یادگیری عمیق

در میان شرکت‌های مختلفی که امسال در CES شرکت داشتند، انودیا با دستاورد جالب توجهی به میدان وارد شد. پلتفرم یادگیری ماشینی انودیا با نگاه کردن به نحوه رانندگی انسان‌ها یاد می‌گیرد که چگونه باید ماشین‌‌ها را هدایت کند.
امروزه رویکرد شرکت‌های بزرگ دنیای فناوری به‌ویژه آن‌هایی که در زمینه طراحی تراشه‌های کامپیوتری یا فناوری‌های نوین پیشتاز هستند، به‌آرامی در حال تغییر است. شرکت‌های فعال در حوزه تولید تراشه‌های دسکتاپ و همراه، در نظر دارند به‌تدریج خط مونتاژ تراشه‌های خود را به تراشه‌های هوشمند متمایل سازند. این تغییر رویکرد به‌وضوح نشان می‌دهد دنیای دیجیتالی پیرامون ما در حال ورود به عصر جدیدی است که دیگر جایی برای تراشه‌های غیرهوشمند وجود نخواهد داشت و آن‌ها کم‌کم اریکه قدرت را به تراشه‌های هوشمندی خواهند سپرد که به قابلیت خودیادگیری مجهز شده‌اند.
اگر در نظر داشته باشید به کامپیوترها همان موهبتی را هدیه کنید که خودتان در زمینه شناسایی و درک آن‌را در اختیار دارید، بدون شک کار مشکلی پیش رو دارید. در طول یک دهه گذشته، دانشمندان علوم کامپیوتر به روش‌های مختلف سعی کردند بر این مشکل غلبه کنند. اما امروزه اجماع بزرگی برای مقابله با این مشکل به وجود آمده است. اجماعی که برای حل این مشکل دست به دامن یادگیری عمیق شده‌اند.
تاکنون راهکارهای متنوعی برای افزایش امنیت کاربران و مقابله با بدافزارها ابداع شده است که هر یک از این روش‌ها مزایا و معایب خاص خود را دارند. اما به نظر می‌رسد در این میان راهکار مبتنی بر هوش مصنوعی که بر پایه یادگیری عمیق کار می‌کند از دقت بالایی برخوردار است. در سال جاری میلادی این یادگیری عمیق بود که موفق شد جایزه نوآورانه‌ترین تکنیک‌ در زمینه شناسایی تهدیدات کامپیوتری را در کنفرانس بلک‌هت از آن خود کند. بر همین اساس پژوهش‌گران بر این باور هستند که الگوی یادگیری عمیق اگر با تقلید از مغز انسان طراحی شود، با دقتی نزدیک به صد در صد (99.9) قادر به شناسایی و دفع حملات امنیتی خواهد بود.
الگوریتم متن ‌باز قدرتمند گوگل قادر است، تصاویر را به میزان 94 درصد به درستی توصیف کند. در زمان فعلی طراح هوش مصنوعی بودن یک کار سودآور است، اما در مقابل برای افرادی که شغل‌شان در تیرراس ماشین‌ها قرار دارد، این روزها به سختی در حال سپری شدن هستند.
24 شهريور 1395
امروزه بسیاری از استارت‌آپ‌های حوزه فناوری اطلاعات ادعا می‌کنند که از یادگیری ماشین در جهت بهتر کردن امنیت استفاده می‌کنند. اما استارت‌آپ Deep Instinct یک گام به جلو برداشته و ادعا کرده است که موفق به طراحی یک الگوریتم یادگیری عمیق شده که همانند انسان‌ها از قدرت درک بالایی به لحاظ شناسایی تهدیدات برخوردار است. این الگوریتم یادگیری عمیق به یک سامانه امنیتی اجازه می‌دهد به راحتی تهدیدات روز صفر را بر مبنای الگوی خودش شناسایی کند.
19 مرداد 1395
شرکت «Epic Games» امسال در جلسه معرفی نسخه جدید موتور بازی «Unreal Engine»در همایش بازی‌سازان GDC، سرنام Game Developer Conference، شگفتی آفرید. در این جلسه که Epic Games با همکاری استودیوی بازی‌سازی «Ninja Theory» برگزار کرد، بازنمایی بسیار باورپذیر از سِنُوا (Senua)، شخصیت اصلی بازی «Hellblade» از Ninja Theory ارائه شد. حرکات باورپذیر این شخصیت شگفت‌آور بود، اما آنچه در سالن شور و هیجانی ویژه به پا کرد، این بود که سنوا، به طور زنده و توسط بازیگری که در گوشه‌ای از سالن حضور داشت، هدایت می‌شد.
11 مرداد 1395
هیچ انسانی نمی‌تواند آینده دنیای فناوری را با قاطعیت پیش‌بینی کند. اما بدون شک چهار عنصر کلاود، اینترنت اشیا، داده‌ها و از همه مهم‌تر الگوریتم‌ها (یادگیری ماشینی) چهار ستونی هستند که در سال‌های آتی در خط مقدم نوآوری‌‌ها قرار خواهند گرفت.
09 مرداد 1395
چنان‌که به نظر می‌رسد، در حال نزدیک شدن به نقطه عطف تاریخی در دنیای فناوری هستیم؛ چراکه بسیاری از مفاهیم تئوری و دانشگاهی که غالباً در تحقیقات آکادمیک مطرح بودند و در صنعت راهی نداشتند؛ اکنون در حال تبدیل شدن به جریان اصلی نرم‌افزارهای کاربردی سازمان‌ها و شرکت‌های گسترده هستند. همواره، یادگیری ماشینی با حوزه‌های دیگری مانند هوش مصنوعی و سیستم‌های شناختی همراه بوده است و اکنون شاهد محبوبیت و استقبال بیشتر هر روزه‌اش در صنعت هستیم و می‌توان پیش‌بینی کرد که در آینده نه‌چندان‌دوری، تأثیر عظیمی بر صنعت نرم‌افزار بگذارد.
05 مرداد 1395
در یک سال گذشته، یادگیری ماشینی به طرز بی‌سابقه‌ای به جریان اصلی دنیای فناوری تبدیل شده است. جالب اینکه روند توسعه محیط‌های ابری ارزان‌قیمت و کارت‌های گرافیکی پرشتاب و قدرتمند، نقش بسزایی در این زمینه داشته‌اند. این عوامل منجر به رشد انفجاری چارچوب‌هایی شده است که اکنون برای یادگیری ماشینی در اختیار کاربران قرار دارند. چارچوب‌هایی که بخش عمده‌ای از آن‌ها منبع‌باز هستند. اما فراتر از منبع‌باز بودن، توسعه‌دهندگان به شیوه پیاده‌سازی انتزاعی آن‌ها بیش از پیش توجه کرده‌اند.

صفحه‌ها

اشتراک در یادگیری عمیق