Tương lai của học sâu

Học sâu (DL) đã trở thành “ngôi sao” chỉ sau một đêm khi một người chơi robot đánh bại một người chơi là con người trong trò chơi nổi tiếng AlphaGo. Các phương pháp học và đào tạo deep learning đã được thừa nhận rộng rãi đối với các máy “nhân bản hóa”. Nhiều khả năng tự động hóa tiên tiến hiện có trong các nền tảng AI của doanh nghiệp là do sự phát triển nhanh chóng của máy học (ML) và học sâu công nghệ.

T bài so sánh trên AI, ML và DL thảo luận về sự hiện diện “phổ biến” của DL trong nhiều khía cạnh của AI – có thể là NLP hoặc các ứng dụng thị giác máy tính. Dần dần, các hệ thống, công cụ và giải pháp tự động hỗ trợ AI và DL đang thâm nhập và tiếp quản tất cả các lĩnh vực kinh doanh – từ tiếp thị đến trải nghiệm của khách hàng, từ thực tế ảo đến xử lý ngôn ngữ tự nhiên (NLP) – và tác động kỹ thuật số ở khắp mọi nơi.

Các nhà nghiên cứu của Facebook gặp rắc rối với tình trạng tiến thoái lưỡng nan về quyền riêng tư

Dưới đây là một nhìn lại những tranh cãi năm 2018 theo yêu cầu của công chúng về quyền riêng tư tuyệt đối của dữ liệu cá nhân. Nhu cầu của người tiêu dùng này mâu thuẫn trực tiếp với nỗ lực nghiên cứu AI hiện tại của Facebook. Các nhà nghiên cứu AI tại Facebook cần “thu hoạch hàng loạt” dữ liệu cá nhân để huấn luyện các thuật toán học tập.

Facebook nhận ra rằng khái niệm không tưởng về mã hóa đầu cuối thực sự là một huyền thoại trong thế giới nghiên cứu đang tìm kiếm câu trả lời từ hàng đống dữ liệu cá nhân. Đối với những nỗ lực trong tương lai, các nhà nghiên cứu hiện đang xem xét nghiêm túc các thuật toán đào tạo về “dữ liệu chết” trên các thiết bị riêng lẻ thay vì thu thập dữ liệu cá nhân hàng loạt. Trong trường hợp đó, các kỹ sư của Facebook sẽ cài đặt thuật toán kiểm duyệt nội dung trực tiếp trên điện thoại của người dùng để tránh vi phạm quyền riêng tư dữ liệu.

Trong một Nhiều AI Trong bài viết này, tác giả nêu chi tiết một số phương pháp DL độc đáo như học tự giám sát, FLS và tăng cường dữ liệu dựa trên GAB, những phương pháp này có thể tồn tại sau những tranh cãi xung quanh thời hạn sử dụng của nhiều phương pháp học sâu.

Một
Đặc điểm hạn chế nghiêm trọng của các giải pháp hỗ trợ DL là việc học
các thuật toán vẫn không thể cung cấp lý do chi tiết cho sự lựa chọn của họ, điều này có thể
kích động người dùng chấp nhận các quyết định được cung cấp bởi các công cụ AI một cách mù quáng và sau đó bịa ra
giải thích “giả” cho bất kỳ câu trả lời bị từ chối nào. Điều đó không đáng khích lệ lắm đối với
giải pháp hỗ trợ quyết định!

Dân chủ hóa Deep Learning trong 10 đến XNUMX năm

Những người trong ngành công nghiệp AI, trong nhiều năm, đã gợi ý rằng toàn bộ môi trường ML nên dân chủ hóa. Các công cụ DL sẽ trở thành một phần tiêu chuẩn trong bộ công cụ của nhà phát triển. Các thành phần DL có thể tái sử dụng, được tích hợp vào các thư viện DL tiêu chuẩn, sẽ mang các đặc điểm đào tạo của các mô hình trước đó để tăng tốc độ học tập. Khi quá trình tự động hóa các công cụ học sâu tiếp tục diễn ra, có một rủi ro cố hữu là công nghệ sẽ phát triển thành một thứ phức tạp đến mức nhà phát triển bình thường sẽ thấy mình hoàn toàn không biết gì.

Dự đoán mới về Deep Learning

Ra khỏi 10 dự đoán hàng đầu được thực hiện về chiều sâu vào năm 2022, đây là một số đáng xem trong năm nay:

• Mô hình lai tích hợp
• Sử dụng DL trong khoa học thần kinh
• Mạng đối thủ chung (GAN)
• Sử dụng trí thông minh cạnh
• NLP ở cấp độ tiếp theo

Các ứng dụng Deep Learning của hiện tại và tương lai

Google là người tiên phong trong việc theo đuổi học sâu trong tiếp thị. Việc Google mua lại DeepMind Technologies đã làm rung chuyển thế giới kinh doanh. Nhiệm vụ của Google là làm cho DL trở thành một giải pháp nghiêm túc cho các nhà tiếp thị tìm kiếm quan tâm đến SEO. 

Xu hướng ứng dụng đáng chú ý nhất trong thế giới thực của các công nghệ và công cụ ML là chúng đang bắt đầu chuyển đổi từng doanh nghiệp một “từ chatbot và tác nhân kỹ thuật số trong CRM sang các bản trình diễn tại cửa hàng được hỗ trợ bởi thực tế ảo (VR).” Các công nghệ ML trong tương lai, bao gồm DL, phải thể hiện việc học từ các tài liệu đào tạo hạn chế và chuyển việc học giữa các bối cảnh, học liên tục và khả năng thích ứng để duy trì tính hữu dụng.

Công nghệ mạnh mẽ của học sâu đã được sử dụng nhiều lần trong các ứng dụng phổ biến như nhận dạng giọng nói và khuôn mặt hoặc phân loại hình ảnh. Các ứng dụng và trường hợp sử dụng gần đây hơn bao gồm phát hiện tin tức giả, các mô hình dự đoán cho chăm sóc sức khỏe và tạo hình ảnh và chữ viết tay tự động.

Tóm tắt các xu hướng trong tương lai

Một số xu hướng chính đang đưa deep learning vào tương lai
là:

• Sự phát triển hiện tại của nghiên cứu DL và các ứng dụng trong ngành chứng tỏ sự hiện diện “phổ biến” của nó trong mọi khía cạnh của AI - có thể là NLP hoặc các ứng dụng thị giác máy tính.
• Với thời gian và cơ hội nghiên cứu, các phương pháp học tập không giám sát có thể đưa ra các mô hình mô phỏng gần giống với hành vi của con người.
• Xung đột rõ ràng giữa luật bảo vệ dữ liệu người tiêu dùng và nhu cầu nghiên cứu về khối lượng lớn dữ liệu người tiêu dùng sẽ tiếp tục.
• Những hạn chế của công nghệ học sâu trong khả năng “suy luận” là một trở ngại đối với các công cụ hỗ trợ ra quyết định tự động.
• Việc Google mua lại DeepMind Technologies hứa hẹn cho các nhà tiếp thị toàn cầu.
• Các công nghệ ML và DL trong tương lai phải thể hiện việc học từ các tài liệu đào tạo hạn chế và chuyển việc học giữa các ngữ cảnh, học liên tục và khả năng thích ứng để duy trì tính hữu dụng.
• Nếu nghiên cứu công nghệ học sâu tiến triển với tốc độ hiện tại, các nhà phát triển có thể sớm thấy mình bị bỏ xa và sẽ buộc phải tham gia đào tạo chuyên sâu.

Quan tâm đến một nghề nghiệp trong Deep Learning?

Tùy thuộc vào việc bạn là người mới hoàn toàn hay đã có kinh nghiệm trong các lĩnh vực Khoa học dữ liệu khác, bạn có thể quen thuộc với một số trong số này mẹo hữu ích để bắt đầu sự nghiệp trong lĩnh vực học sâu:

• Khám phá lĩnh vực học sâu rộng lớn và thu hẹp lĩnh vực trọng tâm của bạn.
• Với một lĩnh vực trọng tâm cụ thể trong tâm trí, bước tiếp theo là trau dồi các ngôn ngữ lập trình có liên quan. Ví dụ: nếu lĩnh vực trọng tâm của bạn là các thuật toán ML, thì việc phát triển các kỹ năng ngôn ngữ Python sẽ rất hữu ích.
• Điều quan trọng không kém là liên tục cải thiện các kỹ năng phân tích của bạn. Đối với điều này, bạn có thể cần xem xét các trang web đào tạo và thử các bài tập của họ.
• Cuối cùng, xem xét các mô tả công việc thực tế trên các trang web việc làm có thể nâng cao kiến ​​thức của bạn về vai trò và trách nhiệm của công việc học sâu.

Hình ảnh được sử dụng theo giấy phép từ Shutterstock.com

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến ​​thức. Truy cập Tại đây.
• nguồn: https://www.dataversity.net/the-future-of-deep-learning/