Syväoppiminen
Tunnetaan myös: deep learning
Mikä on Syväoppiminen?
Koneoppimisen laji, joka rakentuu monikerroksisille neuroverkoille. Lisäkerrosten ansiosta järjestelmä oppii monimutkaiset säännönmukaisuudet suoraan raakadatasta, kuten kuvista, äänestä tai tekstistä, ilman että ihminen määrittelee piirteet ensin. Se teki nykyisen tekoälyaallon, kielimallit mukaan lukien, mahdolliseksi.
Miksi tällä on väliä
Syväoppiminen on se koneoppimisen laji, joka on nykyisen tekoälyaallon takana, kielimallit mukaan lukien. Se käyttää monikerroksisia neuroverkkoja, ja juuri syvyys on pointti. Lisäkerrosten ansiosta järjestelmä oppii monimutkaiset säännönmukaisuudet suoraan raakadatasta, kuten kuvista, äänestä tai tekstistä, ilman että kukaan määrittelee etukäteen, mitä pitää etsiä. Tämä teki harppauksen mahdolliseksi. Vanhemmat menetelmät vaativat asiantuntijoita valitsemaan käsin merkitsevät piirteet; syväoppiminen päättelee ne itse, kunhan dataa ja laskentatehoa on riittävästi. Tämä myös selittää, miksi tekoälyn kyvykkyys hyppäsi niin jyrkästi heti, kun dataa ja rautaa oli riittävästi.
Käytännössä
Sairaala kouluttaa syväoppimismallin merkityillä lääketieteellisillä kuvilla, ja malli oppii havaitsemaan sairauden merkkejä, joiden näkemiseen tarvittaisiin erikoislääkäri, ilman että kukaan kertoo sille, mitkä pikselit merkitsevät. Puheentunnistus, konekääntäminen ja nykyisten tekoälyavustajien mallit nojaavat samaan lähestymistapaan. Sillä on kova hinta, sillä syväoppiminen vaatii paljon dataa ja järeää laskentarautaa, mikä suosii organisaatioita, joilla on molempia.
