Top.Mail.Ru

Что такое Глубокое обучение (deep learning) простыми словами?

Глубокое обучение, или Deep learning – это такой вид машинного обучения, при котором используются многослойные нейронные сети, самообучающиеся в дальнейшем на огромном наборе данных.

Что такое Глубокое обучение (deep learning) простыми словами?, изображение №1
  1. В чем суть этого обучения?

Это используется для извлечения с компьютера какой-то важной информации (перевод аудиозаписи в текст, распознавание голоса и речи человека). Благодаря этому обучению искусственный интеллект самостоятельно вычисляет, как можно решить проблему или достигнуть какой-то цели. Далее он выполняет все нужные шаги, а если допускает ошибку, то запоминает и в будущем их не совершает.

  1. Откуда это взялось, и как развивается это сейчас?

В 1943 году впервые открыли компьютерные нейронные сети, которые работали с большим количеством ограничений и неточностей. В настоящее время, нейронные сети выполняют свои задачи на распознавание с точностью почти 95%. Такой процент больше даже возможностей человека, поэтому Deep learning на данный момент используют для анализа мозга человека.

  1. Что находится внутри нейронных сетей?

Они состоят их 3 слоёв:

  1. Входной слой, отвечающий за получение набора данных. За каждым нейроном закреплён свой параметр, данные которых передаются потом в скрытые слои.
  2. Скрытые слои, выполняющие задачи вычисления исходя из входящих параметров. Для большего количества взаимосвязей в глубоком обучении у нейросетей несколько скрытых слоёв. У каждой связи между нейронами свой вес, который определяет процент значимости для какого-то параметра.
  3. Выходной слой, который отвечает за результаты. Все действия и процессы, которые были произведены в предыдущих слоях, суммируются, и выдаётся результат всех вычислений.
  4. Как проходит обучение у нейросетей?

Обучение у нейросетей схоже с обучением людей. Возможен вариант обучения как с учителем, так и без него. Учителем в данном случае выступает какой-то эталонный результат.

• с учителем-эталоном. В этом случае у нейронных сетей есть свой эталон вычислений, к которым они стремятся. Если ответ получился ошибочный, то сеть меняет свои параметры на новые и просчитывает до тех пор, пока результат не станет близким к эталону.

• без эталона. При этом подходе нейросети сами классифицируют данные, вычисляют их и потом выдают готовый эталон решения.

  1. Где можно применить Deep learning?

Сфера применения, на самом деле, очень большая. Приведём пример нескольких таких сфер: