Ano ang Malalim na Pag-aaral?
Ang malalim na pagkatuto ay isang artipisyal na pagpapaandar ng katalinuhan na ginagaya ang mga gawa ng utak ng tao sa pagproseso ng data at paglikha ng mga pattern para magamit sa paggawa ng desisyon. Ang malalim na pag-aaral ay isang subset ng pag-aaral ng makina sa artipisyal na intelektwal (AI) na may mga network na may kakayahang matuto nang hindi sinusubaybayan mula sa data na hindi nakabalangkas o hindi pinipigilan. Kilala rin bilang malalim na pag-aaral ng neural o malalim na neural network.
Paano Gumagana ang Malalim na Pag-aaral
Ang malalim na pag-aaral ay nagbago ng kamay-kamay sa digital na panahon, na nagdala ng pagsabog ng data sa lahat ng mga form at mula sa bawat rehiyon ng mundo. Ang data na ito, na kilala lamang bilang malaking data, ay nakuha mula sa mga mapagkukunan tulad ng social media, mga search engine sa internet, mga platform ng e-commerce, at mga online cinemas, at iba pa. Ang napakalaking halaga ng data ay madaling ma-access at maibabahagi sa pamamagitan ng mga aplikasyon ng fintech tulad ng computing sa cloud.
Gayunpaman, ang data, na karaniwang hindi nakaayos, ay napakalawak na maaaring tumagal ng mga dekada para maunawaan ito ng mga tao at kunin ang mga nauugnay na impormasyon. Napagtanto ng mga kumpanya ang hindi kapani-paniwalang potensyal na maaaring magresulta mula sa paglutas ng kayamanan ng impormasyon na ito at lalong umaangkop sa mga sistema ng AI para sa awtomatikong suporta.
Natututo ang malalim na pag-aaral mula sa malawak na dami ng hindi naka-istraktura na data na maaaring tumagal ng tao sa mga dekada upang maunawaan at iproseso.
Malalim na Pag-aaral ng versus Machine Learning
Ang isa sa mga pinaka-karaniwang pamamaraan ng AI na ginagamit para sa pagproseso ng malaking data ay ang pag-aaral ng makina, isang algorithm ng self-adaptive na nakakakuha ng mas mahusay na pagsusuri at mga pattern na may karanasan o sa bagong idinagdag na data.
Kung nais ng isang kumpanya ng digital na pagbabayad na makita ang paglitaw o potensyal para sa pandaraya sa system nito, maaari itong gumamit ng mga tool sa pag-aaral ng machine para sa hangaring ito. Ang computational algorithm na binuo sa isang modelo ng computer ay iproseso ang lahat ng mga transaksyon na nangyayari sa digital platform, makahanap ng mga pattern sa set ng data at ituro ang anumang anomalya na napansin ng pattern.
Ang malalim na pagkatuto, isang subset ng pag-aaral ng makina, ay gumagamit ng isang hierarchical level ng mga artipisyal na neural network upang maisakatuparan ang proseso ng pag-aaral ng machine. Ang mga artipisyal na neural network ay binuo tulad ng utak ng tao, na may mga neuron node na konektado magkasama tulad ng isang web. Habang ang mga tradisyonal na programa ay bumubuo ng pagtatasa gamit ang data sa isang guhit na paraan, ang hierarchical function ng malalim na mga sistema ng pag-aaral ay nagbibigay-daan sa mga machine upang maproseso ang data gamit ang isang nonlinear diskarte.
Ang isang tradisyunal na diskarte sa pag-tiklop ng pandaraya o pagkalugi ng salapi ay maaaring umasa sa dami ng transaksyon na nagsisimula, habang ang isang malalim na pamamaraan ng pag-aaral na hindi linya ay isasama ang oras, lokasyon ng heograpiya, IP address, uri ng tingi at anumang iba pang tampok na malamang na tumuturo sa mapanlinlang na aktibidad. Ang unang layer ng neural network ay nagpoproseso ng isang hilaw na input ng data tulad ng dami ng transaksyon at ipinapasa ito sa susunod na layer bilang output. Ang ikalawang layer ay nagpoproseso ng impormasyon ng nakaraang layer sa pamamagitan ng pagsasama ng karagdagang impormasyon tulad ng IP address ng gumagamit at ipinapasa ang resulta nito.
Ang susunod na layer ay tumatagal ng impormasyon ng pangalawang tagapaglista at may kasamang raw data tulad ng lokasyon ng heograpiya at ginagawang mas mahusay ang pattern ng makina. Nagpapatuloy ito sa lahat ng mga antas ng network ng neuron.
Mga Key Takeaways
- Ang malalim na pag-aaral ay isang pag-andar ng AI na gayahin ang mga gawa ng utak ng tao sa pagproseso ng data para magamit sa paggawa ng desisyon.Deep Learning Ang AI ay may natutunan mula sa mga datos na parehong hindi nakabalangkas at unlabeled.Deep learning, isang subset ng pag-aaral ng makina, maaaring magamit upang makatulong na makita ang pandaraya o pagbabawas ng pera.
Isang Halimbawa ng Malalim na Pag-aaral
Gamit ang sistema ng pagtuklas ng pandaraya na nabanggit sa itaas na may pag-aaral ng makina, ang isa ay maaaring lumikha ng isang malalim na halimbawa ng pag-aaral. Kung ang sistema ng pagkatuto ng makina ay lumikha ng isang modelo na may mga parameter na itinayo sa paligid ng bilang ng dolyar na ipinapadala o natatanggap ng isang gumagamit, ang pamamaraan ng malalim na pag-aaral ay maaaring magsimulang bumuo sa mga resulta na inaalok ng pagkatuto ng makina.
Ang bawat layer ng neural network ay nagtatayo sa nakaraang layer na may idinagdag na data tulad ng isang tagatingi, nagpadala, gumagamit, kaganapan sa social media, puntos ng kredito, IP address, at isang host ng iba pang mga tampok na maaaring tumagal ng maraming taon upang magkonekta kung naproseso ng isang tao pagiging. Ang mga malalim na algorithm ng pag-aaral ay sinanay na hindi lamang lumikha ng mga pattern mula sa lahat ng mga transaksyon, ngunit alam din kung kailan ang isang pattern ay nagpapahiwatig ng pangangailangan para sa isang mapanlinlang na pagsisiyasat. Ang panghuling layer ay naglalagay ng senyas sa isang analyst na maaaring mag-freeze ng account ng gumagamit hanggang sa matapos ang lahat ng nakabinbin na pagsisiyasat.
Ang malalim na pagkatuto ay ginagamit sa lahat ng mga industriya para sa isang iba't ibang mga gawain. Ang mga komersyal na apps na gumagamit ng pagkilala sa imahe, bukas na mga platform ng mapagkukunan na may mga rekomendasyon ng consumer rekomendasyon at mga tool sa pananaliksik sa medikal na galugarin ang posibilidad ng muling paggamit ng mga gamot para sa mga bagong karamdaman ay ilan sa mga halimbawa ng pagsasama ng malalim na pag-aaral.
Mabilis na Salik
Ang tagagawa ng elektronika na Panasonic ay nakikipagtulungan sa mga unibersidad at mga sentro ng pananaliksik upang makabuo ng mga malalim na teknolohiya sa pagkatuto na may kaugnayan sa pangitain sa computer.
