Η βαθιά μάθηση (deep learning) είναι ένας κλάδος της μηχανικής μάθησης που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα με πολλά στρώματα. Τέτοια δίκτυα μαθαίνουν από μεγάλους όγκους δεδομένων ποια χαρακτηριστικά έχουν σημασία – από τις ακμές σε εικόνες έως τις σχέσεις νοήματος σε κείμενα. Η βαθιά μάθηση στηρίζει τα σημερινά γλωσσικά μοντέλα, την αναγνώριση εικόνας και ομιλίας και τη μηχανική μετάφραση, και συνήθως απαιτεί σημαντική υπολογιστική ισχύ και δεδομένα εκπαίδευσης.
Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.
Έναρξη επίδειξηςΤα τεχνητά νευρωνικά δίκτυα (artificial neural networks, ANN) είναι υπολογιστικά μοντέλα που αποτελούνται από πολλές συνδεδεμένες μονάδες («νευρώνες») οργανωμένες σε στρώματα, οι οποίες επεξεργάζονται εισόδους μέσω σταθμισμένων συνδέσεων. Κατά την εκπαίδευση, τα βάρη προσαρμόζονται βήμα προς βήμα με τη βοήθεια παραδειγμάτων, συνήθως με οπισθοδιάδοση (backpropagation). Τα ANN αποτελούν το θεμέλιο της βαθιάς μάθησης και τροφοδοτούν την αναγνώριση εικόνας, την αναγνώριση ομιλίας και τα μεγάλα γλωσσικά μοντέλα. Παρά τη βιολογική τους έμπνευση, λειτουργούν πολύ απλούστερα από τον ανθρώπινο εγκέφαλο.
Η μηχανική μάθηση είναι ένας κλάδος της τεχνητής νοημοσύνης στον οποίο οι υπολογιστές εξάγουν μοτίβα από δεδομένα αντί να προγραμματίζεται ρητά κάθε κανόνας. Ανάλογα με την εργασία, τα μοντέλα μαθαίνουν από επισημασμένα παραδείγματα (εποπτευόμενη), από μη επισημασμένα δεδομένα (μη εποπτευόμενη) ή μέσω ανταμοιβών (ενισχυτική). Οι εφαρμογές κυμαίνονται από φίλτρα ανεπιθύμητης αλληλογραφίας και προβλέψεις ζήτησης έως προτάσεις προϊόντων. Η ποιότητα εξαρτάται σε μεγάλο βαθμό από την ποσότητα και την ποιότητα των δεδομένων εκπαίδευσης.
Ένα συνελικτικό νευρωνικό δίκτυο (CNN) είναι μια αρχιτεκτονική νευρωνικού δικτύου ιδιαίτερα κατάλληλη για δεδομένα εικόνας. Σαρώνει την είσοδο με μικρά φίλτρα, ανιχνεύοντας απλά χαρακτηριστικά όπως ακμές στα πρώτα επίπεδα και πιο σύνθετα σχήματα στα βαθύτερα. Τα CNN διαμόρφωσαν την αναγνώριση εικόνας για πολλά χρόνια και χρησιμοποιούνται, για παράδειγμα, για τον εντοπισμό ελαττωμάτων σε φωτογραφίες προϊόντων ή στην ανάλυση ιατρικών εικόνων.
Ο transformer είναι μια αρχιτεκτονική νευρωνικών δικτύων που παρουσιάστηκε το 2017 στην ερευνητική εργασία «Attention Is All You Need». Στον πυρήνα της βρίσκεται ο μηχανισμός προσοχής: κάθε λέξη σταθμίζεται σε σχέση με όλες τις άλλες λέξεις ενός κειμένου και ο υπολογισμός μπορεί να παραλληλιστεί αποτελεσματικά. Οι transformers αποτελούν τη βάση των σημερινών γλωσσικών μοντέλων όπως τα GPT, Claude και BERT και χρησιμοποιούνται επίσης για εικόνες και ήχο.
