מהי למידה עמוקה?
למידה עמוקה היא פונקציה של בינה מלאכותית המחקה את פעולתו של המוח האנושי בעיבוד נתונים ויצירת דפוסים לשימוש בקבלת החלטות. למידה עמוקה היא תת-לימוד של למידת מכונות בבינה מלאכותית (AI) שיש לה רשתות המסוגלות ללמוד ללא פיקוח מנתונים שאינם מובנים או ללא תווית. ידוע גם בשם למידה עצבית עמוקה או רשת עצבית עמוקה.
איך עובד למידה עמוקה
למידה מעמיקה התפתחה יד ביד עם העידן הדיגיטלי, שהביא לפיצוץ נתונים בכל הצורות ומכל אזור בעולם. נתונים אלה, המכונים פשוט נתונים גדולים, נובעים ממקורות כמו מדיה חברתית, מנועי חיפוש באינטרנט, פלטפורמות מסחר אלקטרוני ובתי קולנוע מקוונים, בין היתר. כמות עצומה של נתונים זה נגישה וניתנת לשיתוף באמצעות יישומי פינטק כמו מחשוב ענן.
עם זאת, הנתונים, שבדרך כלל אינם מובנים, הם כה גדולים עד שיכולים לקחת עשרות שנים לבני אדם להבין אותם ולחלץ מידע רלוונטי. חברות מממשות את הפוטנציאל המדהים שיכול לנבוע מפתיחת עושר מידע זה, והן מסתגלות יותר ויותר למערכות AI לתמיכה אוטומטית.
למידה מעמיקה לומדת מכמויות אדירות של נתונים לא מובנים שעלולים בדרך כלל לקחת בני אדם עשרות שנים להבנה ולעיבוד.
למידה עמוקה לעומת למידת מכונה
אחת מטכניקות ה- AI הנפוצות ביותר המשמשות לעיבוד נתונים גדולים היא למידת מכונה, אלגוריתם הסתגלותי עצמי שמקבל ניתוחים ודפוסים טובים יותר ויותר עם ניסיון או עם נתונים שנוספו לאחרונה.
אם חברת תשלומים דיגיטליים הייתה מעוניינת לאתר את התרחשותה או פוטנציאל ההונאה במערכת שלה, היא תוכל להשתמש בכלי למידת מכונות למטרה זו. האלגוריתם החישובי המובנה במודל מחשב יעבד את כל העסקאות המתרחשות בפלטפורמה הדיגיטלית, ימצא דפוסים במערך הנתונים ויצביע על כל חריגה שתגלה בדפוס.
למידה עמוקה, קבוצת משנה של למידת מכונה, מנצלת רמה היררכית של רשתות עצביות מלאכותיות כדי לבצע את תהליך למידת המכונה. הרשתות העצביות המלאכותיות בנויות כמו המוח האנושי, עם צמתים עצביים המחוברים זה לזה כמו רשת. בעוד שתוכניות מסורתיות בונות ניתוח עם נתונים באופן לינארי, הפונקציה ההיררכית של מערכות למידה עמוקה מאפשרת למכונות לעבד נתונים בגישה לא לינארית.
גישה מסורתית לגילוי הונאה או הלבנת הון עשויה להסתמך על כמות העסקה שמתרחשת, ואילו טכניקה למידה עמוקה שאינה לינארית תכלול זמן, מיקום גיאוגרפי, כתובת IP, סוג קמעונאי וכל תכונה אחרת העשויה להצביע על פעילות הונאה.. השכבה הראשונה של הרשת העצבית מעבדת קלט נתונים גולמי כמו סכום העסקה ומעבירה לשכבה הבאה כפלט. השכבה השנייה מעבדת את המידע של השכבה הקודמת על ידי הכללת מידע נוסף כמו כתובת ה- IP של המשתמש ומעבירה את התוצאה.
השכבה הבאה לוקחת את המידע של השכבה השנייה וכוללת נתונים גולמיים כמו מיקום גיאוגרפי והופכת את התבנית של המכונה אפילו טובה יותר. זה ממשיך בכל רמות רשת הנוירונים.
Takeaways מפתח
- למידה עמוקה היא פונקציית AI המחקה את פעולתו של המוח האנושי בעיבוד נתונים לשימוש בקבלת החלטות. למידה עמוקה AI מסוגלת ללמוד מנתונים שאינם מובנים ובלתי מותגים. ניתן להשתמש בלמידה עמוקה, תת-לימוד מכונה, לסייע באיתור הונאה או הלבנת הון.
דוגמא ללמידה עמוקה
באמצעות מערכת גילוי הונאה שהוזכרו לעיל באמצעות למידת מכונה, ניתן ליצור דוגמא למידה מעמיקה. אם מערכת למידת המכונה יצרה מודל עם פרמטרים שנבנו סביב מספר הדולרים שמשתמש שולח או מקבל, שיטת הלמידה העמוקה יכולה להתחיל לבנות על התוצאות שמציעה למידת מכונה.
כל שכבה ברשת העצבית בונה על השכבה הקודמת שלה עם נתונים נוספים כמו קמעונאית, שולח, משתמש, אירוע מדיה חברתית, ציון אשראי, כתובת IP ועוד שורה של תכונות אחרות שעשויות לקחת שנים להתחבר יחד אם עובדות על ידי אדם להיות. אלגוריתמי למידה עמוקים מאומנים לא רק ליצור דפוסים מכל העסקאות, אלא גם לדעת מתי דפוס מסמל את הצורך בחקירה הונאה. השכבה הסופית מעבירה אות לאנליטיקאי שעשוי להקפיא את חשבון המשתמש עד לסיום כל החקירות הממתינות.
למידה מעמיקה משמשת בכל הענפים למספר משימות שונות. אפליקציות מסחריות המשתמשות בזיהוי תמונות, פלטפורמות קוד פתוח עם אפליקציות להמלצת צרכנים וכלי מחקר רפואי הבוחנות אפשרות לשימוש חוזר בתרופות למחלות חדשות הן כמה מהדוגמאות לשילוב למידה מעמיקה.
עובדה מהירה
יצרנית האלקטרוניקה פנסוניק עובדת עם אוניברסיטאות ומרכזי מחקר לפיתוח טכנולוגיות למידה עמוקה הקשורות לראיית מחשב.
