Ce înseamnă Deep learning (învățare profundă)
Deep learning (în română învățare profundă) este o ramură a machine learning care folosește rețele neuronale artificiale cu multe straturi suprapuse. Cuvântul „profund” se referă la numărul mare de straturi, nu la o înțelegere profundă a lumii.
Ideile de bază există de zeci de ani, dar metoda a devenit dominantă după 2012, când o rețea numită AlexNet a câștigat detașat concursul de recunoaștere a imaginilor ImageNet. Au contat trei lucruri: seturi uriașe de date, plăcile grafice (GPU), care fac multe calcule în paralel, și algoritmi de antrenare îmbunătățiți.
Aproape toate progresele spectaculoase din AI din ultimul deceniu vin din deep learning: recunoașterea vocală, traducerea automată, mașinile care recunosc pietoni, generatoarele de imagini și modelele de limbaj precum GPT, Claude sau Gemini.
Cum funcționează
Datele intră în primul strat al rețelei, care detectează trăsături simple. Fiecare strat următor combină ce a găsit stratul anterior în trăsături tot mai complexe. Într-o rețea care recunoaște fețe, primele straturi reacționează la margini și contraste, cele din mijloc la ochi sau nasuri, iar ultimele la fețe întregi.
Marele avantaj este că nimeni nu îi spune rețelei ce trăsături să caute: le descoperă singură în timpul antrenării. Dezavantajele: are nevoie de multe date și de multă putere de calcul, iar deciziile ei sunt greu de explicat.
Pe înțelesul tuturor
Gândește-te la o fabrică cu bandă rulantă: primul muncitor sortează piesele brute, al doilea le asamblează în componente, al treilea montează componentele într-un produs finit. Fiecare strat al unei rețele profunde face un pas din această asamblare, de la detalii la imaginea de ansamblu.
Exemplu
Când îi spui telefonului „sună-o pe mama”, vocea ta trece printr-o rețea profundă care o transformă în text, iar altă rețea înțelege ce vrei să faci. Același tip de tehnologie îți permite să cauți în galeria foto „mare” sau „câine” fără să fi etichetat vreodată vreo poză.
De reținut
- Deep learning înseamnă rețele neuronale cu multe straturi.
- A devenit dominant după 2012, datorită datelor masive și plăcilor grafice (GPU).
- Descoperă singur trăsăturile importante, dar e costisitor de antrenat și greu de explicat.
Nu confunda
- Deep learning vs. machine learning: tot deep learning-ul este machine learning, dar nu invers. Pentru date simple, organizate în tabele, metodele clasice de ML sunt adesea la fel de bune și mult mai ieftine.
Termeni înrudiți
- Machine learning (învățare automată): Ramura AI în care programele învață din exemple, în loc să primească reguli scrise pas cu pas de un programator.
- Rețea neuronală: Model de AI format din mulți neuroni artificiali legați între ei, care învață din exemple ajustând puterea legăturilor.
- Strat (layer): Un nivel dintr-o rețea neuronală: un grup de neuroni care primesc datele de la nivelul anterior, le transformă și le dau mai departe.
- GPU (pentru AI): Procesorul plăcii video, cu mii de nuclee care fac calcule în paralel; a devenit motorul principal al antrenării și rulării modelelor AI.
- CNN (rețea neuronală convoluțională): Tip de rețea neuronală specializat pe imagini, care caută tipare mici (margini, colțuri) și le combină în forme și obiecte.
- Transformer: Arhitectura de rețea neuronală, prezentată de Google în 2017, pe care sunt construite aproape toate modelele de limbaj actuale.