Интересные темы:

Гаджеты

Немного интересного:

Искусственный интеллект и глубокое обучение: роботы-слуги становятся реальностью

22.03.2012 Гаджеты

Глубокое обучение – это развивающаяся сфера в разработке ИИ, которая скоро делается востребованной в компьютерных науках. Будучи подкатегорией машинного обучения, оно разглядывает такие вопросы, как применение нейронных сетей для оптимизации распознавания речи, компьютерного зрения, обработки естественного языка и т.п. Сейчас глубокое обучение поспособствовало ответу таких задач, как восприятие объектов, распознавание голоса и машинный перевод, в то время как эти исследовательские тематики уже продолжительное время очень нехотя поддавались экспертам по неестественному интеллекту.

Нейронные сети

В информационных разработках нейронная сеть – это совокупность структур и программ данных, максимально приближенная к работе людской мозга. Нейронная сеть в большинстве случаев применяет много процессоров, трудящихся параллельно, любой из которых владеет собственной собственным доступом и сферой знаний к данным в локальном запоминающем устройстве.Искусственный интеллект и глубокое обучение: роботы-слуги становятся реальностью
В большинстве случаев, нейронная сеть изначально «тренируется», другими словами в нее подают громадные количества данных и правил довольно их взаимоотношений (к примеру, «дедушка старше отца»). Затем программа показывает сети, как вести себя в ответ на внешние сигналы (к примеру, на эти, вводимые пользователем компьютера, что взаимодействует с сетью), либо может самостоятельно инициировать деятельность (в рамках доступа к внешнему миру).

Глубокое и машинное обучение

Дабы разобраться, что такое глубокое обучение, принципиально важно сперва отделить его от вторых дисциплин в сфере ИИ.
Одной из отраслей ИИ есть машинное обучение, в то время, когда компьютер извлекает знания при помощи контролируемого процесса. В большинстве случаев, в этом случае нужен человек-оператор, помогающий машине обучаться методом сотен либо тысяч тренировочных примеров и вручную исправляющий неточности.
Не смотря на то, что машинное обучение купило доминантные позиции в сфере ИИ, у него все же имеется недочёты. Во-первых, оно занимает довольно много времени. Во-вторых, машинное обучение все же не может быть подлинным мерилом компьютерного интеллекта, так оно применяет изобретательность человека и его абстрактные понятия, разрешающие машине обучаться.
В отличие от машинного обучения, глубокое обучение как правило проходит неконтролируемо. Так, для него нужно создать широкие нейронные сети, разрешающие компьютеру самостоятельно обучаться и «думать» без необходимости в ярком вмешательстве человека.
Глубокое обучение совсем не похоже на компьютерную программу, считает специалист и психолог в сфере ИИ Гэри Маркус. В большинстве случаев, компьютерный код пишется в соответствии с весьма строгими логическими этапами. «А вот в глубоком обучении мы видим что-то совсем иное. В нем нет множества руководств, каковые гласят: в случае если это действительно, то делай то», — говорит ученый.
Вместо линейной логики глубокое обучение основано на теориях о том, как действует человеческий мозг. Программа складывается из переплетенных слоев взаимосвязанных узлов. Она обучается методом трансформации сочетаний соединений между узлами по окончании каждого нового опыта.
Глубокое обучение показало потенциал как база для ПО, талантливого трудиться на чувствах либо событиях, обрисованных в тексте (кроме того если они не выражены очевидно), распознавать предметы на фотографиях и делать сложные предсказания о вероятном будущем поведении человека.

Игра в глубокое обучение

В 2011 году компания Гугл запустила проект по изучению мозга «Гугл Brainproject», в рамках которого была создана нейронная сеть с внедренными в нее методами глубокого обучения. Она прославилась собственной свойством распознавать концепции большого уровня.
В прошедшем сезоне в Facebook был создан раздел по изучению ИИ. При помощи глубокого обучения создавались решения для предметов и распознания лиц на 350 миллионах фотографий и видео, каждый день загружаемых в эту социальную сеть.
Другие примеры глубокого обучения в действии – это сервисы по распознаванию голоса, такие как Гугл Now и Apple Siri.

Будущее

Глубокое обучение – очень перспективная сфера, и оно сделает независимые машины и роботов-слуг действительностью. Эти автомобили все же будут ограничены, но то, что им будет под силу, только пара лет назад считалось немыслимым, а их появление среди людей надвигается с беспрецедентной скоростью.

Свойство разбирать огромные массивы разрешённых и использовать глубокое обучение в компьютерных совокупностях, каковые смогут приспособиться к новому опыту, не завися от человека-программиста, приведет к большим научным открытиям. Они случатся во множестве сфер от более действенных препаратов до роботов и новых материалов с прекрасным восприятием окружающего мира.

Facepla.net по данным Livescience

  • глубокое обучение
  • ИИ
  • нейронные сети

Author: Евгений

Случайные записи:

Что такое глубокое обучение (Deep Learning) и почему это важно?


Похожие статьи, которые вам понравятся:

Tags:  , , ,