Modely hlubokého učení mohou nepřetržitě analyzovat data. Dělají podobné závěry jako lidé, tedy přijímáním informací, konzultováním datových rezerv plných informací a určováním odpovědi. Jedná se o podoblasti strojového učení, která strukturuje algoritmy ve vrstvách za účelem vytvoření „umělé neuronové sítě“, která se může autonomně učit a činit tak inteligentní rozhodnutí. Tato technika umožňuje rozpoznávat řeč a obrazy. Hluboké učení má trvalý dopad v oblasti zdravotnictví, finance, maloobchod, logistika a robotika.
Jak funguje hluboké učení
Aplikace pro hluboké učení fungují pomocí umělých neuronových sítí – vrstvené struktury algoritmů. Pro použití hlubokého učení je nutné zadat vstup. Poté jsou tato neoznačená data odeslána přes skryté vrstvy neuronové sítě, kde pomocí matematických operací identifikuje vzory a získá tak odpověď. Návrh algoritmu je čerpán z konceptu lidského mozku a jeho sítě neuronů. Právě z tohoto důvodu je hluboké učení daleko více pokročilejší než strojové učení.
Příklady hlubokého učení
Google DeepMind vytvořil počítačový program AlphaGo s vlastní neuronovou sítí, která exceluje ve strategické hře Go. Hra je velmi jednoduchá, každopádně hráči musí být bystří a mít důvtip, aby ji zvládli hrát. AlphaGo je program, který se naučil hrát deskovou hru Go, díky hlubokému učení. Netrvalo dlouho a AlphaGo porazila světové mistry v této hře. Jedná se tak o důkaz, že stroje s hlubokým učením si dokáží poradit i s těmi nejlepšími a zároveň jsou schopny si osvojit abstraktní koncepty a složité techniky. I když to zabralo nějakou dobu, tak si AI osvojila různé herní vzorce tím, jak hrála s ostatními hráči a získávala tak zkušenosti.
Typy algoritmů hlubokého učení
Strojové učení umožňuje počítačům provádět působivé úkoly, ale zároveň zaostává v pokusech při napodobování lidských myšlenkových pochodů. V tomto naopak exceluje hluboké učení. Jaké typy algoritmů hlubokého učení existují?
- Konvoluční neuronové sítě
- Rekurentní neuronové sítě
- Vícevrstvý perceptron
Zdroj: https://www.geeksforgeeks.org/advantages-and-disadvantages-of-deep-learning/
