Három egymásba ágyazott fogalom
A mesterséges intelligencia (artificial intelligence) a legtágabb fogalom. Minden olyan technika ide tartozik, amely emberi értelmet igénylő feladatot old meg gépi úton. A gépi tanulás (machine learning) ennek egy részhalmaza. Itt a program nem előre beírt szabályokból dolgozik, hanem adatból tanulja meg a mintázatot. A mélytanulás (deep learning) pedig a gépi tanulás egy irányzata, amely mesterséges neurális hálókat használ, méghozzá sok, egymásra épülő réteggel. A mély jelző pontosan erre a sok rétegre utal.
Miben más a mélytanulás
A klasszikus gépi tanulásban egy szakértő előre kézzel definiálja, milyen jellemzőket (feature) nézzen a modell. Egy arcfelismerőnél például valaki kitalálja, hogy a szem távolságát, az orr formáját és a szemöldök ívét érdemes mérni. Ez lassú, sérülékeny, és minden új feladatnál elölről kezdődik. A mélytanulás ezt fordítja meg. A háló magából a nyers adatból, például a kép képpontjaiból tanulja meg, milyen jellemzők a hasznosak. Az alsó rétegek egyszerű mintázatokat, éleket és foltokat ismernek fel, a felsőbb rétegek ezekből építenek egyre összetettebb fogalmakat, egészen az arc egészéig.
Klasszikus gépi tanulás
- Ember kézzel definiálja a jellemzőket
- Sok szakértői munka minden feladatnál
- Sérülékeny, ha megváltozik az adat
- Kevesebb adaton is elindul
Mélytanulás
- A háló maga tanulja a jellemzőket
- A nyers adatból dolgozik közvetlenül
- Rétegenként egyre elvontabb fogalmak
- Sok adatot és számítást igényel
A jellemzők hierarchiája
A mélytanulás ereje abban a hierarchiában rejlik, ahogyan a rétegek egymásra épülnek. Egy képfeldolgozó hálóban az első réteg még csak éleket és színátmeneteket lát. A következő réteg ezekből az élekből formákat, sarkokat és íveket rak össze. A még feljebbi rétegek részleteket, például szemet vagy kereket ismernek fel, a legfelső réteg pedig már egész tárgyakat vagy arcokat. Egyik réteg sem tudja ezt önmagában, a képesség a rétegek egymásra épüléséből származik.
- BemenetA nyers adat, például egy kép képpontjai, minden előfeldolgozott jellemző nélkül.
- Alsó rétegekEgyszerű mintázatok, élek, foltok, színátmenetek felismerése.
- Középső rétegekAz élekből formák, sarkok, ívek és részletek épülnek fel.
- Felső rétegekÖsszetett fogalmak, egész tárgyak vagy arcok szintjén.
Miért éppen most
A neurális hálók ötlete évtizedes, a mélytanulás mégis csak az elmúlt években vált uralkodóvá. Ennek három egyszerre teljesülő oka van, és a MIT 6.S191 is ezt a három tényezőt emeli ki. Az első a nagy mennyiségű adat. Ma sokkal könnyebb hatalmas adathalmazokat gyűjteni és tárolni, márpedig a mély hálók sok adatból tanulnak jól. A második a hardver. A grafikus processzorok, a GPU-k, párhuzamosan sok műveletet végeznek, és a neurális hálók tanítása pontosan ilyen párhuzamosítható számítás. A harmadik a szoftver. Kiforrott, nyílt eszközkészletek jelentek meg, amelyekkel a modellek felépítése és tanítása sokkal egyszerűbb lett.
Három tényező együtt. Adat, hardver és szoftver. Külön egyik sem lett volna elég, együtt viszont elérték, hogy a mély hálók a gyakorlatban is működjenek. Ezért nem a hetvenes vagy a kilencvenes évek, hanem a mostani időszak lett a mélytanulás korszaka.
Workshop
AI Transformation Day
Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, prioritizált cselekvési lista.
Érdekel a program →