Ce este învățarea profundă?
Învățarea profundă este o funcție de inteligență artificială care imită funcționarea creierului uman în procesarea datelor și crearea de modele de utilizare în luarea deciziilor. Învățarea profundă este un subset de învățare automată în inteligență artificială (AI) care are rețele capabile să învețe nesupravegheate de la date care nu sunt structurate sau care nu sunt marcate. Cunoscut și sub denumirea de învățare neuronală profundă sau rețea neuronală profundă.
Cum funcționează învățarea profundă
Învățarea profundă a evoluat mână în mână cu era digitală, ceea ce a provocat o explozie de date sub toate formele și din fiecare regiune a lumii. Aceste date, cunoscute pur și simplu ca date mari, sunt obținute din surse precum social media, motoare de căutare pe internet, platforme de comerț electronic și cinematografe online, printre altele. Această cantitate enormă de date este ușor accesibilă și poate fi împărtășită prin aplicații fintech precum cloud computing.
Cu toate acestea, datele, care în mod normal sunt nestructurate, sunt atât de vaste încât ar putea dura zeci de ani pentru ca oamenii să o înțeleagă și să extragă informații relevante. Companiile realizează potențialul incredibil care poate rezulta din dezvăluirea acestei bogății de informații și se adaptează tot mai mult la sistemele AI pentru asistență automatizată.
Învățarea profundă învață din cantități vaste de date nestructurate care, în mod normal, ar putea dura oamenilor zeci de ani pentru a înțelege și a procesa.
Învățare profundă versus învățare automată
Una dintre cele mai frecvente tehnici de AI utilizate pentru procesarea datelor mari este învățarea automată, un algoritm auto-adaptativ care obține o analiză din ce în ce mai bună și modele cu experiență sau cu date recent adăugate.
Dacă o companie de plăți digitale dorește să detecteze apariția sau potențialul unei fraude în sistemul său, ar putea folosi instrumente de învățare automată în acest scop. Algoritmul de calcul încorporat într-un model de computer va prelucra toate tranzacțiile care se petrec pe platforma digitală, va găsi tiparele în setul de date și va evidenția orice anomalie detectată de model.
Învățarea profundă, un subset de învățare automată, utilizează un nivel ierarhic de rețele neuronale artificiale pentru a efectua procesul de învățare a mașinilor. Rețelele neuronale artificiale sunt construite ca creierul uman, cu noduri neuronale conectate între ele ca o pânză. În timp ce programele tradiționale construiesc analiza cu datele într-un mod liniar, funcția ierarhică a sistemelor de învățare profundă permite mașinilor să proceseze date cu o abordare neliniară.
O abordare tradițională de detectare a fraudei sau a spălării banilor s-ar putea baza pe cantitatea de tranzacție care rezultă, în timp ce o tehnică non-liniară de învățare profundă ar include timpul, locația geografică, adresa IP, tipul vânzătorului și orice altă caracteristică care poate indica o activitate frauduloasă.. Primul strat al rețelei neuronale procesează o intrare de date brute, precum suma tranzacției și o transmite la următorul nivel ca ieșire. Al doilea strat procesează informațiile stratului precedent prin includerea informațiilor suplimentare precum adresa IP a utilizatorului și transmite rezultatul acestuia.
Următorul strat preia informațiile celui de-al doilea strat și include date brute precum locația geografică și îmbunătățește modelul mașinii. Aceasta continuă pe toate nivelurile rețelei neuronale.
Cheie de luat cu cheie
- Învățarea profundă este o funcție de AI care imită funcționarea creierului uman în procesarea datelor destinate utilizării în luarea deciziilor. Învățarea continuă AI este capabilă să învețe din date care nu sunt structurate și care nu sunt marcate. Învățarea continuă, un subset de învățare automată, poate fi utilizată pentru a ajuta la detectarea fraudei sau a spălării banilor.
Un exemplu de învățare profundă
Folosind sistemul de detectare a fraudei menționat mai sus cu învățarea automată, se poate crea un exemplu de învățare profundă. Dacă sistemul de învățare automată a creat un model cu parametri construiți în jurul numărului de dolari pe care un utilizator îl trimite sau îl primește, metoda de învățare profundă poate începe să se bazeze pe rezultatele oferite de învățarea automată.
Fiecare strat al rețelei sale neuronale se bazează pe stratul anterior cu date adăugate precum un vânzător, expeditor, utilizator, eveniment de social media, punctaj de credit, adresă IP și o mulțime de alte funcții care pot dura ani întregi pentru a vă conecta împreună, dacă este procesat de un om. fiind. Algoritmii de învățare profundă sunt instruiți pentru a nu crea doar tipare din toate tranzacțiile, dar știu și când un model semnalează necesitatea unei investigații frauduloase. Stratul final transmite un semnal către un analist care poate îngheța contul utilizatorului până la finalizarea tuturor investigațiilor.
Învățarea profundă este utilizată în toate industriile pentru o serie de sarcini diferite. Aplicațiile comerciale care folosesc recunoașterea imaginilor, platforme open source cu aplicații de recomandare a consumatorilor și instrumente de cercetare medicală care explorează posibilitatea reutilizării medicamentelor pentru noi afecțiuni sunt câteva dintre exemplele de încorporare profundă a învățării.
Fapt rapid
Producătorul de electronice Panasonic a lucrat cu universități și centre de cercetare pentru a dezvolta tehnologii de învățare profundă legate de viziunea computerului.
