Hlboké učenie je odvetvie strojového učenia, ktoré využíva umelé neurónové siete s mnohými vrstvami. Takéto siete sa z veľkého množstva údajov učia, na ktorých znakoch záleží – od hrán v obrázkoch až po významové súvislosti v textoch. Hlboké učenie je základom dnešných jazykových modelov, rozpoznávania obrazu a reči a strojového prekladu a zvyčajne si vyžaduje značný výpočtový výkon a veľa trénovacích údajov.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoUmelé neurónové siete (ANN, artificial neural networks) sú výpočtové modely zložené z mnohých prepojených jednotiek („neurónov“) usporiadaných do vrstiev, ktoré spracúvajú vstupy cez vážené spojenia. Počas trénovania sa váhy krok za krokom upravujú pomocou príkladov, zvyčajne spätným šírením chyby (backpropagation). ANN sú základom hlbokého učenia a poháňajú rozpoznávanie obrazu, rozpoznávanie reči a veľké jazykové modely. Napriek biologickej inšpirácii fungujú oveľa jednoduchšie než ľudský mozog.
Strojové učenie je odvetvie umelej inteligencie, v ktorom počítače odvodzujú vzorce z údajov namiesto toho, aby sa každé pravidlo explicitne programovalo. Podľa úlohy sa modely učia z označených príkladov (s učiteľom), z neoznačených údajov (bez učiteľa) alebo prostredníctvom odmien (posilňované učenie). Aplikácie siahajú od filtrov spamu a predpovedí dopytu až po odporúčania produktov. Kvalita výrazne závisí od množstva a kvality trénovacích údajov.
Konvolučná neurónová sieť (CNN) je architektúra neurónovej siete, ktorá sa hodí najmä na obrazové údaje. Vstup prechádza malými filtrami, pričom v prvých vrstvách rozpoznáva jednoduché znaky, ako sú hrany, a v hlbších vrstvách zložitejšie tvary. CNN dlhé roky formovali rozpoznávanie obrazu a využívajú sa napríklad na odhaľovanie chýb na produktových fotografiách alebo v analýze medicínskych snímok.
Transformer je architektúra neurónových sietí, ktorá bola predstavená v roku 2017 vo výskumnej práci „Attention Is All You Need“. Jej jadrom je mechanizmus pozornosti: každé slovo sa váži vo vzťahu ku všetkým ostatným slovám v texte a výpočet sa dá efektívne paralelizovať. Transformery tvoria základ dnešných jazykových modelov, ako sú GPT, Claude a BERT, a používajú sa aj pri obrázkoch a zvuku.
