Pembelajaran mendalam: apa itu dan bagaimana kaitannya dengan pembelajaran mesin?

Melanjutkan beberapa artikel yang telah kami lakukan, di sini kita akan berbicara tentang apa Deep Learning dan hubungannya dengan Machine Learning . Kedua istilah ini semakin penting dalam masyarakat tempat kita tinggal dan akan sangat membantu untuk mengetahui apa yang mengelilingi kita.

Indeks isi

Apa itu Deep Learning ?

Deep Learning adalah himpunan bagian dari teknik yang lahir sekitar tahun 2000 - an sebagai hasil dari Machine Learning . Untuk alasan ini, kita harus mengklasifikasikannya sebagai salah satu cabangnya, yang pada gilirannya menjadi bagian dari ilmu komputer.

Sistem ini lebih otonom daripada saudara mereka yang lebih tua, meskipun struktur mereka juga jauh lebih kompleks. Ini memberi mereka keuntungan yang jelas ketika melakukan berbagai jenis tugas di mana mereka melakukan pekerjaan yang sama atau lebih baik daripada sistem lain dengan algoritma Machine Learning.

Juga, ada karya-karya lain di mana Deep Learning menonjol di atas pendahulunya. Salah satu kasus paling terkenal adalah Intelegensi Buatan AlphaGo- style , Intelejen Google yang mampu mengalahkan juara dunia Go .

Mungkin kedengarannya sedikit Cina bagi Anda, tetapi Go adalah permainan yang sangat terkenal dan, juga, sangat menuntut. Singkatnya, para ahli matematika dengan tegas mengklaim bahwa hobi ini jauh lebih kompleks daripada catur.

Di sisi lain, Deep Learning terkait erat dengan Big Data, karena sumber informasi yang hebat ini dapat digunakan untuk mempelajari dan mengkonsolidasikan pengalaman. Selain itu, berkat situasi kita sekarang, lingkungan untuk perkembangan dan pengembangan teknologi ini sangat cocok untuk tiga poin utama:

1. Akumulasi besar data, karena dengan alat yang kita miliki saat ini, data dapat diperoleh dan disimpan dari hampir semua orang. Tingkat teknologi yang kami miliki, karena komponen-komponennya bagus untuk secara kolektif menawarkan daya yang besar. Keinginan perusahaan untuk meningkatkan metodologi mereka, karena, mengambil keuntungan dari dua poin sebelumnya, semakin banyak perusahaan bertaruh pada Artificial Intelligence . Jika perusahaan Anda telah menyimpan data dari ribuan pelanggan dan teknologi memberi Anda kesempatan untuk belajar dari mereka dan menggunakannya, itu adalah taruhan yang aman.

Struktur Pembelajaran Jauh

Meskipun memiliki pengembangan yang sangat mirip dengan Machine Learning , set algoritma ini memiliki beberapa perbedaan nuklir. Yang paling penting mungkin struktur internalnya, yaitu kode yang menyusun algoritme-nya.

Gagasan umum tentang Deep Learning

Seperti yang Anda lihat pada gambar, Deep Learning terkait erat dengan jaringan saraf. Konsep ini bukanlah hal baru, tetapi sudah lama tidak bersama kami, jadi Anda mungkin tidak mengetahuinya.

Untuk menyederhanakannya, kita dapat mendefinisikan jaringan saraf sebagai satu set algoritma (masing-masing disebut lapisan) yang memperlakukan dan mengirimkan informasi. Setiap lapisan menerima nilai input dan mengembalikan yang keluaran, dan ketika melewati seluruh jaringan, nilai hasil akhir dikembalikan. Semua ini, terjadi secara berurutan, normal, di mana setiap lapisan memiliki bobot yang berbeda, tergantung pada hasil yang diinginkan.

Di sini kami menunjukkan kepada Anda sebuah video pendek (dalam bahasa Inggris) tentang pembelajaran Intelegensi Buatan untuk bermain Super Mario World :

Dan Anda mungkin bertanya-tanya, "Mengapa semua metode ini begitu rumit?" . Tentu saja Pembelajaran Jauh masih menjadi bagian dari apa yang kita sebut Kecerdasan Buatan Lemah , tetapi itu mungkin langkah pertama menuju yang kuat.

Metodologi ini secara longgar terinspirasi oleh cara kerja otak. Mirip dengan apa yang kita lihat di "dunia fisik" , sistem membentuk lapisan dan setiap lapisan bekerja dengan cara yang mirip dengan neuron. Dengan cara ini, lapisan-lapisan berhubungan satu sama lain, berbagi informasi dan yang paling penting adalah bahwa semuanya dilakukan secara mandiri.

Skema yang sangat disederhanakan tentang cara Deep Learning bekerja

Mengikuti aturan ini, Intelijen paling lengkap biasanya adalah mereka yang memiliki lebih banyak lapisan dan algoritma yang lebih canggih.

Bagaimana cara kerja Inteligensi Buatan dengan algoritma ini?

Jika Anda telah melihat artikel kami sebelumnya tentang masalah ini, Anda sudah melihat gif ini. Di sini Anda dapat melihat artikel kami tentang Kecerdasan Buatan dan di sini Anda dapat membaca sedikit tentang Pembelajaran Mesin .

tapi kami akan menunjukkan kepada Anda untuk terakhir kalinya.

Gambar ini mencerminkan dengan baik dan sangat sederhana bagaimana Intelijen menggunakan jaringan saraf akan bekerja. Seperti yang Anda lihat, pekerjaannya sederhana: mengklasifikasikan gambar dan belajar mendeteksi anjing di berbagai foto yang diberikan kepadanya.

Setiap gambar dimulai dengan memasukkan umpan input, yaitu, Layer Input di mana perhitungan pertama akan dimulai. Hasil yang diperoleh akan dibagi ke lapisan kedua atau neuron dan, jelas, diinformasikan neuron mana yang telah membuat perhitungan ini. Proses ini diulangi sebanyak lapisan yang dimiliki sistem kami sampai kami mencapai yang terakhir.

Neuron terakhir dinamai sebagai Layer Keluaran dan merupakan salah satu yang, dalam contoh ini, menunjukkan hasilnya. Dalam kasus lain, Layer Output akhirnya melakukan tindakan yang dihitung. Juga, jika kita memasukkan formula yang harus bertindak secepat mungkin (seperti di video game) , hasilnya harus hampir seketika. Namun, berkat titik teknologi kita, ini sudah mungkin.

Salah satu contoh paling jelas dari ini adalah AlphaStar Artificial Intelligence, ciptaan lain dari Google sendiri.

Google Deepmind Artificial Intelligence

Kami telah memberi tahu Anda tentang AlphaGo , AI yang mampu melawan pemain Go terbaik di dunia. Namun, yang satu ini memiliki adik yang mampu mencapai beberapa tonggak yang cukup mengesankan.

AlphaZero

Kecerdasan ini belajar hanya dalam 24 jam, level catur, shoji, dan kemampuan super yang dimenangkan manusia , yang dengannya ia memenangkan beberapa pemain terkenal. Juga, dalam daftar lawan yang dikalahkan dia juga menunjuk ke versi AlphaGo Zero dari 3 hari pengalaman, sesuatu yang sangat luar biasa. Di sini kecepatan belajar Kecerdasan Buatan ini muncul .

Yang paling mengesankan dari semuanya, tim tidak memiliki akses untuk mempelajari buku atau database, sehingga semua taktik mereka dipelajari dengan latihan.

Dalam pertemuannya yang lain, ia berhadapan dengan Stockfish , program veteran open source otomatis yang memainkan catur. Namun, hanya dalam empat jam itu didominasi oleh AlphaZero.

Perlu dicatat bahwa sementara ini pertama kali menghitung sekitar 70 juta gerakan, AlphaZero, dalam catur, hanya memperhitungkan 80 ribu jalan keluar yang berbeda. Perbedaan dalam prediksi diimbangi oleh penilaian yang jauh lebih baik dari permainan yang menjanjikan.

Dengan demonstrasi kekuatan seperti ini kita bisa melihat kekuatan Inteligensi Buatan baru.

AlphaStar

Di sisi lain, AlphaStar adalah AI yang, saat ini, mampu memainkan RTS Starcraft II (Strategi Waktu Nyata, dalam bahasa Spanyol).

Pada saat demo, AlphaStar bertarung dengan beberapa pemain profesional di tengah memenangkan sepuluh pertandingan berturut-turut dan hanya kehilangan yang terakhir.

Tidak seperti catur atau pergi, Starcraft II adalah pertarungan real-time, jadi setiap detik Anda harus melakukan sesuatu. Karena itu, kita dapat melihat bahwa teknologi saat ini mampu mempertahankan ritme perhitungan dan keputusan yang hiruk pikuk ini.

Adapun persiapan Intelejen , untuk tanggal tes hidup, ia memiliki sekitar 200 tahun pengalaman pelatihan hanya dengan protos (salah satu ras yang tersedia) . Itu juga dilatih sehingga hanya bisa melakukan tindakan jika memiliki kamera secara fisik di unit, sehingga mengasimilasi lebih banyak tentang bagaimana seseorang akan bermain.

Namun, meskipun memiliki cacat ini, AlphaStar berhasil mengalahkan sebagian besar pertemuan mereka menggunakan taktik yang ditinggalkan pada sisi kompetitif permainan. Satu hal yang perlu diperhatikan adalah bahwa AlphaStar biasanya menjaga APM (Actions Per Minute) rendah, sehingga keputusannya sangat efisien.

Tindakan rata-rata per menit yang dilakukan oleh AI dan oleh pemain profesional

Namun, ketika situasi membutuhkannya, ia mendemonstrasikan kontrol manusia super terhadap unit secara harfiah dengan mudah menghancurkan konter.

Di sini Anda dapat melihat salah satu demo secara lengkap:

Masa depan Kecerdasan Buatan

Kami sudah membicarakan topik ini, jadi kami tidak akan mengulangi pembicaraan yang sama terlalu banyak. Apa yang harus disorot adalah kemungkinan masa depan yang menunggu Deep Learning .

Menurut Andrew Yan-Tak Ng, seorang ahli terkenal dalam Kecerdasan Buatan, Deep Learning adalah langkah yang baik menuju Kecerdasan masa depan. Tidak seperti metode pengajaran lainnya, metode ini jauh lebih efisien karena kami menambah sampel data.

KAMI MEREKOMENDASIKAN ANDA BABAHU X1: Sikat gigi AI sekarang tersedia

Slide berikutnya adalah presentasinya, "Apa yang Harus Diketahui Informasi Para Ilmuwan Tentang Pembelajaran Mendalam . " Jika Anda tertarik, Anda bisa melihatnya di tautan ini.

Tidak sia-sia, perkembangan teknologi belum berhenti. Setiap tahun kita akan memiliki komponen yang lebih kuat, jadi kita akan memiliki lebih banyak dan lebih banyak teras untuk diuji. Seperti yang terjadi dengan AI dan Pembelajaran Mesin lama, algoritma, metodologi dan sistem baru akan muncul dan menggantikan Pembelajaran Mendalam yang inovatif saat ini.

Juga, seperti yang dapat Anda bayangkan, masa depan ditangani oleh mesin semi-cerdas.

Seperti yang kami tunjukkan di artikel lain, sebagian besar perangkat elektronik akan memiliki (beberapa sudah memasukkannya) Mendukung intelijen . Kasus yang sangat menonjol adalah Intelejen yang membantu mengambil foto berkualitas lebih baik.

Namun, titik di mana teknologi ini dapat berkembang untuk sebagian besar pengguna adalah IoT (Internet of Things, dalam bahasa Spanyol).

Internet of Things

Istilah ini memiliki bobot lebih dan lebih banyak dalam konferensi teknologi dan komputasi dan berusaha untuk mengkonsolidasikan dirinya sekarang karena kita memiliki sarana.

Idenya adalah bahwa peralatan rumah tangga, peralatan listrik dan lainnya adalah benda yang dapat diidentifikasi, mereka dapat berkomunikasi satu sama lain dan, di samping itu, dikendalikan dengan perangkat. Dengan cara ini kita dapat memiliki hitungan benda apa yang ada di suatu tempat, di mana mereka berada, berinteraksi dengan mereka dan semua ini dari ponsel. Demikian juga, benda-benda juga dapat berinteraksi satu sama lain dan jika misalnya makanan kedaluwarsa, mungkin kulkas akan dapat memberi tahu Anda ketika Anda membukanya.

Di sisi lain, Kecerdasan Buatan harus dapat memantau status dan kinerja peralatan rumah tangga. Dengan ini, Anda dapat membuat rencana listrik dan mengoptimalkan energi yang digunakan.

Namun, poin yang relevan yang tersisa bagi kami untuk ditingkatkan adalah keamanan Internet . Itu adalah sesuatu yang tampaknya masih tidak mengalami banyak pelecehan, tetapi kita semua tahu bahwa itu akan sangat penting jika kita menginginkannya menjadi layanan yang aman.

Ini adalah ide yang agak abstrak, tetapi karena itu menyerang kehidupan kita, Anda akan menjadi akrab.

Pentingnya teknologi baru dan Pembelajaran Mendalam

Tidak dapat dihindari untuk berpikir bahwa komputasi dan Intelegensi Buatan akan membentuk banyak masa depan yang menanti kita. Oleh karena itu, penting untuk selalu setengah sadar akan apa yang terjadi di dunia yang diatur oleh bit.

Dengan semangat itu dalam pikiran, kita sudah bisa melihat betapa berbedanya derajat, kursus dan derajat yang mengajarkan topik-topik ini secara mendalam. Sebagai contoh, beberapa rekayasa data telah muncul, gelar lain pada Big Data dan, jelas, kursus dalam Pembelajaran Jauh dan Kecerdasan Buatan .

Untuk alasan yang sama, kami mendorong Anda untuk menyelidiki masalah ini. Internet , dengan kelebihan dan kekurangannya, belum otonom, tidak sempurna, juga tidak benar-benar aman, tetapi merupakan sumber pengetahuan yang hampir tidak terbatas. Dengan sedikit keberuntungan, Anda akan menemukan tempat untuk belajar dan Anda dapat memulai bahasa baru, atau lebih tepatnya, dunia baru.

Karena Machine Learning adalah disiplin yang sedikit lebih ringan, ada beberapa program yang memungkinkan Anda untuk sedikit dipusingkan dengan data. Jika Anda tertarik mempelajari sedikit lebih banyak tentang subjek dan memeriksa sendiri / batasan teknologi ini, Anda dapat mengunjungi IBM Watson Developer Cloud atau Amazon Machine Learning. Kami memperingatkan Anda: Anda harus membuat akun dan itu bukan cara yang mudah untuk belajar, tetapi mungkin suatu hari itu akan membantu Anda mencapai tujuan besar.

Di luar sini adalah dunia ide, jadi semuanya ada di tangan Anda. Dan bagi Anda, apa pendapat Anda tentang teknologi baru yang terkait dengan Kecerdasan Buatan? Aplikasi Deep Learning apa lagi yang Anda ketahui atau ingin Anda lihat? Bagikan ide Anda dalam kotak di bawah ini.

Sumber Blog Bisnis Pikirkan BigXatakaMachine Learning Mastery