Deep Learning

Wat betekent Deep Learning?

Deep Learning is een iteratieve benadering van kunstmatige intelligentie (AI) die algoritmen voor machinaal leren stapelt in een hiërarchie van toenemende complexiteit en abstractie. Elk niveau van deep learning wordt gecreëerd met kennis die is verkregen uit de voorgaande laag van de hiërarchie.

De eerste laag van een algoritme voor diepe beeldherkenning kan zich bijvoorbeeld richten op het leren van kleurpatronen in trainingsgegevens, terwijl de volgende laag zich richt op vormen. Uiteindelijk zal de hiërarchie lagen bevatten die zich richten op verschillende combinaties van kleuren en vormen, waarbij de bovenste laag zich richt op het object dat wordt herkend.

Deep learning is momenteel de meest geavanceerde AI-architectuur die wordt gebruikt. Populaire deep learning-algoritmen zijn onder andere:

Convolutioneel neuraal netwerk – het algoritme kan gewichten en biases toekennen aan verschillende objecten in een afbeelding en het ene object in de afbeelding onderscheiden van het andere. Gebruikt voor objectdetectie en beeldclassificatie.

Terugkerende neurale netwerken – het algoritme kan opeenvolgende gegevens onthouden. Gebruikt voor spraakherkenning, stemherkenning, voorspelling van tijdreeksen en natuurlijke taalverwerking.

Netwerken met een langetermijngeheugen – het algoritme kan volgorde afhankelijkheid leren bij problemen met het voorspellen van reeksen. Gebruikt in automatische vertaling en taalmodellering.

Generatieve adversariële netwerken – twee algoritmen strijden tegen elkaar en gebruiken elkaars fouten als nieuwe trainingsgegevens. Gebruikt in digitale fotoherstel en deepfake video.

Deep belief networks – een algoritme voor deep learining zonder toezicht waarin elke laag twee doelen heeft: het fungeert als een verborgen laag voor wat ervoor kwam en een zichtbare laag voor wat erna komt. Gebruikt in de gezondheidszorg voor het opsporen van kanker en andere ziekten.

Techopedia legt deep learning uit

Deep learning wordt gebruikt om neurale netwerken en knooppunten van besluitvormingsnetwerken te bouwen en te trainen. Het wordt beschouwd als een kerntechnologie van de Vierde Industriële Revolutie (Industrie 4.0) en Web3.

Deep learning maakt een einde aan de handmatige identificatie van kenmerken in gegevens en vertrouwt in plaats daarvan op het trainingsproces dat het heeft om de nuttige patronen in de inputvoorbeelden te ontdekken. Dit maakt het trainen van het neurale netwerk eenvoudiger en sneller, en het kan een beter resultaat opleveren dat het veld van kunstmatige intelligentie vooruithelpt.

Een algoritme wordt als deep beschouwd als de invoergegevens een reeks niet-lineaire variaties of niet-lineaire transformaties ondergaan voordat ze worden uitgevoerd. Vandaag de dag gebruiken de meeste zakelijke toepassingen oppervlakkige algoritmen voor machinaal leren.

Oppervlakkige AI, ook wel smalle AI genoemd, bouwt geen hiërarchie van subroutine-aanroepen op. In plaats daarvan is dit type leeralgoritme ontworpen om een enkele, discrete taak uit te voeren.

Gerelateerde begrippen

Margaret Rouse

Margaret Rouse is een bekroond technisch schrijver en docent die bekend staat om haar vermogen om complexe technische onderwerpen uit te leggen aan een niet-technisch, zakelijk publiek. In de afgelopen twintig jaar is haar uitleg verschenen op vele websites en is ze als autoriteit aangehaald in artikelen van de New York Times, Time Magazine, USA Today, ZDNet, PC Magazine en Discovery Magazine. Margaret geniet ervan om IT- en business professionals te helpen om elkaars zeer gespecialiseerde talen te begrijpen. Als je een suggestie hebt voor een nieuwe definitie of hoe je een technische uitleg kunt verbeteren, stuur Margaret dan een…