L'aprendissatge prigond (en anglés deep learning, deep structured learning, hierarchical learning) es un ensemble de metòdes d'aprendissatge automatic volent modelizar amb un naut nivèl d’abstraccion de donadas mercé a d’arquitecturas articuladas de diferentas transformacions non lineàrias.
Aquestas tecnicas permetèron de progrès importants e rapids dins los domènis de l'analisi del senhal sonor o visual e per exemple la reconeissença faciala, de la reconeissença vocala, de la vision per ordinator, del tractament automatizat del lengatge. Dins las annadas 2000, auquestes progrès provoquèron d’investiments privats, universitaris e publics importants, per exemple fachs pels gigants de l’internet (Google, Apple, Facebook, Amazon, Microsoft).
Lo « deep learning » fa partit d’una familha de metòdes d'aprendissatges automatics fondats su l’aprendissatge de modèls de donadas. Una observacion (un imatge, p. ex.) se pòt representar de diferents biais per un vector de donadas, Per exemple segon:
Unas representacions e una bona capacitat d'analisi automatic de las diferenciacions fasent lo pretzfach d’aprendissatge mai eficaç.
Una de las perspectivas de las tecnicas de l'aprendissatge prigond es lo remplaçament d’unas òbras, encara pro laboriosas, per de modèls algoritmics d’aprendissatge supervisat, non supervisat (es a dire demandan pas de coneissença especificas al subjècte del problèma estudiat) o alara per de tecnicas d’extraccion ierarquica de las caracteristicas.
Las recercas dins aqueste domèni s’esfòrça de bastir de representacions melhoras de real e de crear de modèls capables d’aprene aquestas representacions a partir de donadas non labelizadas a granda escalas. Unas d’aquestas representacions s’inspiran de las darrièras avançadas en neurosciéncia. S'agís, grosso modo, d'interpretacions del tractament de l’informacion e dels modèls de comunicacion del sistèma nerviós, a l'imatge del biais que lo sistèma nerviós establís de ligamss segon los messatges recebuts, de la responsa neuronala e del pes dels ligams entre las neurònas del cervèl.
Las diferentas arquitecturas de « deep learning » coma lo « deep neural networks », los « convolutional deep neural networks », e los « deep belief network » an diferents camps d’aplicacion:
Dins aquestes dos darrièrrs domènis, per exemple, obtenguèron de resultats plan prometeires.
Las tecnicas d'aprendissatge prigond constituisson una classa d’algoritmes d'aprendissatge automatic que:
Aquestas arquitecturas permeta, uèi de conferir de « sens » a de donadas en lor donant la forma d’imatges, de sons o de tèxtes.
L'aprendissatge prigond utiliza de sias amagadas de rets de neurònas artificialas, de « maquinas de Boltzmann restrenchas », e de serias de calculs propositionals complèxes. Los algoritmes d'aprendissatge prigond s’opausan als algoritmes d’aprendissatge pauc prigonds a causa del nombre de transformacions realizadas sus las donadas entre la sisa de dintrada e la sisa de sortida, ont una transformacion correspond a una unitat de tractament definida per de peses e de lindals.
Lo concèpte d'aprendissatge prigond prend forma dins las annadas 2010, amb la convergéncia de quatre factor:
En octobre de 2015, lo programa AlphaGo, que se li aprenguèt a jogar al jòc de go mercé al metòde de l'aprendissatge prigond, venç lo campion europèu Fan Hui per 5 partidas a 0. En març de 2016, lo mèsme programa venç lo campion del mond Lee Sedol per 4 partidas a 1.
L'aprendisstage prigond s'aplica a diferents sectors de las NTIC, coma:
Lo metòde del Deep Learning es uèi utilizat per realizar de motors de traduccion automatica.
L'aprendissatge prigond pòt, per exemple, ajudar a:
Una aplicacion del deep learning per la santat publica es lo projècte Horus de la societat Eyra. S’agís d’un aparelh portable utilizant la plataforma NVidia Jetson, qu’ajuda los malvesents o los cecs a s’orientar e a reconeisser de personas o d’objèctes, tornant transcriure en audio un imatge captat per una camèra.
En fisica, l'aprendissatge prigond es utilizat per la recerca sus la matèria exotica.
De personalitats, d’esperelas eissidas de la comunautat dels conceptors e fornisseires en tecnologias, manifestèron lor crenta de veire, de mai a mens long tèrme, l'intelligéncia artificiala passar las performanças de l'intelligéncia umana. Se pòt far mencion de l'astrofisician britanic Stephen Hawking, un dels fondators de Microsoft, Bill Gates, lo PDG de Tesla, Elon Musk e l’especialista en IA e l’informatician Stuart Russell. D'autres, coma Raymond Kurzweil, se reclamant de la filosofia transumaniste, se’n gausisson al contrari, qualificant aquesta avançada de singularitat tecnologica.
Aquestas crentas sont relativizadas per de cercaires en intelligéncia artificiala, coma Yoshua Bengio. Aqueste darrièr estima en efièch que se foguèt largament exagerat los progrès recents de l'IA e sosestimat la lentor del procediment de melhoracion. Aqueste sector reconegut estima que l'IA es encora luènh de l’estadi ont se pòt dire que l'ordinator « compren » es a dire: soslinha que percebre e crear de concèptes, es pas veraiment comprende, e afirma que manca encara quicòm de fondamental per passar lo pas.
Enfin, la crenta que l'IA poiriá melhorar d'esprela per escapar possiblament al contraròtle dels umans li sembla infondada per tres rasons: primièra, las tecnicas actualas, fòrça especializadas, exigissent de fòrça longs temps d'aprendissatge ; segonda, repausan pas sus una forma d'autoprogramacion; e tresena, l'autoprogramacion es pas un axe de recerca.
Son tanben evocats de possibles usatges malvolent de deep learning. Ven alara possible d'incrustar la cara d'una persona sus una autra, e a l’amagat, e de li far far o dire de causa que faguèt pas o diguèt pas, le deep learning tornant crear los movements de cara fasent l'incrustacion realista. Atal, diferntas actriças coma Gal Gadot, Emma Watson, Cara Delevingne, Emma Stone, Natalie Portman o Scarlett Johansson trobèron lor cara incrustada sus aqueste d'una actriça pornografica amb un logicial accessible al grand public nomeant Deepfakes, creant de crentas al subjècte de la generalizacion d'un tal usatge, permetent qui que siá de noire a la reputacion d'una autra persona. Fàcia al dangièr, diferentas plataformas coma PornHub, Twitter e Reddit interdiguèron la publicacion de talas vidèos.
Nocions
This article uses material from the Wikipedia Occitan article Aprendissatge prigond, which is released under the Creative Commons Attribution-ShareAlike 3.0 license ("CC BY-SA 3.0"); additional terms may apply (view authors). Lo contengut es disponible jos licéncia CC BY-SA 4.0 levat mencion contrària. Images, videos and audio are available under their respective licenses.
®Wikipedia is a registered trademark of the Wiki Foundation, Inc. Wiki Occitan (DUHOCTRUNGQUOC.VN) is an independent company and has no affiliation with Wiki Foundation.