یادگیری ماشین و یادگیری عمیق چیست؟

یادگیری ماشین و یادگیری عمیق دو مبحثی است که این روزها بسیار در علوم کامپیوتر و سایر رشته‌های مهندسی کاربرد دارند. در این مطلب می‌خواهیم با این مفاهیم آشنایی پیدا کنیم.

یادگیری عمیق(deep learning) چیست؟

یادگیری عمیق یک نوع شبکه عصبی بوده که فراداده (Metadata) را به عنوان یک ورودی جذب می‌کند و داده‌ها ورودی را از طریق برخی لایه‌های تبدیل غیرخطی پردازش و محاسبه کرده و به عنوان داده‌های خروجی برمی‌گرداند. این الگوریتم دارای یک ویژگی منحصربفرد بوده که آن ویژگی استخراج خودکار محسوب می‌شود. این بدین معنی است که الگوریتم ویژگی‌های موردنیاز و مرتبط را جهت حل مشکل درک می‌کند. این موجب کاهش وظیفه برنامه نویسان شده تا به انتخاب صریح ویژگی‌ها بپردازند. این الگوریتم حتی برای حل چالش ها تحت نظارت، بدون نظارت به کار گرفته می شود.

در یادگیری عمیق هر لایه پنهان مسئول آموزش مجموعه‌ای از ویژگی‌های منحصربفرد بوده که براساس خروجی لایه پیشین عمل می کند. با افزوده شدن بر تعداد لایه های پنهان، پیچیدگی داده‌ها بیشتر شده و مشکلات را افزایش می‌دهد. همچنین این نوع یادگیری سلسله مراتبی، ویژگی‌های سطح پایین را به ویژگی‌های سطح بالا تبدیل می‌کند. با چنین کاری الگوریتم یادگیری عمیق مورد استفاده قرار گرفته و به حل مشکلات پیچیده که لایه های غیرخطی متعددی را دربرمی گیرد، می پردازد.

یادگیری ماشینی(Machine learning) به چه معنایی است؟

یادگیری ماشینی مجموعه ای از تکنیک مورد استفاده برای پردازش داده‌های بزرگ با توسعه الگوریتم‌ها و مجموعه‌ای از قوانین برای ارائه دادن نتایج موردنیاز به کاربران محسوب می‌شود. این روش بیشتر برای توسعه ماشین‌های اتوماتیک با اجرا الگوریتم و مجموعه ای از قوانین از پیش تعریف شده به کار گرفته می‌شود.

در یادگیری ماشینی داده‌ها مورد استفاده قرار می‌گیرند و مجموعه ای از قوانین توسط الگوریتم مورد اشاره اجرا خواهد شد. از این رو تکنیک های یادگیری ماشینی به عنوان دستورالعمل‌هایی به شکل خودکار جهت تولید نتایج مطلوب مورد طبقه بندی قرار می گیرند. البته این عمل بدون نقش انسان قابل انجام بوده و به شکلی خودکار داده را به الگو تبدیل می‌کند و به شکل اتوماتیک مشکل تولید را شناسایی خواهد کرد.

در واقع یادگیری عمیق زیر مجموعه‌ای از یادگیری ماشین می‌باشد.و براساس یادگیری چندین سطحی سعی به استخراج اطلاعات می‌کند. در واقع جایگاه هوش مصنوعی و یادگیری ماشین و شبکه‌های عصبی به شکل زیر می‌باشد.

چرا یادگیری عمیق به عنوان عمیق شناخته می شود؟

شبکه عصبی سنتی حداکثر از دو لایه تشکیل می‌شود و این نوع ساختار شبکه عصبی جهت محاسبه شبکه‌های بزرگتر مناسب نخواهد بود. بنابراین یک شبکه عصبی دارای 10 تا 100 لایه بوده که معرفی شد. این نوع ساختار جهت یادگیری عمیق به کار گرفته می‌شود. در این نوع یادگیری ستونی از لایه های نورنی توسعه یافته وجود داشته و پایین ترین لایه در مسئول جمع آوری داده های خالصی چون متن، تصویر و فیلم است.

هر نورون سعی می کند پایین‌ترین لایه اطلاعات را ذخیره ساخته و به لایه های بعدی نورون منتقل کند. این عمل به شکلی بوده که اطلاعات درون نورون‌ها همراه با لایه پنهانی از اطلاعات نورونی استخراج می‌شود. با این حساب می توان نتیجه گرفت داده ها در پایین ترین لایه به بالاترین لایه رفته و به جمع آوری اطلاعات می پردازند.