นิยามการเรียนรู้ลึก

การเรียนรู้อย่างลึกซึ้งคืออะไร

การเรียนรู้อย่างลึกซึ้งเป็นฟังก์ชันปัญญาประดิษฐ์ที่เลียนแบบการทำงานของสมองมนุษย์ในการประมวลผลข้อมูลและสร้างรูปแบบเพื่อใช้ในการตัดสินใจ การเรียนรู้อย่างลึกซึ้งเป็นส่วนหนึ่งของการเรียนรู้ของเครื่องในปัญญาประดิษฐ์ (AI) ที่มีเครือข่ายที่สามารถเรียนรู้ที่ไม่ได้รับการสนับสนุนจากข้อมูลที่ไม่มีโครงสร้างหรือไม่มีป้ายกำกับ ยังเป็นที่รู้จักกันในนามการเรียนรู้ระบบประสาทลึกหรือเครือข่ายประสาทลึก

วิธีการเรียนรู้ลึก

การเรียนรู้อย่างลึกซึ้งได้พัฒนาไปพร้อม ๆ กับยุคดิจิตอลซึ่งทำให้เกิดการระเบิดของข้อมูลในทุกรูปแบบและจากทุกภูมิภาคของโลก ข้อมูลนี้เรียกได้ว่าเป็นข้อมูลขนาดใหญ่ถูกดึงมาจากแหล่งต่างๆเช่นโซเชียลมีเดียเครื่องมือค้นหาอินเทอร์เน็ตแพลตฟอร์มอีคอมเมิร์ซและโรงภาพยนตร์ออนไลน์เป็นต้น ข้อมูลจำนวนมหาศาลนี้สามารถเข้าถึงได้อย่างง่ายดายและสามารถแบ่งปันผ่านแอพพลิเคชั่น fintech เช่น cloud computing

อย่างไรก็ตามข้อมูลซึ่งโดยปกติจะไม่มีโครงสร้างนั้นมีขนาดใหญ่มากจนอาจใช้เวลาหลายทศวรรษกว่าที่มนุษย์จะเข้าใจและดึงข้อมูลที่เกี่ยวข้อง บริษัท ตระหนักถึงศักยภาพที่เหลือเชื่อซึ่งอาจเป็นผลมาจากการเปิดเผยข้อมูลจำนวนมหาศาลและปรับตัวเข้ากับระบบ AI เพื่อการสนับสนุนอัตโนมัติมากขึ้น

การเรียนรู้อย่างลึกซึ้งเรียนรู้จากข้อมูลที่ไม่มีโครงสร้างจำนวนมหาศาลซึ่งโดยปกติอาจใช้เวลาหลายสิบปีในการทำความเข้าใจและประมวลผลของมนุษย์

การเรียนรู้ลึกกับการเรียนรู้ของเครื่อง

หนึ่งในเทคนิค AI ที่ใช้กันมากที่สุดที่ใช้ในการประมวลผลข้อมูลขนาดใหญ่คือการเรียนรู้ของเครื่องซึ่งเป็นอัลกอริทึมการปรับตัวเองที่ได้รับการวิเคราะห์และรูปแบบที่ดีขึ้นด้วยประสบการณ์หรือด้วยข้อมูลที่เพิ่มเข้ามาใหม่

หาก บริษัท ชำระเงินแบบดิจิทัลต้องการตรวจสอบการเกิดขึ้นหรือโอกาสในการฉ้อโกงในระบบของ บริษัท นั้นอาจใช้เครื่องมือการเรียนรู้ของเครื่องเพื่อวัตถุประสงค์นี้ อัลกอริทึมการคำนวณที่สร้างขึ้นในรูปแบบคอมพิวเตอร์จะประมวลผลธุรกรรมทั้งหมดที่เกิดขึ้นบนแพลตฟอร์มดิจิทัลค้นหารูปแบบในชุดข้อมูลและชี้ให้เห็นความผิดปกติใด ๆ ที่ตรวจพบโดยรูปแบบ

การเรียนรู้ลึกชุดย่อยของการเรียนรู้ของเครื่องใช้ระดับเครือข่ายประสาทเทียมในระดับขั้นเพื่อดำเนินการกระบวนการเรียนรู้ของเครื่อง เครือข่ายประสาทเทียมสร้างขึ้นเหมือนสมองมนุษย์โดยมีโหนดเซลล์ประสาทเชื่อมต่อเข้าด้วยกันเหมือนเว็บ ในขณะที่โปรแกรมดั้งเดิมสร้างการวิเคราะห์ด้วยข้อมูลในลักษณะเชิงเส้นฟังก์ชันลำดับชั้นของระบบการเรียนรู้ลึกช่วยให้เครื่องจักรสามารถประมวลผลข้อมูลด้วยวิธีการไม่เชิงเส้น

วิธีการแบบดั้งเดิมในการตรวจจับการฉ้อโกงหรือการฟอกเงินอาจขึ้นอยู่กับจำนวนธุรกรรมที่เกิดขึ้นในขณะที่เทคนิคการเรียนรู้แบบไม่เชิงเส้นจะรวมถึงเวลาสถานที่ตั้งทางภูมิศาสตร์ที่อยู่ IP ประเภทร้านค้าปลีกและคุณสมบัติอื่น ๆ. เลเยอร์แรกของเครือข่ายนิวรัลประมวลผลอินพุตข้อมูลดิบเช่นจำนวนธุรกรรมและส่งต่อไปยังเลเยอร์ถัดไปเป็นเอาต์พุต เลเยอร์ที่สองประมวลผลข้อมูลเลเยอร์ก่อนหน้าโดยรวมข้อมูลเพิ่มเติมเช่นที่อยู่ IP ของผู้ใช้และส่งผ่านผลลัพธ์

เลเยอร์ถัดไปใช้ข้อมูลของเลเยอร์ที่สองและรวมถึงข้อมูลดิบเช่นที่ตั้งทางภูมิศาสตร์และทำให้รูปแบบของเครื่องดีขึ้น สิ่งนี้จะดำเนินต่อไปในทุกระดับของเครือข่ายเซลล์ประสาท

ประเด็นที่สำคัญ

• การเรียนรู้เชิงลึกเป็นฟังก์ชัน AI ที่เลียนแบบการทำงานของสมองมนุษย์ในการประมวลผลข้อมูลเพื่อใช้ในการตัดสินใจการเรียนรู้แบบ AI นั้นสามารถเรียนรู้จากข้อมูลที่ไม่มีโครงสร้างและไม่มีป้ายกำกับการเรียนรู้ที่ลึกลงไป เพื่อช่วยตรวจจับการฉ้อโกงหรือการฟอกเงิน

ตัวอย่างของการเรียนรู้ลึก

การใช้ระบบตรวจจับการฉ้อโกงที่กล่าวถึงข้างต้นกับการเรียนรู้ของเครื่องหนึ่งสามารถสร้างตัวอย่างการเรียนรู้ลึก หากระบบการเรียนรู้ของเครื่องสร้างแบบจำลองด้วยพารามิเตอร์ที่สร้างขึ้นตามจำนวนดอลลาร์ที่ผู้ใช้ส่งหรือรับวิธีการเรียนรู้แบบลึกสามารถเริ่มสร้างผลลัพธ์ที่ได้จากการเรียนรู้ของเครื่อง

แต่ละชั้นของโครงข่ายประสาทเทียมสร้างขึ้นบนเลเยอร์ก่อนหน้าของมันพร้อมกับเพิ่มข้อมูลเช่นผู้ค้าปลีก, ผู้ส่ง, ผู้ใช้, เหตุการณ์โซเชียลมีเดีย, คะแนนเครดิต, ที่อยู่ IP และโฮสต์ของคุณสมบัติอื่น ๆ ที่อาจใช้เวลาหลายปีในการเชื่อมต่อ ความเป็นอยู่ อัลกอริธึมการเรียนรู้เชิงลึกนั้นไม่เพียงแค่สร้างรูปแบบจากการทำธุรกรรมทั้งหมด แต่ยังรู้ว่าเมื่อใดที่รูปแบบกำลังส่งสัญญาณถึงความต้องการการสอบสวนที่หลอกลวง เลเยอร์สุดท้ายถ่ายทอดสัญญาณไปยังนักวิเคราะห์ที่อาจหยุดบัญชีของผู้ใช้จนกว่าการตรวจสอบที่รอดำเนินการทั้งหมดจะเสร็จสิ้น

การเรียนรู้อย่างลึกซึ้งนั้นถูกใช้ในทุกอุตสาหกรรมเพื่องานที่แตกต่างกัน แอพเชิงพาณิชย์ที่ใช้การจดจำรูปภาพแพลตฟอร์มโอเพ่นซอร์สพร้อมแอพแนะนำผู้บริโภคและเครื่องมือวิจัยทางการแพทย์ที่สำรวจความเป็นไปได้ของการใช้ยาซ้ำสำหรับความเจ็บป่วยใหม่ ๆ เป็นตัวอย่างของการรวมกลุ่มของการเรียนรู้เชิงลึก

ข้อเท็จจริงอย่างรวดเร็ว

ผู้ผลิตอุปกรณ์อิเล็กทรอนิกส์ Panasonic ทำงานกับมหาวิทยาลัยและศูนย์วิจัยเพื่อพัฒนาเทคโนโลยีการเรียนรู้เชิงลึกที่เกี่ยวข้องกับวิสัยทัศน์คอมพิวเตอร์