Co to jest deep learning?

Galeria

Głębokie uczenie, czyli deep learning, jest coraz częściej pojawiającym się wątkiem w dziedzinie badań nad sztuczną inteligencją (SI). Co dokładnie oznacza?

Co to jest deep learning, czyli uczenie głębokie?

Głębokie uczenie jest podkategorią uczenia maszynowego i polega na tworzeniu sieci neuronowych, które mają za zadanie udoskonalić technikę rozpoznawania głosu, wizję komputerową czy też przetwarzanie naturalnego języka. Ta technologia bardzo szybko staje się jednym z najbardziej rozchwytywanych obszarów w dziedzinie nauk komputerowych. W ciągu kilku ubiegłych lat głębokie uczenie pomogło w osiągnieciu postępów na wielu zróżnicowanych obszarach takich jak rozpoznawanie obiektów, tłumaczenie maszynowe rozpoznawanie mowy, czyli wątkach naukowych, które przez długi czas były dla badaczy SI twardym orzechem do zgryzienia. 

Sieć neuronowa

W technologii informacyjnej, sieci neuronowe to ogólna nazwa dla systemów programowyc  i struktur danych, których działanie bliskie jest operacjom wykonywanym przez ludzki mózg. Sieć neuronowa zazwyczaj składa się z ogromnej ilości działających równolegle procesorów, które posiadają swój własny obszar wiedzy oraz dostęp do pamięci lokalnej. Zazwyczaj sieć neuronowa jest „trenowana” czy też zasilana dużą ilością danych oraz zasad na temat związków pomiędzy danymi  (na przykład: „Dziadek jest to ktoś starszy niż ojciec danej osoby”). Następnie program może poinstruować sieć, w jaki sposób ma się zachować w odpowiedzi na zewnętrzne bodźce (na przykład wprowadzenie danych przez użytkownika komputera, który współdziała z siecią), bądź może samodzielne zainicjować dany proces (z ograniczeniami dostępu do zewnętrznego świata).

Uczenie głębokie vs. uczenie maszynowe

Aby w pełny zrozumieć, czym jest uczenie głębokie, należy je przede wszystkim odróżnić od innej ważnej dyscypliny naukowej z obszaru badań SI.

Jednym z rewolucyjnych odkryć na polu nauk związanych z SI było uczenie maszynowe, w którym komputer czerpie wiedzę z nadzorowanego doświadczenia. Ten proces zazwyczaj wiąże się z udziałem ludzkiego operatora, który wspomaga maszynę w procesie uczenia poprzez wprowadzanie tysięcy przykładów szkoleniowych, jednocześnie ręcznie poprawiając wszelkie powstałe błędy.

Pomimo, iż uczenie maszynowe stało się dominującym obszarem badań z zakresu SI, to nadal systemy posiadają pewne ograniczenia. Po pierwsze: proces uczenia jest bardzo czasochłonny. Po drugie: w ten sposób nadal nie możemy w pełni sprawdzić poziomu inteligencji maszyny, gdyż jest ona zależna od ludzkiej pomysłowości, która znajduje abstrakcje pozwalające na proces uczenia się komputera.

W odróżnieniu od uczenia maszynowego, uczenie głębokie jest w większości przeprowadzone bez nadzoru. Między innymi pociąga to za sobą tworzenie wielkoskalowych sieci neuronowych, które pozwalają komputerowi uczyć się i myśleć samodzielnie bez potrzeby bezpośredniego udziału człowieka.

Uczenie głębokie „w rzeczywistości nie wygląda jak program komputerowy” – mówi Gary Marcus, psycholog i ekspert SI Uniwersytetu Nowy Jork. Twierdzi on, iż zwykły komputerowy kod napisany jest w bardzo restrykcyjnych i logicznych krokach. Dodaje, że „W przypadku uczenia głębokiego mamy do czynienia z czymś innym, nie spotykamy się z wieloma instrukcjami, które mówią nam: „Jeśli jedno jest prawdą, zrób to samo po raz kolejny”. Uczenie głębokie nie opiera się na linearnej logice, ale na teorii pracy ludzkiego mózgu. Program tworzą splątane warstwy połączonych ze sobą węzłów sieciowych. System uczy się poprzez reorganizację połączeń pomiędzy węzłami następującą po każdym nowym doświadczeniu.

Uczenie głębokie wykazuje potencjał jako baza oprogramowania mogącego wypracować emocje bądź wydarzenia opisane w tekście (nawet jeśli nie są wprost oznaczone), rozpoznać obiekty na zdjęciach i tworzyć zaawansowane przewidywania na temat możliwych ludzkich zachowań w przyszłości.

Zabawa z głębokim uczeniem

W 2011 roku Google zapoczątkował projekt Google Brain, który stworzył sieć neuronową wyszkoloną za pomocą algorytmów głębokiego uczenia, powszechnie uznanych jako zdolne do rozpoznawania zaawansowanych pojęć.

W ubiegłym roku Facebook stworzył Jednostkę Badawczą SI (AI Research Unit) używając do tego ekspertyz głębokiego uczenia, aby wesprzeć opracowywanie rozwiązań technologicznych, które trafniej zidentyfikują twarze i obiekty w 350 milionach zdjęć i nagrań video umieszczanych każdego dnia na Facebooku.

Przykładem użycia uczenia głębokiego w praktyce jest rozpoznawanie głosu przez takie aplikacje jak Google Now i Siri (Apple).

Przyszłość uczenia głębokiego

Głębokie uczenia jest bardzo obiecującą dziedziną nauki, która może sprawić, iż samosterujące samochody oraz zrobotyzowani lokaje staną się rzeczywistością. Perspektywy  rozwoju są jednak nadal ograniczone, ale to co można stworzyć obecnie dzięki zastosowaniu technologii uczenia głębokiego, kilka lat temu było nie do pomyślenia  i stale rozwija się w zastraszającym tempie. To właśnie możliwość analizowania ogromnych zbiorów danych i zastosowanie głębokiego uczenia  w systemach komputerowych adaptujących się do doświadczenia, a nie poleganie na ludzkim programiście, doprowadzi do przełomu. Może on przybrać formę odkrywania nowych leków, rozwijania nowych materiałów czy nawet tworzenia robotów posiadających większą świadomość otaczającego ich świata. Być może ów przewidywany przełom jest wytłumaczeniem faktu, iż Google w ostatnich czasach wpadło w szał kupowania, a na czele listy zakupów znajdują się u nich firmy zajmujące się robotyką. Google wykupiło 8 firm związanych z robotyką w ciągu kilku miesięcy.

źródła:

https://www.linkedin.com/pulse/20140329080457-246665791-deep-learning-google-vs-facebook?trk=mp-reader-card

http://www.technologyreview.com/news/524026/is-google-cornering-the-market-on-deep-learning/

http://www.forbes.com/sites/netapp/2013/08/19/what-is-deep-learning/

http://www.fastcolabs.com/3026423/why-google-is-investing-in-deep-learning

http://www.npr.org/blogs/alltechconsidered/2014/02/20/280232074/deep-learning-teaching-computers-to-tell-things-apart

http://www.technologyreview.com/news/519411/facebook-launches-advanced-ai-effort-to-find-meaning-in-your-posts/

http://www.deeplearning.net/tutorial/

http://searchnetworking.techtarget.com/definition/neural-network

zdjęcia: Pixabay.com

 


Udostępnij

comments powered by Disqus