10.01.2018

Deep Learning

Deep Learning – Дума на деня – EVS Translations
Deep Learning – Дума на деня – EVS Translations

Deep learning (дълбоко учене) е отрасъл на машинното обучение, който използва алгоритми, например за различаване на предмети и човешка реч. То се основава на концепцията за изкуствените невронни мрежи на д-р Робърт Хехт-Нилсен, изобретател на един от първите неврокомпютри, който го дефинира като: „изчислителна система, съставена от множество прости, тясно взаимосвързани елементи, които обработват информация чрез тяхната динамична устойчива реакция към външна входяща информация“, или с други думи, компютърни системи, които имитират начина, по който функционира човешкият мозък.

Историята на deep learning започва през 1943 г., когато Уорън Маккулох и Уолтър Питс създават изчислителен модел за невронни мрежи, наречен Threshold logic, основан на математиката и предназначен да имитира начина, по който функционират невроните, а тяхната научна разработка A Logical Calculus of the Ideas Immanent in Nervous Activity  е първият писмен източник, в който е въведена концепцията за невронните мрежи.

Значителен напредък настъпва през 1980 г., когато Кунихико Фукушима създава  изкуствената невронна мрежа Neoconitron, използвайки йерархичен многопластов дизайн, позволяващ на компютрите да се „научат“ да разпознават човешкия почерк, а тя по-късно вдъхновява създаването на спираловидни невронни мрежи, с които успешно се идентифицират различни обекти и се захранва „зрението“ на роботите.

През 1985 г. Тери Сежновски, невролог от института за биологични изследвания „Солк“ в Калифорния, създава NETtalk − програма, която се научава да произнася думи на английски език по почти същия начин, както го правят децата.

Възникването на теориите за обратното разпространение на сигнал за грешка (Backpropagation) е последвано от подобрения при разпознаването на форми и прогнозирането на думи, когато се въвежда мрежа за дългосрочна краткосрочна памет LSTM (Long Short Term Memory Networks) през 1997 година.

Самият термин deep learning започва да печели популярност в средата на първото десетилетие на 21 век, когато в научна разработка на Джефри Хинтън и Руслан Салакхутдинов се демонстрира как една многопластова невронна мрежа може да бъде обучена предварително пласт по пласт, а огромна свободна база данни от милиони обозначени изображения, необходими за обучението на невронни мрежи, е пусната в обръщение през 2009 г. от Фей-Фей Ли, преподавателка по компютърни науки и директор на лабораторията по изкуствен интелект в университета в Станфорд, която заявява следното: „Големите бази данни ще променят начина, по който функционира машинното обучение. Данните стимулират обучението“.

Три години по-късно се провежда така нареченият Котешки експеримент (Cat Experiment), при който 10 милиона необозначени изображения, взети на случаен принцип от YouTube, са предоставени на невронна мрежа, разпръсната сред хиляди компютри, която в края на самообучителната сесия се научава да разпознава и идентифицира котки и макар успешните разпознавания да са само около 15%, експериментът превръща термина deep learning в хит.

За две години невронните мрежи DeepFace показват способност да идентифицират лица с точност от 97.35%, а изследванията в областта на дълбокото учене бързо се ускоряват и заедно с изкуствения интелект се превръщат в модна тенденция в света на бизнеса.

Според компанията за маркетингови изследвания Stratistics MRC, през 2023 г. се очаква глобалният пазар на deep learning да достигне 72 млрд. долара, с основно приложение при извличането на данни, разпознаване на изображения и говор, видео диагностика, чатботове и автономно шофиране.