Derin öğrenme ile neler yapabilirsiniz?

Derin öğrenme teknolojisi, trenlerin zamanında çalışmasına yardımcı oluyor, ancak bu ifade aslında ne anlama geliyor?

Dünyanın yakın zamanda tükenmeyeceği bir kaynak varsa, o da verilerdir. Uluslararası analist firması IDC, Global Datasphere’in veya dünya genelinde bilgisayarlarda depolanan toplam veri miktarının 2018’de 33 zettabayttan 2025’te 175 zettabayta çıkacağını tahmin ediyor. Veya daha ilişkilendirilebilir bir biçimde ifade etmek gerekirse, bu terabaytların 175 milyarı sabit Bugünün bilgisayarlarından birinin içinde bulabileceğiniz diskler.

Bu veri havuzu muazzam bir kaynak ama insanların yararlanamayacağı kadar büyük. Bunun yerine, tüm bu verileri anlamlandırmak ve henüz var olduğunu bile bilmediğimiz bağlantıları keşfetmek için derin öğrenmeye güvenmemiz gerekecek. Intel’in Yapay Zeka Teknik Çözüm Uzmanı Walter Riviera’ya göre derin öğrenme uygulamaları “sınırsızdır”.

“Derin öğrenme için en havalı uygulama henüz icat edilmedi” diyor.

Peki, derin öğrenme nedir ve neden bu kadar güçlü?

beyni öğretmek

Derin öğrenme, makine öğrenimi ve yapay zekanın bir alt kümesidir. Özellikle sinir ağlarıyla, insan beyninden ilham alan “dijital nöronların” birbirine bağlı bir grafiğiyle ilgilidir.

Riviera, yapay bir sinir ağının “dijital nöronlar” katmanlarından oluştuğunu söylüyor. “Ne kadar çok katmanınız varsa, o kadar derine inerseniz, algoritma o kadar güçlü olur.”

Derin öğrenmede iki temel adım vardır: eğitim ve çıkarım. Birincisi o sanal beyne bir şeyler yapmasını öğretmek, ikincisi ise o beyni yapması gerekeni yapması için kullanmak. Riviera, sürecin gitar çalmaya benzediğini söylüyor. Bir gitarı elinize aldığınızda, normalde telleri akort etmeniz gerekir. Böylece bir akor çalar ve doğru olduğunu bildiğiniz akorun sesiyle eşleşip eşleşmediğini görürsünüz. “Bilinçsizce, yayılan sesi beklenen sesle eşleştiriyorsunuz” diyor. “Bir şekilde ikisi arasındaki farkı ölçüyorsun.”

Eğer iki akor uyuşmuyorsa, akort mandallarını çevirir ve akoru tekrar tıngırdatarak işlemi gitardan gelen ses beklediğiniz ile eşleşene kadar tekrarlarsınız. Riviera, “Bu yinelemeli bir süreç ve bir süre sonra, tüm akorlar beklendiği gibi çalındığında, temel olarak yinelemeyi durdurabilir ve gitarı bırakabilirsiniz, çünkü kullanıma hazırdır,” diyor Riviera. “Hangi şarkıyı çalabilirsin? Her neyse, akort adımlarını kontrol etmek için kullanılmayan akorlar bile.”

Başka bir deyişle, bir sinir ağını eğitmek için belirli bir veri kümesini kullandıktan sonra, yeni görünmeyen veri örneklerini bağımsız olarak değerlendirebilecektir.

“Sinir ağı beklenen yanıtları verdiğinde veya hata sıfıra çok yakın olduğunda, eğitim sürecini tamamladık. Ardından, o yapay beyni alıp uygulamamızla ilgili olabilecek her yere yerleştirme zamanı: içindeki büyük bir sunucuda. bir veri merkezi veya uçtaki taşınabilir cihazlara gömülü.”

Derin öğrenme bir kavram olarak gerçekten yeni değil, fikir 40 yıldır var. Onu şimdi bu kadar heyecan verici yapan şey, sonunda potansiyelini ortaya çıkarmak için tüm parçalara sahip olmamız.

Riviera, “Teori ve araştırma makalelerimiz vardı, tüm kavramlar elimizdeydi, ancak öğrenilecek veriler ve hesaplama gücü olan iki önemli bileşeni kaçırıyorduk” diyor. “Bugün, derin öğrenmenin açtığı fırsatlardan yararlanmak için yaratıcı olmamız gereken bu üç bileşenli teori, veri ve altyapıya sahibiz.”

Daha derin öğrenme

Bu, derin öğrenmenin halihazırda şaşırtıcı derecede iyi bir şekilde kullanılmadığı anlamına gelmiyor.

Herhangi bir düzenli banliyö, gecikmelerin ve iptal edilen trenlerin yumruklarını sıkan hayal kırıklığını bilir. Ancak, bir İngiliz tren şirketinin günde 2.000’den fazla yolculuğu daha iyi yönetmesine yardımcı olan Resonate’in Luminate platformunu güçlendirmek için Intel teknolojisi kullanılıyor.

Küçük, Intel destekli ağ geçitleri, trenlerin ağ üzerindeki hareketlerini izleyerek yol kenarına yerleştirilmiştir. Bu, zaman çizelgeleri, geçici hız kısıtlamaları ve ağdaki herhangi bir arızanın günlükleri gibi diğer kritik verilerle birleştirilir. Luminate, tüm bu verileri birleştirerek ve geçmiş davranışlardan öğrenerek, ağda sorunların nerede oluşabileceğini tahmin edebilir ve yöneticilerin, canlı demiryolu yolcularını kesintiye uğratmadan revize edilmiş programları simüle etmesine olanak tanır. Sistem ayrıca kısa vadeli programlarda otomatik ayarlamalar yaparak trenleri en çok ihtiyaç duyulan yerlere taşıyabilir.

Sonuçlar şaşırtıcı oldu. Zamanında varışlar, sistemin benimsenmesinden bu yana %9 arttı ve trenlerin %92’si artık tarifeye göre çalışıyor.

Belki de gecikmeli trenlerin süpermarkete gelip, gittiğiniz ürünün stokta kalmadığını bulması kadar can sıkıcıdır. Süpermarketler için bu maliyetli durumu önlemek için Intel’in derin öğrenme teknolojisi bir kez daha kullanılıyor.

Intel destekli Vispera ShelfSight sistemi, süpermarket raflarını gözetleyen mağazalara monte edilmiş kameralara sahiptir. Derin öğrenme algoritmaları, sistemi tek tek ürünleri tanımlamak ve raflardaki boş alanları veya hatta personel tarafından yanlışlıkla yanlış alanlara yerleştirilen ürünleri tespit etmek üzere eğitmek için kullanılır.

Personel, mobil cihazlar kullanılarak eksiklikler konusunda uyarılır, böylece raflar hızla yeniden doldurulabilir ve kayıp satışlar minimumda tutulur. Ve tüm bu veriler buluta geri beslendiğinden, satış modelleri ayarlanabilir ve talep edilen ürünlerin gelecekteki kıtlığı olasılığı azalır.

sadece başlangıç

Yine de, Riviera’nın daha önce söylediği gibi, bu derin öğrenme uygulamaları gerçekten sadece başlangıç. Helikopterlerin (çok maliyetli) ve ambulansların (çok yavaş) büyük dezavantajlarını ortadan kaldırarak dronların hastaneden hastaneye insan organlarını taşıdığı bir sistem oluşturmak için derin öğrenmeyi kullanan İtalyan girişiminin hikayesini anlatıyor. -kritik nakiller.

Teknoloji için görebildiği tek hayat kurtaran uygulama da bu değil. “Derin öğrenmenin, okyanuslardan plastik toplayabilecek otonom bir sistem robotları inşa etmek için kullanıldığını görmek isterim” diyor. “Bu yeteneğe zaten sahip olurduk, sadece onu geliştirmek ve etkinleştirmek meselesi olurdu.”

“En iyi [derin öğrenme için kullanım] henüz icat edilmedi,” diye bitiriyor.

Makalenin Orjinal Kaynağı: https://www.itpro.co.uk/technology/33532/what-can-you-do-with-deep-learning