Naon nu peryogi kauninga ngeunaan évolusi kecerdasan jieunan
Jero pembelajaran mangrupakeun formulir kuat learning mesin (ML) nu ngawangun struktur matematik kompléks disebut jaringan neural ngagunakeun jumlah vast data (informasi).
Jero Harti Learning
Jero pembelajaran mangrupa cara tina ngalaksanakeun ML ngagunakeun sababaraha lapisan jaringan neural ngolah jenis leuwih kompleks data. Kadangkala disebut hirarki learning, learning jero migunakeun tipena béda jaringan neural pikeun neuleuman fitur (disebut oge Répréséntasi) jeung manggihan eta di susunan badag tina atah, data unlabeled (data henteu kaduga). Salah sahiji demonstrasi narabas mimiti learning jero éta program anu hasil ngangkat gambar tina ucing kaluar tina sét video YouTube.
Jero Conto Learning dina Poean Kahirupan
Jero pembelajaran teu ukur dipaké dina pangakuan gambar, tapi ogé tarjamahan basa, beungeut panipuan, sarta pikeun nganalisis data dikumpulkeun ku pausahaan ngeunaan konsumén maranéhanana. Contona, Netflix migunakeun learning jero cara analisa kabiasaan nempoan anjeun sarta ngaduga nu nembongkeun na film nu resep lalajo. Éta kumaha Netflix weruh nempatkeun film action sareng documentaries alam di antrian saran anjeun. Amazon migunakeun learning jero cara analisa purchases panganyarna anjeun jeung item nu tos Anjeun nembe searched for keur nyieun saran keur albeum musik nagara anyar anjeun kamungkinan jadi resep jeung nu keur di pasar pikeun pasangan ténis abu sarta konéng sapatu. Salaku learning jero nyadiakeun beuki loba wawasan tina data anu henteu kaduga jeung atah, korporasi bisa hadé antisipasi kabutuhan konsumén maranéhna bari anjeun, customer individual meunang layanan palanggan langkung Pribadi.
Jaringan neural jieunan sarta Deep Learning
Sangkan jero diajar gampang ngartos, hayu urang revisit ngabandingkeun urang tina hiji jaringan neural jieunan (araya). Pikeun learning jero, ngabayangkeun gedong kantor kami 15-carita ngawengku blok kota jeung lima wangunan kantor séjén. Aya tilu wangunan on unggal sisi jalan. Wangunan urang geus ngawangun A sarta biasa di sisi sarua jalan sakumaha wangunan B jeung C. Meuntas jalan ti gedong A ieu gedong 1, sarta sakuliah ti gedong B nyaeta ngawangun 2, jeung saterusna. Tiap gedong boga sababaraha floors, dijieun tina bahan nu béda sarta ngabogaan gaya arsitektur béda ti batur. Sanajan kitu, tiap bangunan ieu masih disusun dina lanté misah (lapisan) tina kantor (titik) -so unggal wangunan téh araya unik.
Ngabayangkeun nu paket digital datang dina ngawangun A, nu ngandung kavling rupa béda inpormasi ti sababaraha sumber kayaning data dumasar-téks, video aliran, audio aliran, nelepon telepon, gelombang radio jeung foto-kumaha oge, eta datang dina hiji jumble badag tur teu dilabélan atanapi dumasar di mana wae cara logis (data henteu kaduga). Inpo ieu dikirim ngaliwatan unggal lantai supaya ti 1 st liwat 15 th keur ngolah. Sanggeus informasi jumble ngahontal lanté 15 th (output), mangka dikirim ka 1 st floor (input) ngawangun 3 sapanjang kalawan hasil ngolah final ti gedong A. Gedong 3 learns ti na incorporates hasil dikirim ku gedong A jeung lajeng prosés nu jumble informasi ngaliwatan unggal lantai di ragam sarua. Lamun informasi ngahontal lanté luhur gedong 3, mangka dikirim ti dinya kalawan hasil nu wangunan pikeun ngawangun 1. Gedong 1 learns ti na incorporates hasil tina gedong 3 sateuacan ngolah eta lantai-demi-floor. Gedong 1 pas informasi jeung hasil dina cara nu sarua jeung wangunan C, anu prosés sarta ngirimkeun ka gedong 2, anu prosés sarta ngirimkeun ka gedong B.
Unggal araya (wangunan) dina conto urang maluruh ciri béda dina data anu henteu kaduga (jumble inpormasi) jeung pas hasil ka wangunan salajengna. Wangunan hareup incorporates (learns) kaluaran (hasil) ti hiji saméméhna. Salaku data diolah ku unggal araya (wangunan), eta bakal diayakeun jeung dilabélan (diklasifikasikeun) ku fitur tinangtu ku kituna lamun data dina ngahontal kaluaran ahir (lanté luhur) anu araya panungtungan (wangunan), mangka digolongkeun na dilabélan (beuki terstruktur).
Jieunan AKAL, Mesin Learning, sarta Deep Learning
Kumaha carana sangkan pembelajaran jero cocog kana gambar sakabéh kecerdasan jieunan (AI) sarta ML? Jero pembelajaran boosts kakawasaan ML na ngaronjatkeun lingkup tugas AI sanggup ngajalankeun. Kusabab learning jero ngandelkeun kana dipakéna jaring neural sarta fitur recognizing dina data susunan tinimbang tugas-spésifik basajan algoritma , éta bisa manggihan tur nganggo rinci ti data anu henteu kaduga (atah) tanpa kedah pikeun programmer pikeun sacara manual LABEL heula-waktu tugas -consuming nu bisa ngenalkeun kasalahan. Jero pembelajaran ieu nulungan komputer meunang hadé tur hadé dina ngagunakeun data pikeun mantuan duanana korporasi na individu.