Học sâu: nó là gì và nó liên quan đến học máy như thế nào?

Tiếp tục một vài bài viết mà chúng tôi đã thực hiện, ở đây chúng tôi sẽ nói về Deep Learning là gì và mối quan hệ của nó với Machine Learning . Cả hai thuật ngữ ngày càng quan trọng trong xã hội chúng ta đang sống và sẽ rất hữu ích khi biết những gì xung quanh chúng ta.

Chỉ số nội dung

Học sâu là gì?

Deep Learning là một tập hợp các kỹ thuật được ra đời vào khoảng những năm 2000 do kết quả của Machine Learning . Vì lý do này, chúng ta nên phân loại nó là một trong những nhánh của nó, trở thành một phần của khoa học máy tính.

Các hệ thống này tự chủ hơn so với anh chị của chúng, mặc dù cấu trúc của chúng cũng phức tạp hơn đáng kể. Điều này mang lại cho họ một lợi thế rõ ràng khi thực hiện các loại nhiệm vụ khác nhau trong đó họ thực hiện cùng một công việc hoặc tốt hơn các hệ thống khác với thuật toán Machine Learning.

Ngoài ra, có những tác phẩm khác mà Deep Learning nổi bật so với người tiền nhiệm của nó. Một trong những trường hợp khét tiếng nhất là Trí tuệ nhân tạo theo phong cách AlphaGo, Trí thông minh của Google có khả năng đánh bại nhà vô địch thế giới môn cờ vây .

Có thể nó nghe hơi giống tiếng Trung đối với bạn, nhưng Go là một trò chơi rất nổi tiếng và, cũng, rất khắt khe. Để đặt nó trong bối cảnh, các nhà toán học khẳng định rằng sở thích này phức tạp hơn đáng kể so với cờ vua.

Mặt khác, Deep Learning có liên quan chặt chẽ với Dữ liệu lớn, vì những nguồn thông tin tuyệt vời này có thể được sử dụng để tìm hiểu và củng cố kinh nghiệm. Hơn nữa, nhờ vào tình hình chúng ta đang ở, môi trường cho sự phát triển và phát triển của công nghệ này là hoàn hảo cho ba điểm chính:

1. Sự tích lũy lớn của dữ liệu, vì với các công cụ chúng ta có ngày nay, dữ liệu có thể được lấy và lưu trữ từ hầu hết mọi người. Mức độ của công nghệ chúng tôi đang ở, vì các thành phần là tốt để cùng nhau cung cấp sức mạnh đáng kể. Mong muốn của các công ty để cải thiện phương pháp của họ, vì, tận dụng hai điểm trước đó, ngày càng có nhiều công ty đặt cược vào Trí tuệ nhân tạo . Nếu công ty của bạn đã lưu trữ dữ liệu từ hàng ngàn khách hàng và công nghệ cho bạn cơ hội học hỏi từ họ và sử dụng nó, đó là một sự đánh cược an toàn.

Cấu trúc của Deep Learning

Mặc dù có sự phát triển khá giống với Machine Learning , bộ thuật toán này có một số khác biệt về hạt nhân. Điều quan trọng nhất có lẽ là cấu trúc bên trong của nó, đó là mã tạo nên thuật toán của nó.

Ý tưởng chung về Deep Learning

Như bạn có thể thấy trong hình ảnh, Deep Learning có liên quan chặt chẽ với các mạng lưới thần kinh. Khái niệm này không mới, nhưng đã không có với chúng tôi trong một thời gian dài, vì vậy bạn có thể không biết nó.

Để đơn giản hóa nó, chúng ta có thể định nghĩa một mạng thần kinh là một tập hợp các thuật toán (mỗi thuật toán được gọi là một lớp) để xử lý và truyền thông tin. Mỗi lớp nhận các giá trị đầu vào và trả về các giá trị đầu ra và khi nó đi qua toàn bộ mạng, một giá trị kết quả cuối cùng được trả về. Tất cả điều này, xảy ra tuần tự, thông thường, trong đó mỗi lớp có trọng lượng khác nhau, tùy thuộc vào kết quả mong muốn.

Ở đây chúng tôi cho bạn xem một đoạn video ngắn (bằng tiếng Anh) về Trí tuệ nhân tạo học chơi Super Mario World :

Và bạn có thể tự hỏi, "Tại sao tất cả phương pháp này rất phức tạp?" . Chắc chắn Deep Learning vẫn thuộc về cái mà chúng ta gọi là Trí tuệ nhân tạo yếu , nhưng nó có thể là bước đầu tiên hướng tới sự mạnh mẽ.

Phương pháp này được lấy cảm hứng lỏng lẻo từ cách một bộ não hoạt động. Tương tự như những gì chúng ta thấy trong "thế giới vật lý" , các hệ thống tạo thành các lớp và mỗi lớp hoạt động theo cách tương tự như một nơron. Theo cách này, các lớp liên quan với nhau, chia sẻ thông tin và điều quan trọng nhất là mọi thứ đều được thực hiện tự chủ.

Sơ đồ rất đơn giản về cách thức hoạt động của Deep Learning

Theo quy tắc này, thông minh đầy đủ nhất là, thông thường, những người có nhiều lớp hơn và thuật toán tinh vi hơn.

Trí tuệ nhân tạo hoạt động như thế nào với thuật toán này?

Nếu bạn đã xem các bài viết trước của chúng tôi về chủ đề này, bạn sẽ thấy gif này. Ở đây bạn có thể xem bài viết của chúng tôi về Trí tuệ nhân tạo và ở đây bạn có thể đọc một chút về Machine Learning .

nhưng chúng tôi sẽ chỉ cho bạn một lần cuối cùng

Hình ảnh này phản ánh tốt và rất đơn giản cách một Trí thông minh sử dụng mạng thần kinh sẽ hoạt động. Như bạn có thể thấy, công việc của anh ta rất đơn giản: phân loại hình ảnh và học cách phát hiện những con chó trong những bức ảnh khác nhau được truyền cho anh ta.

Mỗi hình ảnh bắt đầu bằng cách nhập nguồn cấp dữ liệu đầu vào, nghĩa là Lớp đầu vào nơi các phép tính đầu tiên sẽ bắt đầu. Các kết quả thu được sẽ được chia sẻ cho lớp thứ hai hoặc tế bào thần kinh và, rõ ràng, nó được thông báo rằng tế bào thần kinh nào đã thực hiện tính toán này. Quá trình này được lặp lại nhiều lần như các lớp mà hệ thống của chúng tôi có cho đến khi chúng tôi đạt đến lớp cuối cùng.

Tế bào thần kinh cuối cùng được đặt tên là Lớp đầu ra và là lớp mà trong ví dụ này hiển thị kết quả. Trong các trường hợp khác, Lớp đầu ra kết thúc thực hiện hành động được tính toán. Ngoài ra, nếu chúng ta đưa vào công thức phải hành động nhanh nhất có thể (như trong các trò chơi video) , kết quả sẽ gần như ngay lập tức. Tuy nhiên, nhờ vào điểm công nghệ mà chúng tôi đang có, điều này đã có thể.

Một trong những ví dụ rõ ràng nhất về điều này là Trí tuệ nhân tạo AlphaStar, một sáng tạo khác của chính Google .

Trí tuệ nhân tạo Google Deepmind

Chúng tôi đã nói với bạn về AlphaGo , một AI có khả năng chiến đấu chống lại những người chơi cờ vây giỏi nhất thế giới. Tuy nhiên, người này có anh chị em trẻ có khả năng đạt được một số cột mốc khá ấn tượng.

AlphaZero

Trí thông minh này đã học được chỉ trong 24 giờ một cấp độ siêu phàm của cờ vua, shoji và đi cùng với đó anh ta đã giành được một số người chơi nổi tiếng. Ngoài ra, trong danh sách các đối thủ bị đánh bại, anh ta cũng chỉ ra phiên bản AlphaGo Zero của 3 ngày trải nghiệm, một điều thực sự đáng kinh ngạc. Ở đây tốc độ học tập của Trí tuệ nhân tạo này xuất hiện .

Ấn tượng nhất trong tất cả, nhóm không có quyền truy cập vào việc học sách hoặc cơ sở dữ liệu, vì vậy tất cả các chiến thuật của họ đều được học bằng thực tiễn.

Trong một cuộc gặp gỡ khác, anh đã đối mặt với Stockfish , một chương trình mã nguồn mở tự động kỳ cựu chơi cờ vua. Tuy nhiên, chỉ trong bốn giờ, nó đã bị AlphaZero thống trị .

Cần lưu ý rằng trong khi lần đầu tiên này tính toán khoảng 70 triệu chuyển động, AlphaZero, trong cờ vua, chỉ tính đến 80 nghìn lối thoát khác nhau. Sự khác biệt trong dự đoán đã được bù đắp bằng sự đánh giá tốt hơn nhiều về những gì sẽ là những vở kịch hứa hẹn.

Với các cuộc biểu tình về lực lượng như thế này, chúng ta có thể thấy sức mạnh của Trí tuệ nhân tạo mới.

AlphaStar

Mặt khác, AlphaStar là một AI mà ngày nay, có khả năng chơi RTS Starcraft II (Chiến lược thời gian thực, bằng tiếng Tây Ban Nha).

Vào thời điểm thử nghiệm, AlphaStar đã chiến đấu với nhiều người chơi chuyên nghiệp trong mười trận thắng liên tiếp và chỉ thua trận cuối cùng.

Không giống như cờ vua hay cờ vây, Starcraft II là một trận đấu thời gian thực, vì vậy mỗi giây bạn phải làm mọi việc. Do đó, chúng ta có thể thoáng thấy rằng công nghệ hiện tại có khả năng duy trì các nhịp điệu điên cuồng của tính toán và quyết định.

Về phần chuẩn bị Trí thông minh , trong những ngày thử nghiệm trực tiếp, anh đã có khoảng 200 năm kinh nghiệm huấn luyện chỉ với protos (một trong những chủng tộc có sẵn) . Nó cũng được huấn luyện để nó chỉ có thể thực hiện các hành động nếu nó có máy ảnh vật lý trên thiết bị, do đó đồng hóa nhiều hơn với cách một người sẽ chơi.

Tuy nhiên, mặc dù có những khuyết điểm này, AlphaStar đã xoay sở để đánh bại hầu hết các cuộc chạm trán của họ bằng cách sử dụng một chiến thuật bị bỏ rơi ở khía cạnh cạnh tranh của trò chơi. Một điểm cần lưu ý là AlphaStar thường giữ APM (Hành động mỗi phút) ở mức thấp, vì vậy các quyết định của nó rất hiệu quả.

Hành động trung bình mỗi phút được thực hiện bởi AI và bởi một người chơi chuyên nghiệp

Tuy nhiên, khi tình hình kêu gọi, anh ta thể hiện sự kiểm soát siêu phàm của các đơn vị theo nghĩa đen bằng cách dễ dàng phá vỡ quầy.

Ở đây bạn có thể thấy một trong những bản demo của anh ấy đầy đủ:

Tương lai của trí tuệ nhân tạo

Chúng tôi đã nói về chủ đề này, vì vậy chúng tôi sẽ không lặp lại cùng một cuộc nói chuyện quá nhiều. Những gì cần được làm nổi bật là tương lai có thể đang chờ Deep Learning .

Theo Andrew Yan-Tak Ng, một chuyên gia nổi tiếng về Trí tuệ nhân tạo, Deep Learning là một bước tiến tốt cho Trí thông minh của tương lai. Không giống như các phương pháp giảng dạy khác, phương pháp này hiệu quả hơn đáng kể khi chúng tôi tăng mẫu dữ liệu.

CHÚNG TÔI ĐỀ NGHỊ BẠN BABAHU X1: Bàn chải đánh răng AI hiện đã có sẵn

Slide tiếp theo thuộc về bài thuyết trình của ông "Những gì các nhà khoa học nên biết về học tập sâu . " Nếu bạn quan tâm, bạn có thể thấy nó ở liên kết này.

Không vô ích, sự phát triển của công nghệ vẫn chưa dừng lại. Mỗi năm chúng tôi sẽ có nhiều thành phần mạnh mẽ hơn, vì vậy chúng tôi sẽ có nhiều sân hơn để thử nghiệm. Như đã xảy ra với AI cũ và Machine Learning, các thuật toán, phương pháp và hệ thống mới sẽ xuất hiện và thay thế Deep Learning sáng tạo ngày nay.

Ngoài ra, như bạn có thể tưởng tượng, tương lai được giải quyết bằng những cỗ máy bán thông minh.

Như chúng tôi đã chỉ ra trong các bài viết khác, hầu hết các thiết bị điện tử sẽ có (một số đã kết hợp chúng) Hỗ trợ trí thông minh . Một trường hợp rất đáng chú ý là Trí thông minh giúp chụp ảnh chất lượng tốt hơn.

Tuy nhiên, một điểm mà công nghệ này có thể phát triển mạnh đối với hầu hết người dùng là IoT (Internet of Things, bằng tiếng Tây Ban Nha).

Internet vạn vật

Thuật ngữ này ngày càng có trọng lượng trong các hội nghị về công nghệ và điện toán và tìm cách củng cố ngay bây giờ khi chúng ta có phương tiện.

Ý tưởng là các thiết bị gia dụng, thiết bị điện và những thứ khác là những vật thể nhận dạng, chúng có thể giao tiếp với nhau và, ngoài ra, được điều khiển bằng một thiết bị. Theo cách này, chúng ta có thể đếm được những vật thể tồn tại ở một nơi, nơi chúng tồn tại, tương tác với chúng và tất cả những thứ này từ điện thoại di động. Tương tự như vậy, các vật thể cũng có thể tương tác với nhau và nếu ví dụ như một thực phẩm hết hạn, có lẽ tủ lạnh sẽ có thể cho bạn biết khi bạn mở nó.

Mặt khác, Trí tuệ nhân tạo sẽ có thể theo dõi tình trạng và hiệu suất của các thiết bị gia dụng. Với điều này, bạn có thể thiết lập một kế hoạch điện và tối ưu hóa năng lượng sử dụng.

Tuy nhiên, một điểm liên quan vẫn còn để chúng tôi cải thiện sẽ là bảo mật Internet . Đó là một thứ dường như không phải chịu nhiều sự quấy rối, nhưng tất cả chúng ta đều biết rằng nó sẽ rất cần thiết nếu chúng ta muốn nó là một dịch vụ an toàn.

Đó là một ý tưởng hơi trừu tượng, nhưng khi nó xâm chiếm cuộc sống của chúng ta, bạn sẽ trở nên quen thuộc.

Tầm quan trọng của công nghệ mới và Deep Learning

Thật không thể tin được khi nghĩ rằng điện toán và Trí tuệ nhân tạo sẽ định hình phần lớn tương lai đang chờ chúng ta. Do đó, điều quan trọng là luôn luôn nhận thức được một nửa về những gì đang xảy ra trên thế giới bị chi phối bởi các bit.

Với tinh thần đó, chúng ta có thể thấy các mức độ, khóa học và bằng cấp khác nhau xuất hiện dạy các chủ đề này một cách sâu sắc như thế nào. Ví dụ, một số kỹ thuật dữ liệu đã xuất hiện, các bằng cấp khác về Dữ liệu lớn và rõ ràng là các khóa học về Deep Learning và Artificial Intelligence .

Vì lý do tương tự, chúng tôi khuyên bạn nên điều tra đối tượng. Internet , với các ưu điểm và nhược điểm, chưa tự chủ, không hoàn hảo, cũng không thực sự an toàn, nhưng nó là một nguồn kiến ​​thức gần như không giới hạn. Với bất kỳ may mắn nào, bạn sẽ tìm thấy một nơi để học và bạn có thể bắt tay vào một ngôn ngữ mới, hay đúng hơn là một thế giới mới.

Vì Machine Learning là một môn học nhẹ hơn một chút, có những chương trình cho phép bạn làm rối tung dữ liệu một chút. Nếu bạn quan tâm đến việc tìm hiểu thêm một chút về chủ đề và tự kiểm tra / giới hạn của công nghệ này, bạn có thể truy cập IBM Watson Developer Cloud hoặc Amazon Machine Learning. Chúng tôi cảnh báo bạn: bạn sẽ phải tạo một tài khoản và nó sẽ không phải là một cách dễ dàng để học, nhưng có lẽ một ngày nào đó nó sẽ giúp bạn đạt được những mục tiêu tuyệt vời.

Ngoài đây là thế giới của những ý tưởng, vì vậy mọi thứ đều nằm trong tay bạn. Còn bạn, bạn nghĩ gì về những công nghệ mới liên quan đến Trí tuệ nhân tạo? Những ứng dụng Deep Learning nào khác mà bạn biết hoặc muốn xem? Chia sẻ ý tưởng của bạn vào ô bên dưới.

Nguồn Blog kinh doanh Hãy suy nghĩ về việc học tập của BigXatakaMachine