Yapay zekanın gelişimi hakkında bilmeniz gerekenler
Derin öğrenme, çok miktarda veri (bilgi) kullanarak sinirsel ağlar olarak adlandırılan karmaşık matematiksel yapılar oluşturan güçlü bir makine öğrenimidir (ML).
Derin Öğrenme Tanımı
Derin öğrenme, daha karmaşık veri türlerini işlemek için birden çok nöral ağ katmanını kullanarak ML'nin uygulanmasının bir yoludur. Bazen hiyerarşik öğrenme olarak adlandırılan derin öğrenme, özellikleri (temsiller olarak da adlandırılır) öğrenmek ve bunları büyük ham, etiketlenmemiş veriler (yapılandırılmamış veriler) halinde bulmak için farklı türlerde sinir ağlarını kullanır. Derin öğrenmenin ilk çığır açan gösterilerinden biri, kedilerin görüntülerini YouTube videolarının kümelerinden başarıyla seçen bir programdı.
Günlük Yaşamda Derin Öğrenme Örnekleri
Derin öğrenme sadece görüntü tanımada değil aynı zamanda dil çevirisi, sahtekarlık tespiti ve firmaların müşterileri hakkında topladığı verileri analiz etmek için de kullanılır. Örneğin, Netflix izleme alışkanlıklarınızı analiz etmek ve izlemeyi tercih ettiğiniz gösterileri ve filmleri tahmin etmek için derin bir öğrenim kullanır. Netflix, öneri sırasına aksiyon filmleri ve doğa belgeselleri koymayı biliyor. Amazon, yakın zamanda aldığınız yeni ülke müzik albümleri için önerilerinizi oluşturmak üzere aradığınız son alışverişlerinizi ve öğelerinizi analiz etmek için derin bir öğrenim kullanıyor ve bir çift gri ve sarı tenis için pazardasınız. ayakkabılar. Derin öğrenme, yapılandırılmamış ve ham verilerden daha fazla bilgi sağladığından, şirketler müşterilerinin ihtiyaçlarını daha iyi tahmin edebilirken, bireysel müşteri daha kişiselleştirilmiş müşteri hizmeti alır.
Yapay Sinir Ağları ve Derin Öğrenme
Derin öğrenmeyi daha kolay anlayabilmek için yapay sinir ağını (ANN) karşılaştırmamıza izin verin. Derin bir öğrenme için, 15 katlı ofis binamızın diğer beş ofis binasıyla bir şehir bloğunu kapladığını hayal edin. Caddenin her tarafında üç bina var. Bizim bina A'yı inşa ediyor ve B ve C binaları olarak sokağın aynı tarafını paylaşıyor. A caddesinin karşısındaki A binası 1 ve bina B'nin karşısında 2, vb. Inşa ediyor. Her binanın farklı bir kat sayısı vardır, farklı malzemelerden yapılmış ve diğerlerinden farklı bir mimari tarzı vardır. Ancak, her bina hala ayrı katlarda (katmanlar) düzenlenmiştir (her biri), her bina benzersiz bir YSA'dır.
Metin tabanlı veriler, video akışları, ses akışları, telefon görüşmeleri, radyo dalgaları ve fotoğraflar gibi birçok kaynaktan çok sayıda farklı türde bilgi içeren bir dijital paketin A'ya ulaştığını düşünün, ancak büyük bir karmaşaya ulaşır. herhangi bir mantıksal şekilde etiketlenmemiş veya sınıflandırılmamış (yapılandırılmamış veri). Bilgi, her bir kattan işleme için 1 ila 15 inci sıraya kadar gönderilir. Bilgi karmaşasının 15. kata ulaşmasından sonra, binanın (A) son işlem sonucu ile birlikte binanın 3. katına (girişine) gönderilir. Bina 3, Bina A tarafından gönderilen sonucu öğrenir ve birleştirir. Daha sonra her bir kattaki bilgi karmaşasını aynı şekilde işler. Bilgi binanın 3 en üst katına ulaştığında, o binanın sonuçları ile binadan oraya gönderilir. 1. Bina 1, kattan işlenmeden önce bina 3'ten alınan sonuçları öğrenir ve birleştirir. 1 nolu bina, bilgiyi B'den geçirerek, bina B'ye işleyen ve gönderen 2 nolu binaya işleyen ve gönderen bilgi ile aynı şekilde sonuçlanmaktadır.
Örneğimizdeki her YSA (bina), yapılandırılmamış verilerde (bilgi karmaşası) farklı bir özellik arar ve sonuçları bir sonraki binaya geçirir. Bir sonraki bina, bir öncekinden çıktıyı (sonuçları) birleştirir (öğrenir). Veriler her bir YSA (bina) tarafından işlendiğinden, belirli bir özellik tarafından organize ve etiketlenir (sınıflandırılır) böylece veriler son YSA'nın (bina) son çıkışına ulaştığında sınıflandırılır ve etiketlenir. (daha yapılandırılmış).
Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme
Derin öğrenme, yapay zekanın (AI) ve ML'nin genel resmine nasıl uyuyor? Derin öğrenme, ML'nin gücünü artırır ve AI'nin gerçekleştirebileceği görev çeşitliliğini artırır. Derin öğrenme, nöral ağların kullanılmasına ve basit görevlere özel algoritmalar yerine veri kümeleri içindeki özelliklerin tanınmasına dayanması nedeniyle, bir programcının ilk önce bir kez etiketlemesi gerekmeden yapılandırılmamış (ham) verilerin ayrıntılarını bulabilir ve kullanabilir hatalar yapabilen -kışan görev. Derin öğrenme, bilgisayarların hem kurumlara hem de bireylere yardımcı olmak için verileri kullanmasında daha iyi ve daha iyi olmasına yardımcı oluyor.