Prihodnost globokega učenja

Globoko učenje (DL) je čez noč postalo »zvezda«, ko je robotski igralec premagal človeškega igralca v slavni igri AlphaGo. Usposabljanje in metode poglobljenega učenja so splošno priznane za »humanizacijo« strojev. Številne napredne zmožnosti avtomatizacije, ki jih zdaj najdemo v podjetniških platformah umetne inteligence, so posledica hitre rasti strojnega učenja (ML) in globokega učenja. tehnologije.

Ta primerjalni post o AI, ML in DL razpravlja o "vseprisotni" prisotnosti DL v številnih vidikih AI - naj bo to NLP ali aplikacije računalniškega vida. Postopoma avtomatizirani sistemi, orodja in rešitve, ki podpirajo AI in DL, prodirajo in prevzemajo vse poslovne sektorje – od trženja do uporabniške izkušnje, od virtualne resničnosti do obdelave naravnega jezika (NLP) – in digitalni vpliv je povsod.

Raziskovalci Facebooka se soočajo z dilemo glede zasebnosti

Tukaj je poglej nazaj na polemiko leta 2018 nad javno zahtevo po popolni zasebnosti osebnih podatkov. To povpraševanje potrošnikov je v neposrednem nasprotju s Facebookovimi trenutnimi raziskovalnimi prizadevanji AI. Raziskovalci umetne inteligence pri Facebooku morajo »množično pobrati« osebne podatke za urjenje učnih algoritmov.

Facebook se zaveda, da je bil utopični koncept šifriranja od konca do konca res mit v raziskovalnem svetu, ki išče odgovore v kupih osebnih podatkov. Za prihodnja prizadevanja raziskovalci zdaj resno razmišljajo o algoritmih za usposabljanje na "mrtvih podatkih" na posameznih napravah namesto množičnega zbiranja osebnih podatkov. V tem primeru bodo Facebookovi inženirji namestili algoritme za moderiranje vsebine neposredno na telefone uporabnikov, da bi se izognili kršitvam zasebnosti podatkov.

V AI Večkratno V članku avtor podrobno opisuje več edinstvenih metod DL, kot so samonadzorovano učenje, FLS in povečava podatkov na osnovi GAB, ki lahko preživijo polemike, ki obkrožajo rok trajanja številnih metodologij globokega učenja.

Še ena
resno omejujoča značilnost rešitev, ki podpirajo DL, je, da učenje
algoritmi še vedno ne morejo zagotoviti podrobnih razlogov za svoje izbire, kar lahko
spodbuditi uporabnike, da slepo sprejmejo odločitve, ki jih ponujajo orodja AI, in nato izmisliti
»lažne« razlage za vsak zavrnjen odgovor. To ni zelo spodbudno za
rešitve za podporo odločanju!

Demokratizacija globokega učenja v petih do desetih letih

Poznavalci industrije umetne inteligence so to že vrsto let predlagali celotno okolje ML je treba demokratizirati. Orodja DL bodo postala standardni del nabora orodij za razvijalce. Komponente DL za večkratno uporabo, vključene v standardne knjižnice DL, bodo imele značilnosti usposabljanja prejšnjih modelov za pospešitev učenja. Ker se avtomatizacija orodij za globoko učenje nadaljuje, obstaja tveganje, da se bo tehnologija razvila v nekaj tako zapletenega, da se bo povprečni razvijalec znašel v popolni nevednosti.

Nove napovedi o globokem učenju

Izven top 10 napovedi o globokem nagibu leta 2022, tukaj je nekaj, ki si jih je vredno ogledati letos:

• Integrirani hibridni modeli
• Uporaba DL v nevroznanosti
• Splošna kontradiktorna omrežja (GAN)
• Uporaba robne inteligence
• NLP na naslednji stopnji

Aplikacije globokega učenja sedanjosti in prihodnosti

Google je bil pionir pri zasledovanju poglobljeno učenje v trženju. Googlov prevzem DeepMind Technologies je pretresel poslovni svet. Googlova misija je narediti DL resno rešitev za iskalne tržnike, ki jim je mar za SEO. 

Najopaznejši trend uporabe v resničnem svetu tehnologij in orodij ML je, da začenjajo preoblikovati eno podjetje naenkrat »od klepetalnih robotov in digitalnih agentov v CRM do predstavitev v delavnicah, ki jih poganja virtualna resničnost (VR).« Prihodnje tehnologije ML, ki vključujejo DL, morajo pokazati učenje iz omejenih gradiv za usposabljanje in prenos učenja med konteksti, nenehno učenje in prilagodljive zmožnosti, da ostanejo uporabne.

Zmogljiva tehnologija globokega učenja je bila večkrat uporabljena v priljubljenih aplikacijah, kot sta prepoznavanje govora in obraza ali klasifikacija slik. Novejše aplikacije in primeri uporabe vključujejo odkrivanje lažnih novic, napovedne modele za zdravstveno varstvo ter samodejno ustvarjanje slik in rokopisov.

Prihodnji trendi na kratko

Nekaj ​​primarnih trendov, ki premikajo globoko učenje v prihodnost
je:

• Trenutna rast raziskovalnih in industrijskih aplikacij DL dokazuje njihovo "vseprisotno" prisotnost v vseh vidikih umetne inteligence - naj bo NLP ali aplikacije za računalniški vid.
• S časom in raziskovalnimi priložnostmi lahko nenadzorovane učne metode prinesejo modele, ki bodo natančno posnemali človeško vedenje.
• Očitno nasprotje med zakoni o varstvu podatkov potrošnikov in raziskovalnimi potrebami velike količine potrošniških podatkov se bo nadaljevalo.
• Omejitve tehnologije globokega učenja pri zmožnosti »razumevanja« so ovira za avtomatizirana orodja za podporo odločanju.
• Googlov prevzem DeepMind Technologies obeta globalne tržnike.
• Prihodnji tehnologiji ML in DL morata dokazati učenje iz omejenih gradiv za usposabljanje ter prenašati učenje med konteksti, nenehno učenje in prilagodljive zmožnosti, da ostanejo uporabne.
• Če bodo raziskave tehnologije globokega učenja napredovale s sedanjim tempom, se lahko razvijalci kmalu znajdejo v prednosti in bodo prisiljeni k intenzivnemu usposabljanju.

Vas zanima kariera na področju poglobljenega učenja?

Morda ste seznanjeni z nekaterimi od teh, odvisno od tega, ali ste popoln novinec ali že imate izkušnje na drugih področjih podatkovne znanosti. koristni nasveti za začetek kariere v poglobljenem učenju:

• Raziščite široko področje poglobljenega učenja in zožite svoje fokusno področje.
• Ob upoštevanju posebnega fokusnega področja je naslednji korak negovanje ustreznih programskih jezikov. Na primer, če so vaše osredotočeno področje algoritmi ML, bo razvijanje jezikovnih veščin Python koristno.
• Enako pomembno je, da nenehno izpopolnjujete svoje analitične sposobnosti. Za to boste morda morali pregledati spletna mesta za usposabljanje in preizkusiti njihove vaje.
• Nazadnje, pregledovanje dejanskih opisov delovnih mest na delovnih mestih lahko izboljša vaše znanje o delovnih vlogah in odgovornostih za poglobljeno učenje.

Slika, uporabljena pod licenco Shutterstock.com

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• Platoblockchain. Web3 Metaverse Intelligence. Razširjeno znanje. Dostopite tukaj.
• vir: https://www.dataversity.net/the-future-of-deep-learning/