Deep Learning: Was ist das und wie hängt es mit maschinellem Lernen zusammen?

In einigen Artikeln, die wir verfasst haben, werden wir hier über Deep Learning und seine Beziehung zum maschinellen Lernen sprechen. Beide Begriffe werden in der Gesellschaft, in der wir leben, immer wichtiger und es wird hilfreich sein zu wissen, was uns umgibt.

Inhaltsverzeichnis

Was ist Deep Learning ?

Deep Learning ist eine Untergruppe von Techniken, die um die 2000er Jahre als Ergebnis des maschinellen Lernens entstanden sind . Aus diesem Grund sollten wir es als einen seiner Zweige klassifizieren , der wiederum Teil der Informatik ist.

Diese Systeme sind autonomer als ihre älteren Geschwister, obwohl ihre Struktur auch erheblich komplexer ist. Dies gibt ihnen einen klaren Vorteil bei der Ausführung verschiedener Arten von Aufgaben, bei denen sie die gleiche oder eine bessere Arbeit ausführen als andere Systeme mit Algorithmen für maschinelles Lernen.

Es gibt auch andere Werke, in denen sich Deep Learning von seinem Vorgänger abhebt. Einer der bekanntesten Fälle ist die künstliche Intelligenz im AlphaGo- Stil , die Intelligenz von Google , die den Weltmeister von Go besiegen kann.

Vielleicht klingt es für Sie ein bisschen chinesisch, aber Go ist ein sehr berühmtes Spiel und auch sehr anspruchsvoll. Mathematiker behaupten nachdrücklich, dass dieses Hobby wesentlich komplexer ist als Schach.

Auf der anderen Seite ist Deep Learning eng mit Big Data verbunden, da diese großartigen Informationsquellen zum Lernen und Festigen von Erfahrungen verwendet werden können. Darüber hinaus ist das Umfeld für die Verbreitung und Entwicklung dieser Technologie dank der Situation, in der wir uns befinden, für drei wichtige Punkte perfekt :

1. Die große Anhäufung von Daten, da mit den Tools, die wir heute haben, Daten von fast jedem abgerufen und gespeichert werden können. Der Grad der Technologie, in dem wir uns befinden, da die Komponenten gut sind, um zusammen eine beträchtliche Leistung zu bieten. Der Wunsch der Unternehmen, ihre Methoden zu verbessern, da immer mehr Unternehmen unter Ausnutzung der beiden vorherigen Punkte auf künstliche Intelligenz setzen . Wenn Ihr Unternehmen Daten von Tausenden von Kunden gespeichert hat und die Technologie Ihnen die Möglichkeit bietet , von ihnen zu lernen und sie zu verwenden, ist dies eine sichere Sache.

Die Struktur des Deep Learning

Trotz einer Entwicklung, die dem maschinellen Lernen sehr ähnlich ist, weisen diese Algorithmen einige nukleare Unterschiede auf. Das wichtigste ist wahrscheinlich die interne Struktur, dh der Code, aus dem der Algorithmus besteht.

Allgemeine Vorstellung von Deep Learning

Wie Sie auf dem Bild sehen können, ist Deep Learning eng mit neuronalen Netzen verbunden. Dieses Konzept ist nicht neu, aber es ist schon lange nicht mehr bei uns, sodass Sie es möglicherweise nicht kennen.

Um dies zu vereinfachen, könnten wir ein neuronales Netzwerk als eine Reihe von Algorithmen (jeweils als Schicht bezeichnet) definieren , die Informationen behandeln und übertragen. Jede Schicht empfängt Eingabewerte und gibt Ausgabewerte zurück. Beim Durchlaufen des gesamten Netzwerks wird ein endgültiger Ergebniswert zurückgegeben. All dies geschieht normalerweise nacheinander, wobei jede Schicht je nach gewünschtem Ergebnis ein anderes Gewicht hat .

Hier zeigen wir Ihnen ein kurzes Video (auf Englisch) über das Erlernen des Spielens von Super Mario World durch künstliche Intelligenz :

Und Sie fragen sich vielleicht: "Warum ist all diese Methode so kompliziert?" . Sicherlich gehört Deep Learning immer noch zu dem, was wir schwache künstliche Intelligenz nennen , aber es ist möglicherweise der erste Schritt in Richtung stark.

Diese Methode ist lose von der Funktionsweise eines Gehirns inspiriert. Ähnlich wie wir es in der "physischen Welt" sehen , bilden Systeme Schichten und jede Schicht funktioniert ähnlich wie ein Neuron. Auf diese Weise beziehen sich die Ebenen aufeinander, tauschen Informationen aus und das Wichtigste ist, dass alles autonom erfolgt.

Sehr vereinfachtes Schema, wie Deep Learning funktioniert

Nach dieser Regel sind die vollständigsten Intelligenzen normalerweise diejenigen, die mehr Schichten und ausgefeiltere Algorithmen haben.

Wie funktioniert künstliche Intelligenz mit diesem Algorithmus?

Wenn Sie unsere vorherigen Artikel zu diesem Thema gesehen haben, haben Sie dieses GIF bereits gesehen. Hier können Sie unseren Artikel über künstliche Intelligenz lesen und hier können Sie ein wenig über maschinelles Lernen lesen.

aber wir werden es dir ein letztes Mal zeigen.

Dieses Bild spiegelt gut und ganz einfach wider, wie eine Intelligenz , die neuronale Netze verwendet, funktionieren würde. Wie Sie sehen, ist seine Aufgabe einfach: Klassifizieren Sie Bilder und lernen Sie, Hunde auf den verschiedenen Fotos zu erkennen, die an ihn weitergegeben werden.

Jedes Bild beginnt mit der Eingabe des Eingabe-Feeds, dh der Eingabe-Ebene, in der die ersten Berechnungen bereits beginnen würden. Die erhaltenen Ergebnisse würden an die zweite Schicht oder das zweite Neuron weitergegeben, und es wird offensichtlich mitgeteilt, welches Neuron diese Berechnung durchgeführt hat. Dieser Vorgang wird so oft wiederholt wie die Schichten unseres Systems, bis wir die letzte erreichen.

Das letzte Neuron wird als Ausgabeschicht bezeichnet und zeigt in diesem Beispiel das Ergebnis. In anderen Fällen führt die Ausgabeebene die berechnete Aktion aus. Wenn wir in die Formel einfügen, dass wir so schnell wie möglich handeln müssen (wie in Videospielen) , sollte das Ergebnis fast augenblicklich sein. Dank des technologischen Punktes, an dem wir uns befinden, ist dies jedoch bereits möglich.

Eines der deutlichsten Beispiele hierfür ist AlphaStar Artificial Intelligence, eine weitere Kreation von Google .

Künstliche Intelligenz von Google Deepmind

Wir haben Ihnen von AlphaGo erzählt, einer KI , die gegen die besten Go- Spieler der Welt kämpfen kann . Dieser hat jedoch jüngere Geschwister, die in der Lage sind, einige ziemlich beeindruckende Meilensteine ​​zu erreichen.

AlphaZero

Diese Intelligenz lernte in nur 24 Stunden ein übermenschliches Niveau von Schach, Shoji und Go, mit dem er mehrere berühmte Spieler gewann. Außerdem wies er in der Liste der besiegten Gegner auf die AlphaGo Zero- Version von 3 Tagen Erfahrung hin, etwas wirklich Unglaubliches. Hier kommt die Geschwindigkeit des Lernens dieser künstlichen Intelligenz zum Ausdruck .

Am beeindruckendsten war jedoch, dass das Team keinen Zugang zu Lernbüchern oder Datenbanken hatte, sodass alle Taktiken mit Übung erlernt wurden.

In einer anderen seiner Begegnungen traf er auf Stockfish , ein erfahrenes automatisiertes Open-Source-Programm, das Schach spielt. In nur vier Stunden wurde es jedoch von AlphaZero dominiert .

Es sollte beachtet werden, dass AlphaZero im Schach nur etwa 80 Millionen verschiedene Ausgänge berücksichtigt, während dies zunächst etwa 70 Millionen Bewegungen berechnet . Der Unterschied in den Vorhersagen wurde durch eine viel bessere Beurteilung der vielversprechenden Spiele ausgeglichen.

Mit solchen Kraftdemonstrationen können wir die Kraft der neuen künstlichen Intelligenz erkennen .

AlphaStar

Auf der anderen Seite ist AlphaStar eine KI , die heute RTS Starcraft II (Echtzeitstrategie auf Spanisch) spielen kann.

Zum Zeitpunkt der Demo kämpfte AlphaStar gegen mehrere Profispieler in der Mitte, gewann zehn Spiele hintereinander und verlor nur das letzte.

Im Gegensatz zu Schach oder Go ist Starcraft II ein Echtzeit-Matchup, sodass Sie jede Sekunde Dinge tun müssen. Aufgrund dessen können wir sehen, dass die aktuelle Technologie in der Lage ist, diese frenetischen Rhythmen der Berechnung und Entscheidung aufrechtzuerhalten.

Für die Vorbereitung des Geheimdienstes verfügte er zu den Terminen des Live-Tests über rund 200 Jahre Erfahrung im Training nur mit Protos (eines der verfügbaren Rennen) . Es wurde auch so trainiert, dass es nur Aktionen ausführen kann, wenn sich die Kamera physisch auf dem Gerät befindet, wodurch sich die Spielweise einer Person besser anpasst.

Trotz dieser Nachteile gelang es AlphaStar , die meisten Begegnungen mit einer aufgegebenen Taktik auf der Wettbewerbsseite des Spiels zu meistern . Ein zu beachtender Punkt ist, dass AlphaStar normalerweise APMs (Actions Per Minute) niedrig hält, sodass seine Entscheidungen sehr effizient sind.

Durchschnittliche Aktionen pro Minute, die von der KI und einem professionellen Spieler ausgeführt werden

Wenn es die Situation erfordert, demonstriert er jedoch buchstäblich die übermenschliche Kontrolle über Einheiten, indem er leicht den Zähler bricht.

Hier können Sie eine seiner Demos vollständig sehen:

Die Zukunft der künstlichen Intelligenz

Wir haben bereits über dieses Thema gesprochen, daher werden wir das gleiche Gespräch nicht zu oft wiederholen. Hervorzuheben sind die möglichen Zukünfte, die auf Deep Learning warten.

Laut Andrew Yan-Tak Ng, einem bekannten Experten für künstliche Intelligenz, ist Deep Learning ein guter Schritt in Richtung der Intelligenz der Zukunft. Im Gegensatz zu anderen Lehrmethoden ist diese wesentlich effizienter, wenn wir die Datenstichprobe vergrößern.

WIR EMPFEHLEN IHNEN BABAHU X1: Die AI-Zahnbürste ist jetzt verfügbar

Die nächste Folie gehört zu seiner Präsentation "Was Informationswissenschaftler über Deep Learning wissen sollten". Wenn Sie interessiert sind, können Sie es unter diesem Link sehen.

Nicht umsonst hat die Entwicklung der Technologie nicht aufgehört. Jedes Jahr werden wir leistungsstärkere Komponenten haben, sodass wir immer mehr Terrassen zum Testen haben werden. Wie bei alten KIs und maschinellem Lernen werden neue Algorithmen, Methoden und Systeme erscheinen und das heutige innovative Deep Learning ersetzen.

Wie Sie sich vorstellen können, wird die Zukunft auch von halbintelligenten Maschinen angegangen .

Wie bereits in anderen Artikeln erwähnt, verfügen die meisten elektronischen Geräte über Support- Informationen (einige enthalten diese bereits) . Ein sehr bemerkenswerter Fall ist der der Intelligenzen , die dazu beitragen, Fotos in besserer Qualität aufzunehmen.

Ein Punkt, an dem diese Technologie für die meisten Benutzer florieren kann, ist das IoT (Internet of Things, auf Spanisch).

Das Internet der Dinge

Dieser Begriff hat auf den Konferenzen für Technologie und Computer immer mehr Gewicht und versucht, sich zu festigen, sobald wir über die Mittel verfügen.

Die Idee ist, dass Haushaltsgeräte, Elektrogeräte und andere identifizierbare Objekte sind, miteinander kommunizieren und zusätzlich mit einem Gerät gesteuert werden können. Auf diese Weise können wir zählen, welche Objekte an einem Ort vorhanden sind, wo sie sich befinden, mit ihnen interagieren und dies alles vom Handy aus. Ebenso könnten die Objekte auch miteinander interagieren, und wenn beispielsweise ein Lebensmittel abläuft, kann der Kühlschrank Ihnen möglicherweise mitteilen, wann Sie es öffnen.

Andererseits sollte künstliche Intelligenz in der Lage sein, den Status und die Leistung von Haushaltsgeräten zu überwachen. Auf diese Weise können Sie einen Stromplan erstellen und den Energieverbrauch optimieren.

Ein relevanter Punkt, den wir noch verbessern müssen, wäre jedoch die Internetsicherheit . Es ist etwas, das immer noch nicht viel Belästigung zu erleiden scheint, aber wir alle wissen, dass es wichtig sein wird, wenn wir wollen, dass es ein sicherer Dienst ist.

Es ist eine etwas abstrakte Idee, aber wenn sie in unser Leben eindringt, werden Sie vertraut.

Die Bedeutung neuer Technologien und Deep Learning

Es ist unausweichlich zu glauben, dass Computer und künstliche Intelligenz einen Großteil der Zukunft prägen werden, die uns erwartet. Daher ist es wichtig, immer halbwegs zu wissen, was in der Welt passiert, die von Bits beherrscht wird.

In diesem Sinne können wir bereits sehen, wie unterschiedliche Abschlüsse, Kurse und Abschlüsse erscheinen, die diese Themen ausführlich vermitteln. Zum Beispiel sind einige Datenentwicklungen erschienen, andere Abschlüsse in Big Data und natürlich Kurse in Deep Learning und künstlicher Intelligenz .

Aus dem gleichen Grund bitten wir Sie dringend, das Thema zu untersuchen. Das Internet mit seinen Vor- und Nachteilen ist noch nicht autonom, weder perfekt noch wirklich sicher, aber es ist eine nahezu unbegrenzte Wissensquelle. Mit etwas Glück finden Sie einen Ort zum Lernen und können sich auf eine neue Sprache oder vielmehr auf eine neue Welt einlassen.

Da maschinelles Lernen eine etwas leichtere Disziplin ist , gibt es Programme, mit denen Sie ein wenig mit den Daten herumspielen können. Wenn Sie mehr über das Thema erfahren und sich selbst / die Grenzen dieser Technologie überprüfen möchten, können Sie IBM Watson Developer Cloud oder Amazon Machine Learning besuchen . Wir warnen Sie: Sie müssen ein Konto erstellen und es wird kein einfacher Weg sein, dies zu lernen, aber vielleicht wird es Ihnen eines Tages helfen, großartige Ziele zu erreichen.

Dahinter ist die Welt der Ideen, also liegt alles in Ihren Händen. Und was halten Sie von den neuen Technologien für künstliche Intelligenz? Welche anderen Deep Learning- Anwendungen kennen Sie oder möchten Sie sehen? Teilen Sie Ihre Ideen in der Box unten.

Source Business Blog Denken Sie an BigXatakaMachine Learning Mastery