Mély tanulás: az MI új szuperfegyvere?

A mesterséges intelligencia (MI) mindenhol jelen van manapság, de ennek az új, befolyásos technológiának az alapjai összetettek lehetnek. Az MI fejlesztésének két legfontosabb területe a "gépi tanulás" és annak alterülete, a "mély tanulás". Íme egy gyors magyarázat arról, hogy mi ez a két fontos tudományág, és hogyan járulnak hozzá az automatizálás fejlődéséhez. A mesterséges intelligencia lényegében intelligens viselkedést, tanulást és alkalmazkodást lehetővé tevő számítógépes rendszereket jelent. Az MI célja, hogy olyan gépeket hozzunk létre, amelyek képesek önállóan gondolkodni és cselekedni, hasonlóan az emberi agyhoz. A gépi tanulás (angolul Machine Learning vagy ML) a mesterséges intelligencia egyik széles kategóriája, amely arra a folyamatra utal, amely során a szoftverek "megtanulják", hogyan tegyenek előrejelzéseket vagy "döntéseket". Az ML magában foglalja az adatok statisztikai elemzését, lehetővé téve a gépek számára, hogy mintákat azonosítsanak, és ezek alapján prediktív elemzéseket végezzenek. A gépi tanulás forradalmasította számos iparág működését, az önvezető autóktól kezdve a beszédfelismerésig és a gyógyászati diagnosztikáig. Az ML algoritmusok hatalmas mennyiségű adatot elemezve képesek mintákat felismerni és döntéseket hozni emberi beavatkozás nélkül. A mély tanulás (Deep Learning vagy DL) a gépi tanulás egyik alkategóriája, amely mesterséges neurális hálózatokat használ az adatok elemzésére. A DL célja, hogy az algoritmusok nagy részben önállóan végezhessék a munkájukat, a neurális hálózatok segítségével utánozva az emberi agy működését, olyan folyamatokat, mint a döntéshozatal és a mintafelismerés. A mély tanulást használják például a képfelismerésben, a természetes nyelvfeldolgozásban vagy a robotikában is. A DL rendszerek több rétegből álló neurális hálózatokra épülnek, amelyek hierarchikus módon dolgozzák fel az adatokat, egyre komplexebb jellemzőket azonosítva.

Felügyelt és felügyelet nélküli tanulás

Az ML és a DL közötti egyik legnagyobb különbség a gép számára biztosított "felügyelet" szintje. A kevésbé összetett gépi tanulásnál a számítógép valószínűleg felügyelt tanulással foglalkozik - olyan folyamattal, amelyben egy ember segíti a gépet a címkézett, strukturált adatokban lévő minták felismerésében, ezáltal javítva prediktív elemzési képességét. Ezzel szemben a mély tanulásnál a gép "felügyelet nélküli tanulást" végez. A felügyelet nélküli tanulás során a gép a neurális hálózatát használja mintázatok azonosítására strukturálatlan vagy "nyers" adatokban - olyan adatokban, amelyeket még nem címkéztek fel vagy rendeztek adatbázisba. A felügyelet nélküli tanulás lehetővé teszi, hogy a vállalatok automatizált algoritmusokat használjanak hatalmas mennyiségű rendezetlen adat átfésülésére, elkerülve ezzel a jelentős emberi munkát. Ez forradalmasíthatja például a Big Data elemzését és új összefüggések felfedezését az adathalmazokban.

Az MI jövője

A gépi tanulás és a mély tanulás az MI fejlesztésének alapvető mozgatórugói. Ahogy ezek a technológiák fejlődnek, egyre nagyobb szerepet fognak játszani az üzleti életben és a mindennapi életünkben egyaránt. Számos szakértő véli úgy, hogy az MI lesz a következő ipari forradalom motorja. A gépi és mély tanulás segíthet az emberiségnek olyan kihívások leküzdésében, mint a klímaváltozás, a betegségek gyógyítása vagy a szegénység felszámolása. Ugyanakkor etikai kérdéseket is felvet a technológia használata, melyeket nem hagyhatunk figyelmen kívül. Az MI, az ML és a DL még gyerekcipőben járnak, de hatalmas potenciállal rendelkeznek. Izgalmas lesz látni, hogyan formálják át világunkat az elkövetkező évtizedekben. 

 (Eredeti cikk: gizmodo.com)