Джон Д. Келлехер - Глубокое обучение. Самый краткий и понятный курс
Название: | Глубокое обучение. Самый краткий и понятный курс | |
Автор: | Джон Д. Келлехер | |
Жанр: | Искусственный интеллект | |
Изадано в серии: | Библиотека MIT | |
Издательство: | Эксмо | |
Год издания: | 2022 | |
ISBN: | 978-5-04-116355-6 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Глубокое обучение. Самый краткий и понятный курс"
В этой книге простым и доступным для неспециалистов языком раскрываются такие сложные темы, как искусственный интеллект, нейросети, машинное обучение, глубокое обучение. Автор рассказывает о предпосылках глубокого обучения, его истории и базовых основах, а также проводит экскурс в будущее этой технологии, раскрывая перед читателями её потенциал.
Читаем онлайн "Глубокое обучение. Самый краткий и понятный курс" (ознакомительный отрывок). [Страница - 3]
ный моделированию крупных нейронных сетей, которые способны прини
мать верные решения на основе данных. Глубокое обучение особенно хорошо
себя проявляет в задачах со сложными данными и огромными массивами
информации. На сегодняшний день оно применяется в большинстве ин
тернет-компаний и высококачественных потребительских технологий. На
пример, Facebook использует его, помимо прочего, для анализа текста в онлайн-переписках. Google, Baidu и Microsoft выполняют с его помощью поиск
по изображениям и машинный перевод. Системы глубокого обучения при
сутствуют во всех современных смартфонах; например, они стали стандарт
ной технологией для распознавания речи, а также для обнаружения лиц в ци
фровых камерах. В сфере здравоохранения они применяются для обработки
медицинских изображений (рентгеновских снимков, результатов компью
терной магнитно-резонансной томографии) и для диагностики состояния
здоровья. Глубокое обучение также является ключевым элементом беспи
лотных автомобилей, отвечая за локализацию и сопоставление, планирова
ние движения, рулевое управление и восприятие окружающей обстановки,
а также за отслеживание состояния водителя.
Возможно, самым известным примером глубокого обучения является
AlphaGo* от DeepMind. Го — это настольная игра, похожая на шахматы.
AlphaGo стала первой компьютерной программой, сумевшей победить про
фессионального игрока. В марте 2016 года она обыграла ведущего корей
ского профессионала Ли Седоля в матче, за которым следило больше двухсот
миллионов человек. А в 2017 году она выиграла у китайца Кэ Цзе, находив
шегося на вершине мирового рейтинга.
* https://deepmind.com/research/alphago/. — Здесь и далее — прим. авт.
8
ГЛАВА 1
В 2016 году успех AlphaGo стал большим сюрпризом. На тот момент боль
шинство людей считали, что компьютеры смогут на равных соперничать с иг
роками высшего уровня лишь спустя много лет. Уже давно было известно, что
запрограммировать компьютер для игры в го намного сложнее, чем для игры
в шахматы. В го намного больше потенциальных комбинаций. Это обуслов
лено тем, что го имеет большую доску и более простые правила. На самом
деле возможных комбинаций в го больше, чем атомов во вселенной. Такое
громадное пространство поиска и высокая степень ветвления (количество
состояний доски, которых можно достичь за один ход) делает го невероятно
сложной игрой — как для людей, так и для компьютеров.
Чтобы проиллюстрировать разницу в сложности между го и шахматами
с точки зрения компьютерных программ, можно сравнить историю поедин
ков между людьми и компьютерами в этих двух играх. В 1967 году шахмат
ная программа МасНаск-6, разработанная в MIT, успешно соперничала с жи
выми игроками и имела рейтинг Эло* куда выше начального уровня. В мае
1997 года компьютер DeepBlue сумел обыграть чемпиона мира Гари Каспа
рова. Для сравнения: первая полноценная программа для игры в го была на
писана лишь в 1968 году, а в 1997-м сильные игроки по-прежнему легко обы
грывали компьютеры.
Такое отставание отражает разницу в вычислительной сложности между
этими двумя играми. Тем не менее второй пример демонстрирует, насколько
революционным оказалось влияние глубокого обучения на конкурентоспо
собность компьютеров при игре в го. Шахматным программам потребова
лось 30 лет, чтобы достичь уровня чемпиона мира. Но благодаря глубокому
обучению программы для игры в го всего за семь лет преодолели разрыв ме
жду опытным любителем и лучшим профессиональным игроком. Повышение
эффективности оказалось совершенно экстраординарным, и оно свидетель
ствует также о прогрессе, который глубокое обучение принесло во многие
отрасли.
AlphaGo использует глубокое обучение для оценки состояний доски и для
выбора следующего хода. Этот факт помогает понять, почему глубокое об
учение приносит значительную пользу во множестве разных предметных об
ластей. Принятие решений играет ключевую роль в нашей жизни. Решения
можно принимать «интуитивно», доверившись своему «чутью». Но, наверное,
большинство людей согласятся с тем, что решения лучше всего основывать
* Рейтинговая система Эло — это метод определения уровня игроков в играх с нуле
вой суммой, таких как шахматы. Она названа в честь ее создателя, Арпада Эло.
ВВЕДЕНИЕ В ГЛУБОКОЕ ОБУЧЕНИЕ
9
на соответствующей --">
Книги схожие с «Глубокое обучение. Самый краткий и понятный курс» по жанру, серии, автору или названию:
Араки Масахиро - Занимательная манга. Машинное обучение Жанр: Искусственный интеллект Год издания: 2020 Серия: Образовательная манга |
Эндрю Траск - Грокаем глубокое обучение. Жанр: Искусственный интеллект Год издания: 2019 Серия: Библиотека программиста |
С. Николенко, А. Кадурин, Е. Архангельская - Глубокое обучение Жанр: Искусственный интеллект Год издания: 2018 Серия: Библиотека программиста |
Грант Бейлевельд, Джон Крон, Аглаэ Бассенс - Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту Жанр: Искусственный интеллект Год издания: 2020 Серия: Библиотека программиста |