When you “work through” a problem or issue that requires a decision, you likely feel as if you’re going through a linear checklist. But that’s not how the human brain operates; it processes in a non-linear pattern. And this is essentially how deep learning, a subset of artificial intelligence (AI), works too.
Le deep l'apprentissage fonctionne comme le cerveau humain
L'apprentissage en profondeur, à son essence, apprend des exemples - la façon dont le cerveau humain.Il imite la façon dont les humains acquièrent certains types de connaissances.Étant donné que l'apprentissage en profondeur traite les informations de la même manière, il peut être utilisé pour faire des choses que les gens peuvent faire - par exemple, apprendre à conduire une voiture ou à identifier un chien sur une image.
L'apprentissage en profondeur est également utilisé pour automatiser l'analyse prédictive - par exemple, l'identification des tendances et des modèles d'achat des clients afin qu'une entreprise puisse gagner plus de clients et en garder davantage.Vous connaissez ces sections sur des sites de vente au détail qui montrent des articles «fréquemment achetés ensemble» lorsque vous achetez un nouveau tournevis?Ceux-ci sont basés sur des algorithmes prédictifs d'apprentissage en profondeur qui ont considéré à la fois vos modèles de recherche actuels et d'achat passés pour suggérer des produits supplémentaires dont vous pourriez également avoir besoin.
D'autres applications comprennent de nombreuses rencontres et activités quotidiennes, telles que les assistants virtuels, la détection de fraude, la traduction linguistique, les chatbots et les robots de service, la colorisation des images en noir et blanc, la reconnaissance faciale et les diagnostics de maladie.
Un exemple simple de l'application d'un réseau neuronal est dans le discours d'analyse.Le réseau prend des sons de l'audio brut, qui se combinent pour faire des syllabes, qui se combinent pour faire des mots, qui se combinent pour faire des phrases qui proviennent d'actions.La machine apprend que ce son particulier signifie qu'il devrait obtenir un solde de carte de crédit et plus il est demandé la même chose, plus elle devient précise.
Deep Learning a des applications dans les industries
Les réseaux de neurones ne sont pas nouveaux;Ils existent depuis les années 40.En 1943, deux informaticiens ont introduit des modèles de réseaux neurologiques, des commutateurs de seuil recréés basés sur des neurones et ont montré que même des réseaux simples de ce type sont capables de calculer presque toutes les fonctions logiques ou arithmétiques.
Les premiers précurseurs d'ordinateur ont été développés par un informaticien qui était fatigué de calculer les trajectoires balistiques à la main.Aujourd'hui, plus de 70 ans plus tard, l'apprentissage en profondeur a explosé dans la sophistication et l'utilisation, principalement en raison de la puissance de calcul élargie (ainsi que des coûts considérablement réduits par unité de puissance), une meilleure modélisation et la disponibilité des données.Le Deep Learning nécessite des quantités massives de données.Actuellement, on estime que les données que nous générons chaque jour sont 2.6 octets de quintillion.Et il peut analyser des ensembles de données massifs beaucoup plus rapides qu'un humain.Les machines ne souffrent pas de monotonie et de fatigue.
Y a-t-il des risques avec l'apprentissage en profondeur?
Répondons à cette question en utilisant l'exemple des véhicules autonomes.Deep Learning nous a donné ces voitures autonomes, mais elles semblent peu susceptibles d'éliminer tous les accidents de la route, ce qui s'apparendrait à une utopie autonome.En fait, une étude récente de l'Insurance Institute for Highway Safety (IIHS) indique que les véhicules autonomes pourraient empêcher qu'environ un tiers de tous les accidents.Pourtant, c'est plus efficace que les gens.
Pourtant, les préoccupations concernant l'adoption généralisée peuvent également inclure une augmentation des taux d'accident dans les premiers jours du déploiement à l'apprentissage de la technologie, des décisions morales laissées aux fabricants et de la difficulté à attribuer la responsabilité des accidents.Et puis il y a du piratage, car, après tout, l'apprentissage en profondeur est simplement une technologie enfermée dans un véhicule.En mars 2019, deux pirates de «chapeau blanc» (les bons) n'avaient besoin que de quelques minutes pour passer par le navigateur du système d'infodivertissement pour pénétrer dans l'ordinateur d'un Tesla, exécuter leur propre code et faire répondre à la voiture à leurs commandes.
As-tu lu?
Nous devons également considérer l'utilisation de l'apprentissage en profondeur du point de vue du consommateur.S'il ne fonctionne pas "- par exemple, un téléphone ne se déverrouille pas - il peut créer un client malheureux ou frustré, ce qui vainc.Composant le problème, en raison de la complexité des réseaux de neurones en profondeur, il peut être difficile de savoir où ou pourquoi le système a mal tourné.Souvent décrits comme la boîte noire de l'apprentissage en profondeur, les scientifiques des données s'efforcent d'améliorer la visibilité et la transparence autour du fonctionnement des modèles d'apprentissage en profondeur.
Les modèles peuvent également avoir un biais involontairement intégré - et ces modèles d'apprentissage en profondeur sont utilisés pour des décisions importantes, notamment qui obtient des prêts, des emplois ou une libération conditionnelle.Le Deep Learning doit avoir des garde-corps clairs avec des structures de gouvernance appropriées.
Le Deep Learning est l'avenir des affaires
Deep Learning nous a donné des recherches de produits basées sur l'image - Pinterest, par exemple - et des moyens efficaces de trier les fruits et légumes pour réduire les coûts de main-d'œuvre.Le premier est plus une commodité des consommateurs, tandis que le second est une véritable analyse de rentabilité pour la productivité.
Des ressources importantes sont en cours d'apprentissage en profondeur dans les services financiers, dans lesquels il est utilisé pour détecter la fraude, réduire les risques, automatiser les échanges et fournir des «robo-avis» aux investisseurs.Selon un rapport de la Economist Intelligence Unit (EIU), 86% des sociétés de services financiers prévoient d'augmenter leurs investissements liés à l'IA d'ici 2025.
How is the Forum helping governments to responsibly adopt AI technology?
Le Centre du Forum économique mondial pour la quatrième révolution industrielle, en partenariat avec le gouvernement britannique, a élaboré des lignes directrices pour une technologie gouvernementale plus éthique et efficace de la technologie de l'intelligence artificielle (IA).Les gouvernements à travers l'Europe, l'Amérique latine et le Moyen-Orient pilote ces directives pour améliorer leurs processus d'approvisionnement en IA.
Nos directives servent non seulement d'outil de référence pratique pour les gouvernements qui cherchent à adopter la technologie de l'IA, mais aussi fixer des normes de référence pour les marchés publics efficaces et responsables et le déploiement de normes d'IA qui peuvent être finalement adoptées par les industries.
Nous invitons des organisations intéressées par l'avenir de l'IA et de l'apprentissage automatique pour s'impliquer dans cette initiative.En savoir plus sur notre impact.
L'intégration de l'IA dans votre entreprise a le pouvoir d'améliorer la différenciation et la compétitivité, augmenter la productivité, influencer la rétention et même changer le cours de la maladie - et cela se produit dans tous les domaines et dans tous les aspects des entreprises.
Il influence tout, de la recréation des modèles d'entreprise et d'exploitation aux stratégies d'embauche et de rétention, à la création de nouvelles cultures d'entreprise qui non seulement embrassent mais permettent l'utilisation de l'apprentissage en profondeur.Cependant, selon certaines estimations, moins de 1% des données de la plupart des organisations sont utilisées, même s'il existe des quantités massives de données disponibles pour une prise de décision transformatrice. Quand commencerez-vous à taper - et à utiliser - le vôtre?
