Derin öğrenme: nedir ve makine öğrenimi ile nasıl ilişkilidir?

Yaptığımız birkaç makaleye devam ederek, burada Derin Öğrenmenin ne olduğu ve Makine Öğrenimi ile ilişkisi hakkında konuşacağız. Yaşadığımız toplumda her iki terim de giderek daha önemli hale geliyor ve bizi çevreleyen şeyi bilmek faydalı olacaktır.

İçindekiler dizini

Derin Öğrenme Nedir?

Derin Öğrenme , Makine Öğrenimi sonucunda 2000'lerde doğan bir teknikler alt kümesidir. Bu nedenle, onu bilgisayar biliminin bir parçası olarak , dallarından biri olarak sınıflandırmalıyız.

Bu sistemler, büyük kardeşlerinden daha özerktir, ancak yapıları da oldukça daha karmaşıktır. Bu, Makine Öğrenimi algoritmalarıyla diğer sistemlerle aynı veya daha iyi işleri gerçekleştirdikleri farklı görev türlerini gerçekleştirirken onlara net bir avantaj sağlar .

Ayrıca, Derin Öğrenmenin öncülü üzerinde öne çıktığı başka işler de var. En kötü şöhretli vakalardan biri, Go'nun dünya şampiyonunu yenebilecek Google Zekası olan AlphaGo tarzı Yapay Zeka'dır .

Belki size biraz Çince geliyor, ama Go çok ünlü bir oyun ve aynı zamanda çok zorlu. Bağlam vermek gerekirse, matematikçiler bu hobinin satrançtan çok daha karmaşık olduğunu kesinlikle iddia ediyorlar .

Diğer yandan, Derin Öğrenme Büyük Veri ile yakından ilişkilidir , çünkü bu büyük bilgi kaynakları deneyimi öğrenmek ve birleştirmek için kullanılabilir . Ayrıca, içinde bulunduğumuz durum sayesinde, bu teknolojinin yaygınlaşması ve geliştirilmesi için ortam üç temel nokta için mükemmeldir :

1. Büyük veri birikimi, çünkü bugün sahip olduğumuz araçlarla, veriler neredeyse herkesden elde edilebilir ve saklanabilir. İçinde bulunduğumuz teknolojinin derecesi, çünkü bileşenler toplu olarak önemli ölçüde güç sunmak için iyidir. Şirketlerin metodolojilerini geliştirme arzusu, çünkü önceki iki noktadan yararlanarak, giderek daha fazla şirket Yapay Zeka'ya bahis yapıyor. Şirketiniz binlerce müşteriden veri depoladıysa ve teknoloji size onlardan öğrenme ve kullanma fırsatı veriyorsa, güvenli bir bahis.

Derin Öğrenmenin Yapısı

Makine Öğrenimine oldukça benzeyen bir gelişime sahip olmasına rağmen, bu algoritma setinin bazı nükleer farklılıkları vardır. En önemlisi muhtemelen iç yapısı, yani algoritmasını oluşturan koddur.

Derin Öğrenme hakkında genel fikir

Resimde de görebileceğiniz gibi, Derin Öğrenme sinir ağları ile yakından ilişkilidir . Bu kavram yeni değil, ama uzun süredir bizimle birlikte değil, bu yüzden bilmiyor olabilirsiniz.

Basitleştirmek için, bir sinir ağını bilgiyi tedavi eden ve ileten bir dizi algoritma (her biri katman olarak adlandırılır) olarak tanımlayabiliriz . Her katman giriş değerlerini alır ve çıkış değerlerini döndürür ve tüm ağdan geçerken nihai sonuç değeri döndürülür. Bütün bunlar, istenen sonuca bağlı olarak her katmanın farklı bir ağırlığa sahip olduğu normalde sıralı olarak gerçekleşir.

Burada size Süper Mario Dünyası oynamayı öğrenen Yapay Zeka hakkında kısa bir video (İngilizce) gösteriyoruz :

Ve merak ediyor olabilirsiniz, "Tüm bu yöntem neden bu kadar karmaşık?" . Kesinlikle Derin Öğrenme , Zayıf Yapay Zeka dediğimiz şeye aittir, ancak muhtemelen güçlü olana doğru ilk adımdır.

Bu metodoloji beynin nasıl çalıştığından esinlenilmiştir. "Fiziksel dünyada" gördüklerimize benzer şekilde, sistemler katmanlar oluşturur ve her katman bir nörona benzer şekilde çalışır . Bu şekilde, katmanlar birbiriyle ilişkilidir, bilgi paylaşır ve en önemlisi, her şeyin bağımsız olarak yapılmasıdır.

Derin Öğrenme'nin nasıl çalıştığına dair çok basitleştirilmiş şema

Bu kurala göre, en eksiksiz Zeka , normalde daha fazla katmana ve daha karmaşık algoritmalara sahip olanlardır .

Yapay Zeka bu algoritma ile nasıl çalışır?

Eğer konuyla ilgili önceki yazılarımızı gördüyseniz, bu gif'i daha önce görmüş olacaksınız. Burada Yapay Zeka ile ilgili makalemizi görebilir ve burada Makine Öğrenimi hakkında biraz okuyabilirsiniz.

ama size son bir kez daha göstereceğiz.

Bu görüntü, sinir ağlarını kullanan bir Zekanın nasıl çalıştığını iyi ve çok basit bir şekilde yansıtır . Gördüğünüz gibi, işi basit: görüntüleri sınıflandırın ve ona geçen farklı fotoğraflarda köpekleri tespit etmeyi öğrenin.

Her görüntü giriş beslemesine, yani ilk hesaplamaların başlayacağı Giriş Katmanına girerek başlar. Elde edilen sonuçlar ikinci tabaka veya nöronla paylaşılacak ve açık bir şekilde, hangi nöronun bu hesaplamayı yaptığı bildirilmektedir . Bu işlem, sonuncusuna ulaşana kadar sistemimizin katmanları kadar tekrarlanır.

Son nöron Çıktı Katmanı olarak adlandırılır ve bu örnekte sonucu gösteren olandır. Diğer durumlarda, Çıktı Katmanı hesaplanan eylemi gerçekleştirir. Ayrıca, (video oyunlarında olduğu gibi) olabildiğince hızlı davranmak zorunda olan formüle koyarsak , sonuç neredeyse anlık olmalıdır. Ancak, bulunduğumuz teknolojik nokta sayesinde bu zaten mümkün.

Bunun en açık örneklerinden biri , Google'ın bir başka yaratımı olan AlphaStar Artificial Intelligence'dır .

Google Deepmind Yapay Zeka

Size dünyanın en iyi Go oyuncularına karşı savaşabilen bir AI olan AlphaGo'dan bahsettik . Ancak, bu oldukça etkileyici kilometre taşları elde edebilen genç kardeşleri var .

AlphaZero

Bu İstihbarat , 24 saat içinde , birçok ünlü oyuncuyu kazandığı insanüstü bir satranç, shoji ve git öğrendi . Ayrıca, yenilmiş rakipler listesinde de 3 günlük deneyimin AlphaGo Zero versiyonuna dikkat çekti , gerçekten inanılmaz bir şey. Burada bu Yapay Zekanın öğrenme hızı ortaya çıkıyor .

Hepsinden önemlisi, takımın öğrenme kitaplarına veya veritabanlarına erişimi yoktu, bu yüzden tüm taktikleri pratikle öğrenildi.

Bir başka karşılaşmasında, satranç oynayan kıdemli otomatik bir açık kaynak programı olan Stockish ile karşılaştı. Ancak, sadece dört saat içinde AlphaZero hakim oldu .

Bu ilk 70 milyon hareketi hesaplarken, satrançta AlphaZero'nun sadece 80 bin farklı çıkışı hesaba kattığı unutulmamalıdır . Tahminlerdeki fark, ümit verici oyunların ne olacağına dair daha iyi bir kararla dengelendi.

Bunun gibi güç gösterileri ile yeni Yapay Zekanın gücünü görebiliriz .

AlphaStar

Öte yandan, AlphaStar bugün RTS Starcraft II (İspanyolca Gerçek Zamanlı Strateji) oynayabilecek bir yapay zekadır .

Demo sırasında, AlphaStar ortada birkaç profesyonel oyuncu ile üst üste on oyun kazandı ve sadece sonuncusunu kaybetti.

Satranç veya gitmenin aksine, Starcraft II gerçek zamanlı bir eşleşmedir, bu yüzden her saniye bir şeyler yapmalısınız. Bu nedenle, mevcut teknolojinin bu çılgın hesaplama ve karar ritimlerini koruyabildiğini anlayabiliriz .

İstihbaratın hazırlanmasına gelince, canlı test tarihleri ​​için sadece protoslarla (mevcut ırklardan biri) yaklaşık 200 yıllık deneyim eğitimi aldı. Ayrıca, yalnızca kamera fiziksel olarak ünite üzerinde olduğunda eylemleri gerçekleştirebilmesi için eğitildi , böylece bir kişinin nasıl oynayacağına daha fazla asimile oldu.

Ancak, bu handikaplara rağmen, AlphaStar karşılaşmalarının çoğunu oyunun rekabetçi tarafında terk edilmiş bir taktik kullanarak yenmeyi başardı . Dikkat edilmesi gereken bir nokta, AlphaStar'ın genellikle APM'leri (Dakikadaki İşlemler) düşük tutmasıdır, bu nedenle kararları çok verimlidir.

Yapay zeka ve profesyonel bir oyuncu tarafından gerçekleştirilen dakika başına ortalama hareket sayısı

Bununla birlikte, durum bunu gerektirdiğinde, sayacı kolayca kırarak birimlerin insanüstü kontrolünü tam anlamıyla gösterir.

Burada demolarından birini tam olarak görebilirsiniz:

Yapay Zekanın Geleceği

Bu konu hakkında zaten konuştuk, bu yüzden aynı konuşmayı çok fazla tekrarlamayacağız. Vurgulanması gereken şey Derin Öğrenmeyi bekleyen olası geleceklerdir.

Yapay Zeka alanında tanınmış bir uzman olan Andrew Yan-Tak Ng'e göre , Derin Öğrenme geleceğin Zekasına doğru iyi bir adımdır. Diğer öğretim yöntemlerinden farklı olarak, bu örneklemi artırdığımızdan çok daha verimlidir.

SİZE TAVSİYE EDİYORUZ BABAHU X1: AI diş fırçası artık kullanılabilir

Bir sonraki slayt "Bilim İnsanlarının Derin Öğrenme Hakkında Bilmesi Gereken Bilgiler" sunumuna aittir. Eğer ilgileniyorsanız, bu linkten görebilirsiniz.

Boşuna değil, teknolojinin gelişimi durmadı. Her yıl daha güçlü bileşenlere sahip olacağız, bu yüzden test etmek için daha fazla verandaya sahip olacağız. Eski yapay zeka ve Makine Öğreniminde olduğu gibi, günümüzün yenilikçi Derin Öğrenmesinin yerini alacak yeni algoritmalar, metodolojiler ve sistemler ortaya çıkacak.

Ayrıca, tahmin edebileceğiniz gibi, gelecek yarı akıllı makinelerle ele alınmaktadır .

Diğer makalelerde belirttiğimiz gibi, çoğu elektronik cihaz (bazıları zaten bunları dahil ediyor) Zekayı destekleyecektir . Çok dikkat çeken bir durum, daha kaliteli fotoğraflar çekmeye yardımcı olan Intelligences'tır .

Bununla birlikte, bu teknolojinin çoğu kullanıcı için gelişebileceği bir nokta IoT'dir (İspanyolca Nesnelerin İnterneti).

Nesnelerin İnterneti

Bu terim , teknoloji ve bilgi işlem konferanslarında gittikçe daha fazla ağırlığa sahip ve artık araçlara sahip olduğumuza göre kendini pekiştirmeye çalışıyor.

Fikir şu ki, ev aletleri, elektrikli aletler ve diğerleri tanımlanabilir nesnelerdir, birbirleriyle iletişim kurabilirler ve ek olarak bir cihazla kontrol edilebilirler. Bu şekilde, bir yerde hangi nesnelerin bulunduğunu, nerede olduklarını, onlarla ve tüm bunları mobilden etkileşime geçirdiğimizi sayabiliriz . Benzer şekilde, nesneler de birbirleriyle etkileşime girebilir ve örneğin bir yemek sona ererse, belki de buzdolabı açtığınızda size söyleyebilir.

Öte yandan, Yapay Zeka , ev aletlerinin durumunu ve performansını izleyebilmelidir. Bununla bir elektrik planı oluşturabilir ve kullanılan enerjiyi optimize edebilirsiniz.

Ancak, geliştirmemiz için kalan önemli bir nokta da İnternet güvenliği olacaktır. Bu hala çok fazla tacize uğramamış gibi görünen bir şeydir , ancak hepimiz güvenli bir hizmet olmasını istiyorsak bunun gerekli olacağını biliyoruz .

Bu biraz soyut bir fikir, ama hayatlarımızı istila ederken, tanıdık olacaksınız.

Yeni teknolojilerin önemi ve Derin Öğrenme

Bilgisayar ve Yapay Zekanın bizi bekleyen geleceğin çoğunu şekillendireceğini düşünmek kaçınılmaz . Bu nedenle, bitler tarafından yönetilen dünyada neler olup bittiğinin her zaman yarısı farkında olmak önemlidir.

Bu ruh göz önünde bulundurularak, bu konuları derinlemesine öğreten farklı derecelerin, derslerin ve derecelerin nasıl göründüğünü zaten görebiliriz. Örneğin, bazı veri mühendisliği, Büyük Veriler üzerine diğer dereceler ve Açıkça, Derin Öğrenme ve Yapay Zeka dersleri ortaya çıktı.

Aynı nedenden dolayı, konuyu araştırmanızı tavsiye ediyoruz . Artıları ve eksileriyle internet henüz otonom, ne mükemmel, ne de gerçekten güvenli değil, ama neredeyse sınırsız bir bilgi kaynağı. Herhangi bir şansla, öğreneceğiniz bir yer bulacaksınız ve yeni bir dile veya daha ziyade yeni bir dünyaya başlayabilirsiniz .

Makine Öğrenimi biraz daha hafif bir disiplin olduğundan, verilerle biraz uğraşmanıza izin veren programlar var. Konu hakkında biraz daha fazla bilgi edinmek ve kendinizi / bu teknolojinin sınırlarını kontrol etmekle ilgileniyorsanız, IBM Watson Developer Cloud veya Amazon Machine Learning'i ziyaret edebilirsiniz . Sizi uyarıyoruz: bir hesap oluşturmanız gerekecek ve öğrenmenin kolay bir yolu olmayacak, ancak belki bir gün büyük hedeflere ulaşmanıza yardımcı olacaktır.

Bunun ötesinde fikir dünyası, bu yüzden her şey sizin elinizde. Ve sizin için Yapay Zeka ile ilgili yeni teknolojiler hakkında ne düşünüyorsunuz? Başka hangi Derin Öğrenme uygulamalarını biliyor veya görmek istiyorsunuz? Fikirlerinizi aşağıdaki kutuda paylaşın.

Kaynak İş Blog BigXatakaMachine Öğrenme Ustalığı Düşün