מה זה למידה עמוקה - TheMarker
 

אתם מחוברים לאתר דרך IP ארגוני, להתחברות דרך המינוי האישי

טרם ביצעת אימות לכתובת הדוא"ל שלך. לאימות כתובת הדואל שלך  לחצו כאן

תיק מניות

רשימת קריאה

רשימת הקריאה מאפשרת לך לשמור כתבות ולקרוא אותן במועד מאוחר יותר באתר,במובייל או באפליקציה.

לחיצה על כפתור "שמור", בתחילת הכתבה תוסיף את הכתבה לרשימת הקריאה שלך.
לחיצה על "הסר" תסיר את הכתבה מרשימת הקריאה.

לרשימת הקריאה המלאה לחצו כאן
מה זה בעצם

למידה עמוקה - המחשבים שלומדים תוך כדי תנועה

אלגוריתמים של למידה עמוקה בנויים בדומה לרשתות הנוירונים במוח האנושי, ומעניקים למחשבים את היכולת ללמוד על סמך דוגמאות, במקום להיות מתוכנתים לפי כללים ספציפיים ומוכתבים מראש

2תגובות
למידה עמוקה

למידה עמוקה (Deep Learning) נהפכה למונח הלוהט בתעשיית ההיי-טק בשנה החולפת, במידה רבה כמו ביג-דאטה בשנה שלפני כן או סייבר ב-2014. המשקיעים כבר מדברים על abuse (שימוש לרעה) שנעשה למונח - כולם, כך מתברר, משלבים "מנוע לומד" בפיתוחיהם. אז מה אותו מנוע לומד בדיוק?  

למידה עמוקה היא גישה המעניקה למחשבים את היכולת ללמוד על סמך דוגמאות, במקום להיות מתוכנתים לפי כללים ספציפיים ומוכתבים מראש. אלגוריתמים של למידה עמוקה שואבים השראה מרשתות הנוירונים במוח האנושי, ומאפשרים למערכת ללמוד ולהשתפר כל הזמן, ככל שמוזנים אליה יותר נתונים.

היסודות ללמידה העמוקה הונחו כבר בשנות ה-70, אולם השיקום התדמיתי שלה ושל תחום הבינה המלאכותית אליו היא שייכת התרחש רק ב-2012 בזכות תחרות בשם אימג'־נט (ImageNet Challenge). אימג'־נט הוא מסד נתונים באינטרנט של מיליוני תמונות המתויגות באופן ידני. המאגר מכיל כמה מאות תמונות לכל מלה (למשל חתול או שמלה). התחרות השנתית מזמינה חוקרים להתחרות זה בזה וללמד את המערכת שלהם לתייג תמונות חדשות שהיא אינה מכירה. ב-2010 המערכת הזוכה הצליחה לתייג נכון 72% מהתמונות. ב-2012 הצליח אחד הצוותים בהובלת ג'ף הינטון מאוניברסיטת טורונטו להשיג רמת דיוק של 85% הודות לשיטת הלמידה העמוקה. ב-2015 הושגה רמת דיוק של 96% - יכולת הגבוהה מזו של בני אדם (95%).

פריצת הדרך הזאת התבססה על שיטה שהיתה ידועה כמה עשורים לפני כן, אלא שרק בשנים האחרונות הבשילו התנאים ליישומה בזכות שתי התפתחויות מרכזיות: מעבדים גרפיים (GPU) שתוכננו במקור עבור משחקי מחשב בעלי מהירות חישוב גבוהה פי עשרה; והאינטרנט, שהפך מידע עתק של מסמכים, תמונות, סרטונים וקובצי שמע לזמינים. הסיבה שהלמידה העמוקה מלהיבה כל כך את תעשיית ההייטק היא שניתן לתקוף בעיות שבעבר חשבנו שייקחו לנו שנים ארוכות של פיתוח.

סרטון שמדגים תהליך למידה של מכונית בהשתלבות בכיכר: - דלג
Mobileye

למידה עמוקה היא כמובן רק אחת הגישות להשגת בינה מלאכותית. השגת "תבונה" יכולה להתבסס על כלים אחרים, כמו ניתוחים סטטיסטיים, וייתכן כי בבוא היום תימצא גם שיטה טובה יותר. כש"כחול עמוק", מחשב של יבמ, ניצח את אלוף העולם בשחמט גארי קספרוב ב-1997, זה היה אמנם נראה חכם. אבל לא כלל טכנולוגיה של למידה - אלא אוסף של אינספור כללים שניסו לחזות את כל הצעדים האפשריים של האדם השני. מערכת של כללים מוכתבים מראש מתאימה מאוד למשחק שחמט, אבל היא לא מתאימה כדי ללמד מחשב לזהות הולך רגל. בשביל זה צריך אלגוריתם לומד ואלפי דוגמאות שהמחשב יכול לזהות את המבניות שבהן.

המעבר מניסוח פרטני של כללים למערכת לומדת שיוצרת אותם בעצמה מלווה בתופעה מעניינת - יש דברים שעובדים מבלי שהמפתחים יודעים להסביר מדוע. ד"ר גיל חמיאל, שמוביל את מחלקת האלגוריתמים של טאבולה אמר בראיון ל-TheMarker בעבר: "כיום אנחנו אמנם יודעים לומר איזו גישה מתאימה לפתרון בעיה מסוימת, ויש גם כלים שעוזרים להציץ 'מתחת למנוע' של רשתות הנוירונים של המערכת, אבל זה אתגר גדול מאוד להבין את הקשרים העמוקים שעושה המערכת, והדרך היחידה למצוא אותם היא בהרבה ניסויים ממשיים". 



תגובות

דלג על התגובות

בשליחת תגובה זו הנני מצהיר שאני מסכים/מסכימה עם תנאי השימוש של אתר TheMarker

סדר את התגובות

כתבות ראשיות באתר

כתבות שאולי פיספסתם

*#