Viitorul învățării profunde

Învățarea profundă (DL) a devenit o „stea” peste noapte, când un jucător robot a învins un jucător uman în faimosul joc AlphaGo. Metodele de instruire și de învățare deep learning au fost larg recunoscute pentru „umanizarea” mașinilor. Multe dintre capacitățile avansate de automatizare care se găsesc acum în platformele AI pentru întreprinderi se datorează creșterii rapide a învățării automate (ML) și a învățării profunde. tehnologii.

Acest post comparativ pe AI, ML și DL discută prezența „omniprezentă” a DL în multe fațete ale AI – fie că este vorba despre NLP sau aplicații de viziune computerizată. Treptat, sistemele, instrumentele și soluțiile automatizate activate AI și DL pătrund și preiau toate sectoarele de afaceri – de la marketing la experiența clienților, de la realitatea virtuală la procesarea limbajului natural (NLP) – iar impactul digital este peste tot.

Cercetătorii Facebook sunt afectați de dilema privind confidențialitatea

Aici este o Privește înapoi la controversa din 2018 asupra cererii publice de confidențialitate absolută a datelor cu caracter personal. Această cerere a consumatorilor este în conflict direct cu eforturile actuale de cercetare AI ale Facebook. Cercetătorii AI de la Facebook trebuie să „recolteze în masă” date personale pentru a antrena algoritmi de învățare.

Facebook realizează că conceptul utopic de criptare end-to-end a fost într-adevăr un mit într-o lume a cercetării care căuta răspunsuri din mormane de date personale. Pentru eforturile viitoare, cercetătorii iau în considerare acum serios algoritmi de antrenament pe „date moarte” pe dispozitive individuale, mai degrabă decât recoltarea în masă a datelor personale. În acest caz, inginerii Facebook vor instala algoritmi de moderare a conținutului direct pe telefoanele utilizatorilor pentru a evita încălcările confidențialității datelor.

Într-o AI multiplu În articol, autorul detaliază câteva metode unice DL, cum ar fi învățarea auto-supravegheată, FLS și creșterea datelor bazate pe GAB, care pot supraviețui controverselor din jurul perioadei de valabilitate a multor metodologii de învățare profundă.

O alta
caracteristica sever limitativă a soluțiilor DL ​​este aceea că învățarea
algoritmii încă nu pot oferi motive detaliate pentru alegerile lor, ceea ce poate
provocați utilizatorii să accepte orbește deciziile oferite de instrumentele AI și apoi să inventeze
explicații „false” pentru orice răspuns respins. Asta nu este foarte încurajator pentru
soluții de sprijin decizional!

Democratizarea învățării profunde în cinci până la 10 ani

De mulți ani, cei din industria AI sugerează acest lucru întregul mediu ML ar trebui democratizat. Instrumentele DL vor deveni o parte standard a setului de instrumente al dezvoltatorului. Componentele DL reutilizabile, încorporate în bibliotecile standard DL, vor avea caracteristicile de antrenament ale modelelor sale anterioare pentru a accelera învățarea. Pe măsură ce automatizarea instrumentelor de învățare profundă continuă, există un risc inerent ca tehnologia să devină ceva atât de complex încât dezvoltatorul obișnuit se va găsi total ignorant.

Noi predicții despre Deep Learning

In afara Top 10 previziuni făcute despre înclinarea profundă în 2022, iată câteva care merită vizionate anul acesta:

• Modele hibride integrate
• Utilizarea DL în neuroștiință
• Rețele adverse generale (GAN)
• Utilizarea inteligenței de vârf
• NLP la nivelul următor

Aplicații de deep learning ale prezentului și viitorului

Google a fost pionierul în urmărire învăţare profundă în marketing. Achiziția de către Google a DeepMind Technologies a zguduit lumea afacerilor. Misiunea Google este de a face din DL o soluție serioasă pentru marketerii de căutare cărora le pasă de SEO. 

Cea mai notabilă tendință de aplicare din lumea reală a tehnologiilor și instrumentelor ML este că acestea încep să transforme o afacere la un moment dat „de la chatbot și agenți digitali în CRM la demo-uri bazate pe realitate virtuală (VR)”. Viitoarele tehnologii ML, care includ DL, trebuie să demonstreze învățarea din materiale de instruire limitate și să transfere învățarea între contexte, învățarea continuă și capacitățile de adaptare pentru a rămâne utile.

Tehnologia puternică a învățării profunde a fost utilizată de mai multe ori în aplicații populare precum recunoașterea vocală și facială sau clasificarea imaginilor. Aplicațiile și cazurile de utilizare mai recente includ detectarea știrilor false, modele predictive pentru îngrijirea sănătății și generarea automată de imagini și scris de mână.

Tendințele viitoare pe scurt

Unele dintre tendințele principale care mută învățarea profundă în viitor
sunt:

• Creșterea actuală a cercetării DL și a aplicațiilor din industrie demonstrează prezența sa „omniprezentă” în fiecare aspect al AI – fie că este vorba PNL sau aplicații de viziune computerizată.
• Cu timpul și oportunitățile de cercetare, metodele de învățare nesupravegheate pot oferi modele care vor imita îndeaproape comportamentul uman.
• Conflictul aparent dintre legile privind protecția datelor consumatorilor și nevoile de cercetare ale volumelor mari de date despre consumatori va continua.
• Limitările tehnologiei de învățare profundă în capacitatea de a „raționa” reprezintă o piedică pentru instrumentele automate de sprijinire a deciziilor.
• Achiziția de către Google a DeepMind Technologies este promițătoare pentru agenții de marketing la nivel mondial.
• Viitoarele tehnologii ML și DL trebuie să demonstreze învățarea din materiale de instruire limitate și să transfere învățarea între contexte, învățarea continuă și capacitățile de adaptare pentru a rămâne utile.
• Dacă cercetarea tehnologiei de învățare profundă progresează în ritmul actual, dezvoltatorii s-ar putea găsi în curând depășiți și vor fi forțați să urmeze formare intensivă.

Vă interesează o carieră în deep learning?

În funcție de faptul că sunteți un începător complet sau aveți deja experiență în alte domenii ale științei datelor, este posibil să fiți familiarizat cu unele dintre acestea sfaturi utile pentru lansarea unei cariere în deep learning:

• Explorați câmpul larg al învățării profunde și restrângeți zona de focalizare.
• Având în vedere un anumit domeniu de interes, următorul pas este cultivarea limbajelor de programare relevante. De exemplu, dacă zona dvs. de interes sunt algoritmi ML, atunci dezvoltarea abilităților de limbaj Python va fi utilă.
• Este la fel de important să vă perfecționați în mod continuu abilitățile analitice. Pentru aceasta, poate fi necesar să revizuiți site-urile de antrenament și să încercați exercițiile lor.
• În cele din urmă, revizuirea fișelor de post efective pe site-urile de locuri de muncă vă poate îmbunătăți cunoștințele despre rolurile și responsabilitățile postului de învățare profundă.

Imagine utilizată sub licență de la Shutterstock.com

• Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
• Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. Accesați Aici.
• Sursa: https://www.dataversity.net/the-future-of-deep-learning/