Computers will overtake humans with AI within the next 100 years. When that happens, we need to make sure that the computer have goals aligned with ours. Stephen Hawking.
Razumijevanje najnovijih dostignuća u umjetnoj inteligenciji može se činiti neodoljivim, a svodi se na dva koncepta i izraza za koja smo svi već čuli, strojno učenje (machine learning) i dubinsko učenje (deep learning). Ova dva pojma čujemo često u razgovorima oko nas, pa je stoga važno razumjeti razliku.
Primjeri strojnog učenja su svuda oko nas, pa tako, primjerice, Netflix točno zna koju seriju ili emisiju želite pogledati sljedeću, Facebook zna čije je lice na fotografiji, a predstavnik službe za korisnike unaprijed zna jeste li zadovoljni uslugom, čak i prije nego riješite anketu.
Dakle, u čemu je točno razlika između machine i deep learninga?
Jednostavna definicija strojnog učenja glasi: Algoritmi koji raščlanjuju podatke, uče se iz tih podataka i zatim primjenjuju ono što su naučili u donošenju informiranih odluka.
Najjednostavniji primjer strojnog učenja predstavlja online streaming glazbe na zahtjev. Kako bi računalo ili program odlučili koju sljedeću pjesmu preporučiti slušatelju, povezuju postavke slušatelja sa postavkama drugih korisnika sličnog glazbenog ukusa.
U praksi deep learning samo je podskup machine learninga i funkcionira na vrlo sličan način, zbog toga se ti pojmovi katkada pomiješaju. Model deep learninga osmišljen je za kontinuiranu analizu podataka s logičkom strukturom sličnom načinu na koji bi čovjek donosio zaključke. Da bi se to postiglo, deep learning koristi slojevitu strukturu algoritama koja se naziva umjetna neuronska mreža (Artificial Neural Network – ANN). Dizajn ANN-a inspiriran je biološkom neurološkom mrežom ljudskog mozga.
Iako je tek sada popularizirana, neuronska je tehnologija stara više od pola stoljeća. Razlozi za to su povećanje računalne snage i povećanje količine podataka. Milijuni parametara potrebni su za uspješno treniranje neuronske mreže.
Zahtjevan je posao osigurati da model deep learninga ne izvodi pogrešne zaključke, ali kada djeluje onako kako je zamišljeno i namjenjeno, dubinsko učenje je znanstveno čudo i potencijalna okosnica istinske umjetne inteligencije.
Okej, možda se ovo i dalje čini kompliciranim, ali deep learning omogućio je mnoge praktične primjene strojnog učenja, a proširio je i cijelo AI polje. Deep learning ruši zadatke na način što čini sve vrste strojnih potpora mogućim i vjerojatnim. Automobili bez vozača, bolja preventiva zdravlja, još bolje filmske preporuke moguće su već danas.
Artificial intelligence je sadašnjost i budućnost.