Maschinelles Lernen ? Deep Learning? Künstliche Intelligenz ? Diese Begriffe sind zu einem Synonym für die Moderne geworden; Begriffe, die Menschen gerne in Gesprächen in sozialen Medien und in Denkstücken herumwerfen. Wenn Sie diese Begriffe jedoch richtig verstehen, können Sie einige der modernsten Technologien der Welt relativierenw wirkt sich schlecht auf Ihr Leben aus.
Wir haben bereits angesprochen Künstliche Intelligenz und maschinelles Lernen aber heute werden Sie den weniger bekannten Cousin dieser Technologien, das Deep Learning, erforschen. Es stellt sich also die Frage, wie viel Sie über Deep Learning wissen.
Für Uneingeweihte Deep Learning ist eine Teilmenge des maschinellen Lernens wo künstliche neuronale Netze, vom menschlichen Gehirn inspirierte Algorithmen, aus großen Datenmengen lernen. Deep Learning ist Teil der breiteren Familie maschineller Lernmethoden, die auf der Darstellung von Lerndaten basieren.
Eine kurze Einführung
Sie haben das vielleicht gelesen und sind ein wenig verwirrt. Kurz gesagt, tiefes Lernen und alle Facetten der Moderne KI verwendet Daten, um menschenähnliche „intelligente“ Entscheidungen zu treffen. . Deep Learning lehrt Computer, grundsätzlich anhand von Beispielen oder Daten zu lernen.
Um dies ins rechte Licht zu rücken, wird Deep Learning für fahrerlose Autos verwendet, damit Fahrzeuge andere Fahrzeuge, Stoppschilder und sogar Fußgänger erkennen können, während Deep Learning auch im Mittelpunkt von Konsumgütern wie Sprachassistenten und intelligenten Lautsprechern stehtTechnologie und sogar auf einigen beliebten Webseiten.
Heute werden Sie tiefer in die Welt des tiefen Lernens eintauchen und untersuchen, wie diese Untergruppe des maschinellen Lernens Ihr Leben verändern wird.
Die Welt des tiefen Lernens
Auch hier sind Daten der Schlüssel und bilden den Kern des tiefen Lernens. Sie können durch Übung und Erfahrung eine neue Fähigkeit erlernen. Deep-Learning-Modelle tun dasselbe. Zurück zum Beispiel eines selbstfahrenden Autos könnte ein Computermodell Tausende untersuchenvon Stoppschildern, bevor Sie ein Stoppschild identifizieren können.
Deep Learning Computermodelle Lernen Sie, Klassifizierungsaufgaben direkt aus Bildern, Text oder sogar Ton auszuführen. Ein Deep-Learning-Modell kann „lernen“, genau zu sein und sogar seine menschlichen Schöpfer zu übertreffen.
Diese Modelle sind für die Verwendung großer Mengen beschrifteter Daten sowie neuronaler Netzwerkarchitekturen „geschult“, was wir später in diesem Artikel untersuchen werden.
Warum jetzt?
Deep Learning steht an der Spitze der KI und hilft bei der Gestaltung der Werkzeuge, mit denen wir ein enormes Maß an Genauigkeit erreichen. Fortschritte beim Tiefenlernen haben dieses Werkzeug so weit gebracht, dass das Tiefenlernen den Menschen bei einigen Aufgaben wie der Klassifizierung von Objekten in Bildern übertrifft.
Deep-Learning-Modelle erfordern leistungsstarke GPUs und verwenden große Mengen beschrifteter Daten. Das fahrerlose Tesla-Auto, hinter dem Sie sitzen, benötigte Millionen von Bildern und Tausende von Stunden Video, bevor Sie nach Hause fahren konnten.
Lernen, die richtige Entscheidung zu treffen
Einige der häufigsten Deep-Learning-Methoden verwendet heute eine sogenannte neuronale Netzwerkarchitektur. Ein neuronales Netzwerk besteht nun aus einer Reihe von Algorithmen, mit denen versucht wird, zugrunde liegende Beziehungen in einem Datensatz durch einen Prozess zu erkennen, der die Funktionsweise des menschlichen Gehirns nachahmt.
Die Schönheit von a neuronales Netzwerk ist die Fähigkeit, das beste Ergebnis zu erzielen, ohne dass die Ausgabekriterien neu gestaltet werden müssen. Sie können Muster anhand von Daten erkennen und eine genaue Entscheidung treffen.
Wieder Deep Learning-Techniken Verlassen Sie sich auf komplexe und schichtlastige neuronale Netze, um ein Bild, einen Ton oder einen Text zu identifizieren. Herkömmliche neuronale Netze enthalten möglicherweise nur 2-3 versteckte Schichten während tiefe Netzwerke so viele wie haben können 150 .
Nachdem Sie Ihr algorithmisches Modell erstellt haben, haben Sie ein Deep-Learning-Modell, das die biologische Struktur des Gehirns nachahmt. Deep Learning ist im Grunde maschinelles Lernen mit Steroiden. Jede Schicht verarbeitet Merkmale, und im Allgemeinen extrahiert jede Schicht einige wertvolle Informationen.
Wie beschrieben von MIT News , "Ein neuronales Netz, das lose dem menschlichen Gehirn nachempfunden ist, besteht aus Tausenden oder sogar Millionen einfacher Verarbeitungsknoten, die dicht miteinander verbunden sind."
"Die meisten heutigen neuronalen Netze sind in Knotenschichten organisiert und" Feed-Forward ", was bedeutet, dass Daten nur in eine Richtung durch sie hindurchgehen."
„Ein einzelner Knoten kann mit mehreren Knoten in der darunter liegenden Ebene verbunden sein, von der er Daten empfängt, und mit mehreren Knoten in der darüber liegenden Ebene, an die er Daten sendet.“
Das wirft also die Frage auf, wie Deep Learning heute eingesetzt wird.
Deep Learning in der gesamten Branche
Deep-Learning-Modelle haben Ihre Welt bereits infiltriert und damit eine Reihe von Durchbrüchen in wichtigen Branchen eingeleitet, die von der Welt der Unterhaltungselektronik bis hin zu den Bereichen Luft- und Raumfahrt und Verteidigung reichen.
Deep Learning wird häufiger in automatisierten Hör- und Sprachübersetzungsanwendungen verwendet, die auf Apps und Smart Devices zu finden sind. Deep Learning-Anwendungen helfen diesen Systemen, Ihre Stimme zu erkennen und genaue Antworten zu liefern.
Im medizinischen Bereich nutzen Forscher Deep Learning, um Krebszellen zu erkennen. Selbst Industrieunternehmen nutzen Deep Learning, um das Leben der Mitarbeiter zu verbessern und festzustellen, wann die Gefahr besteht, dass sich Arbeitnehmer beim Bedienen schwerer Maschinen verletzen.
Deep Learning Tools werden die Art und Weise, wie Menschen arbeiten, Produkte erstellen und sogar entwerfen, weiter verändern. Dies ist nur der Anfang.