روابط عمومی شرکت ایدکو (توزیع کننده محصولات کسپرسکی در ایران)؛ این روزها بحث‌های زیادی بر سر این است که آیا احتمال دارد ماشین‌ها بتوانند همان کارهایی را که انسان‌ها در کارخانه‌ها، انبارها ادارات و خانه‌ها می‌کنند انجام دهند یا نه. با پیشرفت روز به روز فناوری (با سرعت بسیار زیادی) و در کنار آن، بیشتر شدن ترس و هیجان، واژگانی همچون هوش مصنوعی، یادگیری ماشین و یادگیری عمیق ممکن است شما را سردرگم کند. امید داریم راهنمای زیر بتواند تا حدی شما را از این سردرگمی درآورده و در ادامه 8 نمونه‌ی کاربردی نیز استفاده‌‌ی امروزی از فناوری یادگیری ماشین را برایتان شفاف‌تر نماید:

یادگیری عمیق چیست؟

هوش مصنوعی تا آنجایی هوش مصنوعی است که ماشین‌ها برای انجام کارها به هوش انسان نیازمند باشند. این حوزه شامل یادگیری ماشین می‌شود، جایی که در آن ماشین‌ها می‌توانند با انجام دادن پیاپیِ یک وظیفه آن را یاد بگیرند و مهارت کسب کنند. آنوقت است که دیگر برای انجام آن کارِ بخصوص نیازی به هوش و دخالت انسان ندارند. یادگیری عمیق زیرمجموعه‌ی یادگیری ماشین است که در آن،شبکه‌های عصبی مصنوعی (الگوریتم‌هایی که از مغز انسان الهام گرفته شده‌اند) از حجم وسیعی از اطلاعات یاد می‌گیرند. فناوری یادگیری عمیق درست مشابه با تجربه‌ی ما از امر یادگیری، مکرراً یک وظیفه را انجام می‌دهد و هر بار برای ارتقای خروجی، به آن تغییرات جزئی می‌دهد. این فرآیند «یادگیری عمیق»نامیده شده است چونشبکه‌های عصبی دارای لایه‌های مختلف (عمیق) هستند که یادگیری را ممکن می‌سازند.

حجم اطلاعاتی که هر روز تولید می‌کنیم سرسام‌آور است- در حال حاضر 2.6کوینتیلیون بایت- و این منبع است که یادگیری عمیق را ممکن می‌سازد. از آنجایی که الگوریتم‌های یادگیری عمیق به حجم وسیعی از داده برای یادگیری نیازمندند، این افزایش در تولید اطلاعات یکی از دلایلی است که باعث شده قابلیت‌های یادگیری عمیق در چند سال اخیر ارتقا پیدا کند. علاوه بر ساخت داده‌های بیشتر، الگوریتم‌های یادگیری عمیق از قدرت محاسباتی قوی‌تر -که امروز در دسترس بوده- و همچنین رشد هوش مصنوعی به عنوان یک سرویس بهره می‌برند. هوش مصنوعی به عنوان یک سرویس به سازمان‌های کوچک‌تر اجازه‌ی دسترسی به فناوری هوش مصنوعی -خصوصاً الگوریتم‌های AI که برای یادگیری عمیق بدون سرمایه‌ی بزرگ اولیه لازم‌اند- می‌دهد.

 یادگیری عمیق به ماشین‌ها این اجازه را می‌دهد تا مسائل پیچیده را حل کنند، حتی زمان‌هایی که دارند از مجموعه داده‌های بسیار متنوع، بدون ساختار و به هم متصل استفاد می‌کنند. هر چه الگوریتم‌های یادگیری بیشتر یاد بگیرند، عملکرد بهتری خواهند داشت.

8 نمونه‌ی کاربردی یادگیری عمیق

حال که ماشین‌ها می‌توانند بدون دخالت انسان مشکلات پیچیده را حل کنند، دیگر چه مانعی می‌تواند سر راه آن‌ها قرار گیرد؟ در ادامه با اموری آشنا خواهیم شد که امروز یادگیری عمیق آن‌ها را پشتیبانی می‌کند. همینطور که الگوریتم‌ها از طریق تزریق داده‌ها بیشتر و بیشتر یاد می‌گیرند، به این فهرست نیز همینطور بیشتر و بیشتر مورد اضافه می‌شود.

1. دستیارهای مجازی

خواه دستیار دیجیتالی‌تان سیری باشد یا الکسا و کورتانا، دستیارهای مجازیِ ارائه‌دهندگان سرویس‌های آنلاین برای درک بهتر گفته‌های شما و زبانی که انسان‌ها هنگام برقراری ارتباط با همدیگر استفاده می‌کنند از یادگیری عمیق کمک می‌گیرند.

2.  ترجمه‌ها

الگوریتم‌های یادگیری عمیق نیز به طور مشابهی می‌تواند اتوماتیک زبان‌ها را ترجمه کنند. این می‌تواند برای مسافران، تجار و افراد دولتی بسیار مفید و پرکاربرد باشد.

3. چشم‌اندازهایی برای کامیون‌های تحویل بارِ بدون سرنشین، پهپادها و خودروهای خودگردان

درک یک وسیله‌ی نقلیه‌ی خودگردان از واقعیت‌های جاده و واکنش‌ به آن‌ها همه از طریق الگوریتم‌های یادگیری عمیق صورت می‌گیرد. هر چه الگوریتم‌ها بیشتر داده دریافت می‌کنند، بیشتر می‌توانند در پردازش داده‌ها انسان‌گونه رفتار کنند.

4. چت‌بات‌ها و بات‌های سرویس

به لطف فناوری یادگیری عمیق، چت‌بات‌ها و بات‌های سرویس که به مشتریان شرکت‌های بسیاری خدمات‌رسانی می‌کنند می‌توانند بسیار هوشمندانه و مفید عمل نمایند. آن‌ها با استفاده از این فناوری قادرند سوالاتی متنی و صوتیِ بسیار انسان‌گونه‌ای برای افراد ارسال کنند. 

5.  رنگ‌آمیزی تصویر

تبدیل تصاویر سیاه-سفید به رنگی کاری بود که در گذشته انسان‌ها با دقت بسیار بالایی انجام می‌دادند. اما امروز الگوریتم‌‌های یادگیری عمیق قادرند از زمینه و اجسام در تصاویر برای رنگ‌آمیزی و تبدیل تصاویر سیاه-سفید به رنگی استفاده کنند. نتایج بدست آمده بسیار تأثیرگذار و دقیق از آب درخواهند آمد.

6. شناسایی تصویر

این روزها یادگیری عمیق از فناوری شناسایی صورت، نه تنها برای مقاصد امنیتی که همچنین برای تگ کردن افراد در پست‌های فیسبوک نیز استفاده می‌کند. در آینده‌ای نه چندان دور می‌توانیم تنها با استفاده از صورت‌هایمان هزینه‌ی خرید اقلام در فروشگاه را پرداخت کنیم. چالش‌هایی که بر سر راه الگوریتم‌های یادگیری عمیق وجود دارد: تشخیص همان فرد وقتی مدل مویش را تغییر می‌دهد، ریشش را می‌زند و یا ریش می‌گذارد و یا تشخیص اینکه آیا عکسِ گرفته شده به خاطر نور بد تار شده و یا به دلیل دیگری.

7. پزشکی و داروسازی

از تشخیص بیماری و تومور گرفته تا داروهایی که به طور خاص تنها برای ژنوم فرد درست می‌شود، یادگیری عمیق در حوزه‌ی پزشکی نظر خیلی از شرکت‌های بزرگ دارویی و پزشکی را به خود جلب کرده است.

8. خرید و سرگرمی شخصی‌سازی‌شده

آیا تا به حال شده تعجب کنید چرا نتفلیکس همیشه فیلم‌هایی را به شما پیشنهاد می‌دهد که شما دوست دارید؟ و یا چرا آمازون می‌داند چه چیز را باید برای خرید بعدی‌تان پیشنهاد دهد؟ آیا از این همه دقت در این پیشنهادات حیرت‌زده نمی‌شوید؟ بله همه‌ی اینها از شگفتی‌های فناوری یادگیری عمیق است.

هرچه تجربه‌ی الگوریتم‌های یادگیری عمیق بیشتر می‌شود، راندمان اجرایی‌شان نیز به مراتب بهتر می‌شود. با این حال هنوز چند سال دیگر مانده است تا این فناوری به بلوغ کامل برسد.