas kumplikado kaysa sa chess.

Sa kabilang banda, ang Malalim na Pag-aaral ay malapit na nauugnay sa Big Data, dahil ang mga mahusay na mapagkukunan ng impormasyon na ito ay maaaring magamit upang malaman at pagsama-samahin ang karanasan. Bukod dito, salamat sa sitwasyon na naroroon natin, ang kapaligiran para sa paglaganap at pag-unlad ng teknolohiyang ito ay perpekto para sa tatlong pangunahing punto:

1. Ang mahusay na akumulasyon ng data, dahil sa mga tool na mayroon tayo ngayon, ang data ay maaaring makuha at maiimbak mula sa halos sinuman. Ang antas ng teknolohiya na naroroon namin, dahil ang mga sangkap ay mahusay na sama-samang mag-alok ng malaking kapangyarihan. Ang pagnanais ng mga kumpanya na mapagbuti ang kanilang mga pamamaraan, dahil, sinasamantala ang dalawang naunang puntos, mas maraming mga kumpanya ang pumipusta sa Artipisyal na Intelligence . Kung ang iyong kumpanya ay naka-imbak ng data mula sa libu-libong mga customer at nagbibigay sa iyo ng teknolohiya ng pagkakataong malaman mula sa kanila at gamitin ito, ito ay isang ligtas na pusta.

Ang istraktura ng Malalim na Pag-aaral

Sa kabila ng pagkakaroon ng isang pag-unlad na katulad ng Pag- aaral ng Machine , ang hanay ng mga algorithm na ito ay may ilang mga pagkakaiba sa nuklear. Ang pinakamahalaga ay marahil ang panloob na istraktura, iyon ay, ang code na bumubuo sa algorithm nito.

Pangkalahatang ideya tungkol sa Malalim na Pag-aaral

Tulad ng nakikita mo sa imahe, ang Malalim na Pag-aaral ay malapit na nauugnay sa mga neural network. Ang konsepto na ito ay hindi bago, ngunit hindi ito matagal sa amin, kaya maaaring hindi mo ito nalalaman.

Upang gawing simple, maaari naming tukuyin ang isang neural network bilang isang hanay ng mga algorithm (bawat tinatawag na isang layer) na tinatrato at nagpapadala ng impormasyon. Ang bawat layer ay tumatanggap ng mga halaga ng pag-input at nagbabalik ng mga output, at habang ipinapasa nito ang buong network, ang isang panghuling resulta ay ibabalik. Ang lahat ng ito, nangyayari nang sunud-sunod, karaniwan, kung saan ang bawat layer ay may iba't ibang timbang, depende sa nais na resulta.

Narito ipinakita namin sa iyo ang isang maikling video (sa Ingles) tungkol sa pag-aaral ng Artipisyal na Pag- aaral upang i-play ang Super Mario World :

At baka nagtataka ka, "Bakit ang lahat ng pamamaraang ito ay masalimuot?" . Ang tiyak na Deep Learning ay kabilang pa rin sa tinatawag nating Mahina Artipisyal na Intelligence , ngunit ito ay marahil ang unang hakbang patungo sa malakas.

Ang pamamaraang ito ay malubhang inspirasyon ng kung paano gumagana ang isang utak. Katulad sa kung ano ang nakikita natin sa "pisikal na mundo" , ang mga sistema ay bumubuo ng mga layer at ang bawat layer ay gumagana sa isang katulad na paraan sa isang neuron. Sa ganitong paraan, ang mga layer ay nauugnay sa bawat isa, magbahagi ng impormasyon at ang pinakamahalagang bagay ay ang lahat ay tapos na sa awtonomya.

Napakasimple na pamamaraan ng kung paano gumagana ang Deep Learning

Kasunod ng panuntunang ito, ang pinaka kumpletong mga Intelligences ay, karaniwang, ang mga may mas maraming mga layer at mas sopistikadong mga algorithm.

Paano gumagana ang Artipisyal na Intelligence sa algorithm na ito?

Kung nakita mo ang aming mga naunang artikulo tungkol sa paksa, makikita mo na ang gif na ito. Dito makikita mo ang aming artikulo sa Artipisyal na Kaalaman at dito maaari kang magbasa ng kaunti tungkol sa Pag- aaral ng Machine .

ngunit magpapakita kami sa iyo ng isang huling oras.

Ang imaheng ito ay sumasalamin nang maayos at napaka-simpleng kung paano gagana ang isang Intelligence gamit ang mga neural network. Tulad ng nakikita mo, ang kanyang trabaho ay simple: pag-uri-uri ng mga imahe at matutong makita ang mga aso sa iba't ibang mga larawan na ipinasa sa kanya.

Ang bawat imahe ay nagsisimula sa pamamagitan ng pagpasok ng input feed, iyon ay, ang Input Layer kung saan magsisimula na ang unang mga kalkulasyon. Ang mga resulta na nakuha ay ibabahagi sa pangalawang layer o neuron at, maliwanag, alam na kung aling neuron ang gumawa ng pagkalkula na ito. Ang prosesong ito ay paulit-ulit nang maraming beses tulad ng mga layer ng aming system hanggang sa maabot namin ang huling.

Ang huling neuron ay pinangalanan bilang Output Layer at ang isa na, sa halimbawang ito, ay nagpapakita ng resulta. Sa iba pang mga kaso, nagtatapos ang Output Layer na ginagawa ang kinakalkula na pagkilos. Gayundin, kung inilalagay namin ang formula na kinakailangang kumilos nang mas mabilis hangga't maaari (tulad ng mga video game) , ang resulta ay dapat na agad. Gayunpaman, salamat sa teknolohiyang punto na naroroon namin, posible na ito.

Ang isa sa mga pinakamaliwanag na halimbawa nito ay ang AlphaStar Artipisyal na Intelligence, isa pang paglikha ng Google mismo.

Google Deepmind Artipisyal na Intelligence

Sinabi namin sa iyo ang tungkol sa AlphaGo , isang AI na may kakayahang labanan laban sa mga pinakamahusay na manlalaro sa Go sa buong mundo. Gayunpaman, ang isang ito ay may mga nakababatang kapatid na may kakayahang makamit ang ilang mga magagandang kamangha-manghang mga milyahe.

AlphaZero

Natuto ang Intelligence na ito sa loob lamang ng 24 na oras ng isang napakataas na antas ng chess, shoji at sumama kung saan nanalo siya ng maraming sikat na mga manlalaro. Gayundin, sa listahan ng mga natalo na kalaban ay itinuro din niya ang bersyon ng AlphaGo Zero na 3 araw ng karanasan, isang bagay na talagang hindi kapani-paniwala. Narito lumabas ang bilis ng pag-aaral ng Artipisyal na Kaalaman na ito .

Karamihan sa mga kahanga-hanga sa lahat, ang koponan ay walang access sa pag-aaral ng mga libro o mga database, kaya lahat ng kanilang mga taktika ay natutunan nang may kasanayan.

Sa isa pang nakatagpo niya, naharap niya ang Stockfish , isang beterano na awtomatikong bukas na programa ng open source na gumaganap ng chess. Gayunpaman, sa loob lamang ng apat na oras ay pinangungunahan ito ng AlphaZero.

Dapat pansinin na habang ang unang pagkalkula nito tungkol sa 70 milyong mga paggalaw, ang AlphaZero, sa chess, ay isinasaalang-alang lamang ang 80 libong magkakaibang paglabas. Ang pagkakaiba sa mga hula ay nasira sa pamamagitan ng mas mahusay na paghuhusga sa kung ano ang magiging promising play.

Sa pamamagitan ng mga demonstrasyon ng lakas na tulad nito makikita natin ang kapangyarihan ng bagong Artipisyal na Intelligence .

AlphaStar

Sa kabilang banda, ang AlphaStar ay isang AI na, ngayon, ay may kakayahang maglaro ng RTS Starcraft II (Real Time Strategy, sa Espanyol).

Sa oras ng demo nito, nakipaglaban ang AlphaStar ng maraming mga propesyonal na manlalaro sa gitna na nanalong sampung laro nang sunud-sunod at natalo lamang ang huling.

Hindi tulad ng chess o pumunta, ang Starcraft II ay isang real-time matchup, kaya bawat segundo kailangan mong gawin ang mga bagay. Dahil dito, makikita natin na ang kasalukuyang teknolohiya ay may kakayahang mapanatili ang mga frenetic rhythms ng pagkalkula at pagpapasya.

Tulad ng para sa paghahanda ng Intelligence , para sa mga petsa ng live na pagsubok na mayroon siya sa halos 200 taon ng karanasan sa pagsasanay lamang sa mga protos (isa sa mga magagamit na karera) . Sinanay din ito upang maaari lamang itong magsagawa ng mga aksyon kung mayroon itong pisikal na kamera sa yunit, kung kaya't assimilating nang higit pa sa kung paano maglaro ang isang tao.

Gayunpaman, sa kabila ng pagkakaroon ng mga kapansanan na ito, pinamamahalaang ng AlphaStar ang karamihan sa kanilang mga nakatagpo gamit ang isang inabandunang taktika sa mapagkumpitensyang bahagi ng laro. Ang isang punto upang tandaan na ang AlphaStar ay karaniwang pinapanatili ang mga APM (Mga Aksyon Per Minuto) na mababa, kaya ang mga pagpapasya ay napakahusay.

Average na pagkilos bawat minuto na isinagawa ng AI at ng isang propesyonal na manlalaro

Gayunpaman, kapag ang sitwasyon ay tumatawag para dito, ipinapakita niya ang superhuman control ng mga yunit nang literal sa pamamagitan ng madaling pagsira sa counter.

Narito maaari mong makita ang isa sa kanyang mga demo nang buo:

Ang kinabukasan ng Artipisyal na Kaalaman

Napag-usapan na namin ang paksang ito, kaya hindi na namin ulit-ulitin ang parehong pag-uusap. Ang dapat i-highlight ay ang mga posibleng futures na naghihintay sa Deep Learning .

Ayon kay Andrew Yan-Tak Ng, isang kilalang dalubhasa sa Artipisyal na Intelligence, Ang Malalim na Pag-aaral ay isang mahusay na hakbang patungo sa Intelligence ng hinaharap. Hindi tulad ng iba pang mga pamamaraan ng pagtuturo, ang isang ito ay mas mahusay na mas mahusay habang pinapataas natin ang sample ng data.

GUSTO NAMIN NG BABAHU X1 NINYO: Magagamit na ang toothbrush ng AI

Ang susunod na slide ay kabilang sa kanyang pagtatanghal na "Kung Ano ang Dapat Naalam ng Mga Siyentipiko sa Malalim na Pag-aaral . " Kung interesado ka, maaari mo itong makita sa link na ito.

Hindi walang kabuluhan, ang pag-unlad ng teknolohiya ay hindi tumigil. Bawat taon magkakaroon kami ng mas makapangyarihang mga sangkap, kaya magkakaroon kami ng higit pa at higit na patio upang masubukan. Tulad ng nangyari sa mga lumang AIs at Learning Learning, ang mga bagong algorithm, pamamaraan at mga sistema ay lilitaw at papalitan ngayon ang makabagong Deep Learning .

Gayundin, tulad ng naiisip mo, ang hinaharap ay na-tackle ng mga semi-intelihente na makina.

Tulad ng itinuro namin sa iba pang mga artikulo, ang karamihan sa mga aparatong elektroniko ay magkakaroon (isinasama ng ilan ang mga ito) Suporta sa katalinuhan Ang isang napakahalagang kaso ay sa mga Intelligences na makakatulong na kumuha ng mas mahusay na kalidad ng mga larawan.

Gayunpaman, ang isang punto kung saan ang teknolohiyang ito ay maaaring umunlad para sa karamihan ng mga gumagamit ay ang IoT (Internet of Things, sa Espanyol).

Ang Internet ng mga Bagay

Ang term na ito ay may higit at higit pang timbang sa mga kumperensya ng teknolohiya at computing at naglalayong pagsama-samahin ang sarili nito na mayroon tayong paraan.

Ang ideya ay ang mga kasangkapan sa sambahayan, mga de-koryenteng kagamitan at iba pa ay nakikilala mga bagay, maaari silang makipag-usap sa bawat isa at, bilang karagdagan, makokontrol sa isang aparato. Sa ganitong paraan maaari kaming magkaroon ng isang bilang ng kung ano ang mga bagay na umiiral sa isang lugar, kung nasaan sila, nakikipag-ugnay sa kanila at sa lahat ng ito mula sa mobile. Gayundin, ang mga bagay ay maaari ring makipag - ugnay sa bawat isa at kung halimbawa isang pag-expire ng pagkain, marahil ay masasabi sa iyo ng ref kapag binuksan mo ito.

Sa kabilang banda, ang Artipisyal na Intelligence ay dapat na subaybayan ang katayuan at pagganap ng mga gamit sa sambahayan. Gamit ito, maaari kang magtatag ng isang plano sa kuryente at i-optimize ang ginamit na enerhiya.

Gayunpaman, ang isang kaugnay na punto na nananatili para sa amin upang mapabuti ay ang seguridad sa Internet . Ito ay isang bagay na hindi pa rin mukhang nagdurusa ng labis na panliligalig, ngunit alam nating lahat na ito ay kinakailangan kung nais natin itong maging isang ligtas na serbisyo.

Ito ay isang medyo abstract na ideya, ngunit habang sinasalakay nito ang aming buhay, magiging pamilyar ka.

Ang kahalagahan ng mga bagong teknolohiya at Malalim na Pag-aaral

Hindi maiiwasang isipin na ang pag-compute at Artipisyal na Intelligence ay maghuhubog sa hinaharap na naghihintay sa amin. Samakatuwid, mahalaga na palaging maging kalahati ng kamalayan sa kung ano ang nangyayari sa mundo na pinamamahalaan ng mga bit.

Sa pag-iisip ng espiritu na iyon, makikita na natin kung gaano kalitaw ang iba't ibang mga degree, kurso at degree na nagtuturo nang malalim sa mga paksang ito. Halimbawa, lumitaw ang ilang data engineering, iba pang mga degree sa Big Data at, malinaw, ang mga kurso sa Deep Learning at Artipisyal na Intelligence .

Para sa parehong dahilan, hinihiling namin sa iyo na siyasatin ang paksa. Ang Internet , kasama ang mga plus at minus nito, ay hindi pa awtonomiya, o perpekto, o talagang ligtas, ngunit ito ay isang halos walang limitasyong mapagkukunan ng kaalaman. Sa anumang kapalaran, makakahanap ka ng isang lugar upang matuto at maaari kang sumakay sa isang bagong wika, o sa halip, isang bagong mundo.

Dahil ang Machine Learning ay isang medyo magaan na disiplina , may mga programa na nagbibigay-daan sa iyo upang gulo sa paligid ng data. Kung interesado kang matuto nang kaunti pa tungkol sa paksa at suriin para sa iyong sarili / ang mga limitasyon ng teknolohiyang ito, maaari mong bisitahin ang IBM Watson Developer Cloud o Amazon Machine Learning. Babalaan ka namin: kakailanganin mong lumikha ng isang account at hindi ito magiging isang madaling paraan upang malaman, ngunit marahil sa isang araw makakatulong ito sa iyo na makamit ang mahusay na mga layunin.

Higit pa rito ang mundo ng mga ideya, kaya lahat ay nasa iyong mga kamay. At sa iyo, ano sa palagay mo ang mga bagong teknolohiya na may kaugnayan sa Artipisyal na Kaalaman? Ano ang iba pang mga application ng Deep Learning na alam mo o nais mong makita? Ibahagi ang iyong mga ideya sa kahon sa ibaba.

Source Business Blog Mag-isip BigXatakaMachine Learning Mastery