Что такое глубокое обучение?
Глубокое обучение - это функция искусственного интеллекта, которая имитирует работу человеческого мозга при обработке данных и создании шаблонов для использования при принятии решений. Глубокое обучение - это подмножество машинного обучения в области искусственного интеллекта (ИИ), в котором есть сети, способные к обучению без надзора из неструктурированных или немаркированных данных. Также известный как глубокое нейронное обучение или глубокая нейронная сеть.
Как работает глубокое обучение
Глубокое обучение развивалось рука об руку с цифровой эрой, которая привела к взрыву данных во всех формах и из всех регионов мира. Эти данные, известные просто как большие данные, взяты из таких источников, как социальные сети, интернет-поисковые системы, платформы электронной коммерции и онлайн-кинотеатры. Этот огромный объем данных легкодоступен и может быть передан через такие приложения, как облачные вычисления.
Однако данные, которые обычно неструктурированы, настолько обширны, что людям могут потребоваться десятилетия, чтобы их понять и извлечь соответствующую информацию. Компании осознают невероятный потенциал, который может возникнуть в результате раскрытия этого огромного количества информации, и все чаще адаптируются к системам искусственного интеллекта для автоматической поддержки.
Глубокое обучение извлекает уроки из огромного количества неструктурированных данных, которые обычно могут занимать люди десятилетиями, чтобы понять и обработать.
Глубокое обучение против машинного обучения
Одним из наиболее распространенных методов искусственного интеллекта, используемых для обработки больших данных, является машинное обучение, самоадаптирующийся алгоритм, который позволяет получать все более качественные анализы и шаблоны с опытом или с новыми данными.
Если компания, занимающаяся цифровыми платежами, хотела бы обнаружить возникновение или возможность мошенничества в своей системе, она могла бы использовать для этого инструменты машинного обучения. Вычислительный алгоритм, встроенный в компьютерную модель, будет обрабатывать все транзакции, происходящие на цифровой платформе, находить шаблоны в наборе данных и указывать на любую аномалию, обнаруженную шаблоном.
Глубокое обучение, подмножество машинного обучения, использует иерархический уровень искусственных нейронных сетей для осуществления процесса машинного обучения. Искусственные нейронные сети построены как человеческий мозг, с нейронными узлами, связанными вместе как сеть. В то время как традиционные программы строят анализ с данными линейным способом, иерархическая функция систем глубокого обучения позволяет машинам обрабатывать данные с нелинейным подходом.
Традиционный подход к обнаружению мошенничества или отмывания денег может зависеть от суммы транзакции, которая возникает, в то время как нелинейный метод глубокого изучения будет включать время, географическое местоположение, IP-адрес, тип розничного продавца и любые другие функции, которые могут указывать на мошенническую деятельность., Первый уровень нейронной сети обрабатывает ввод необработанных данных, например сумму транзакции, и передает их на следующий уровень в качестве вывода. Второй уровень обрабатывает информацию предыдущего уровня, включая дополнительную информацию, такую как IP-адрес пользователя, и передает его результат.
Следующий слой берет информацию второго слоя и включает в себя необработанные данные, такие как географическое местоположение, и делает рисунок машины еще лучше. Это продолжается на всех уровнях нейронной сети.
Ключевые вынос
- Глубокое обучение - это функция ИИ, которая имитирует работу человеческого мозга при обработке данных для использования в процессе принятия решений. Глубокое обучение ИИ может учиться на данных, которые являются неструктурированными и немаркированными. Можно использовать глубокое обучение, подмножество машинного обучения. чтобы помочь обнаружить мошенничество или отмывание денег.
Пример глубокого обучения
Используя упомянутую выше систему обнаружения мошенничества с машинным обучением, можно создать пример глубокого обучения. Если система машинного обучения создала модель с параметрами, построенными на количестве долларов, отправляемых или получаемых пользователем, метод глубокого обучения может начать опираться на результаты, предлагаемые машинным обучением.
Каждый уровень ее нейронной сети основывается на своем предыдущем уровне с добавленными данными, такими как розничный продавец, отправитель, пользователь, событие в социальных сетях, кредитный рейтинг, IP-адрес и множество других функций, для соединения которых может потребоваться годы, если их обрабатывает человек. бытия. Алгоритмы глубокого обучения обучены не только создавать шаблоны из всех транзакций, но и знать, когда шаблон сигнализирует о необходимости мошеннического расследования. Последний уровень передает сигнал аналитику, который может заморозить учетную запись пользователя, пока все незавершенные расследования не будут завершены.
Глубокое обучение используется во всех отраслях промышленности для ряда различных задач. Коммерческие приложения, использующие распознавание изображений, платформы с открытым исходным кодом с приложениями для рекомендаций потребителям и инструменты медицинских исследований, которые исследуют возможность повторного использования лекарств для лечения новых заболеваний, - вот несколько примеров глубокого изучения.
Быстрый факт
Производитель электроники Panasonic работает с университетами и исследовательскими центрами над разработкой технологий глубокого обучения, связанных с компьютерным зрением.
