Cosa hè bisognu di sapè l'evoluzione di l'intelligenza artificiale
L'aprenu sanu hè una forma putente di machine learning (ML) chì custruisce strutture matematii complexi chjamati networks neuroniali in quantità vastu di dati (informazioni).
Deep Learning Definizione
L'aprenu sanu hè un modu di implementà ML usando varias capas di rettu neurale per prucessione più tipiche di datu. In certu tempu chjamatu l'aprenu jerarquicanu, l'aprenu siveru utilizate diversi tipi di riezziunamenti per capiscenu funziunalità (ancu chjamati rapprisentazione) è truvate in gran setti di dritta crue, unlabeled (data micca strutturata). Una di i primi manifestazioni di scuperta di l'aprenu fondu era un prugramma chì hà sappiutu ricetta l'imagine di i misgi fora di settori di i video di YouTube.
Esempii di l'Esempii dipoi in Vita Diaria
L'impurtante ùn hè micca solu usatu in ricunniscenza a l'imaghjini, ma ancu di traduzzione in linguagem, fraud detection, è di analizà a data recullata da l'imprese nantu à i so clienti. Per esempiu, Netflix utilizza un aghjurnu à analizà i vostri hàbiti di vista è predice ciò chì mostra è film chì preferite vede. Hè cumu chì Netflix cunnosci a scurdà i filmi di azione è i documentariali di a natura in a vostra cuglia di suggerimentu. L'Amazonia utiliscia a prufundità per analizà i vostri recenti compii è l'articuli chì avete ricchite annantu à creà suggerimenti per i novi albums di musica di paese vi pudete interessà è chì site à u mercatu per un paru di tenista grisa è gialla scarpi. Perchè l'aprenu profughtu proporciona una maiazione di più di più di l'infurmazioni è di a materia prima, e cundizioni pò avè anticipatu anticipà e so bisognu di i so clienti, cum'è u cliente individuale un serviziu di serviziu più persunalizatu.
Artificial Neural Networks and Deep Learning
Per fà un abruptamente aprile facilmente per capiscenu, fighjemu a nostra paraguni di una rede neurale artificiale (ANN). Per un aprenu sternu, imagine u nostru edifici di l'uffiziu di 15 stati ocu a un blocu di cità cù cinque altre edifici di l'uffiziu. Ci sò trè edifici in ogni uitu di a strada. U nostru edifici hè custruendu A è cumparisci u stessu parcu di a strada cum'è l'edificazioni B è C. À l'altru di u bastimentu A custruisce 1 è à traversu l'edifiziu B hè a custruzzione 2 è cusì. Ogni custruzzioni hà un nummiru diffirenti di pavimenti, hè fatta di diversi materiali è hà un altru architettu distinto da l'altri. In ogni casu, ogni edifiziu hè sempre dispostu in pavimenti separati (capasti) di uffizii (nodes), per ogni edifiziu hè un ANN solu.
Imagine chì un pacchettu digitale vene à a custruzione A, chì cuntene assai tanti tipi d'infurmazioni da parechje fonti, cum'è datu basati in testu, flussi di video, flussu di l'audio, chjama telefone, waves di radiu e fotografii, in ogni modu, vene in un grande jumble è hè micca stampatu o dispunibule in ogni modu lògicu (infurmazioni micca strutturati). A infurmazione hè mandata in ogni chjaru per u 1 st à 15 pianu pè u trasfurmazioni. Dopu à l'infurmazione di informazione righjunghja à u 15 pianu (output), hè mandatu à u 1 st floor (input) di u travagliu 3 cù u trattamentu finali da u bastimentu A. U Struttura 3 apprenda da è incorpora u risultatu mandatu da un edificio A è cusì prucessa l'infurmazioni divisa per ogni pianu in u listessu modu. Quandu l'infurmazioni righjistanu in u top floor di l'edificiu 3, hè mandatu da quì cù i risultati di l'edificiu à l'edificazione 1. Edificiu 1 aprende da è incorpora i risultati da l'edificazione 3 prima di processà in piena. Edificiu 1 passa l'infurmazioni è risultati in u listessu modu à custruisce C, chì prucessa è manda à a custruzione 2, chì prublemi è trasmissioni à u bastimentu B.
Ogni ANN (edifiziu) in u nostru esempiu cercà una funzione distinta in l'infurmazione micca strutturata (diventazione di l'infurmazioni) è passa i risultati à u prublemu vicinu. U custrutturu vicinu incorpora (aprissi) a pruduzzioni (risultati) da a versione precedente. Quandu a so dati hè tratatu da ogni ANN (edifiziu), vene urganizatu è tichittatu (classificatu) per una fattura particulare in modu chì quandu l'infurmazioni righjistanu à a sesta finali (u top floor) di l'ùltima ANN (edifiziu), hè classificatu è tichittatu (più strutturati).
Artificial Intelligence, Machine Learning, and Deep Learning
Cumu l'inserzione prufonda incorpora in a stampa generale di l'intelligenza artificiosa (AI) è ML? L'empereza impurtante sustene u putere di ML è aumenta a varietà di e funzioni AI hè capacitu di esse realizatu. Perchè l'aprile prufume si basa in l'usu di e rete neuritali è ricunniscenu funtii in i schezii di dati in u settore di l' algoritmi specificu di e cumpitenzii simplici, puderà truvà e utilizà dittuli da unstructured (raw) data senza a necessità di un programatore per selezziunà u primu - cunsumu cumpagnu chì pò intruduce erroni. L'apprinnimentu di l'impurtante hè aiutà l'aiutu di l'infurmazioni megliu è megliu à l'utilizazione di dati per aiutà à e società è l'individui