هوش مصنوعی و یادگیری ماشین در واقع سنگ بنای انقلاب بعدی در محاسبات هستند. این فن آوری ها به توانایی تشخیص الگو ها کمک بسزایی می کنند، سپس بر اساس داده های مشاهده شده، نتایج آینده را می توانند پیش بینی کنند. پیشنهاداتی را که آمازون هنگام خرید آنلاین به شما می دهد یا این که نتفلیکس گرایش کاربرانش را به فیلم های رومانتیک می داند، اثبات همین مسئله می باشد. اگر چه ماشین آلات با استفاده از اصول هوش مصنوعی اغلب “هوشمند” خوانده می شوند، اما بیشتر این سیستم ها به خودی خود یاد نمی گیرند.

یادگیری عمیق را می توان زیر مجموعه یادگیری ماشین (Machine Learning) پنداشت. یادگیری عمیق، رشته ای است که مبتنی بر یادگیری و بهبود خود به خودی با بررسی الگوریتم های کامپیوتر می باشد. در حالی که یادگیری ماشین از مفاهیم ساده تری استفاده می کند، یادگیری عمیق در واقع با شبکه های عصبی مصنوعی کار می کند؛ شبکه هایی که به منظور تقلید از تفکر و یادگیری انسان طراحی شده اند. تا همین اواخر، این شبکه های عصبی بخاطر قدرت محاسباتی آن زمان، به همان اندازه محدود بودند و بنابراین از نظر پیچیدگی هم اجبارا محدود بودند. با این حال، پیشرفت در تجزیه و تحلیل Big Data اجازه داده است تا شبکه های عصبی بزرگتر و پیچیده تر به کامپیوتر ها اجازه دهد تا سریع تر از انسان ها شرایط پیچیده را مشاهده کنند، یاد بگیرند و نسبت به آن ها واکنش نشان دهند. یادگیری عمیق به طبقه بندی تصویر، ترجمه زبان، تشخیص گفتار و خیلی مسائل دیگر کمک بسزایی کرده است. یادگیری عمیق می تواند برای حل هر گونه مشکل، الگو های آن را شناسایی کند و بدون دخالت انسانی آن مشکلات را حل کند.

در واقع این شبکه های عصبی مصنوعی که شامل بسیاری از لایه ها می شوند، یادگیری عمیق را هدایت می کنند. شبکه های عصبی عمیق یا همان Deep Neural Networks (DNN) انواع مختلفی از شبکه ها هستند که هر لایه ای از آن می تواند عملیات پیچیده ای مانند نمایش و انتزاع را انجام دهد که به تصاویر، صدا و متن معنا می دهند. یادگیری عمیق که سریع ترین زمینه رشد در یادگیری ماشین در نظر گرفته می شود، یک فناوری دیجیتال را نشان می دهد و از آن توسط شرکت های بیشتری برای ایجاد مدل های جدید تر تجاری استفاده می شود.

حال که متوجه شده اید یادگیری عمیق چیست، بیایید شروع به درک چگونگی عملکرد یادگیری عمیق کنیم.

شبکه های عصبی لایه هایی از گره ها هستند؛ دقیقاً همانند مغز انسان که ازسلول های عصبی تشکیل شده است. گره های درون لایه های جداگانه به لایه های مجاور متصل می شوند. گفته می شود شبکه بر اساس تعداد لایه هایی که دارد، عمیق تر می باشد. یک نورون واحد در مغز انسان هزاران سیگنال از سلول های عصبی دیگر دریافت می کند. در یک شبکه عصبی مصنوعی، سیگنال ها بین گره ها حرکت می کنند و به وزنه های مربوطه اختصاص پیدا می کنند. هر چه گره ها سنگین تر باشد، تأثیر آن ها بر روی لایه های بعدی گره ها بیشتر خواهد بود. لایه نهایی ورودی های وزنی را برای تولید یک خروجی کامل جمع آوری می کند. سیستم های یادگیری عمیق به سخت افزار قدرتمندی احتیاج دارند، زیرا دارای مقدار زیادی داده در حال پردازش هستند و شامل چندین محاسبات ریاضی پیچیده می باشند. با این حال حتی با وجود چنین سخت افزار پیشرفته ای، محاسبات یادگیری عمیق ممکن است هفته ها طول بکشد.سیستم های یادگیری عمیق برای بازگشت دقیق نتایج به داده های زیادی نیاز دارند. بر این اساس، اطلاعات به عنوان مجموعه داده های عظیم تغذیه می شوند. هنگام پردازش داده ها، شبکه های عصبی مصنوعی قادر به طبقه بندی داده ها با پاسخ دریافت شده از یک سری سوالات باینری درست یا غلط شامل محاسبات ریاضی بسیار پیچیده هستند. به عنوان مثال، یک برنامه تشخیص چهره با یادگیری چگونگی انجام این عمل و تشخیص لبه ها و خطوط صورت و قسمت های قابل توجهی از چهره و در نهایت، نمایش کلی چهره، کار می کند. با گذشت زمان، برنامه خودش را آموزش می دهد و احتمال ساخت پاسخ های صحیح را افزایش می دهد. در این حالت، برنامه تشخیص چهره به طور دقیق چهره ها را با گذشت زمان مشخص می کند.بگذارید بگوییم هدف این است که یک شبکه عصبی عکس هایی را که حاوی یک سگ است تشخیص دهد. همه سگ ها دقیقاً شبیه به هم نیستند. برای مثال یک ریتریور و یک پودل را در نظر بگیرید. علاوه بر این، عکس سگ ها را در زوایای مختلف و با مقدار نور و سایه متفاوت نشان می دهند. بنابراین، یک مجموعه آموزشی از تصاویر باید تهیه شود که شامل بسیاری از نمونه های چهره سگ که هر شخصی آن ها را به عنوان “سگ” برچسب گذاری می کند و تصاویر اشیایی که سگ نیستند، با برچسب “سگ نیست”، جمع آوری میشود. تصاویر وارد شده به شبکه عصبی، به داده تبدیل می شوند. این داده ها از طریق شبکه حرکت می کنند و گره های مختلف با وزن های مختلف را به عناصر مختلف اختصاص می دهند. لایه خروجی نهایی، اطلاعات ظاهری جدا شده مانند خزدار بودن، پوزه، چهار پایه و … را جمع آوری می کند و خروجی را ارائه می دهد که نتیجه اش “سگ” می باشد.اکنون، این پاسخ دریافت شده از شبکه عصبی با برچسب تولید شده توسط انسان مقایسه می شود. اگر مطابقت داشته باشد، خروجی تأیید می شود. در غیر این صورت، شبکه عصبی خطا را یادداشت می کند و سپس وزن ها را تنظیم می کند. شبکه عصبی با تنظیم مکرر وزنه های خود بار ها و بار ها سعی در بهبود مهارت تشخیص سگ را دارد. این روش آموزش را یادگیری تحت نظارت (supervised learning) می نامند، که حتی میتواند زمانی رخ دهد که به شبکه های عصبی به صراحت گفته نشود که “چه چیزی” سگ را “می سازد”. آن ها باید با گذشت زمان الگو ها را در داده ها تشخیص دهند و خودشان یاد بگیرند.پس از یادگیری آن چه که یادگیری عمیق است و درک چگونگی اصول کار آن، بیایید کمی به عقب برگردیم و حال ظهور یادگیری عمیق را یاد بگیریم.

گفته می شود یادگیری ماشینی در دهه ۱۹۵۰ اتفاق افتاده است که آلن تورینگ، یکریاضیدان انگلیسی، “ماشین یادگیری” هوشمندانه مصنوعی خود را پیشنهاد داد. آرتور ساموئل اولین برنامه یادگیری کامپیوتر را نوشت. برنامه او باعث شد تا کامپیوتر IBM بیشترین پیشرفت را در چکرز کند. در دهه های بعد، تکنیک های مختلف یادگیری ماشین از مد افتادند و سریع از مد خارج شدند.

شبکه های عصبی بیشتر توسط محققان یادگیری ماشین نادیده گرفته می شوند، زیرا آن ها با مشکل “مینیمم محلی” (local minima) که در آن به نظر می رسد وزن دهی به اشتباه باعث کم ترین خطا می شود، گرفتار شده اند. با این حال، برخی از تکنیک های یادگیری ماشین مانند بینایی رایانه و تشخیص چهره به جلو حرکت کردند. در سال ۲۰۰۱، یک الگوریتم یادگیری ماشین به نام Adaboost برای شناسایی چهره های درون تصویر در زمان واقعی ساخته شد. این تصاویر را از طریق مجموعه های تصمیم گیری جمع آوری کردند. هنگامی که داده ها به سمت شاخه های بیشتری از درخت تصمیم گیری حرکت کنند، احتمال انتخاب چهره مناسب در تصویر افزایش می یابد.

سرانجام ورود واحد پردازش گرافیکی قدرتمند به بازار، چندین سال دیگر شبکه های عصبی مورد علاقه آنها قرار نگرفت. محققان جدید با قابلیت سخت افزاری از کامپیوتر های خانگی به جای فضای ابری برای اجرا، دستکاری و پردازش تصاویر استفاده می کنند. مهم ترین جهش رو به جلو برای شبکه های عصبی به دلیل معرفی مقادیر قابل توجهی از داده های دارای برچسب با نام ImageNet، پایگاه داده ای از میلیون ها تصویر دارای برچسب از اینترنت رخ داده است. وظیفه دست و پاگیر برچسب گذاری دستی تصاویر با جایگزینی گسترده مردم جایگزین شد و تقریباً منبع نا محدودی از مواد آموزشی به شبکه ها داد. در طی سال های گذشته، شرکت های فناوری کتابخانه های یادگیری عمیق خود را به صورت منبع آزاد قرار داده اند. به عنوان مثال می توان به Google Tensorflow، ماژول های منبع باز فیس بوک Torch ، Amazon DSSTNE در GitHub و Microsoft CNTK اشاره کرد.

به جز سرویس استریم موسیقی مورد علاقه شما مانند اسپاتیفای که آهنگ هایی را که ممکن است لذت ببرید را برایتان انتخاب می کند، یادگیری عمیق چه تاثیر دیگری بر زندگی مردم می گذارد؟ همان طور که مشخص شد، یادگیری عمیق در حال پیدا کردن تمام برنامه ها در هر اندازه ای است. هر کسی که از فیس بوک استفاده می کند شاید متوجه نشود اما این پلتفرم اجتماعی هنگام آپلود عکس های جدید، دوستان شما را شناسایی می کند و آن ها را نشان می دهد. دستیار های دیجیتالی مانند سیری، کورتانا، الکسا و Google Now برای پردازش زبان طبیعی و تشخیص گفتار از یادگیری عمیق استفاده می کنند. اسکایپ مکالمات گفتاری را در زمان-واقعی ترجمه می کند. بسیاری از سیستم عامل های ایمیل در شناسایی پیام های اسپم حتی قبل از رسیدن به صندوق ورودی مهارت دارند. پی پَل نیز برای جلوگیری از پرداخت های کلاهبرداران، طرح یادگیری عمیق را اجرایی کرده است. برنامه هایی مانند CamFind به کاربران این امکان را می دهند تا از هر شیئی عکس بگیرند و با استفاده از فناوری جستجوی تصویری موبایل هایتان، کشف کنند که این شیء چیست.

به ویژه Google، از آموزش عمیق برای ارائه راه حل استفاده می کند. برنامه کامپیوتری Google Deepmind’s AlphaGo اخیراً قهرمان بازی های Go را شکست داد. DeepMind’s WaveNet می تواند صدای انسان را تقلید کند که طبیعی تر از سیستم گفتاری است که در حال حاضر در بازار وجود دارد. Google Translate برای ترجمه زبان های صوتی و نوشتاری از یادگیری عمیق و تشخیص تصویر استفاده می کند.Google Planet می تواند مکانی را که هر عکسی گرفته شده مشخص کند. گوگل برای کمک به تولید برنامه های هوش مصنوعی، پایگاه داده نرم افزار یادگیری عمیق، Tensorflow را ایجاد کرد.

یادگیری عمیق فقط در مراحل ابتدایی است و در دهه های آینده جامعه را متحول خواهد کرد. اتومبیل های خود ران در سراسر جهان در حال آزمایش هستند. لایه پیچیده شبکه های عصبی در حال آموزش است تا اشیا را برای جلوگیری از اجتناب از آن ها، تشخیص چراغ های راهنمایی و متوجه شدن زمان تنظیم سرعت، تعیین کند. شبکه های عصبی در پیش بینی همه چیز از قیمت سهام گرفته تا آب و هوا ماهر می شوند. ارزش دستیار های دیجیتال را در نظر بگیرید، که می توانند هنگام فروش سهام یا زمان تخلیه را قبل از رخ دادن توفان، آن را به ما هشدار دهند. برنامه های یادگیری عمیق حتی باعث نجات جان افراد می شوند زیرا توانایی طراحی برنامه های درمانی مبتنی بر شواهد برای بیماران پزشکی را دارند و به تشخیص زود هنگام سرطان نیز کمک می کنند!

اکنون، همان طور که به راحتی درک کرده اید که یادگیری عمیق چیست و می خواهید در این فناوری پیشرفته قدم بگذارید، باید آینده شغلی را از الان بدانید.

در حال حاضر حوزه هوش مصنوعی به طور جدی کمبود نیرو دارد. در حالی که هنوز همه شرکت ها هنوز متخصصانی را با مهارت های یادگیری عمیق استخدام نمی کنند، انتظار می رود که داشتن چنین متخصصانی آموزش دیده به تدریج به یک نیاز مهم برای سازمان هایی تبدیل شود که به دنبال رقابت هستند و باعث ایجاد نوآوری می شوند. مهندسان یادگیری ماشین مورد تقاضای زیادی قرار دارند، زیرا نه دانشمندان داده و نه مهندسان نرم افزار دقیقاً مهارت های لازم برای زمینه یادگیری ماشین را ندارند! نقش این گونه مهندس ها، شناختن یادگیری ماشین برای پر کردن خلا این تکامل های پی در پی است. یادگیری عمیق از نظر فرصت های شغلی و حقوق امیدوار کننده است؟ در جواب کوتاه، بله. Glassdoor میانگین دستمزد یک مهندس یادگیری ماشین را سالانه نزدیک به ۱۱۵۰۰۰ دلار ذکر کرده است! طبق PayScale، محدوده حقوق ۱۰۰۰۰۰ تا ۱۶۶۰۰۰ دلار است. با بهبود سیستم ها و ابزار های یادگیری عمیق و گسترش آن در همه صنایع، رشد آن در سال های آینده حتی بیشتر سرعت خواهد گرفت.