1 Ji-won nouvelle compilation
l'intelligence artificielle, l'apprentissage de la machine, l'apprentissage à l'article de la profondeur écrasante, la communication au peuple pour changer le monde de l'intelligence artificielle est la technologie la plus compétitive, et les entreprises devraient saisir l'occasion pour une recherche en profondeur, ce qui en fait la différence pour ces trois mots il y a un beaucoup de confusion.
Pour l'industrie, l'intelligence artificielle, l'apprentissage machine, l'apprentissage en profondeur n'est pas difficile de distinguer, couvrant le plus large éventail de l'intelligence artificielle, les petites formes traditionnelles de l'intelligence artificielle (GOFAL), avec une grande conclusion de l'architecture de la roue, presque englobante. l'apprentissage de la machine est un sous-domaine de l'intelligence artificielle, y compris toutes les recherches de la technologie basée sur des données et de l'algorithme d'apprentissage. Ces dernières années, le domaine technique entier (des andains de note, pas Nuancier dans le texte original), une des réalisations de technologie de pointe dans l'apprentissage de la machine, comme la régression linéaire (régression linéaire), K-means, arbre de décision (arbres de décision), forêt aléatoire (Forêt aléatoire), PCA, et SVM réseau de neurones artificiels (ANN). La profondeur de l'apprentissage qui est dérivé à partir du réseau de neurones artificiels.
Bien que l'apprentissage en profondeur a émergé au début des années 1960, mais un certain contact avec le personnel de l'apprentissage automatique du réseau de neurones artificiels, se référant à la profondeur de l'apprentissage, le premier sentiment est qu'il a une architecture de réseau de neurones artificiels multicouche. De plus, la profondeur de réussite de l'apprentissage est en grande partie en raison de grandes quantités de données et des moteurs informatiques plus puissants, comme le support des processeurs graphiques (GPU) est. Néanmoins, si la profondeur ne considérer que l'apprentissage est plus avancé que la décision SVM algorithme Arbre, car il est seulement concerné par seul arbre tout en ignorant tout le morceau de bois, une grosse erreur.
Référence Andreesen disant: « Notre logiciel est en train de manger le monde », « l'apprentissage en profondeur sont également consommés par l'apprentissage de la machine ». Voici deux domaines différents d'extraits d'experts apprentissage machine, une bonne interprétation des raisons pour lesquelles la profondeur de l'apprentissage d'être mangé notre monde.
expert PNL Chris Manning a écrit dans l'article « tsunami d'apprentissage profond » (Tsunami apprentissage en profondeur) dans:
Ondes dans les langages informatiques d'apprentissage profondes ont beaucoup de domaines, mais en 2015, l'intensité maximale du tsunami attaquent chaque langue naturelle de traitement de l'Assemblée. De plus, certaines autorités prévoient que la puissance destructrice finale pourrait être plus grande.
Nicholas Paragios a écrit dans un article paru dans "Computer Vision Research :: La Grande Dépression" (la DeepDepression « Computer Vision Research):
Il peut être dû à une grande complexité et le degré élevé d'unité en fonction de la profondeur de l'apprentissage, de sorte que jusqu'à récemment, l'infographie ont la possibilité d'augmenter de grandes quantités de données et de puissance de calcul pour gérer l'ensemble du problème de la vision par ordinateur. Dans ce cas, le champ de vision de l'ordinateur est seulement une question de temps (en fait déjà le cas) a changé de façon spectaculaire, la recherche de la vision par ordinateur sera un des objectifs académiques de pointe, infographistes étape traces (de l'activité de recherche universitaire et le montant de celui-ci).
Plus de deux articles ont mis en évidence l'apprentissage profond de l'interférence destructive avec la pratique traditionnelle de l'apprentissage de la machine. J'ai été choqué que, même à la machine Gartner ne peut pas distinguer l'apprentissage correct et l'apprentissage en profondeur. Voici le cycle de battage médiatique Gartner 2016 publié en Août, ne mentionne pas l'apprentissage en profondeur:
Bien que l'apprentissage en profondeur a été négligée publique, mais ils frénétiques augmentation de l'exposition médiatique. Promouvoir l'apprentissage en profondeur est devenu une tendance comme ceci: Après une telle machine de propagande commerciale continue, avec suffisamment de données et le temps de formation suffisant, la profondeur de l'apprentissage sera pour les gens à comprendre. C'est une façon simpliste et exagérée l'application pratique des capacités technologiques avancées de la profondeur de l'apprentissage.
Au cours des dernières années, le domaine de l'étude en profondeur l'émergence d'un grand nombre de nouvelles idées et technologies, qui ne sont pas avant la théorie peu connue est intenable. Dans un premier temps ces nouvelles théories sont une apparence fragmentée et sans rapport, mais après une période de temps, de nouveaux modèles et la méthodologie ont commencé à apparaître, ceux-ci sont décrits dans le « mode de conception de l'apprentissage en profondeur ».
Aujourd'hui, l'apprentissage en profondeur est non seulement un apprenant à plusieurs niveaux, il est un ensemble de techniques et de la méthodologie pour la construction peuvent être combinés l'architecture différentielle. Ceux-ci seront très pratique système d'apprentissage de la machine, et maintenant on ne peut voir la pointe de l'iceberg.
Tant que nous savons, l'apprentissage en profondeur peut maintenant sembler comme la magie, mais à l'avenir sera très pratique, tout comme les mêmes produits chimiques. En d'autres termes, nous devons faire maintenant est de jeter une base solide technologique, l'avenir, il sera possible de construire une capacité d'apprentissage de la machine plus puissante.
lien d'origine: https: //medium.com/intuitionmachine/why-deep-learning-is-radically-different-from-machine-learning-945a4a65da4d#.uqsc8wtkf
Cliquez pour lire le texte, voir les nouveaux emplois Ji-won
