Deep learning avec Google co_ Dans quels domaines le deep learning est-il principalement utilisé?

Deep Learning With Google Co_ Which Areas Is Deep Learning Mainly Used

Ces dernières années, avec le développement de l'intelligence artificielle, l'apprentissage profond est devenu un mot chaud. Google applique l'apprentissage en profondeur à la reconnaissance vocale et à la reconnaissance d'images, tandis que Netflix et Amazon utilisent l'apprentissage en profondeur pour comprendre le comportement des clients. Il y a encore une chose, vous ne le croyez peut-être pas, mais c'est effectivement arrivé: les chercheurs du MIT essaient déjà d'utiliser l'apprentissage en profondeur pour prédire l'avenir.

Avant de vraiment parler d'apprentissage profond, nous devons d'abord comprendre la différence entre l'intelligence artificielle, l'apprentissage automatique et l'apprentissage profond. S'il vous plaît voir cette image:

À partir de cette image, il est évident que l'apprentissage automatique est un sous-ensemble de l'intelligence artificielle, ce qui signifie que nous pouvons créer une machine intelligente capable d'apprendre en fonction de l'ensemble de données donné. Bien sûr, vous devez avoir remarqué que l'apprentissage en profondeur est un sous-ensemble de l'apprentissage automatique. Nous pouvons utiliser des algorithmes d'apprentissage automatique simples pour entraîner des réseaux de neurones profonds afin d'obtenir une meilleure précision dans les cas où les algorithmes d'apprentissage automatique ne fonctionnent pas bien.

L'apprentissage en profondeur est l'un des moyens de surmonter les défis liés à l'extraction de fonctionnalités. La raison en est que les modèles d'apprentissage en profondeur n'ont besoin que d'un peu de conseils de la part des programmeurs et qu'ils peuvent apprendre par eux-mêmes à se concentrer sur les fonctionnalités appropriées. Fondamentalement, l'apprentissage en profondeur imite le fonctionnement de notre cerveau humain - en apprenant de l'expérience. Comme nous le savons tous, notre cerveau est composé de milliards de neurones. C'est à cause de ces neurones que nous pouvons avoir des comportements étonnants. Même un enfant d'un an peut résoudre des problèmes complexes difficiles à résoudre pour les supercalculateurs. Par exemple:

1) Reconnaissez les parents et les autres objets.

2) Différenciez les différents sons, et même reconnaissez une personne spécifique en fonction du son.

3) Inférer certaines conclusions à partir des expressions faciales des gens.

En fait, notre cerveau s'est entraîné inconsciemment à faire ces choses pendant de nombreuses années. Alors, comment l'apprentissage profond imite-t-il les fonctions cérébrales? Eh bien, en fait, l'apprentissage profond utilise le concept de neurones artificiels, dont les fonctions sont quelque peu similaires à celles des neurones biologiques existants dans le cerveau. Par conséquent, nous pouvons dire que l'apprentissage en profondeur est une sous-catégorie de l'apprentissage automatique.

Par exemple, supposons que nous souhaitons créer un système capable de reconnaître différents visages dans une image. Si nous le traitons comme un problème d'apprentissage automatique typique, nous pouvons définir les traits du visage, tels que les yeux, le nez, les oreilles, etc., puis le système peut identifier les caractéristiques les plus importantes pour quelle personne.

Désormais, le deep learning a fait un pas en avant. Grâce à des réseaux de neurones profonds, l'apprentissage en profondeur peut extraire automatiquement des fonctionnalités importantes pour les algorithmes de classification. L'apprentissage automatique nécessite une définition manuelle de ces caractéristiques.

Alors, quels sont les domaines d'application spécifiques de l'apprentissage profond? Permettez-moi d'énumérer quelques domaines dans lesquels l'apprentissage en profondeur est largement utilisé.

1. Reconnaissance vocale

Je pense que la plupart des gens ont entendu parler de l'assistant vocal intelligent de Siri-Apple. Comme d'autres grands fabricants, Apple a également commencé à se lancer dans l'apprentissage profond.

Dans le domaine de la reconnaissance vocale et des assistants vocaux intelligents, nous pouvons utiliser des réseaux de neurones profonds pour développer des modèles acoustiques plus précis. En bref, vous pouvez construire un tel système, apprendre de nouvelles fonctionnalités ou l'ajuster en fonction de vos propres besoins, afin de fournir une meilleure aide en prédisant toutes les possibilités à l'avance.

2. Traduction automatique

Nous savons tous que Google prend en charge la traduction instantanée dans 100 langues et que la vitesse est magique. Derrière Google Translate, il y a l'apprentissage automatique. À ce stade, vous pensez peut-être que Google Traduction a traversé une longue période, alors quelles nouvelles idées y a-t-il maintenant? En fait, au cours des deux dernières années, Google a complètement intégré l'apprentissage en profondeur dans Google Traduction. En fait, ces chercheurs en apprentissage profond qui connaissent peu la traduction linguistique proposent des solutions d'apprentissage automatique relativement simples pour vaincre les meilleurs systèmes experts de traduction linguistique au monde. La traduction de texte peut être effectuée sans prétraitement de séquence, ce qui permet aux algorithmes d'apprendre la relation entre le texte et le langage de pointage. Google Translate utilise un réseau empilé de grands réseaux de neurones récurrents.

3. Traduction visuelle instantanée (traduction de photos)

Comme nous le savons tous, l'apprentissage en profondeur peut être utilisé pour reconnaître le texte des photos. Une fois reconnu, le texte sera converti en texte et traduit, puis l'image sera recréée en fonction du texte traduit. C'est ce que nous appelons généralement la traduction visuelle instantanée.

Donc, si vous êtes actuellement dans un pays dont la langue n'est pas la langue maternelle, vous n'avez pas à vous inquiéter, tant que vous téléchargez une application comme Google Traduction, vous pouvez aller de l'avant avec audace. Avec une telle application, vous pouvez traduire des panneaux de signalisation ou des noms de magasins. Ce type de logiciel peut atteindre ces objectifs grâce à l'apprentissage en profondeur.

Quatrièmement, les voitures autonomes

Google utilise des algorithmes d'apprentissage en profondeur pour amener le domaine des véhicules autonomes à un tout autre niveau. Par conséquent, Google n'utilise plus l'ancien algorithme de codage manuel, mais écrit un système de programme afin qu'il puisse apprendre par lui-même grâce aux données fournies par différents capteurs. Pour la plupart des tâches de perception et la plupart des tâches de contrôle bas de gamme, l'apprentissage en profondeur est désormais la meilleure méthode. Par conséquent, même ceux qui ne peuvent pas conduire ou les personnes handicapées peuvent sortir seuls sans être dépendants des autres.

Jusqu'à présent, je n'ai mentionné qu'une petite partie des domaines dans lesquels l'apprentissage en profondeur est largement utilisé. En fait, il existe de nombreux autres domaines à explorer. Si vous savez quelque chose, laissez un message et discutez avec moi ~

À la semaine prochaine.

Compile | AI Porter
Source | EDUREKA Lien article | https: // www. edureka.co/blog/what-is -deep-learning (extrait)

---

Bonjour à tous, je suis porteur IA

Engagé à traduire de bons articles étrangers sur l'IA en chinois que tout le monde connaît!

S'il vous plaît, aimez-le si vous l'aimez ~

Examen récent:

Comment démarrer le Deep Learning en 6 mois
Quelle est la différence entre l'apprentissage en profondeur et l'apprentissage automatique ordinaire
Comment les gens ordinaires apprennent-ils correctement l'intelligence artificielle
Apprenez la science des données, ces 5 livres non techniques à ne pas manquer ~
Compréhension approfondie de l'apprentissage par renforcement grâce au Q-learning (ci-dessous)
Compréhension approfondie de l'apprentissage par renforcement grâce au Q-learning (partie I)
Utilisez des mots intéressants pour vous apprendre à renforcer les connaissances d'introduction à l'apprentissage (ci-dessous)
Utilisez des mots intéressants pour vous enseigner les connaissances d'introduction à l'apprentissage intensif (sur)