هم‌اکنون بحث‌های بسیاری درباره‌‌ی کاربرد مفهوم یادگیری ماشینی در حوزه‌های مختلف مانند کارخانه‌‌ها، انبارها، محل کار و خانه‌ وجود دارد. با پیشرفت روزافزون فناوری واژه‌هایی مانند هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق بسیار به کار می‌روند. در این مقاله با مفهوم یادگیری عمیق و کاربردهای آن در فناوری آشنا می‌شویم. با مجله‌ی فناوری‌های توان‌افزا و پوشیدنی همراه باشید.

نویسنده : Bernard Marr

مفهوم یادگیری عمیق

حوزه‌ی هوش مصنوعی زمانی کاربرد دارد که ماشین‌ها وظایفی را انجام می‌دهند که تا پیش از این به هوش انسانی نیاز داشتند. یادگیری ماشین بخشی از هوش مصنوعی به شمار می‌رود. یادگیری ماشینی به این معنا است که ماشین‌ها با کمک تجربه و مشاهدات خود مهارت‌های موردنیاز برای انجام وظایف موردنظر را بدون دخالت انسان یاد می‌گیرند. یادگیری عمیق زیرمجموعه‌ای از یادگیری ماشین است. یادگیری عمیق با کمک الگوریتم‌های شبکه‌ی عصبی مصنوعی که از مغز انسان الهام گرفته شده است از مجموعه‌ای بزرگ از داده‌ها یاد می‌گیرد.

همانند انسان‌ها که از تجربه‌های خود ید می‌گیرند، یادگیری عمیق نیز یک وظیفه را به صورت مکرر انجام می‌دهد تا در هر بار اجرای وظیفه‌ی موردنظر نتیجه را بهبود دهد. شبکه‌های عصبی مصنوعی در یادگیری عمیق ساختار لایه‌ای دارد و تعداد لایه‌ها بسیار است و لایه‌های مختلف توانایی یادگیری دارند. به دلیل وجود تعداد لایه‌های بسیار به این نوع یادگیری ماشین، یادگیری عمیق گفته می‌شود.

تخمین زده شده است مقدار داده‌ای که ما در هر روز تولید می‌کنیم به عدد ۱۸^ ۱۰ × ۲٫۶ بایت می‌رسد. یادگیری عمیق به حجم داده‌ی بسیاری نیاز دارد تا بتواند از داده‌ها یاد بگیرد. تولید انبوهی از داده‌ها یکی از دلایل رشد قابلیت‌های یادیگیری عمیق است. افزون بر این، پیشرفت توان محاسباتی نیز در به‌کارگیری هرچه بیشتر یادیگری عمیق موثر بوده است. برای نمونه شرکت‌های نه‌چندان بزرگ نیز می‌توانند از بستر هوش مصنوعی به عنوان خدمات (AIaaS) استفاده کنند. یادگیری عمیق با ماشین‌ها این امکان را می‌دهد تا مسائل پیچیده را حتی با داده‌های بدون ساختار و متنوع حل کنند. هرچه بیشتر یادگیری عمیق یاد بگیرد عملکرد بهتری در حل مسئله خواهد داشت.

هشت کاربرد یادگیری عمیق

در این بخش با تعدادی کاربرد یادگیری عمیق آشنا می‌شویم. ماشین‌ها بدون دخالت انسان می‌توانند مسئله‌های پیچیده را حل کنند اما چه مسائلی با یادگیری عمیق حل خواهد شد؟

۱) دستیار مجازی

دستیار‌های مجازی مانند الکسا، کورتانا و سیری برای درک گفتار و زبان انسان و تعامل با انسان از یادگیری عمیق بهره می‌برند.

۲) مترجم زبانی

یادگیری عمیق زبان‌های مختلف را به یکدیگر ترجمه می‌کند. برنامه‌های کاربردی ترجمه برای گردشگران و مسافران بسیار کاربردی است.

۳)خودروهای بدون راننده تحویل‌دهنده، پهپادها و خودروهای خودران

توانایی درک موانع موجود در مسیر حرکت، علایم راهنمایی و رانندگی و دیگر خودروها توسط خودروهای خودران از یادگیری عمیق نتیجه می‎شود. الگوریتم‌های یادگیری عمیق هرچه بیشتر داده دریافت کنند عملکرد بهتری در پردازش اطلاعات خواهند داشت.

۴) ربات‌های گفت‌وگو (chatbot)

ربات‌های گفت‌وگو خدمات مشتری را برای بسیاری از شرکت‌ها فراهم می‌کنند. به لطف یادگیری عمیق، این چت‌بات‌ها می‌توانند به صورت هوشمندانه پاسخگوی پرسش‌های متنی و صوتی باشند.

۵) رنگ‌آمیزی تصویر

تبدیل تصویر‌های سیاه و سفید به تصویرهای رنگی از توانایی ‌های یادگیری عمیق است. الگوریتم‌های یادگیری عمیق با تشخیص زمینه‌ی تصویر و اشیای موجود در تصویر می‌توانند تصویر سیاه و سفید را با دقت بسیار به تصویر رنگی تبدیل کنند.

۶)تشخیص چهره

یادگیری عمیق با توانایی تشخیص چهره نه تنها در کاربرد‌های امنیتی استفاده می‌شود بلکه در شبکه‌های اجتماعی مانند فیسبوک نیز به کار می‌رود. در فیسبوک با الگوریتم‌های یادگیری عمیق نام افراد با کمک تشخیص چهره بر پست‌های فیسبوک برچسب زده می‌شود. آنچه که هنوز در موضوع تشخیص چهره برای یادگیری عمیق چالش به شمار می‌آید، شناخت چهره با تغییر مدل مو و ریش و حی تصاویر با کیفیت پایین و در نور کم است.

۷)پزشکی و داروسازی

از تشخیص بیماری تا تولید دارو براساس ژنوم هر فرد از کاربردهای یادگیری عمیق در پزشکی و داروسازی است که بسیار موردتوجه شرکت‌های داروسازی و حوزه‌ی پزشکی قرار گرفته است.

۸)خرید و تفریح شخصی‌سازی شده

تارنمای شرکت تولید و پخش مجموعه‌های تلویزیونی و فیلم‌های سینمایی با کمک یادگیری عمیق قادر است بر اساس علاقه‌های شخص به او فیلم سینمایی و سریال پیشنهاد دهد. تارنمای آمازون نیز به هر مشتری خود با توجه به علایق و نیازهای او محصولاتی را پیشنهاد خواهد داد.

در همین زمینه بخوانیم:

>>رقابت شرکت های بزرگ فناور در ارائه ی برترین فناوری‌ های هوش مصنوعی
>>۱۰ فناوری که صنعت داروسازی را دگرگون خواهد کرد
>>آشنایی با برترین شرکتهای ژنومیک

منبع: linkedin

«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوری‌های توان‌افزا و پوشیدنی) مجاز است»