Diversos

O que é aprendizado profundo e por que ele é mais relevante do que nunca?

O que é aprendizado profundo e por que ele é mais relevante do que nunca?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Aprendizado de máquina? Aprendizagem profunda? Inteligência artificial? Esses termos se tornaram sinônimos da era moderna; termos que as pessoas adoram usar em conversas nas redes sociais e em peças de reflexão. No entanto, a compreensão adequada desses termos ajudará a colocar em perspectiva como algumas das tecnologias de ponta do mundo afetarão sua vida.

Já tocamos na inteligência artificial e no aprendizado de máquina, mas hoje você vai explorar o primo menos conhecido dessas tecnologias, o aprendizado profundo. Portanto, surge a pergunta: quanto você sabe sobre aprendizado profundo?

VEJA TAMBÉM: LEVE SEU CONHECIMENTO DE APRENDIZAGEM DE IA E APRENDIZAGEM PARA O PRÓXIMO NÍVEL COM ESTE PACOTE AVANÇADO

Para os não iniciados, o aprendizado profundo é um subconjunto do aprendizado de máquina em que as redes neurais artificiais, algoritmos inspirados no cérebro humano, aprendem com grandes quantidades de dados. O aprendizado profundo faz parte de uma família mais ampla de métodos de aprendizado de máquina com base em representações de dados de aprendizado.

Uma breve introdução

Você pode ter lido isso e ficou um pouco confuso. Em suma, o aprendizado profundo e todas as facetas da IA ​​moderna usam dados para tomar decisões "inteligentes" como as humanas. O aprendizado profundo ensina os computadores a aprenderem basicamente por meio de exemplos ou dados.

Para colocar isso em perspectiva, o aprendizado profundo é usado para carros sem motorista, permitindo que os veículos reconheçam outros veículos, sinais de parada e até mesmo pedestres, enquanto o aprendizado profundo também está no centro de produtos de consumo, como o assistente de voz dirige alto-falantes inteligentes, tecnologia de reconhecimento facial, e até mesmo em algumas páginas da web populares.

Hoje, você vai mergulhar mais fundo no mundo do aprendizado profundo e examinar como esse subconjunto do aprendizado de máquina mudará sua vida.

O mundo da aprendizagem profunda

Novamente, os dados são essenciais e estão no cerne do aprendizado profundo. Você pode aprender uma nova habilidade por meio da prática e da experiência. Os modelos de aprendizado profundo fazem o mesmo. Voltando ao exemplo do carro autônomo, um modelo de computador pode examinar milhares de sinais de pare antes de obter a capacidade de identificar um sinal de pare.

Modelos de computador de aprendizagem profunda aprendem a realizar tarefas de classificação diretamente de imagens, texto ou até mesmo de som. Um modelo de aprendizado profundo pode “aprender” a ser preciso, superando até mesmo seus criadores humanos.

Esses modelos são “treinados” para usar grandes conjuntos de dados rotulados, bem como arquiteturas de rede neural, algo que exploraremos mais adiante neste artigo.

Porque agora?

O aprendizado profundo está na vanguarda da IA, ajudando a moldar as ferramentas que usamos para atingir níveis tremendos de precisão. Os avanços no aprendizado profundo levaram essa ferramenta a um ponto em que o aprendizado profundo supera os humanos em algumas tarefas, como classificar objetos em imagens.

Exigindo GPUs de alto desempenho, os modelos de aprendizado profundo utilizam grandes quantidades de dados rotulados. Aquele carro Tesla sem motorista que você está sentado atrás precisava de milhões de imagens e milhares de horas de vídeo antes de ganhar a capacidade de levá-lo para casa.

Aprendendo a tomar a decisão certa

Alguns dos métodos de aprendizado profundo mais comuns usados ​​hoje usam o que é chamado de arquitetura de rede neural. Agora, uma rede neural é uma série de algoritmos que se esforçam para reconhecer relações subjacentes em um conjunto de dados por meio de um processo que imita a maneira como o cérebro humano opera.

A beleza de uma rede neural é sua capacidade de gerar o melhor resultado sem a necessidade de reprojetar os critérios de saída. Eles podem reconhecer padrões por meio de dados e continuar a tomar uma decisão precisa.

Novamente, as técnicas de aprendizado profundo contam com redes neurais complexas e com camadas pesadas para identificar uma imagem, som ou textos. Redes neurais tradicionais podem conter apenas 2-3 camadas ocultas, enquanto as redes profundas podem ter até 150.

Depois de criar seu modelo algorítmico, o que você tem é um modelo de aprendizado profundo que imita a estrutura biológica do cérebro. O Deep Learning é basicamente um aprendizado de máquina com esteróides. Cada camada processa recursos e, geralmente, cada camada extrai algumas informações valiosas.

Conforme descrito pelo MIT News, "Modelada livremente no cérebro humano, uma rede neural consiste em milhares ou mesmo milhões de nós de processamento simples que estão densamente interconectados."

"A maioria das redes neurais de hoje são organizadas em camadas de nós e são" feed-forward ", o que significa que os dados passam por elas em apenas uma direção."

“Um nó individual pode ser conectado a vários nós na camada abaixo dele, dos quais recebe dados, e vários nós na camada acima, para os quais envia dados”.

Portanto, isso levanta a questão: como o aprendizado profundo está sendo usado hoje?

Aprendizado profundo em toda a indústria

Modelos de aprendizagem profunda já se infiltraram em seu mundo, igualmente inaugurando uma série de inovações nas principais indústrias, que vão desde o mundo da eletrônica de consumo estendendo seu poder aos reinos da indústria aeroespacial e defesa.

Mais comumente, o aprendizado profundo é usado em aplicativos automatizados de tradução de fala e audição encontrados em aplicativos e dispositivos inteligentes. Os aplicativos de aprendizado profundo ajudam esses sistemas a reconhecer sua voz e fornecer respostas precisas.

Enquanto na área médica, os pesquisadores estão usando o aprendizado profundo para detectar células cancerosas. Mesmo as empresas industriais estão usando o aprendizado profundo para melhorar a vida dos funcionários, identificando quando os trabalhadores correm o risco de se machucar durante a operação de máquinas pesadas.

As ferramentas de aprendizagem profunda continuarão a mudar a maneira como as pessoas trabalham, criam e até projetam produtos. Este é apenas o começo.


Assista o vídeo: Atenção Seletiva, Metas e Sistema de Ativação Reticular (Julho 2022).


Comentários:

  1. Braylon

    Certo! Exatamente.

  2. Yozshushura

    Poderia haver erros?

  3. Camden

    É visível, não destino.

  4. Zulugore

    Bravo, sua ideia simplesmente excelente

  5. Joop

    Pensamento notável e muito útil

  6. Negrel

    É a frase preciosa



Escreve uma mensagem