Google co_によるディープラーニングディープラーニングは主にどの分野で使用されていますか?



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

289c12b588ef683e972d0d43855554f8.png

近年、人工知能の発達に伴い、ディープラーニングが話題になっています。 Googleはディープラーニングを音声認識と画像認識に適用し、NetflixとAmazonはディープラーニングを使用して顧客の行動を理解しています。もう1つ、信じられないかもしれませんが、実際に起こっています。MITの研究者は、すでにディープラーニングを使用して未来を予測しようとしています。

ディープラーニングについて実際に話す前に、まず人工知能、機械学習、ディープラーニングの違いを理解する必要があります。この写真を見てください:



eb6768ff0c647073b7479b079498b653.png

この図から、機械学習が人工知能のサブセットであることが明らかです。つまり、特定のデータセットに基づいて学習できるインテリジェントな機械を作成できます。もちろん、ディープラーニングは機械学習のサブセットであることに気付いたはずです。単純な機械学習アルゴリズムを使用してディープニューラルネットワークをトレーニングし、機械学習アルゴリズムがうまく機能しない場合に精度を高めることができます。

ディープラーニングは、特徴抽出の課題を克服する方法の1つです。その理由は、深層学習モデルはプログラマーからのわずかなガイダンスしか必要とせず、正しい機能に集中するために自分で学習できるためです。基本的に、ディープラーニングは人間の脳の機能を模倣します-経験から学ぶことです。ご存知のように、私たちの脳は何十億ものニューロンで構成されています。私たちが驚くべき行動をとることができるのは、これらのニューロンのおかげです。 1歳の子供でも、スーパーコンピューターでは解決が難しい複雑な問題を解決できます。例えば:



1)親やその他のオブジェクトを認識します。

2)異なる音を区別し、音に基づいて特定の人を認識します。

3)人々の表情から特定の結論を推測します。



実際、私たちの脳は何年もの間、これらのことを行うように無意識のうちに訓練してきました。では、ディープラーニングはどのように脳機能を模倣するのでしょうか?実際、深層学習では人工ニューロンの概念を使用しています。人工ニューロンの機能は、脳内の既存の生物学的ニューロンと多少似ています。したがって、深層学習は機械学習のサブカテゴリであると言えます。

たとえば、画像内のさまざまな顔を認識できるシステムを構築するとします。これを典型的な機械学習の問題として扱うと、目、鼻、耳などの顔の特徴を定義でき、システムはどの特徴がどの人にとってより重要であるかを識別できます。

現在、ディープラーニングは一歩前進しています。ディープニューラルネットワークを通じて、ディープラーニングは分類アルゴリズムにとって重要な特徴を自動的に抽出できます。機械学習では、これらの特性を手動で定義する必要があります。

では、ディープラーニングの具体的な応用分野は何ですか?ディープラーニングが広く使用されている分野をいくつか挙げてみましょう。

1.音声認識

私はほとんどの人がSiri-Appleのインテリジェントな音声アシスタントについて聞いたことがあると思います。他の主要メーカーと同様に、Appleもディープラーニングに参入し始めています。

c9c2396792a721968777b5f99e15a47c.png

音声認識とインテリジェント音声アシスタントの分野では、ディープニューラルネットワークを使用して、より正確な音響モデルを開発できます。つまり、このようなシステムを構築したり、新しい機能を学習したり、自分のニーズに応じて調整したりして、すべての可能性を事前に予測することで、より良い支援を提供できます。

2.自動機械翻訳

87b565aa9b08d973e878204787ede87b.png

Googleが100の言語での即時翻訳をサポートしていることは誰もが知っていますが、その速度は魔法のようです。 Google翻訳の背後には機械学習があります。この時点で、あなたはグーグル翻訳が長い間経っていると思うかもしれません、それで今どんな新しい考えがありますか?実際、過去2年間で、GoogleはディープラーニングをGoogle翻訳に完全に組み込んでいます。実際、言語翻訳についてほとんど知らないこれらの深層学習研究者は、世界最高の専門家の言語翻訳システムを打ち負かすための比較的単純な機械学習ソリューションを提案しています。テキストの翻訳は、シーケンスの前処理なしで実行できます。これにより、アルゴリズムはテキストとポインティング言語の関係を学習できます。 Google翻訳は、大規模なリカレントニューラルネットワークのスタックネットワークを使用します。

3.インスタントビジュアル翻訳(写真翻訳)

4c2a871742c90c79d8635c3db74b1884.png

ご存知のとおり、ディープラーニングは写真のテキストを認識するために使用できます。認識されると、テキストはテキストに変換されて翻訳され、翻訳されたテキストに基づいて画像が再作成されます。これは、私たちが通常インスタントビジュアル翻訳と呼んでいるものです。

そのため、現在母国語以外の国にいる場合でも、心配する必要はありません。Google翻訳のようなアプリをダウンロードすれば、大胆に前進することができます。このようなアプリを使用すると、道路標識や店舗名を翻訳することができます。この種のソフトウェアは、ディープラーニングによりこれらの目標を達成できます。

第四に、自動運転車

Googleはディープラーニングアルゴリズムを使用して、自動運転車の分野をまったく新しいレベルに引き上げています。そのため、Googleは古い手動コーディングアルゴリズムを使用しなくなりましたが、さまざまなセンサーから提供されたデータを介して独自に学習できるようにプログラムシステムを作成しています。ほとんどの知覚タスクとほとんどのローエンド制御タスクでは、ディープラーニングが現在最良の方法です。そのため、運転できない人や障がい者でも、他人に頼らずに一人で外出することができます。

ec26edc8977d4c330e9c5650e26da8c9.png

これまでのところ、ディープラーニングが広く使用されている分野のごく一部についてのみ言及しました。実際、調査すべき領域は他にもたくさんあります。何かご存知の方はメッセージを残してご相談ください〜

また来週。

コンパイル| AIポーター
ソース| EDUREKA記事リンク| https:// www。 edureka.co/blog/what-is -deep-learning(抜粋)

みなさん、こんにちは。私はAIポーターです

良い外国のAI記事を誰もが知っている中国語に翻訳することを約束します!

よろしければ気に入ってください〜

最近のレビュー:

6か月でディープラーニングを開始する方法
ディープラーニングと通常の機械学習の違いは何ですか
普通の人はどのようにして人工知能を正しく学ぶのか
データサイエンスを学びましょう。これらの5冊の非技術書は見逃せません〜
Q学習による強化学習の深い理解(下記)
Q学習による強化学習の深い理解(パートI)
興味深い言葉を使って、入門知識の学習を強化する方法を教えてください(下記)
興味深い言葉を使って、集中学習の入門知識を教えてください(上)