با تماس نیوز ،همیشه همه جا باخبر شوید

شش برنامه یادگیری عمیق جریان ساز آینده شرکت ها

یادگیری عمیق ، که برای طبقه بندی تصاویر ، تشخیص صداها و تحلیل تصاویر ویدئویی استفاده می شود ، به عنوان موج بزرگ بعدی هوش مصنوعی در حال ظهور است.

یادگیری عمیق (Deep Learning) سطح جدیدی از قابلیت ها را در حوزه هوش مصنوعی باز می کند ، اما استفاده از آن محدود به دانشمندان داده است. در حال حاضر، این فرآیند، ممکن است به سطح “دموکراتیزه کردن” رسیده باشد ، به این معنی که با وجود برنامه های کاربردی تجاری فراوان ، تبدیل به مجموعه ای از فن آوری های قابل دسترسی برای همه کسانی که به آن نیاز دارند ، می شود.

یادگیری عمیق ، که سعی در تقلید از منطق مغز انسان برای تجزیه و تحلیل الگوها را دارد، شروع به رویت گسترده در ابتکار عمل هوش مصنوعی سازمانی می کند. در نظرسنجی اخیر که از ۱۵۴ متخصص IT و تجارت که توسط ITPro انجام شده و منتشر شده است، ۵۳٪  از شرکتهایی که قصد پیاده سازی هوش مصنوعی دارند ، تصمیم دارند تا در ۲۴ ماه آینده یادگیری عمیق را در محل های کار خود بگنجانند.

در گزارش جدید منتشر شده توسط Databricks ، یادگیری عمیق اکنون منجر به نوآوری های سریع در هوش مصنوعی و تأثیر بر اختلالات گسترده در همه بازارها شده است. نویسندگان مقاله اظهار داشتند: “مدلهای یادگیری عمیق می توانند برای انجام کارهای پیچیده مانند تشخیص تصویر یا گفتار، آموزش داده شوند و معنای این ورودی ها را تعیین کنند.” “یک مزیت اصلی این است که این مدل ها با داده ها خوب مقیاس می شوند و با افزایش اندازه داده های شما ، عملکرد آنها بهبود می یابد.”

گزارش Databricks یادگیری عمیق را “یک شکل تخصصی و پیشرفته از یادگیری ماشینی  عملکردی است و مدل نتیجه می تواند وظایف پیچیده ای مانند شناسایی اشیاء را در یک تصویر و ترجمه گفتار در زمان واقعی حل کند. “

۶ موارد زیر برنامه هایی هستند که از طریق یادگیری عمیق فعال می شوند:

۱- طبقه بندی تصویر: “فرایند شناسایی و کشف یک شی یا ویژگی در یک تصویر یا فیلم دیجیتالی” ، در این گزارش آمده است. در خرده فروشی ها و فورشگاه ها ، مدلهای یادگیری عمیق “به سرعت تصاویر موجود در فروشگاه را اسکن و تجزیه و تحلیل می کنند تا بطور شهودی حرکت موجودی را تعیین کنند.”

۲- تشخیص صدا: “توانایی دریافت و تفسیر دیکته یا درک و اجرای دستورات گفتاری. مدل ها می توانند دستورات صوتی ضبط شده را به متن تبدیل کرده و سپس از پردازش زبان طبیعی برای درک آنچه گفته می شود استفاده می کنند.” در حمل و نقل ، یادگیری عمیق “از دستورات صوتی استفاده می کند تا رانندگان بتوانند مکالمه تلفنی برقرار کرده و کنترل های داخلی را تنظیم کنند – همه این اعمال بدون اینکه دست خود را از روی فرمان بکشند انجام می شود.”

۳- تشخیص ناهنجاری: “تکنیک یادگیری عمیق در تلاش است تا از بین میلیون ها تراکنش متفاوت ، الگوهای غیر طبیعی را که با رفتارهای مورد انتظار برای یک سیستم خاص مطابقت ندارند ، بشناسد. این برنامه ها می توانند منجر به کشف حمله به شبکه های مالی ، کشف تقلب در بیمه ، خرید کارت اعتباری ، حتی جداسازی داده های حسگر در تأسیسات صنعتی که نشان دهنده موارد ایمنی است، بشوند. “

۴- موتورهای توصیه: “اقدامات کاربر را به منظور ارائه توصیه های مبتنی بر رفتار کاربر ، تجزیه و تحلیل می کند.”

۵- تجزیه و تحلیل احساسات: “از تکنیک های سنگین یادگیری عمیق مانند پردازش زبان طبیعی ، تجزیه و تحلیل متن و زبان شناسی محاسباتی برای بدست آوردن بینش روشن از نظر مشتری ، درک احساسات مصرف کننده و سنجش تأثیر استراتژی های بازاریابی استفاده می کند.”

۶- تجزیه و تحلیل فیلم: “پردازش و ارزیابی جریانهای گسترده فیلم ویدئویی برای طیف وسیعی از کارها از جمله شناسایی تهدید ، که می تواند در امنیت فرودگاهها ، بانکها و رویدادهای ورزشی استفاده شود.”