Deep Learning In 5 Minutes | What Is Deep Learning? | Deep Learning Explained Simply | Simplilearn
Indholdsfortegnelse:
YouTubes mobilapp blev lidt smartere i dag, og det vil fortsætte med at blive lidt smartere hver dag fra nu af.
Et nyt redesign lover personlige videoanbefalinger baseret på dyb neuralt netværksteknologi. Det kunstige læringssystem vil samle og finde mønstre i hver YouTube-brugers videovalg og derefter anbefale videoer, der ligner hinanden. Systemet bliver bedre til at identificere videoer korrekt hver gang det vælger en video, som brugeren kan lide.
Oversættelse: Du kommer til at se mere af det samme (og mere af hvad du kan lide), når det kommer til din anbefalede video line up.
Hvordan YouTube's dyb læring virker
Deep learning er blevet et populært emne i samtale i A.I. og teknologiske fællesskaber, og YouTubes moderselskab Google fører ofte den samtale. Google bruger det for øjeblikket til ting som stemmegenkendelse og identifikation af objekter i Google Fotos. Det er ikke et alt for teknisk begreb (en Google forsker selv lært et gratis Udacity Deep Learning kursus), men det vil til sidst overtage, hvordan computere opererer.
YouTube-meddelelsen foreslår denne video for at forstå systemet, der afgør, hvilke videoer du ser i fremtiden:
Væsentligt er software ingeniører skriver programmer, der lære hvordan man løser problemer i stedet for at skrive programmer, der bare løser problemer. Digitale neuroner, der kan sammenlignes med neuroner i den menneskelige hjerne, arbejder sammen for at finde ud af, hvad der er noget. Næste gang det neurale netværk kommer over et lignende objekt, kan det genkende det objekt. Computere kan ikke lære så hurtigt som mennesker, men har en stikprøve størrelse, der er så stor som YouTubes hjælper.
Hvad det betyder for dig
"Vi anbefaler hver dag hundredvis af millioner af forskellige videoer på Home, milliarder gange på 76 sprog", læser YouTubes blogmeddelelse.
YouTube oplyser, at den gennemsnitlige visningssession på mobilen er mere end 40 minutter, og mobil udgør mere end halvdelen af YouTubes hundredvis af millioner timer set hver dag. Det er klart, at alt, der når den mængde mennesker, har en vis indflydelse på hvordan folk tænker og hvad de tænker på.
På den ene side kan det dybe neurale netværkssystem skabe en følelse af homogenitet. Bekræftelsesforstyrrelser kan løbe voldsomt, og folk vil kun se mere og mere af den samme type videoer, der fremmer de samme ideer. Andre synspunkter vil blive afskåret, og tætte samfund vil miste et bredere perspektiv.
Det er selvfølgelig et værste tilfælde. Når det digitale neurale netværk lærer alle dine likes og dislikes, vil det være meget nemmere at blive på den sjove side af YouTube og meget sværere at komme til den WTF-del af YouTube.
Deep Learning Machine gør lignende som en digter
Indtil nu var det at lægge en maskine op mod et menneske i et analogi spil, som at sætte en person, der var rigtig dårlig på tennis op imod en god tennis racket swinging guy - som mester niveau. Vi kan nu kysse vores figurative overherredømme takket være et program udtænkt kinesiske forskere, der bare overgik ...
Sound Orb er det taktiske højttalersystem, du ikke vidste, du ønskede
Hvad får du, hvis du kombinerer to IKEA salatskåle, en taktil transducer, en forstærker og noget albuefedt? Nej, ikke en salatkastere af industriel kvalitet. Hvad med en DIY sfærisk bambus højttaler, der dunk og synger? Det er en nøjagtig præcis beskrivelse af komponisten Albert Behar Sound Orb, et taktilt højttalersystem loo ...
Deep 'Reinforcement Learning' er undervisning robotter nye færdigheder hurtigere end nogensinde
En færdighed, der tager måneder at lære, kan tage et spørgsmål om timer, ifølge Google DeepMinds Raia Hadsell.