Słownik AI
Uczenie głębokie (deep learning)
deep learning, DL, głębokie uczenie
Uczenie głębokie to poddziedzina uczenia maszynowego, w której wielowarstwowe sieci neuronowe samodzielnie wyodrębniają coraz bardziej złożone cechy z danych. Stanowi techniczny fundament dzisiejszych modeli językowych i generatywnych.
- To poddziedzina uczenia maszynowego oparta na sieciach neuronowych z wieloma warstwami.
- Kolejne warstwy uczą się coraz bardziej abstrakcyjnych cech bez ręcznego ich definiowania.
- Wymaga dużych zbiorów danych i znacznej mocy obliczeniowej, zwykle na układach GPU.
Uczenie głębokie to wąższy obszar w obrębie uczenia maszynowego, oparty na sieciach neuronowych złożonych z wielu warstw. Słowo „głębokie” odnosi się właśnie do tej liczby warstw: dane przechodzą przez kolejne poziomy, a każdy z nich wyodrębnia cechy o coraz wyższym stopniu abstrakcji — od prostych krawędzi obrazu po całe obiekty czy znaczenie zdania.
Różnica względem klasycznego uczenia maszynowego jest praktyczna. W tradycyjnym podejściu inżynier często ręcznie projektuje cechy, które model ma analizować. W uczeniu głębokim sieć sama uczy się tych reprezentacji z surowych danych treningowych, co działa wyjątkowo dobrze dla obrazu, dźwięku i tekstu, ale w zamian wymaga dużych zbiorów danych i znacznej mocy obliczeniowej.
To właśnie uczenie głębokie jest podłożem dzisiejszej AI: architektura transformer, na której opierają się duże modele językowe i modele generatywne, jest głęboką siecią neuronową. Hierarchia pojęć jest zagnieżdżona: sztuczna inteligencja jest najszersza, uczenie maszynowe mieści się w niej, a uczenie głębokie jest jego podzbiorem. Z perspektywy wdrożenia oznacza to, że większość obecnych projektów AI to w istocie projekty uczenia głębokiego.
Powiązane pojęcia