Invatare profunda
Ce este învățarea profundă?
Învățarea profundă este o funcție de inteligență artificială (AI) care imită funcționarea creierului uman în procesarea datelor și crearea de modele pentru a fi utilizate în luarea deciziilor. Învățarea profundă este un subset de învățare automată în inteligența artificială care are rețele capabile să învețe nesupravegheate din date nestructurate sau nemarcate. Cunoscut și sub numele de învățare neuronală profundă sau rețea neuronală profundă.
Chei de luat masa
- Învățarea profundă este o funcție AI care imită funcționarea creierului uman în procesarea datelor pentru utilizarea în detectarea obiectelor, recunoașterea vorbirii, traducerea limbilor și luarea deciziilor.
- Învățarea profundă AI poate învăța fără supravegherea umană, extragând din date care sunt atât nestructurate, cât și neetichetate.
- Învățarea profundă, o formă de învățare automată, poate fi utilizată pentru a detecta frauda sau spălarea banilor, printre alte funcții.
Cum funcționează Deep Learning
Învățarea profundă a evoluat mână în mână cu era digitală, care a adus o explozie de date sub toate formele și din fiecare regiune a lumii. Aceste date, cunoscute pur și simplu ca date mari, sunt extrase din surse precum rețelele sociale, motoarele de căutare pe internet, platformele de comerț electronic și cinematografele online, printre altele. Această cantitate enormă de date este ușor accesibilă și poate fi partajată prin intermediul aplicațiilor fintech, cum ar fi cloud computing.
Cu toate acestea, datele, care în mod normal sunt nestructurate, sunt atât de vaste încât ar putea dura zeci de ani până când oamenii să le înțeleagă și să extragă informațiile relevante. Companiile își dau seama de potențialul incredibil care poate rezulta din dezlegarea acestei bogății de informații și se adaptează din ce în ce mai mult la sistemele de IA pentru asistență automată.
Învățarea profundă dezvăluie cantități uriașe de date nestructurate, care ar trebui în mod normal ca oamenii să înțeleagă și să proceseze decenii.
Învățare profundă vs. învățare automată
Una dintre cele mai frecvente tehnici de AI utilizate pentru procesarea datelor mari este învățarea automată, un algoritm autoadaptativ care obține analize și tipare din ce în ce mai bune cu experiență sau cu date adăugate recent.
Dacă o companie de plăți digitale dorea să detecteze apariția sau potențialul de fraudă în sistemul său, ar putea folosi instrumente de învățare automată în acest scop. Algoritmul de calcul încorporat într-un model de computer va procesa toate tranzacțiile care au loc pe platforma digitală, vor găsi modele în setul de date și vor arăta orice anomalie detectată de model.
Învățarea profundă, un subset de învățare automată, utilizează un nivel ierarhic de rețele neuronale artificiale pentru a realiza procesul de învățare automată. Rețelele neuronale artificiale sunt construite ca creierul uman, cu noduri neuronice conectate împreună ca o rețea. În timp ce programele tradiționale construiesc analiza cu date într-un mod liniar, funcția ierarhică a sistemelor de învățare profundă permite mașinilor să proceseze date cu o abordare neliniară.
Producătorul de electronice Panasonic a lucrat cu universități și centre de cercetare pentru a dezvolta tehnologii de învățare profundă legate de viziunea pe computer.
consideratii speciale
O abordare tradițională a detectării fraudei sau spălării banilor s-ar putea baza pe valoarea tranzacției care rezultă, în timp ce o tehnică neliniară de învățare profundă ar include timpul, locația geografică, adresa IP, tipul comerciantului cu amănuntul și orice altă caracteristică care ar putea indica frauduloase activitate. Primul strat al rețelei neuronale procesează o intrare brută de date, cum ar fi valoarea tranzacției și o transmite la următorul strat ca ieșire. Al doilea strat procesează informațiile stratului anterior, incluzând informații suplimentare precum adresa IP a utilizatorului și transmite rezultatul acestuia.
Următorul strat preia informațiile celui de-al doilea strat și include date brute, cum ar fi locația geografică și îmbunătățește modelul mașinii. Acest lucru continuă pe toate nivelurile rețelei de neuroni.
Un exemplu de învățare profundă
Folosind sistemul de detectare a fraudei menționat mai sus cu învățarea automată, se poate crea un exemplu de învățare profundă. Dacă sistemul de învățare automată a creat un model cu parametri construiți în jurul numărului de dolari pe care un utilizator îi trimite sau îi primește, metoda de învățare profundă poate începe să se bazeze pe rezultatele oferite de învățarea automată.
Fiecare strat al rețelei sale neuronale se bazează pe stratul său anterior, cu date adăugate, cum ar fi un comerciant cu amănuntul, expeditor, utilizator, eveniment social media, scor de credit, adresă IP și o serie de alte caracteristici care pot dura ani de zile pentru a se conecta împreună dacă sunt procesate de un om fiind. Algoritmii de învățare profundă sunt instruiți nu numai pentru a crea modele din toate tranzacțiile, ci și pentru a ști când un tipar semnalează necesitatea unei investigații frauduloase. Stratul final transmite un semnal unui analist care poate îngheța contul utilizatorului până la finalizarea tuturor investigațiilor în așteptare.
Învățarea profundă este utilizată în toate industriile pentru o serie de sarcini diferite. Aplicațiile comerciale care utilizează recunoașterea imaginilor, platformele open-source cu aplicații de recomandare a consumatorilor și instrumentele de cercetare medicală care explorează posibilitatea reutilizării medicamentelor pentru noi afecțiuni sunt câteva dintre exemplele de încorporare a învățării profunde.
întrebări frecvente
Ce este învățarea profundă?
Învățarea profundă, cunoscută și sub numele de rețele neuronale profunde sau învățare neuronală, este o formă de inteligență artificială (AI) care urmărește să replice funcționarea unui creier uman. Este o formă de învățare automată, cu funcții care funcționează într-un proces neliniar de luare a deciziilor. Învățarea profundă are loc atunci când se iau decizii cu privire la date nestructurate fără supraveghere. Recunoașterea obiectelor, recunoașterea vorbirii și traducerea limbii sunt câteva dintre sarcinile îndeplinite prin învățarea profundă.
Cum funcționează învățarea profundă?
Ca subset al învățării automate, învățarea profundă folosește rețele neuronale ierarhizate pentru a analiza datele. Codurile neuronale sunt legate între ele în cadrul acestor rețele neuronale ierarhice, asemănătoare cu creierul uman. Spre deosebire de alte programe liniare tradiționale din mașini, structura ierarhică a învățării profunde îi permite să adopte o abordare neliniară, procesând date pe o serie de straturi pe care fiecare le va integra niveluri ulterioare de informații suplimentare.
Care este un exemplu de învățare profundă?
Când învățarea profundă este utilizată pentru a detecta frauda, aceasta va utiliza mai multe semnale, cum ar fi adresa IP, scorul de credit, comerciantul cu amănuntul sau expeditorul, pentru a numi câteva. În primul strat al rețelei sale neuronale artificiale, va analiza cantitatea trimisă. În al doilea strat, se va construi pe aceste informații și va include adresa IP, de exemplu. În al treilea strat, scorul de credit va fi adăugat la informațiile existente și așa mai departe până când se ia o decizie finală.