«Βαθιά μάθηση» και «σκεπτόμενα» ρομπότ μας χρησιμεύουν κάπου; Σίγουρα κάπου κάπως κάποτε θα έχετε ακούσει τον όρο «deep learning AI» - την εκ βαθέων δηλαδή μάθηση των μηχανών της τεχνητής νοημοσύνης. Στο άκουσμά του βέβαια μπορεί να σκεφτήκατε είτε πως πρόκειται για έναν τομέα της επιστήμης των δεδομένων εν μέρει «τρομακτικό»,  είτε πώς δεν κατανοείτε τον τρόπο με τον οποίο «οι μηχανές μπορούν να αρχίσουν να μαθαίνουν όπως οι άνθρωποι» ή ακόμα και το «για ποιο λόγο χρειάζετε να μυήσουμε τις μηχανές στην διαδικασία της... εκμάθησης»

Λίγο πολύ δηλαδή γιατί θέλουμε να κάνουμε τις «εξανθρωπίσουμε» τις μηχανές; Για να απαντηθούν τέτοιου είδους ερωτήματα δεν έχετε παρά να μάθετε την εφαρμογή αυτού του τομέα της επιστήμης στην καθημερινή μας ζωή, να κατανοήσετε δηλαδή τις δυνατότητες και τις λειτουργίες της.

Τι είναι η βαθιά μάθηση;

Τόσο η μηχανική όσο και η «βαθιά μάθηση» είναι υποσύνολα της τεχνητής νοημοσύνης, ωστόσο η τελευταία δεν είναι παρά η εξέλιξη της πρώτης. Στη μηχανική μάθηση, οι αλγόριθμοι που δημιουργούνται από τους ανθρώπους - προγραμματιστές είναι υπεύθυνοι για την ανάλυση των δεδομένων που λαμβάνουν και την εκμάθηση από αυτά. Κάπως έτσι καταλήγουν να λαμβάνουν αποφάσεις βάσει αυτών που μαθαίνουν από τα δεδομένα.

Η βαθιά εκμάθηση από την άλλη μαθαίνει μέσω ενός τεχνητού νευρικού δικτύου που λειτουργεί καθ’εικόνα και ομοίωση του ανθρώπινου εγκεφάλου επιτρέποντας στο μηχάνημα να αναλύει δεδομένα με μια συγκεκριμένη διαδικασία όπως πάνω κάτω κάνουν οι άνθρωποι. Δηλαδή οι μηχανές βαθιάς μάθησης δεν απαιτούν από έναν άνθρωπο - προγραμματιστή να τους πει τι να κάνουν με τα δεδομένα αυτά ώστε να αρχίσουν να μαθαίνουν από αυτά. Αυτό πραγματοποιείται από την εξαιρετική ποσότητα δεδομένων που συλλέγουν και καταναλώνουν οι ίδιοι - τα δεδομένα δηλαδή είναι το καύσιμο για την λειτουργία των μοντέλων βαθιάς μάθησης.

Αν τώρα όλα τα παραπάνω σας φαίνονται αρκετά θεωρητικά δεν έχουμε παρά να δούμε που χρησιμοποιείται αυτή η βαθιά, όπως την αποκαλούν οι ειδικοί, μάθηση.

Εμπειρία πελάτη
Η μηχανική μάθηση χρησιμοποιείται ήδη από πολλές επιχειρήσεις για να βελτιώσει την εμπειρία των καταναλωτών. Για παράδειγμα οι λύσεις online αυτοεξυπηρέτησης. Ωστόσο υπάρχουν και παραδείγματα βαθιάς μάθησης που χρησιμοποιούνται για την εξυπηρέτηση του πελάτη, όπως τα chatbots ορισμένων καταστημάτων που σας λύνουν ανά πάσα ώρα και στιγμή τυχόν απορίες για προϊόντα και αγορές. Καθώς δε, η βαθιά μάθηση ωριμάζει αναμένουμε ότι ο κλάδος του εμπορίου θα είναι ένας από τους βασικούς που θα χρησιμοποιηθεί.

Μεταρφράσεις
Παρότι το μοντέλο της αυτόματης μετάφρασης δεν είναι καινούργιο, η βαθιά μάθηση συμβάλλει στη βελτίωση της εμπειρίας αυτόματης μετάφρασης κειμένου χρησιμοποιώντας σταυροειδή δίκτυα νευρωνικών δικτύων και να επιτρέψουν μεταφράσεις από εικόνες.

Χρωματίζει ασπρόμαυρες φωτογραφίες
Μπορεί να σας φαίνεται αστείο ωστόσο ανθρώπινο χέρι για να κάνει την ίδια διαδικασία σε πολλές φωτογραφίες θα τελείωνε με μια τενοντίτιδα «δώρο». Αυτή λοιπόν η επίπονη διαδικασία με την βοήθεια της βαθιάς μάθησης μπορεί να γίνει παιχνιδάκι και να ολοκληρωθεί αυτόματα μέσα σε λιγότερο χρόνο.

Αναγνώριση γλώσσας ομιλούντος
Η βαθιά μάθηση ξεκινά να αναγνωρίζει τις διαλέκτους μας γλώσσας. Μια μηχανή καταλήγει στο συμπέρασμα ότι ο ομιλών χρησιμοποιεί την αγγλικής και εν συνεχεία η τεχνητή νοημοσύνη μαθαίνει να εντοπίζει τις διαφορές μεταξύ των διαλέκτων. Άπαξ και η διάλεκτος καθοριστεί ένα άλλος αλγόριθμος τεχνητής νοημοσύνης θα προχωρήσει στο να εξειδικευτεί στην ιδιόλεκτο αυτή. Κι όλα τα παραπάνω χωρίς την ανάμειξη ανθρώπου…

Αυτόνομη οδήγηση
Ένα γνωστό σας παράδειγμα την χρήση της τεχνητής νοημοσύνης είναι και η αυτόνομη οδήγηση. Αυτό που ίσως δεν ξέρετε είναι ότι δεν υπάρχει μόνο ένα σύστημα τεχνητής νοημοσύνης που «εργάζεται» καθώς ένα αυτοδηγούμενο όχημα προχωρά στο δρόμο. Κάποια συστήματα deep learning εκπαιδεύονται να αναγνωρίζουν τις πινακίδες το δρόμου ενώ άλλοι εκπαιδεύονται να αναγνωρίζουν τους πεζούς. Καθώς ένα αυτοκίνητο κινείται στους δρόμους, μπορεί να χρησιμοποιεί εκατομμύρια αλγορίθμους τεχνητής νοημοσύνης που το βοηθούν να οδηγεί και να αλληλεπιδρά με το εξωτερικό περιβάλλον.

Computer vision
Η βαθιά εκμάθηση έχει πετύχει τέτοια ακρίβεια στην ταξινόμηση εικόνων, την ανίχνευση αντικειμένων, αλλά ακόμα και την κατάτμηση ή αποκατάσταση των εικόνων που ξεπερνά την ανθρώπινη παρέμβαση. Ακόμη και τα χειρόγραφα ψηφία μπορούν να αναγνωριστούν. Η βαθιά μάθηση χρησιμοποιώντας τα νευρωνικά δίκτυα διδάσκει στις μηχανές να αυτοματοποιούν τις εργασίες που εκτελούνται από τους ανθρώπους.

Δημιουργία κειμένου
Οι μηχανές μαθαίνουν ακόμα και τα σημεία στίξης, την γραμματική και το στυλ εν΄λος κομματιού ενός κειμ΄νου και μπορούν να χρησιμοποιήσυν το μοντέλο που αναπτύσσουν για να δημιουργούν αυτόματα εντελώς ένα νέο κείμενο με την σωστή ορθογραφία, γραμματική και στυλ παρόμοιο με το κείμενο του παραδείγματος. Μέχρι στιγμής έχουν καταφέρει στις δοκιμές να αναπαράγουν σχεδόν τα πάντα από Σαίξπηρ μέχρι κείμενα της Wikipedia.

Δημιουργία λεζάντας εικόνας
Μια άλλη εντυπωσιακή ικανότητα της βαθιάς μάθησης είναι να αναγνωρίσει μια εικόνα και να δημιουργήσει μια συνεκτική λεζάντα με τη σωστή δομή πρότασης που ανταποκρίνεται ή και περιγράφει την εικόνα, όπως θα έκανε κάποιος άνθρωπος επιφορτισμένος με την εν λόγω εργασία.

Συγκέντρωση ειδήσεων και κειμένων βάσει συναισθήματος
Εάν θέλετε να φιλτράρετε τις αρνητικές ειδήσεις του περιβάλλοντός σας να ξέρετε ότι η βαθιά εκμάθηση μπορεί να σας βοηθήσει και σε αυτό. Μπορεί δηλαδή να εκπαιδευτεί ώστε να συγκεντρώνει ειδήσεις φιλτράροντας τες με βάση το συναίσθημα, ώστε να έχετε ροές μόνο με καλά νέα και ζείτε υπεύθυνα στον κόσμο των «στρουμφ», αποφεύγοντας στεναχώριες, καταθλίψεις αλλά και την πραγματικότητα την ίδια.

Ρομπότ: Όταν η βαθιά εκμάθηση παίρνει «σάρκα και οστά»
Οι εφαρμογές βαθιάς μάθησης που προορίζονται για τα ρομπότ είναι άφθονες και τόσο ικανές που μπορούν να κάνουν τους μηχανικούς μας φίλους να διδαχτούν να μας μιμούνται απλά παρατηρώντας μας. Ένα ρομπότ δηλαδή μπορεί να μας μάθει να καθαρίζει αφότου παρατηρεί εμάς να καθαρίζουμε και στη συνέχεια μετά χαράς να αντιστραφούν οι ρόλοι της παρατήρησης. Η βαθιά μάθηση τα καταφέρνει ακριβώς με τον τρόπο που ο ανθρώπινος εγκέφαλος επεξεργάζεται τις εμπειρίες του περιβάλλοντός του, τις αισθήσεις του και τα τυχόν πρόσθετα δεδομένα που του παρέχονται.

(πηγή: insider.gr)