الگوریتم های یادگیری عمیق می توانند به هر چیزی از زندگی روزمره گرفته تا تحقیقات کمک کنند.
فیدهای شخصی شده ، تشخیص چهره و صدا ، جستجوی وب ، بلندگوهای هوشمند ، دستیاران دیجیتال ،
ایمیل و بسیاری از برنامه های دیــــگر که ما نمـــــی توانیم بدون آنها کار های عادی را انجــــــام دهیم.
بدون اینکه بدانیم در پس پرده از یادگیری عمیق استفاده می شود.اما یادگیری عمیق در تحقیقات علمی
چقدر مؤثر است ، جایی که مشکلات معمولاً بسیار پیچیده تر از طبقه بندی تصویر هستند و الزامات
بسیار حساس تری از توصیه برای خرید شما هستند؟
برای پاسخ به این سؤال ، مدیر ارشد سابق گوگل اریک اشمیت و پژوهشگر گوگل هوش مصنوعی
مایترا راگو یک راهنمای جامع درباره تکنیک های مختلف یادگیری عمیق و کاربرد آنها در تحقیقات
علمی ارائه داده اند. آنها گفتند: “مقدار داده های جمع آوری شده در دامنه وسیعی از حوزه های علمی
از نظر اندازه و پیچیدگی به طرز چشمگیری در حال افزایش است.” اما لزوماً نیازی به یادگیری عمیق
نیست. با شدت گرفتن یادگیری ماشینی به راحتی می توانید وسوسه شوید تا بتوانید آن را برای هر چیز
و هر چیز دیگری اعمال کنید. از ایــــــــن گذشته ، عملکــــرد اصلی بسیــــار جــذاب است: این یک مدل
هوش مصنوعی انتهایی است که مجموعه ای از داده ها را در اختیار می گیرد ، یک معادله ریاضیاتی
را توسعه می دهد و کارهای طبقه بندی و پیش بینی پیچیده ای را انجام می دهد.شبکه های عصبی عمیق
می توانند مشکلاتی را که قبلاً توسط سایر الگوریتم های یادگیری ماشین حل شده اند ، مانند توصیه محتوا
یا تشخیص کلاهبرداری ، برطرف کنـــند. آنــــها همچنیـــــن می توانند با سایر روشهای یادگیری ماشین ،
از جمله دید پـــیچیده رایـــــانه و کـــــــارهای پردازش زبان طبیعی (NLP) ، مشکلاتی را حل کنند که
به طور سنتی دشوار است.