Kas yra gilus mokymasis?
Giluminis mokymasis yra dirbtinio intelekto funkcija, imituojanti žmogaus smegenų darbą tvarkant duomenis ir kuriant modelius, kuriuos būtų galima naudoti priimant sprendimus. Giluminis mokymasis yra dirbtinio intelekto (PG) mašininio mokymosi pogrupis, turintis tinklus, galinčius mokytis neprižiūrint iš nestruktūruotų ar nepaženklintų duomenų. Taip pat žinomas kaip gilus nervų mokymasis arba gilus nervų tinklas.
Kaip veikia gilus mokymasis
Giluminis mokymasis vystėsi kartu su skaitmenine epocha, kuri sukėlė visų formų ir bet kokio pasaulio regiono duomenų sprogimą. Šie duomenys, vadinami tiesiog dideliais duomenimis, yra renkami iš tokių šaltinių kaip socialinė žiniasklaida, interneto paieškos sistemos, elektroninės prekybos platformos ir internetiniai kino teatrai. Šis milžiniškas duomenų kiekis yra lengvai prieinamas ir juo galima dalintis naudojantis „fintech“ programomis, tokiomis kaip debesų kompiuterija.
Tačiau duomenys, kurie paprastai nėra struktūruoti, yra tokie gausūs, kad žmonėms suprasti juos ir gauti svarbią informaciją gali prireikti dešimtmečių. Bendrovės supranta neįtikėtiną potencialą, kurį gali sukelti šios informacijos gausos išnaikinimas, ir vis labiau prisitaiko prie PG sistemų, kad galėtų automatizuoti palaikymą.
Giluminis mokymasis išmokstamas iš daugybės nestruktuotų duomenų, kurių supratimas ir apdorojimas žmonėms paprastai gali trukti dešimtmečius.
Giluminis mokymasis, palyginti su mašina
Vienas iš labiausiai paplitusių PG metodų, naudojamų apdorojant didelius duomenis, yra mašininis mokymasis, savaime pritaikomas algoritmas, kuris vis geriau analizuojamas ir modeliuojamas atsižvelgiant į patirtį arba su naujais pridėtais duomenimis.
Jei skaitmeninių mokėjimų įmonė norėjo aptikti sukčiavimo atvejus ar galimą sukčiavimą savo sistemoje, ji galėtų šiam tikslui naudoti mašininio mokymosi priemones. Į kompiuterio modelį integruotas skaičiavimo algoritmas apdoros visas skaitmeninėje platformoje vykstančias operacijas, suras modelius duomenų rinkinyje ir nurodys visas šablono aptiktas anomalijas.
Giluminis mokymasis, mašininio mokymosi pogrupis, mašininio mokymosi procesui atlikti naudoja hierarchinį dirbtinių nervinių tinklų lygį. Dirbtiniai neuroniniai tinklai yra sukurti kaip žmogaus smegenys, o neuronų mazgai sujungti kaip internetas. Nors tradicinės programos duomenų analizę sudaro tiesiniu būdu, hierarchinė gilaus mokymosi sistemų funkcija leidžia mašinoms apdoroti duomenis netiesiniu metodu.
Tradicinis sukčiavimo ar pinigų plovimo nustatymo metodas gali priklausyti nuo įvykusios operacijos sumos, tuo tarpu gilus mokymosi netiesinis būdas apimtų laiką, geografinę vietą, IP adresą, mažmenininko tipą ir bet kurią kitą savybę, kuri gali nurodyti apgaulingą veiklą.. Pirmasis neuroninio tinklo sluoksnis apdoroja neapdorotų duomenų, tokių kaip operacijos suma, įvestį ir perduoda jį kitam sluoksniui kaip išvestį. Antrasis sluoksnis apdoroja ankstesniojo sluoksnio informaciją įtraukdamas papildomą informaciją, pavyzdžiui, vartotojo IP adresą, ir perduoda jo rezultatą.
Kitas sluoksnis paima antrojo sluoksnio informaciją ir apima neapdorotus duomenis, tokius kaip geografinė padėtis, ir daro mašinos modelį dar geresnį. Tai tęsiasi visuose neuronų tinklo lygiuose.
Pagrindiniai išvežamieji daiktai
- Giluminis mokymasis yra AI funkcija, imituojanti žmogaus smegenų veiklą apdorojant duomenis, kad būtų naudojami priimant sprendimus. Giluminis mokymasis AI gali mokytis iš duomenų, kurie yra ir nestruktūruoti, ir nepaženklinti. Gali būti naudojamas gilus mokymasis, mašininio mokymosi pogrupis. padėti aptikti sukčiavimą ar pinigų plovimą.
Giluminio mokymosi pavyzdys
Naudojant aukščiau paminėtą sukčiavimo aptikimo sistemą, mokantis kompiuteriu, galima sukurti gilaus mokymosi pavyzdį. Jei mašininio mokymosi sistema sukūrė modelį, kurio parametrai sudaryti atsižvelgiant į tai, kiek dolerių vartotojas siunčia ar gauna, giluminio mokymosi metodas gali būti paremtas mašininio mokymosi teikiamais rezultatais.
Kiekvienas jo neuroninio tinklo sluoksnis remiasi ankstesniu jo sluoksniu ir prideda tokius duomenis kaip mažmenininkas, siuntėjas, vartotojas, socialinės žiniasklaidos įvykis, kredito balas, IP adresas ir daugybė kitų funkcijų, kurių sujungimas kartu gali užtrukti metų metus, jei jas apdoroja žmogus. esamas. Giluminio mokymosi algoritmai yra mokomi ne tik sukurti visų operacijų šablonus, bet ir žinoti, kada šablonas rodo, kad reikia atlikti apgaulingą tyrimą. Paskutinis sluoksnis perduoda signalą analitikui, kuris gali įšaldyti vartotojo sąskaitą, kol bus baigti visi laukiantys tyrimai.
Giluminis mokymasis naudojamas visose pramonės šakose daugeliui skirtingų užduočių. Keletas gilaus mokymosi įtraukimo pavyzdžių yra komercinės programos, kuriose naudojamas vaizdo atpažinimas, atvirojo kodo platformos su vartotojų rekomendacijų programomis ir medicininių tyrimų priemonės, tiriančios galimybę pakartotinai vartoti vaistus naujiems negalavimams.
Greitas faktas
Elektronikos gamintojas „Panasonic“ bendradarbiauja su universitetais ir tyrimų centrais, kad sukurtų gilaus mokymosi technologijas, susijusias su kompiuterio matymu.
