«یادگیری عمیق» در مقابل «یادگیری ماشین»: چه تفاوتی بین این دو وجود دارد؟ - تکفارس  - صفحه 2
«یادگیری عمیق» در مقابل «یادگیری ماشین»: چه تفاوتی بین این دو وجود دارد؟ - تکفارس  - صفحه 2

«یادگیری عمیق» در مقابل «یادگیری ماشین»: چه تفاوتی بین این دو وجود دارد؟

مهدی شفیعی
۳۰ بهمن ۱۳۹۶ - 23:59
«یادگیری عمیق» در مقابل «یادگیری ماشین»: چه تفاوتی بین این دو وجود دارد؟ - تکفارس  - صفحه 2

یز خود را ادامه می‌دهد تا در نهایت برنده‌ی بازی شود.

اکنون وقت آن رسیده است که به موضوع عمیق‌تری بپردازیم: «یادگیری عمیق»

یادگیری عمیق

«یادگیری عمیق» اساسا همان یادگیری ماشین به صورت «عمیق‌تر» است. یادگیری عمیق، الهام گرفته از عملکرد مغز انسان است اما به ماشین‌های قوی‌تر با کارت‌های گرافیکی توانا برای پردازش داده‌های بزرگ محتاج است.

بر خلاف الگوریتم‌های استاندارد «یادگیری ماشین»، که برای حل یک مشکل آن را به بخش‌های کوچک‌تر تقسیم می‌کند و هرکدام را منحصرا حل می‌کند، «یادگیری عمیق» مشکلات را یکی پس از دیگری حل می‌کند. ازین رو، در این الگوریتم اطلاعات بیشتر و زمان بیشتری را خواهید داشت.

در مثال‌های ما برای یادگیری ماشین، ما از تصاویر دختران و پسران کمک گرفتیم. برنامه از الگوریتم‌هایی برای مرتب سازی این تصاویر استفاده می‌کرد. اما در یادگیری عمیق، اطلاعات برای برنامه فراهم نمی‌شود تا از آن استفاده کند. به جای آن، تمام پیکسل‌های یک تصویر را اسکن کرده تا مواردی را کشف کند که برای تمایز قائل شدن بین دختران و پسران از آن استفاده کند. پس از این، این موارد را به ترتیب مرتب می‌کند تا تمایز بین دو جنس را تکمیل کند.

در سطح‌ ساده‌تر، یادگیری ماشین بین یک مربع و مثلث بر اساس اطلاعاتی که توسط انسان‌ها فراهم می‌شود، تمایز قائل می‌شود. اطلاعاتی از قبیل: مربع‌ها چهار راس دارند و مثلث‌ها سه راس. با یادگیری عمیق، برنامه با اطلاعات از قبل آماده شده کار نمی‌کند. به جای آن، از یک الگوریتم برای تشخیص اینکه هر شکل چند خط دارد، استفاده می‌کند و این‌که آیا خط‌ها به هم متصل‌اند یا بر هم عمود هستند. به طور طبیعی، این الگوریتم در نهایت متوجه می‌شود که یک دایره با یک مثلث یا یک مربع متفاوت است.

دوباره اشاره می‌کنیم که این فرایند تفکر عمیق، به سخت‌افزار بیشتری برای پردازش حجم بالای داده‌ها با این الگوریتم‌ها محتاج است. این ماشین‌ها می‌توانند در مرکز داده‌های بزرگ، یک شبکه‌ی مصنوعی عصبی برای رسیدگی به همه‌ی این داده‌های عظیم بسازند. برنامه از الگوریتم‌های یادگیری عمیق استفاده می‌کند و در هر بار استفاده با یادگیری از تجربه‌ی قبلی، آزموده می‌شود.

آیا Skynet در راه است؟

بهترین مثالی که می‌شود از فواید یادگیری عمیق در همین اواخر به آن اشاره کرد، ترجمه است. این تکنولوژی قادر است تا به یک شخصی که انگلیسی صحبت می‌کند گوش دهد و در لحظه، به یک زبان دیگر ترجمه کند.

یادگیری عمیق همچنین در چت روم‌ها، الکسای آمازون، کورتونای مایکروسافت، فیس بوک، اینستاگرام و غیره به کار رفته است. در رسانه‌های عمومی، الگوریتم‌ها بر پایه‌ی یادگیری عمیق هستند. یادگیری عمیق حتی به شرکت‌های تبلیغاتی کمک می‌کند تا سلایق مشتری‌های خود را پیدا کنند.

ساندار پیچای (Sundar Pichai)، مدیر عامل گوگل گفت: اگر به آینده نگاهی بیندازیم، قدم بزرگ بعدی این است که «دستگاه» اقداماتی انجام دهد. به طور مثال، در طول زمان، خود کامپیوتر یک دستیار هوشمند خواهد بود که روزانه به شما کمک خواهد کرد.

مطالب مرتبط سایت

نظرات

دیدگاهتان را بنویسید