نویسندهیادگیری عمیق چیست؟
یادگیری عمیق را می توان یکی از زیرمجموعه های یادگیری ماشین به حساب آورد. یادگیری عمیق به کامپیوترها آموزش می دهد آنچه را که به شکل نرمال برای ما انسان ها انجام می‌شود، انجام دهند.
اگر بخواهیم یادگیری عمیق را به گونه ای دیگر توضیح دهیم باید بگوییم که یادگیری عمیق دقیقا یک رشته دیگر از یادگیری ماشین است که از الگوریتم‌هایی در آن بهره برده می شود که مغز انسان را به گونه ای شبیه سازی می نمایند. به این الگوریتم ها شبکه های عصبی مصنوعی می گویند. شبکه‌های عصبی مصنوعی الهام گرفته از گره های ارتباطی قرار گرفته در سیستم‌های بیولوژیکی و همچنین پردازش اطلاعات هستند. شبکه‌های عصبی در هر صورت به حالت نمادین و ایستا تمایل دارند.
تاریخچه
روش یادگیری عمیق به شکلی آسان، نخستین بار در سال 1980 میلادی ارائه شدکه البته در آن زمان به صورت یک استدلال نظری بود. ولی این روش به دو دلیل مهم، این روزها بیش از قبل مورد توجه همه قرار گرفته. این دلایل مهم عبارتند از:
Deep Learning به تعداد فراوانی از داده‌ها نیاز خواهد داشت. برای مثال، جهت توسعه ماشین های بدون سرنشین، هزاران ساعت ویدئو و میلیون‌ها تصویر مورد نیاز خواهد بود.
یادگیری عمیق به توان پردازشی پر قدرتی نیاز خواهد داشت. واحدهای پردازنده گرافیکی پر قدرت و پر توانی که در Deep Learning از آن ها بهره برده می شود، هزینه زیادی را متحمل می شوند. اگر که این پردازنده‌ها دارای همگام سازی با سیستم رایانش شوند، افراد توسعه دهنده می‌توانند زمان آموزش مد نظر برای یک یادگیری عمیق را از چند هفته به چند ساعت برسانند البته حتی ممکن است از چند ساعت هم کمتر شود.
وقتی که به سراغ روش یادگیری عمیق می رویم، یعنی این که دقیقا در حال استفاده از شبکه عصبی عمیق یا همان Deep Neural Network هستیم. فرقی که یادگیری عمیق و شبکه عصبی دارند همین است که یادگیری عمیق از محدوده ای وسیع تر از شبکه عصبی برخوردار است و الگوریتم های یادگیری تقویتی را هم در بر می گیرد.
کاربردها
می توانیم بگوییم که در صنایع گوناگون کاربردهای یادگیری عمیق بسیار زیاد و البته مختلف هستند به عنوان مثال این مورد در رانندگی اتوماتیک به گونه ای خود را نشان می دهد و در حرفه پزشکی به گونه ای دیگر خود را نشان می دهد. در ادامه تعدادی از کاربردهای Deep Learning را معرفی خواهیم نمود.
در رانندگی اتوماتیک:
امروزه شرکت های ماشین سازی در حال بهره بردن از یادگیری عمیق جهت شناسایی وسایلی مثل چراغ های راهنمایی و تابلوها هستند. یادگیری عمیق همچنین در تشخیص عابران پیاده هم مفید واقع خواهد شد و در این صورت سبب کاهش تصادفات خواهد شد.
در صنایع هوایی و نظامی:
این سیستم پر کاربرد با فراهم کردن شرایط برای آنالیز تصاویر ماهواره‌ای سبب شناسایی نقاط امن و ناامن برای سربازان خواهد شد.
کاربرد در ترجمه:
الگوریتم های این سیستم می توانند در ترجمه زبان های گوناگون نیز ارزش خود را ثابت کنند. این مورد برای تاجران ، مسافران و افرادی که دائما دارای ارتباطات بین المللی هستند بسار سودمند و مفید خواهد بود.
چت بات:
چت بات ها به علت برخوردار شدن از سیستم یادگیری عمیق می‌توانند پشتیبانی بسیار خوب و سودمندی را عرضه کنند. در تعداد زیادی از شرکت ها از چت بات های دارای هوش مصنوعی برای عرضه پشتیبانی اینترنتی برای کاربران بهره برده می‌شود.
کاربرد در علم پزشکی:
پژوهشگران علم پزشکی برای انواع تحقیقات خود از سیستم یادگیری عمیق بهره می برند به عنوان مثال برای تشخیص خودکار سلول های سرطانی از این سیستم بهره می برند. دانشگاه کالیفرنیا اقدام به تولید میکروسکوپ مجهزی کرده است که می تواند داده هایی با بعد فراوان تولید می‌کند. از همین داده‌ها جهت آموزش الگوریتم های یادگیری عمیق در تشخیص درست سلول‌های سرطانی بهره برده می‌شود.
تشخیص چهره
در زمینه تشخیص چهره یک چالش بحث برانگیز وجود دارد و آن این است که موفق شویم یک شخص را در شرایط ظاهری گوناگون، مثلا با مدل موی جدید، با عینک یا بدون آن ، در شرایطی که نور کافی وجود ندارد و… شناسایی کنیم. از این مورد می توانیم هم در موارد حفاظتی و هم در مواردی مثل تگ کردن کاربران در عکس های شبکه های اجتماعی استفاده کنیم. از تکنولوژی تشخیص چهره همچنین در فروشگاه ها نیز می توانیم بهره ببریم.
