Bespreking - 

0

Bespreking - 

0

Diep leer word beskou as 'n sub-tak van machine learning en is geïnspireer deur die funksie en struktuur van die brein wat kunsmatige neurale netwerke genoem word. Diep leer bevorder toepassing en begrip vir die lewe. Dit is 'n houding en benadering tot leer, waar die leerder kognitiewe hoër-orde vaardighede gebruik soos die vermoë om te sintetiseer, te analiseer, meta-kognitief te dink en probleme op te los om sodoende langtermynbegrip te bou.

Dit is nou 'n warm onderwerp, want dit is relatief nuwer in vergelyking met machine learning en kunsmatige intelligensie en die gebied is wyd oop vir allerhande spelers, nie net tegnologiereuse soos Facebook, Apple en Google nie. Pete Warden, Gereedskap vir data -wetenskap skepper, het in sy pos oor diep leer oor wat diep leer hou in die toekoms van tegnologie en al daardie navorsing vind vandag sy weg na werklike toepassings.  

Diep leer handel veral oor data sonder toesig eerder as data onder toesig – wat eenvoudiger en minder ingewikkeld is. Die verskil kan met 'n voorbeeld opgemerk word. Enige toestel kan met ons praat as ingenieurs dit so programmeer deur toesprake en insette of die vokale intonasies, ens. in te druk. Maar wat meer kompleks is, is om masjiene te laat verwerk en die data teen dieselfde tempo aan te leer soos wat hulle dit andersins doen. Google het reeds met die werk daaraan begin. Diep leer behels die ontleding van nuwe idees en die koppeling daarvan aan reeds bekende beginsels en konsepte sodat dit gebruik kan word vir probleemoplossing in onbekende en nuwe kontekste.

Diep leer: tegniese neiging of hype?

Ons het nou 'n punt bereik waar sagteware- en hardeware-ontwikkelings geoptimaliseer en baie doeltreffend is, anders as voorheen. Die bekendstelling van intelligensie aan masjiene is 'n manier om veel verder as sagteware-ontwikkeling te gaan. Diep leer is geïmplementeer in 'n magdom dinge soos:

  • Healthcare bedryf: ontdekking van medisyne, diagnose, ens.
  • Outomatiese spraakherkenning
  • Natuurlike taalgenerering
  • Beeldherkenning
  • Terwyl 'n tjek gedeponeer word, word die voor- en agterprent geklik, intern word dit gebruik diep leer verifieer moontlik jou handtekening en herken die syfers.

Waarom is Deep Learning belangrik

Diep leer het rekenaars toegelaat om verborge insigte te vind, deur algoritmes te gebruik wat herhaaldelik verkry word van data wat aan hulle verskaf word, sonder om uitdruklik geprogrammeer te word waar om te soek. Ongekende vlakke van doeltreffendheid sal in die besigheidstelsels bereik word, en op 'n persoonlike vlak sal die slim toestelle ons eintlik vir alles rig en ons lewens help vergemaklik. Diep leer is 'n wetenskap wat glad nie nuut is nie, maar nou vars momentum kry.

Dit het die krag om byna enige bedryf te transformeer. Dit beteken dat as dinge gaan presies soos hulle gedink word, sal hierdie superintelligente masjiene hulself op hul eie begin verbeter en mense steeds verder in die stof laat met onverwagte resultate. Maar vir nou is die neurale nette goed om net patrone te herken - spraak- en beeldherkenning, baie vinniger en eenvoudiger as die mense. Diep leer is 'n gesofistikeerde "machine learning” algoritme wat baie slimmer is as sy voorgangers in terme van die herkenning van beelde en lettergrepe. Een geval waar ons die gebruik van "diep leer” sluit sy baie gewilde AlphaGo se nederlaag van Go-grootmeester Lee Sedol en ander nuwe indrukwekkende produkte rondom masjienvertaling en beeldherkenning in. Masjienleer en uiteindelik diep leer verbruik groot hoeveelhede data, is meer vergewensgesind teenoor veranderende datapunte of parameters en ondersteun groter kompleksiteit en veranderlikheid.

Dit het nuwe strategieë en produktiwiteit in verskillende stelsels onthul, insluitend IT, gesondheidsorg, logistiek, energie en selfs onderwys. Met diep leer:

  • Geen grootskaalse benoemde data is nodig nie.
  • Moderne resultate vir verskillende take.
  • U hoef nie ure tyd met die aantekening van data te mors nie.
  • Dit is nie meer nodig om funksies in 'n algoritme met die hand te vervaardig nie.

Masjienleer, IoT en AI is soortgelyk aan mekaar gekoppel. IoT komplementeer pragtig kunsmatige intelligensie wanneer dit kom by intydse rekenaar. Die mensdom sou binnekort heeltemal vervang word met loopmasjiene wat baie intelligenter as ons sou wees. Die masjiene het reeds vir verskeie doeleindes in die besighede begin werk en in die komende tyd sal ons sien dat 'n golf van meganistiese transformasie ook ons ​​daaglikse lewens verander. Hierdie menslike dinamo's sal ons maniere verander om na die lewe te kyk deur persepsie te bou uit data wat hulle ontvang en in metodes wat mense nooit kon nie. Dit sou beteken dat die masjiene eintlik menslike krag in byna alles sal oortref, wat lei tot prosesverandering, kostebesparings en groter en dapper vlakke van outomatisering. Beeld- en stemherkenningstelsels sal individue oor verskeie kanale herken en volgens 'n opname sal die vinnigste groeiende maatskappye meer slimmasjiene hê as die werknemers.

'N Uitdaging wat om die draai draai, is of hierdie masjiene werklik die ongestruktureerde en gestruktureerde data kan hanteer en die beskikbaarheid van kwaliteitsalgoritmes. Of is hulle net oorverhit? En as dit wel gebeur, sal die resultate onvoorstelbaar wees. Ons kan net voorspel die vlak van veranderinge wat sou plaasvind, die ware transformasie sou opmerklik wees. Maar dit alles vra beslis baie tyd om plaas te vind.


Jy kan ook belangstel in


As jy enige vrae het oor diep leer of wil weet hoe dit jou met jou besigheid kan help, kontak asseblief.

Tags:

Anurag

0 Comments

Teken in op ons nuusbrief

Teken in op ons nuusbrief

Sluit aan by ons poslys om die jongste nuus en opdaterings van ons span te ontvang.

Jy het suksesvol aangemelde!

Deel hierdie
%d bloggers soos hierdie: