Что такое глубокое обучение?
Глубокое обучение — это своего рода функция искусственного интеллекта, которая имитирует точную работу человеческого мозга при обработке данных и создании шаблонов, используемых при принятии решений. По сути, это часть машинного обучения. Алгоритмы глубокого обучения в основном используют такие сети, которые способны обучаться без присмотра на неструктурированных или немаркированных данных.
Вот почему глубокое обучение может сделать другие алгоритмы машинного обучения устаревшими:
Вопрос о том, сделает ли глубокое обучение другие алгоритмы машинного обучения устаревшими, довольно спорный. Некоторые люди считают, что глубокое обучение может фактически предоставить такие решения для обучения с учителем в асимптоте размера обучающих данных, что приведет к почти полному исчезновению некоторых алгоритмов обучения. Статистика показывает, что глубокое обучение обеспечивает наилучшую предсказательную силу в случае больших наборов данных. Вот краткий список причин, по которым алгоритмы глубокого обучения (машинного обучения) могут сделать другие алгоритмы устаревшими:
● алгоритмы машинного обучения, использующие коннекционистские архитектуры, чрезвычайно насыщены. Таким образом, обычные алгоритмы могут стать устаревшими.
● Новые приемы, которые могут появиться в будущем, могут значительно повысить производительность глубокого обучения в ближайшие годы.
● Даже если новые алгоритмы будут разработаны, они потребуют времени. научиться распознавать образы как глубокое обучение. Глубокое обучение по-прежнему будет доминировать, потому что оно появилось первым.
● Глубокое обучение приблизило алгоритмы к совершенству, масштабы улучшения крайне маловероятны.
● Глубокое обучение — первая система распознавания образов, завоевавшая доверие сообщества. Это доверие может сделать другие алгоритмы устаревшими.
Вот почему алгоритмы глубокого обучения не могут сделать другие алгоритмы устаревшими:
Совершенно верно, что модели, основанные на алгоритмах глубокого обучения, намного лучше и точнее почти всех других алгоритмов обучения в каждой учебной задаче.
Есть много проблем с глубоким обучением, которые можно будет преодолеть в ближайшем будущем, а именно:
● Для обучения требуются огромные наборы данных. Становится невозможным создание алгоритмов надлежащего качества с небольшими наборами данных с использованием алгоритмов глубокого обучения.
● Существуют различные модели, которые могут конкурировать с алгоритмами глубокого обучения, поскольку им не требуется столько данных для достижения максимально возможной точности.
● Чтобы получить максимальную отдачу от алгоритмов глубокого обучения, требуются огромные вычислительные и финансовые ресурсы.
● На создание более крупного и точного набора данных уходит огромное количество времени.
● Оборудование, необходимое для создания алгоритмов глубокого обучения, довольно дорогое.
