전통 기계를 깊이 배우다

일부 인류가 직감을 통해 신속하게 해결할 수 있는 문제들은 현재 컴퓨터가 해결하기 어렵다. 이러한 문제에는 자연음성이해, 영상인식, 음성인식 등이 포함되며 모두 인공지능이 해결해야 할 문제이다.

심도 있는 학습은 기계 학습의 한 분야로, 특징과 임무의 관계를 배울 수 있을 뿐만 아니라 단순한 특징에서 더 복잡한 특징을 자동으로 추출할 수 있다. 심화 학습 알고리즘은 데이터에서 보다 복잡한 피쳐 표현식을 배울 수 있으므로 가중치 학습의 마지막 단계를 보다 간단하고 효율적으로 수행할 수 있습니다. 심화 학습은 간단한 피쳐를 레이어별로 더 복잡한 피쳐로 점진적으로 변환하여 서로 다른 유형의 이미지를 쉽게 구분할 수 있도록 합니다. 심층 학습과 전통적인 기계 학습의 차이점은 다음과 같습니다.

인공지능, 기계학습, 심도학습은 매우 관련 분야입니다. 다음 그림은 이들 사이의 관계를 요약한 것입니다. 인공지능은 인류의 매우 광범위한 문제이며, 기계학습은 이런 문제를 해결하는 중요한 수단이다. 심화 학습은 기계 학습의 한 분야이다. 많은 인공지능 문제에서 심화 학습 방법은 전통적인 기계 학습 방법의 병목 현상을 극복하고 인공지능의 발전을 촉진시켰다.