Σίγουρα κάπου κάπως κάποτε θα έχετε ακούσει τον όρο «deep learning AI» - την εκ βαθέων δηλαδή μάθηση των μηχανών της τεχνητής νοημοσύνης. Στο άκουσμά του βέβαια μπορεί να σκεφτήκατε είτε πως πρόκειται για έναν τομέα της επιστήμης των δεδομένων εν μέρει «τρομακτικό», είτε πώς δεν κατανοείτε τον τρόπο με τον οποίο «οι μηχανές μπορούν να αρχίσουν να μαθαίνουν όπως οι άνθρωποι» ή ακόμα και το «για ποιο λόγο χρειάζεται να μυήσουμε τις μηχανές στην διαδικασία της... εκμάθησης». Λίγο πολύ δηλαδή γιατί θέλουμε να κάνουμε τις «εξανθρωπίσουμε» τις μηχανές; Για να απαντηθούν τέτοιου είδους ερωτήματα δεν έχετε παρά να μάθετε την εφαρμογή αυτού του τομέα της επιστήμης στην καθημερινή μας ζωή, να κατανοήσετε δηλαδή τις δυνατότητες και τις λειτουργίες της.
Τι είναι η βαθιά μάθηση; Τόσο η μηχανική όσο και η «βαθιά μάθηση» είναι υποσύνολα της τεχνητής νοημοσύνης, ωστόσο η τελευταία δεν είναι παρά η εξέλιξη της πρώτης. Στη μηχανική μάθηση, οι αλγόριθμοι που δημιουργούνται από τους ανθρώπους - προγραμματιστές είναι υπεύθυνοι για την ανάλυση των δεδομένων που λαμβάνουν και την εκμάθηση από αυτά. Κάπως έτσι καταλήγουν να λαμβάνουν αποφάσεις βάσει αυτών που μαθαίνουν από τα δεδομένα. Η βαθιά εκμάθηση από την άλλη μαθαίνει μέσω ενός τεχνητού νευρικού δικτύου που λειτουργεί καθ’εικόνα και ομοίωση του ανθρώπινου εγκεφάλου επιτρέποντας στο μηχάνημα να αναλύει δεδομένα με μια συγκεκριμένη διαδικασία όπως πάνω κάτω κάνουν οι άνθρωποι. Δηλαδή οι μηχανές βαθιάς μάθησης δεν απαιτούν από έναν άνθρωπο - προγραμματιστή να τους πει τι να κάνουν με τα δεδομένα αυτά ώστε να αρχίσουν να μαθαίνουν από αυτά. Αυτό πραγματοποιείται από την εξαιρετική ποσότητα δεδομένων που συλλέγουν και καταναλώνουν οι ίδιοι - τα δεδομένα δηλαδή είναι το καύσιμο για την λειτουργία των μοντέλων βαθιάς μάθησης. Αν τώρα όλα τα παραπάνω σας φαίνονται αρκετά θεωρητικά δεν έχουμε παρά να δούμε που χρησιμοποιείται αυτή η βαθιά, όπως την αποκαλούν οι ειδικοί, μάθηση.
Comments are closed.
|
APXEIO
April 2024
Click to set custom HTML
Click to set custom HTML
|