Глубокое обучение — новая тема в области искусственного интеллекта (ИИ). Подкатегория машинного обучения, глубокое обучение, связана с использованием нейронных сетей для улучшения таких вещей, как распознавание речи, компьютерное зрение и обработка естественного языка. Эта область быстро становится одной из самых востребованных областей информатики. За последние несколько лет глубокое обучение помогло добиться прогресса в таких разнообразных областях, как восприятие объектов, машинный перевод и распознавание голоса — во всех темах исследований, которые долгое время были трудными для исследователей ИИ.
Нейронная сеть
В информационных технологиях нейронная сеть — это система программ и структур данных, максимально приближенная к работе человеческого мозга. Нейронная сеть обычно включает в себя большое количество параллельно работающих процессоров, каждый из которых имеет свою небольшую сферу знаний и доступ к данным в своей локальной памяти. Обычно нейронная сеть изначально «обучается» или снабжает ее большими объемами данных и правилами взаимоотношений между данными (например, «Дедушка старше отца человека»). Затем программа может сообщить сети, как вести себя в ответ на внешний стимул (например, на ввод пользователя компьютера, взаимодействующего с сетью) или может инициировать активность самостоятельно (в пределах своего доступа к внешней сети). мир).
Глубокое обучение против машинного обучения
Чтобы понять, что такое глубокое обучение, сначала важно отличить его от других дисциплин в области ИИ.
Одним из результатов развития ИИ стало машинное обучение, при котором компьютер извлекает знания посредством контролируемого опыта. Обычно при этом человек-оператор помогал машине учиться, предоставляя ей сотни или тысячи обучающих примеров и вручную исправляя ее ошибки.
Хотя машинное обучение стало доминировать в области искусственного интеллекта, у него есть свои проблемы. Во-первых, это отнимает очень много времени. С другой стороны, это все еще не настоящий показатель машинного интеллекта, поскольку он полагается на человеческую изобретательность в создании абстракций, позволяющих компьютеру учиться.
В отличие от машинного обучения, глубокое обучение в основном происходит без присмотра. Он предполагает, например, создание крупномасштабных нейронных сетей, которые позволяют компьютеру учиться и «думать» самостоятельно, без необходимости прямого вмешательства человека.
Глубокое обучение «на самом деле не похоже на компьютерную программу», — говорит Гэри Маркус, психолог и эксперт по искусственному интеллекту из Нью-Йоркского университета. Он говорит, что обычный компьютерный код пишется в виде очень строгих логических шагов. «Но в глубоком обучении вы увидите нечто иное: у вас не так много инструкций, в которых говорится: «Если верно одно, делай другое», — говорит он. Вместо линейной логики глубокое обучение основано на теориях о том, как работает человеческий мозг. Программа состоит из запутанных слоев взаимосвязанных узлов. Он учится, перестраивая связи между узлами после каждого нового опыта.
Глубокое обучение показало потенциал в качестве основы для программного обеспечения, которое могло бы обрабатывать эмоции или события, описанные в тексте, даже если на них нет явных ссылок, распознавать объекты на фотографиях и делать сложные прогнозы о вероятном будущем поведении людей.
Игра глубокого обучения
В 2011 году Google запустил проект Google Brain, в рамках которого была создана нейронная сеть, обученная алгоритмами глубокого обучения, которые, как известно, доказали свою способность распознавать концепции высокого уровня.
В прошлом году Facebook создал подразделение исследований искусственного интеллекта, используя опыт глубокого обучения для создания решений, которые будут лучше идентифицировать лица и объекты на 350 миллионах фотографий и видео, загружаемых на Facebook каждый день.
Примером глубокого обучения в действии является распознавание голоса, такое как Google Now и Siri от Apple.
Будущее
Глубокое обучение демонстрирует большие перспективы, делая реальными беспилотные автомобили и роботов-дворецких. Их возможности по-прежнему ограничены, но то, что они могут сделать, всего несколько лет назад было немыслимо, и этот процесс развивается беспрецедентными темпами. Способность анализировать огромные наборы данных и использовать глубокое обучение в компьютерных системах, способных адаптироваться к опыту, а не зависеть от человека-программиста, приведет к прорывам. Они варьируются от открытия лекарств до разработки новых материалов и роботов, которые лучше понимают окружающий мир. Возможно, это объяснит, почему в последнее время Google ведет ажиотаж, а компании, занимающиеся робототехникой, занимают первое место в ее списке покупок. За считанные месяцы они приобрели восемь компаний, занимающихся робототехникой.