Что такое глубокое обучение?

СохранитьСохраненоУдалён 0

Глубокое обучение является подкатегорией машинного обучения. Как с глубоким, так и с машинным обучением алгоритмы схожи.

Это достигается, когда алгоритмы анализируют огромные объемы данных и затем предпринимают действия или выполняют функцию на основе полученной информации.

Понимание глубокого обучения начинается с точного определения терминов.Глубокое обучение является частью как ИИ, так и машинного обучения.

Станьте Deep Learning Expert
Подробнее

За 2 месяца Вы сумеете реализовывать NLP с нуля от классических RNN, GRU и LSTM до топовых Encoder-Decoder архитектур и овладеете конкурентным преимуществом в задачах с использованием Beam-Search и Teacher Forcing

Чтобы понять глубокое обучение, вы должны начать с внешней стороны, то есть начать с ИИ, а затем пройти через машинное обучение и, наконец, определить глубокое обучение.

Глубокое обучение
Глубокое обучение — это подмножество машинного обучения, которое является подмножеством искусственного интеллекта.

Глубокое обучение начинается с искусственного интеллекта

Утверждение, что ИИ — это искусственный интеллект, на самом деле не говорит вам ничего осмысленного, поэтому в связи с этим термином возникает так много дискуссий и разногласий.

Да, вы можете утверждать, что то, что происходит, является искусственным, не происходящим из естественного источника. Однако разведывательная часть в лучшем случае неоднозначна.

Люди определяют интеллект по-разному. Тем не менее, вы можете сказать, что интеллект включает в себя определенные умственные упражнения, состоящие из следующих действий:

  • Обучение: Иметь возможность получать и обрабатывать новую информацию.
  • Обоснование: способность манипулировать информацией различными способами.
  • Понимание: учитывая результат манипулирования информацией.
  • Понимание истины: определение достоверности манипулируемой информации.
  • Просмотр отношений: определение того, как проверенные данные взаимодействуют с другими данными.
  • Принимая во внимание значения: применение истины к конкретным ситуациям в соответствии с их отношениями.
  • Отделение факта от убеждения: определение того, адекватно ли подтверждаются данные доказуемыми источниками, которые, как можно продемонстрировать, неизменно достоверны.

Список может быть довольно длинным, но даже этот список может быть интерпретирован любым, кто сочтет его жизнеспособным.

Однако, как видно из списка, интеллект часто следует за процессом, который компьютерная система может имитировать как часть симуляции:

  1. Установите цель, основанную на потребностях или желаниях.
  2. Оцените ценность любой в настоящее время известной информации в поддержку цели.
  3. Соберите дополнительную информацию, которая может поддержать цель.
  4. Манипулируйте данными так, чтобы они получили форму, соответствующую существующей информации.
  5. Определите отношения и истинные ценности между существующей и новой информацией.
  6. Определите, достигнута ли цель.
  7. Измените цель в свете новых данных и их влияния на вероятность успеха.
  8. Повторяйте шаги со 2 по 7 по мере необходимости, пока цель не будет достигнута (найдена верной) или пока не исчерпаны возможности ее достижения (найдены ложной).

Даже если вы можете создавать алгоритмы и предоставлять доступ к данным для поддержки этого процесса на компьютере, возможности компьютера по достижению интеллекта сильно ограничены.

Например, компьютер не способен что-либо понять, потому что он полагается на машинные процессы для манипулирования данными с использованием чисто математической механики.

Аналогично, компьютеры не могут легко отделить правду от неправды. Фактически, ни один компьютер не может полностью реализовать какую-либо умственную деятельность, описанную в списке интеллекта.

Размышляя об искусственном интеллекте, вы должны учитывать цели людей, которые его разработали. Цель состоит в том, чтобы подражать человеческому интеллекту, а не копировать его.

Компьютер на самом деле не мыслит, но создает видимость мышления. Тем не менее, компьютер кажется разумным, когда дело доходит до логического / математического мышления. Однако, в отличие от людей, компьютер не может имитировать внутриличностный или творческий интеллект.

вернуться в меню ↑

Какова роль ИИ в глубоком обучении?

Помните, первая концепция, которую важно понять, это то, что ИИ (искусственный интеллект) на самом деле не имеет ничего общего с человеческим интеллектом. Да, некоторый ИИ моделируется для имитации человеческого интеллекта, но это то, что он есть: симуляция.

Размышляя об искусственном интеллекте, обратите внимание, что существует взаимодействие между поиском цели, обработкой данных, используемой для достижения этой цели, и получением данных, используемым для лучшего понимания цели.

Станьте Deep Learning Expert
Подробнее

За 2 месяца Вы сумеете реализовывать NLP с нуля от классических RNN, GRU и LSTM до топовых Encoder-Decoder архитектур и овладеете конкурентным преимуществом в задачах с использованием Beam-Search и Teacher Forcing

ИИ полагается на алгоритмы для достижения результата, который может иметь или не иметь никакого отношения к человеческим целям или методам достижения этих целей. Имея это в виду, вы можете классифицировать ИИ четырьмя способами:

  • Действуя по-человечески: когда компьютер ведет себя как человек, он лучше всего отражает тест Тьюринга, в котором компьютер преуспевает, когда невозможно провести различие между компьютером и человеком. Эта категория также отражает то, что, по мнению СМИ, является искусственным интеллектом.
    Вы видите, что он используется для таких технологий, как обработка естественного языка, представление знаний, автоматическое рассуждение и машинное обучение (все четыре из которых должны присутствовать для прохождения теста). В первоначальном тесте Тьюринга не было физического контакта.
    Более новый тест Total Turing действительно включает физический контакт в форме опроса о способности восприятия, что означает, что компьютер должен также использовать как компьютерное зрение, так и робототехнику, чтобы добиться успеха.
    Современные методы включают идею достижения цели, а не подражания людям полностью.
    Например, братьям Райт не удалось создать самолет, точно скопировав полет птиц; скорее птицы предоставили идеи, которые привели к аэродинамике, которая, в свою очередь, в конечном итоге привела к полету человека. Цель — летать. И птицы, и люди достигают этой цели, но используют разные подходы.
  • Мышление по-человечески: когда компьютер мыслит как человек, он выполняет задачи, требующие от человека интеллекта (в отличие от обычных процедур), например, за рулем автомобиля.
    Чтобы определить, думает ли программа как человек, у вас должен быть какой-то метод определения того, как люди думают, который определяет подход когнитивного моделирования. Эта модель опирается на три метода:
  • Самоанализ: обнаружение и документирование методов, используемых для достижения целей, путем мониторинга собственных мыслительных процессов.
  • Психологическое тестирование. Наблюдение за поведением человека и добавление его в базу данных аналогичного поведения других людей с учетом аналогичного набора обстоятельств, целей, ресурсов и условий окружающей среды (среди прочего).
  • Визуализация мозга: Мониторинг активности мозга непосредственно с помощью различных механических средств, таких как компьютерная аксиальная томография (CAT), позитронно-эмиссионная томография (PET), магнитно-резонансная томография (MRI) и магнитоэнцефалография (MEG).
    После создания модели вы можете написать программу, которая имитирует модель. Учитывая степень изменчивости мыслительных процессов человека и сложность точного представления этих мыслительных процессов как части программы, результаты в лучшем случае являются экспериментальными.
    Эта категория мышления по-человечески часто используется в психологии и в других областях, в которых моделирование процесса мышления человека для создания реалистичного моделирования имеет важное значение.
  • Мышление рационально: изучение того, как люди думают, используя какой-то стандарт, позволяет создать руководящие принципы, описывающие типичное поведение человека. Человек считается рациональным, когда следует за этим поведением в пределах определенных уровней отклонения.
    Компьютер, который мыслит рационально, полагается на записанное поведение, чтобы создать руководство о том, как взаимодействовать со средой на основе имеющихся данных. Целью этого подхода является логическое решение проблем, когда это возможно.
    Во многих случаях этот подход позволил бы создать базовый метод для решения проблемы, который затем был бы изменен для фактического решения проблемы.
    Другими словами, решение проблемы в принципе часто отличается от ее решения на практике, но вам все еще нужна отправная точка.
  • Действовать рационально: изучение того, как люди действуют в определенных ситуациях при определенных ограничениях, позволяет вам определить, какие методы эффективны и действенны.
    Компьютер, который действует рационально, полагается на записанные действия для взаимодействия со средой на основе условий, факторов окружающей среды и существующих данных.
    Как и в случае с рациональным мышлением, рациональные действия зависят от принципиального решения, которое может оказаться бесполезным на практике. Тем не менее, рациональные действия обеспечивают базовую линию, на которой компьютер может начать переговоры об успешном достижении цели.
Есть вопрос или дополнение?

      Оставить отзыв

      EdAdvisor
      Регистрация
      Сброс пароля
      Сравнить товары
      • Итого (0)
      Сравнить
      0