یادگیری عمیق را عمیق بیاموزیم

یادگیری عمیق (deep learning) چیست؟

یادگیری عمیق یکی از روش ها و تکنیک های یادگیری ماشین (machine learning) است که به کامپیوتر آموزش می دهد مثل یک انسان مسائل را یاد بگیرد و در تجربیات بعدی از آن ها استفاده کند. به طور مثال یادگیری عمیق موجب می شود یک خودرو بدون راننده، علامت توقف را شناسایی کند یا یک عابر پیاده را از یک چراغ راهنمایی تشخیص دهد. کلید کنترل صدا در دستگاه های مصرف کننده مانند تلفن، تبلت، تلویزیون و بلندگوهای هنذفری هم از همین تکنولوژی استفاده می کنند.

در یادگیری عمیق که اخیرا مورد توجه زیادی قرار گرفته است، یک مدل کامپیوتری یاد می گیرد کارهای طبقه بندی شده را مستقیما از روی تصاویر، متون یا صداها انجام دهد. این مدل ها با استفاده از مجموعه بزرگی از داده های دارای برچسب و همچنین معماری شبکه های عصبی که حاوی لایه های زیادی هستند، آموزش می بینند. دقت اینگونه مدل ها بسیار زیاد است و حتی گاهی اوقات از عملکرد سطح انسانی هم فراتر می رود.

چرا یادگیری عمیق در سال های اخیر تا این اندازه مورد توجه قرار گرفته است؟

یادگیری عمیق برای اولین بار در دهه 1980 نظریه پردازی شده است اما تا حدی بهبود یافته که در برخی از کارها مثل طبقه بندی اشیا در تصاویر، از انسان هم بهتر عمل می کند. این موضوع برای برنامه های حیاتی ایمنی مثل اتومبیل های بدون راننده بسیار مهم است و انتظارات کاربران این برنامه ها را به خوبی برآورده می کند.

یادگیری عمیق برای کارایی خود به دو عامل اصلی نیاز دارد:

• مقدار زیادی داده دارای برچسب (مثلا توسعه اتومبیل بدون راننده به میلیون ها تصویر و هزاران ساعت فیلم نیاز دارد)
• قدرت محاسباتی قابل توجه (پردازنده های گرافیکی با عملکرد بالا و معماری موازی به همراه رایانش ابری کمک می کند زمان آموزش برای یک شبکه یادگیری عمیق از یک هفته به یک ساعت یا کمتر کاهش پیدا کند)

کاربردهای یادگیری عمیق

از برنامه های یادگیری عمیق در صنایع از رانندگی خودکار گرفته تا دستگاه های پزشکی استفاده می شود.

• رانندگی خودکار: محققان خودرو از یادگیری عمیق برای شناسایی خودکار اشیایی مانند علائم توقف و چراغ راهنمایی استفاده می کنند. علاوه بر این ، از یادگیری عمیق برای تشخیص عابران پیاده استفاده می شود که به کاهش تصادفات کمک می کند.
• هوا فضا و دفاع: یادگیری عمیق برای شناسایی اشیایی از ماهواره ها که مکان های مورد علاقه را تعیین می کنند و شناسایی مناطق امن یا ناامن برای نیروها استفاده می شود.
• تحقیقات پزشکی: محققان سرطان از یادگیری عمیق برای شناسایی خودکار سلول های سرطانی استفاده می کنند. تیم های پژوهشی و تحقیقاتی در UCLA یک میکروسکوپ پیشرفته ساختند که یک مجموعه داده با ابعاد بالا را برای آموزش یک برنامه یادگیری عمیق برای شناسایی دقیق سلول های سرطانی تولید می کند.
• اتوماسیون صنعتی: یادگیری عمیق با تشخیص خودکار زمانی که افراد یا اشیا در یک فاصله ناامن از ماشین آلات قرار دارند ، به بهبود ایمنی کارگران در اطراف ماشین آلات سنگین کمک می کند.
• الکترونیک: از یادگیری عمیق در ترجمه خودکار شنوایی و گفتاری استفاده می شود. به عنوان مثال دستگاه های کمکی در منزل که به صدای شما پاسخ می دهند و تنظیمات شما را شناسایی می کنند توسط برنامه های یادگیری عمیق تأمین می شوند.

اگر به حوزه یادگیری عمیق علاقه مند هستید، پیشنهاد می کنم وبینار "یادگیری عمیق را عمیق بیاموزیم" از دست ندهید. محورهای این وبینار که به صورت رایگان برگزار می شود شامل موارد زیر است:

• یادگیری عمیق چیست و در چه حوزه هایی کاربرد دارد؟
• تفاوت شبکه عصبی و یادگیری عمیق چیست؟
• تفاوت یادگیری عمیق و یادگیری ماشین چیست؟
• روش کار یادگیری عمیق چگونه است؟
• مدل های یادگیری عمیق چگونه ایجاد و آموزش داده می شود؟