Uczenie głębokie
![](http://upload.wikimedia.org/wikipedia/commons/thumb/c/cd/AI_hierarchy_pl.svg/220px-AI_hierarchy_pl.svg.png)
Uczenie głębokie, deep learning – podkategoria uczenia maszynowego (ang. machine learning), która polega na tworzeniu głębokich sieci neuronowych (sieci z wieloma poziomami neuronów). Techniki głębokiego uczenia mają za zadanie udoskonalić m.in. automatyczne przetwarzanie mowy, rozpoznawanie obrazów i przetwarzania języka naturalnego.
Sposób działania
[edytuj | edytuj kod]![](http://upload.wikimedia.org/wikipedia/commons/thumb/3/30/Multilayer_Neural_Network.png/220px-Multilayer_Neural_Network.png)
Sieci neuronowe są głębokie ponieważ struktura tych sieci składa się z wielu warstw sztucznych neuronów. Proste sieci neuronowe można zaprojektować ręcznie tak by konkretna warstwa wykrywała konkretne cechy, a uczenie się polega na ustaleniu odpowiednich wag. W dużych sieciach neuronowych proces głębokiego uczenia jest do pewnego stopnia samodzielny. To znaczy sieć nie jest projektowana pod wykrywanie konkretnych cech, lecz wykrywa je na podstawie przetwarzana odpowiednio oznaczonych zbiorów danych. Zarówno takie zbiory, jak i sam sposób działania sieci muszą być przygotowane przez specjalistów, ale cechy wykrywał już sam program. Dzięki temu możliwe jest przetworzenie wielkiej ilości danych, a sieć może automatycznie nauczyć się reprezentacji cech wyższego poziomu, co oznacza, że mogą one wykryć skomplikowane wzorce w danych wejściowych[1][2].
Zastosowania
[edytuj | edytuj kod]![](http://upload.wikimedia.org/wikipedia/commons/thumb/1/1f/Woman_1.jpg/220px-Woman_1.jpg)
- Automatyczne rozpoznawanie i przetwarzanie mowy na tekst[3][4].
- Przetwarzanie języka naturalnego, wykrywanie znaczeń i tłumaczenie na inny język[5][6].
- Rozpoznawanie obiektów na obrazach w tym na filmach (nadawanie etykiet i oznaczanie)[6]. W tym również analiza obrazu medycznego i diagnostyka[5][7].
- Bioinformatyka i projektowanie leków[8][7].
- Rekonstrukcja obrazu ze słabej jakości obrazku (powiększanie bez widocznej straty jakości, dodawanie kolorów)[6][9][10].
- Generowanie sztucznych obrazów i filmów (deepfake, wspomaganie pracy grafików)[6][11].
- Systemy rekomendacji (książki do przeczytania, filmy do obejrzenia, zakupy itp.)[5].
- Wykrywanie oszustw finansowych i innych anomalii w danych (np. zwalczanie dezinformacji i cyberbezpieczeństwo)[5][7].
- Automatyczni asystenci, obsługa hoteli i restauracji, czatboty[5].
- Automatyczne samochody i systemy wspomagające prowadzenie auta[5][6].
Przypisy
[edytuj | edytuj kod]- ↑ lgayhardt, Deep learning vs. machine learning – Azure Machine Learning [online], docs.microsoft.com [dostęp 2022-04-26] (ang.).
- ↑ Guillaume Chassagnon i inni, Deep learning: definition and perspectives for thoracic imaging, „European Radiology”, 30 (4), 2020, s. 2021–2030, DOI: 10.1007/s00330-019-06564-3, ISSN 0938-7994 [dostęp 2023-03-22] (ang.).
- ↑ Gražina Korvel i inni, Analysis of 2D Feature Spaces for Deep Learning-Based Speech Recognition, „Journal of the Audio Engineering Society”, 66 (12), 2018, s. 1072–1081, DOI: 10.17743/jaes.2018.0066 [dostęp 2023-03-22] (ang.).
- ↑ Dario Radečić , How to Automatically Timestamp, Transcribe, and Summarize YouTube Videos with Deep Learning [online], Geek Culture, 5 marca 2022 [dostęp 2023-03-22] (ang.).
- ↑ a b c d e f Sztuczna inteligencja: co to jest i jakie ma zastosowania? [online], www.europarl.europa.eu, 9 kwietnia 2020 [dostęp 2023-03-22] (pol.).
- ↑ a b c d e Yaron Hadad , 30 amazing applications of deep learning [online], Yaron Hadad, 16 marca 2017 [dostęp 2023-03-22] (ang.).
- ↑ a b c Daniel Gutierrez , Deep Learning and AI Success Stories [online], insideBIGDATA, 15 marca 2017 [dostęp 2023-03-22] (ang.).
- ↑ Xiaoqian Lin , Xiu Li , Xubo Lin , A Review on Applications of Computational Methods in Drug Screening and Design, „Molecules”, 25 (6), 2020, s. 1375, DOI: 10.3390/molecules25061375, ISSN 1420-3049 [dostęp 2022-06-21] (ang.).
- ↑ Kristi Pelzel , Adobe’s machine learning model makes low resolution photos high resolution, instantly. [online], Upskilling, 14 sierpnia 2021 [dostęp 2023-03-22] (ang.).
- ↑ Jamshed Khan , StyleGANs: Use machine learning to generate and customize realistic images [online], Medium, 24 września 2021 [dostęp 2023-03-22] (ang.).
- ↑ 10 Best AI Art Generators (March 2023) – Unite.AI [online], www.unite.ai [dostęp 2023-03-22] .