Ликбез: что такое deep learning?
Машинное обучение лежит в основе искусственного интеллекта. Оно помогает компьютерным системам самостоятельно решать очень сложные задачи, с которыми не всегда могут справиться люди.
Deep learning (“глубинное” или “глубокое” обучение) – это класс алгоритмов машинного обучения. Он использует многослойную систему фильтров для иерархического извлечения полезных признаков. Это значит, что каждый следующий слой на входе получает выходные данные предыдущего слоя. Признаки более высокого уровня — производные от признаков более низкого уровня.
Большинство алгоритмов глубокого обучения – это различные виды нейронных сетей (нейросетей). Искусственные нейросети, как и биологические, состоят из нейронов.
Что такое нейросеть?
Нейронная сеть — это обучаемая система, то есть, она действует не только исходя из заданных алгоритмов, но и основываясь на собственном опыте.
Нейрон в глубинном обучении можно представить как “черный ящик”, у которого много входных отверстий и одно выходное. На входе нейрон получает сигналы и на их основе формирует выходной. Как именно он формируется, определяет внутренний алгоритм.
Как работает глубокое обучение? Объясняем на примере
Любая нейросеть состоит из множества слоев. Каждый следующий слой создает новые (более сложные) признаки, основываясь на тех, что дал ему предыдущий слой.
Например, необходимо, чтобы компьютер распознал котенка на фото. Мы собираем данные — миллионы фото кошек — и даем (скармливаем) эти данные алгоритму.
Слоев может быть очень много, но представим, что для решения задачи нужно всего 4. Каждый вход первого слоя нейронов получает входящий пиксель картинки.
Berkeley.edu
При этом каждый следующий слой комбинирует информацию, полученную на предыдущих уровнях. Первый слой нейронов способен только распознать линии, точки и кружки. Когда он понимает, где на фото эти объекты, то передает информацию следующему слою. Основываясь на этих данных, алгоритм устанавливает, что следующий слой сможет различить треугольники и квадраты, например, понять, где у котенка уши. Когда третий слой узнает об этом, он уже способен понять, где на изображении голова котенка, а где — туловище. Комбинируя всю полученную информацию, 4 слой нейронов понимает, что перед ним — изображение котенка. Значит, обучение прошло успешно.
Когда появились нейросети и термин “deep learning”?
В 1965 году нейросети описали в виде математической модели украинские ученые Ивахненко и Лапа. Глубокие нейронные сети появились в 1980-е. , а термин “deep learning” — в 2000-х.
Почему о нейросетях заговорили сейчас?
— Компьютеры стали мощными. Для глубинного обучения, как и для майнинга криптовалют, нужны мощные видеокарты.
— У людей есть быстрый доступ к большим размеченным массивам данных. Например, мы можем найти в Google по запросу очень много фотографий котят, и потратим на это несколько секунд.
Для чего используют глубинное обучение?
Самая известная сфера — работа с изображениями. Например, на основе deep learning работает алгоритм рекомендаций в Pinterest, а Facebook “узнает” пользователей на фото.
Нейросети научили распознавать опухоли на рентгеновских снимках, играть в го и шахматы, создавать музыку и тексты. И это — не предел.
