The Future Of Deep Learning

प्लेटो द्वारा पुनर्प्रकाशित

अनुयायियों: 0

डीप लर्निंग (डीएल) रातोंरात "स्टार" बन गया जब एक रोबोट खिलाड़ी ने अल्फ़ागो के प्रसिद्ध गेम में एक मानव खिलाड़ी को हरा दिया। मशीनों को "मानवीकृत" करने के लिए गहन शिक्षण प्रशिक्षण और सीखने के तरीकों को व्यापक रूप से स्वीकार किया गया है। एंटरप्राइज़ एआई प्लेटफ़ॉर्म में अब पाई जाने वाली कई उन्नत स्वचालन क्षमताएं मशीन लर्निंग (एमएल) और डीप लर्निंग के तेजी से विकास के कारण हैं प्रौद्योगिकियों.

इस तुलनात्मक पोस्ट एआई, एमएल और डीएल पर एआई के कई पहलुओं में डीएल की "सर्वव्यापी" उपस्थिति पर चर्चा की गई है - चाहे वह एनएलपी हो या कंप्यूटर विज़न एप्लिकेशन। धीरे-धीरे, एआई- और डीएल-सक्षम स्वचालित सिस्टम, उपकरण और समाधान सभी व्यावसायिक क्षेत्रों में प्रवेश कर रहे हैं और उन पर कब्जा कर रहे हैं - मार्केटिंग से लेकर ग्राहक अनुभव तक, आभासी वास्तविकता से लेकर प्राकृतिक भाषा प्रसंस्करण (एनएलपी) तक - और डिजिटल प्रभाव हर जगह है।

फेसबुक शोधकर्ता गोपनीयता की दुविधा से त्रस्त हैं

यहाँ एक है 2018 के विवाद पर नज़र डालें व्यक्तिगत डेटा की पूर्ण गोपनीयता की सार्वजनिक मांग पर। यह उपभोक्ता मांग फेसबुक के वर्तमान एआई अनुसंधान प्रयासों के साथ सीधे टकराव में है। फेसबुक के एआई शोधकर्ताओं को शिक्षण एल्गोरिदम को प्रशिक्षित करने के लिए व्यक्तिगत डेटा का "बड़े पैमाने पर उपयोग" करने की आवश्यकता है।

फेसबुक को एहसास है कि एंड-टू-एंड एन्क्रिप्शन की यूटोपियन अवधारणा वास्तव में व्यक्तिगत डेटा के ढेर से जवाब तलाशने वाले शोध जगत में एक मिथक थी। भविष्य के प्रयासों के लिए, शोधकर्ता अब व्यक्तिगत डेटा की बड़े पैमाने पर कटाई के बजाय व्यक्तिगत उपकरणों पर "मृत डेटा" पर प्रशिक्षण एल्गोरिदम पर गंभीरता से विचार कर रहे हैं। उस स्थिति में, फेसबुक इंजीनियर डेटा गोपनीयता उल्लंघनों को बायपास करने के लिए सीधे उपयोगकर्ताओं के फोन पर सामग्री-मॉडरेशन एल्गोरिदम स्थापित करेंगे।

एक में एआई मल्टीपल लेख में, लेखक कई अद्वितीय डीएल विधियों का विवरण देता है जैसे स्व-पर्यवेक्षित शिक्षण, एफएलएस और जीएबी-आधारित डेटा संवर्द्धन, जो कई गहन शिक्षण पद्धतियों के शेल्फ जीवन के आसपास के विवादों से बचे रह सकते हैं।

अन्य
डीएल-सक्षम समाधानों की गंभीर रूप से सीमित विशेषता यह है कि सीखना
एल्गोरिदम अभी भी अपनी पसंद के लिए विस्तृत कारण प्रदान नहीं कर सकते हैं, जो कर सकते हैं
उपयोगकर्ताओं को एआई टूल द्वारा दिए गए निर्णयों को आँख बंद करके स्वीकार करने और फिर मनगढ़ंत बातें कहने के लिए उकसाना
किसी भी अस्वीकृत उत्तर के लिए "नकली" स्पष्टीकरण। यह बहुत उत्साहवर्धक नहीं है
निर्णय-समर्थन समाधान!

पांच से 10 वर्षों में गहन शिक्षण का लोकतंत्रीकरण

एआई उद्योग के अंदरूनी सूत्रों ने कई वर्षों से यह सुझाव दिया है संपूर्ण एमएल वातावरण लोकतंत्रीकरण किया जाना चाहिए. डीएल उपकरण डेवलपर के टूलकिट का एक मानक हिस्सा बन जाएंगे। मानक डीएल पुस्तकालयों में शामिल पुन: प्रयोज्य डीएल घटक, सीखने की गति बढ़ाने के लिए अपने पिछले मॉडल की प्रशिक्षण विशेषताओं को ले जाएंगे। जैसे-जैसे गहन शिक्षण उपकरणों का स्वचालन जारी रहता है, एक अंतर्निहित जोखिम है कि प्रौद्योगिकी इतनी जटिल हो जाएगी कि औसत डेवलपर खुद को पूरी तरह से अज्ञानी पाएगा।

गहन शिक्षण के बारे में नई भविष्यवाणियाँ

के बाहर शीर्ष 10 भविष्यवाणियाँ 2022 में गहरे झुकाव के बारे में, इस वर्ष देखने लायक कुछ यहां हैं:

एकीकृत हाइब्रिड मॉडल
तंत्रिका विज्ञान में डीएल का उपयोग
सामान्य प्रतिकूल नेटवर्क (जीएएन)
एज इंटेलिजेंस का उपयोग
अगले स्तर पर एनएलपी

वर्तमान और भविष्य के गहन शिक्षण अनुप्रयोग

Google अनुसरण करने में अग्रणी था विपणन में गहरी सीख. Google द्वारा DeepMind Technologies के अधिग्रहण ने व्यापार जगत को हिलाकर रख दिया। Google का मिशन DL को SEO की परवाह करने वाले खोज विपणक के लिए एक गंभीर समाधान बनाना है।

एमएल प्रौद्योगिकियों और उपकरणों की वास्तविक दुनिया में सबसे उल्लेखनीय अनुप्रयोग प्रवृत्ति यह है कि वे एक समय में एक व्यवसाय को "सीआरएम में चैटबॉट्स और डिजिटल एजेंटों से वर्चुअल रियलिटी (वीआर) संचालित शॉप-फ्लोर डेमो में बदलना शुरू कर रहे हैं।" भविष्य की एमएल प्रौद्योगिकियों, जिसमें डीएल भी शामिल है, को सीमित प्रशिक्षण सामग्रियों से सीखने का प्रदर्शन करना चाहिए, और उपयोगी बने रहने के लिए संदर्भों, निरंतर सीखने और अनुकूली क्षमताओं के बीच सीखने को स्थानांतरित करना चाहिए।

डीप लर्निंग की शक्तिशाली तकनीक का उपयोग भाषण और चेहरे की पहचान, या छवि वर्गीकरण जैसे लोकप्रिय अनुप्रयोगों में कई बार किया गया है। हाल के अनुप्रयोगों और उपयोग के मामलों में नकली समाचार का पता लगाना, स्वास्थ्य देखभाल के लिए पूर्वानुमानित मॉडल और स्वचालित छवि और लिखावट पीढ़ी शामिल हैं।

संक्षेप में भविष्य के रुझान

कुछ प्राथमिक रुझान जो गहन शिक्षण को भविष्य की ओर ले जा रहे हैं
यह है:

डीएल अनुसंधान और उद्योग अनुप्रयोगों की वर्तमान वृद्धि एआई के हर पहलू में इसकी "सर्वव्यापी" उपस्थिति को प्रदर्शित करती है - चाहे वह कोई भी हो एनएलपी या कंप्यूटर विज़न अनुप्रयोग।
समय और अनुसंधान के अवसरों के साथ, बिना पर्यवेक्षित शिक्षण विधियां ऐसे मॉडल प्रदान कर सकती हैं जो मानव व्यवहार की बारीकी से नकल करेंगे।
उपभोक्ता डेटा संरक्षण कानूनों और उपभोक्ता डेटा की उच्च मात्रा की अनुसंधान आवश्यकताओं के बीच स्पष्ट संघर्ष जारी रहेगा।
गहन शिक्षण प्रौद्योगिकी की "तर्क" करने में सक्षम होने की सीमाएँ स्वचालित, निर्णय-समर्थन उपकरणों के लिए एक बाधा है।
Google द्वारा DeepMind Technologies का अधिग्रहण वैश्विक विपणक के लिए आशाजनक है।
भविष्य की एमएल और डीएल प्रौद्योगिकियों को सीमित प्रशिक्षण सामग्रियों से सीखने का प्रदर्शन करना चाहिए, और उपयोगी बने रहने के लिए संदर्भों, निरंतर सीखने और अनुकूली क्षमताओं के बीच सीखने को स्थानांतरित करना चाहिए।
यदि गहन शिक्षण प्रौद्योगिकी अनुसंधान वर्तमान गति से आगे बढ़ता है, तो डेवलपर्स जल्द ही खुद को आगे निकल पाएंगे और गहन प्रशिक्षण लेने के लिए मजबूर हो जाएंगे।

क्या आप डीप लर्निंग में करियर बनाने के इच्छुक हैं?

इस पर निर्भर करते हुए कि आप पूरी तरह से नौसिखिया हैं या पहले से ही अन्य डेटा विज्ञान क्षेत्रों में अनुभवी हैं, आप इनमें से कुछ से परिचित हो सकते हैं गहन शिक्षण में करियर शुरू करने के लिए उपयोगी सुझाव:

गहन शिक्षण के व्यापक क्षेत्र का अन्वेषण करें और अपना फोकस क्षेत्र सीमित करें।
एक विशिष्ट फोकस क्षेत्र को ध्यान में रखते हुए, अगला कदम प्रासंगिक प्रोग्रामिंग भाषाओं को विकसित करना है। उदाहरण के लिए, यदि आपका फोकस क्षेत्र एमएल एल्गोरिदम है, तो पायथन भाषा कौशल विकसित करना सहायक होगा।
अपने विश्लेषणात्मक कौशल को निरंतर निखारना भी उतना ही महत्वपूर्ण है। इसके लिए, आपको प्रशिक्षण स्थलों की समीक्षा करने और उनके अभ्यास का प्रयास करने की आवश्यकता हो सकती है।
अंत में, नौकरी साइटों पर वास्तविक नौकरी विवरणों की समीक्षा करने से नौकरी की भूमिकाओं और जिम्मेदारियों को गहराई से सीखने के बारे में आपका ज्ञान बढ़ सकता है।

Shutterstock.com से लाइसेंस के तहत उपयोग की गई छवि