Duboko učenje

Duboko učenje omogućuje inovacije i promjene u svim dijelovima suvremenog života. Većina otkrića umjetne inteligencije o kojima čujete u medijima temelji se na dubokom učenju. Slijedom toga, bez obzira na to jeste li poduzetnik zainteresiran za poboljšanje učinkovitosti svoje organizacije, donositelj politike koji brine o etici i privatnosti u svijetu velikih podataka, istraživač koji radi sa složenim podacima ili znatiželjni građanin koji želi steći bolji osjećaj za mogućnosti umjetne inteligencije i način na koji ona mijenja svakodnevni život, važno je steći razumijevanje dubokog učenja. Duboko učenje područje je umjetne inteligencije usredotočeno na stvaranje velikih modela neuronskih mreža, sposobnih donositi valjane odluke temeljem dostupnih podataka. Ono je posebice primjereno situacijama masivnih skupova podataka, napučenih složenim podacima. Danas ga za svoje potrebe koristi većina internetskih tvrtki i vrhunskih potrošačkih tehnologija. Između ostalog, Facebook duboko učenje koristi u analizi tekstova internetskih razgovora. Google, Baidu i Microsoft koriste ga za pretraživanje slika te za strojno prevođenje. Svi moderni pametni telefoni u sebi kriju sustave dubokog učenja; primjerice, ono je sada standardna tehnologija za prepoznavanje govora, ali i za prepoznavanje lica snimljenih digitalnim fotoaparatima. U zdravstvenom sektoru duboko učenje koristi se za obradu medicinskih slika (rendgenske, CT i MRI pretrage) i dijagnosticiranje zdravstvenih stanja. Ono se također nalazi u srcu automobila osposobljenih za samostalnu vožnju, gdje se koristi za lokalizaciju i mapiranje ruta, planiranje i upravljanje vožnjom te opažanje okoline, kao i za praćenje stanja vozača. Cilj ove knjige je širokom krugu čitatelja omogućiti shvaćanje što duboko učenje jest, odakle dolazi, kako funkcionira, što omogućuje (a što ne) i kako će se ono najizglednije razvijati u sljedećih deset godina. Činjenica da duboko učenje predstavlja skup algoritama i modela znači da njegovo razumijevanje zahtijeva razumijevanje načina na koje ti algoritmi i modeli obrađuju podatke. Slijedom toga, ova knjiga ne izlaže samo opise i definicije; ona također uključuje objašnjenja rada algoritama. Tehnički materijal knjige predstavljen je na pristupačan način. Ono što je kod dubokog učenja uistinu čudesno nije toliko složenost matematike na kojoj se ono temelji, koliko raznolikost uzbudljivih i impresivnih zadaća koje tako jednostavni izračuni mogu rješavati.Ipak, usprkos jednostavnosti, ovi modeli u stanju su, pored ostalih dostignuća, pobijediti svjetskog prvaka u igri Go, utjeloviti najmoderniju tehnologiju računalnog vida i strojnog prevođenja te samostalno voziti automobile. Ova je knjiga uvodni tekst o dubokom učenju, ali, nadamo se, dovoljno dubok da vas opetovano k njoj vraća kako bude raslo vaše samopouzdanje u pogledu izložene građe. JOHN D. KELLEHER profesor je računalnih znanosti i voditelj instituta informacijskih, komunikacijskih i medijskih istraživanja pri Dublinskom institutu za tehnologiju. Ima više od dvadeset godina iskustva u istraživanjima i podučavanju u području umjetne inteligencije, obrade prirodnih jezika i strojnog učenja. Objavio je više od stotinu akademskih radova s ovih područja i dvije knjige u izdanju izdavačke kuće MIT Press: Data Science (2018) i Fundamentals of Machine Learning for Predictive Data Analytics (2015). Njegovo istraživanje podupire istraživački centar ADAPT (https://www.adaptcentre.ie) koji zajednički financiraju udruga Science Foundation Ireland (Grant 13/RC/2106) i European Regional Development Fund te projekt PRECISE4Q (https://pre-cise4q.eu) koji se financira iz programa Europske unije za istraživanje i inovacije Obzor 2020.