गूगल के AlphaGo शीर्ष पेशेवर जाओ खिलाड़ियों को हरा, अंत में मशीन के मानव प्रतीक पर विजय प्राप्त की है, लेकिन गहरी सीखने (दीप लर्निंग) प्रौद्योगिकी और के विकास खेल के साथ समाप्त नहीं होगा समाप्त होता है, Baidu भाषण मान्यता दर के रूप में इस तरह के 89% से 99 की वृद्धि हुई है %। इसके अलावा, शिक्षण प्रौद्योगिकी की गहराई से संबंधित पदों की संख्या लगभग शून्य 2014 में है, और अब पहले से ही चारों ओर 41,000 तक पहुंच गई।
गहराई से अध्ययन गार्टनर उभरती हुई प्रौद्योगिकियों विकास चक्र फुलाया उम्मीदों में (प्रचार चक्र) (फुलाया उम्मीदें की पीक) (चित्रा 1) में है, और 2017 में पांच भविष्यवाणियों गार्टनर में प्रकाशित में, जिनमें से एक किनारे से सीखने की गहराई है तकनीकी विश्लेषण तकनीक के प्रमुख तत्वों में से एक विकसित हुआ।
चित्रा 1 गार्टनर उभरती हुई प्रौद्योगिकी विकास चक्र, गहरी सीखने फुलाया उम्मीदों के शिखर में है।
डीप लर्निंग मशीन सीखने में एक बदलाव है, जो डेटा पुनर्प्राप्ति के माध्यम से व्यवसाय की समस्याओं को सुलझाना है। इंटरमीडिएट रिप्रंसेंटेशन के लिए दीप लर्निंग सर्चिंग, जो मानक मशीन सीखने की तकनीकों को और अधिक शोषण करने में सक्षम बनाता है। अन्य जटिल समस्याओं का समाधान भी अन्य समस्याओं को हल करने के लिए किया जा सकता है, न केवल उच्च सटीकता, कम अवलोकन, कम बोझिल मैनुअल फ़िन ट्यूनिंग कार्यों के साथ।
गहरी सीखने के साथ, कंप्यूटर मॉडल जैसे वीडियो, आवाज और पाठ, उदाहरण के लिए आदि के रूप में जटिल डेटा की बड़ी मात्रा खिलाया जा सकता है, सीखने वाले एल्गोरिदम की गहराई अपने स्वयं के "समझ" जो पैटर्न स्वस्थ या बीमार रेटिना प्रतिनिधित्व करते हैं पर रेटिना स्कैन, विश्लेषण कर सकते हैं ( और रोग के विशिष्ट नाम) "समझ" उच्च प्रदर्शन कंप्यूटिंग जानवर बल (ब्रूट बल) पर भरोसा करना चाहिए, लेकिन यह भी कुछ हद तक, यह भी पुराना मैनुअल डेटा तैयारी कार्यों ऐसी नीरस समाप्त कर सकते हैं की। इस प्रक्रिया को प्रदर्शित करता है काम करते हैं।
चित्रा 2 चित्रा 2 दिखाता है कि जब चेहरा पहचान गहराई से सीखने की तकनीक पर आधारित है स्वचालित खोज के दृश्य अमूर्त को सुधारने के लिए।
सबसे आम श्रेणी के लिए एक उपयुक्त मध्यस्थ कोड में "खोज", फ़ीड आगे तंत्रिका नेटवर्क गहराई (feedforward दीप तंत्रिका नेटवर्क) है, जो परस्पर प्रसंस्करण इकाइयों की कई परतों का उपयोग है सीखने मूल इनपुट डेटा से की गहराई है। गहराई एक तंत्रिका नेटवर्क प्रदान करता है व्यावसायिक मुद्दों की एक विस्तृत श्रृंखला के लिए शक्तिशाली वास्तुकला
हजारों या गहराई का तंत्रिका नेटवर्क मानकों यहां तक कि लाखों के साथ प्रशिक्षित करने के लिए, वहाँ अत्यधिक पुनरावृत्ति गणना प्रधान कार्यक्रमों होना चाहिए, (अनुमानी) के उपयोग के "ढाल वंश (ढाल वंश)" और "बैक-प्रसार (backpropagation)", आदि अंगूठे सूत्र के नियम हाल के वर्षों में संख्यात्मक अनुकूलन तकनीकों। उच्च प्रदर्शन ग्राफिक्स प्रोसेसर (GPU) वास्तुकला एक सफलता प्राप्त करने के लिए, इन अनुकूलन तकनीकों केवल अब मामले में इतने बड़े पैमाने बाहर ले जाने में सक्षम हैं।
हाल ही में गहराई से अध्ययन प्रमुख वैज्ञानिक और तकनीकी सफलताओं के एक नंबर के लिए प्रेरित किया है, यह कृत्रिम बुद्धि (AI) के प्रमुख प्रमोटर से एक माना जाता है, अगले 3-5 साल में काफी अधिकांश उद्योगों को प्रभावित करेगा। इसलिए, आरोप में डेटा और विश्लेषण अब कार्रवाई करनी चाहिए, प्रासंगिक समझते हैं फायदे और तकनीकी चुनौतियों का सामना।
गहराई से अध्ययन मशीन सीखने के सभी लाभों विरासत में मिला है, इसकी सबसे बड़ी क्षमता में निहित है कि मध्यस्थ एक विशेष क्षेत्र है, जो उत्पन्न प्रदर्शन समाधान को बेहतर बनाता है के लिए कोड कर सकते हैं। हालांकि, शिक्षण प्रौद्योगिकी के आवेदन कार्यान्वयन जोखिम के महान गहराई है, और होगा क्योंकि अनुचित डेटा, पारदर्शिता के मॉडल कमी, प्रासंगिक वैज्ञानिक डेटा और प्रोग्रामिंग कौशल, उच्च प्रदर्शन कंप्यूटिंग आधारभूत संरचना जरूरतों की कमी है, साथ ही अनिश्चित या असंगत खतरे की प्रशासनिक सहायता।
सौभाग्य से, गहरी सीखने की क्षमताओं को एपरेरिंग संगठन में एक प्रयोक्ता-अनुकूल रूप में आवेदन प्रोग्रामिंग इंटरफेस (एपीआई) या एक सर्विस (सास) के रूप में सॉफ़्टवेयर के साथ-साथ पैक किए गए अनुप्रयोगों के माध्यम से पेश किया जाएगा।
डीप लर्निंग विकसित करना जारी रखेगा और वर्तमान में अनुमानित विश्लेषिकी क्षेत्र में सबसे पसंदीदा तकनीक है, जो कि डेटा के प्रकार को संभालने के लिए पहले से गैर-ट्रेस करने योग्य या मशीन-सीखने योग्य वीडियो, आवाज और वीडियो, डाटा फ्यूजन, यह अन्य तकनीकों की तुलना में और अधिक सटीक है, और अन्य मशीन सीखने के तरीकों पर इसके डेटा फ्यूजन क्षमताओं के कारण, गार्टनर ने भविष्यवाणी की है कि 2022 में, गहरी सीखने से बड़ी डेटा एनालिटिक्स पर हावी हो जाएगी।
विश्व डेटा विश्लेषण विशाल क्षमता है प्रतीत होता है, लेकिन डेटा का एकीकरण एक बड़ी चुनौती बनी हुई है। गहराई सीखने, प्राकृतिक भाषा पीढ़ी (प्राकृतिक भाषा जनरेशन, NLG) और अन्य स्वचालित उपकरणों सही डेटा, निकट सहयोग के साथ एक दूसरे के साथ सहयोग कर सकते हैं, लेकिन अगर आसान डेटा एकीकरण, डेटा एकीकरण आदेश में प्रभावी रूप से इन नए उपकरणों का उपयोग करने में पेशेवर कर्मचारियों और वैज्ञानिकों की जरूरत है।
पीटर क्रेंस्की गार्टनर के वरिष्ठ शोध विश्लेषक ने कहा, "पेशेवर डेटा एकीकरण और डेटा वैज्ञानिकों के संयोजन के भविष्य भूमिका जो प्रासंगिक प्रौद्योगिकी दिखाई देगी दक्षता में सुधार करने, लेकिन यह भी वहाँ औपचारिक या अर्द्ध रूप में नागरिक डेटा वैज्ञानिकों और सिविल कर्मियों डेटा एकीकरण का एक छोटा सा समूह है, औपचारिक भूमिका। डेटा विश्लेषण और तकनीकी निदेशक सक्षम होना चाहिए बहुआयामी टीमों और sandbox (सैंडबॉक्स) का उपयोग करें, तकनीकी कठिनाइयों कम कुशल कर्मचारियों का सामना के जोखिम को कम करने के लिए। "
गहरी भविष्यवाणी विश्लेषण तकनीक सीखना सीखना
2018 तक, 80% डेटा वैज्ञानिकों में एक मानक टूलकिट के रूप में गहन अध्ययन (गहरी न्यूरल नेटवर्क) शामिल होंगे, और प्रोजेक्ट और भर्ती स्तर दोनों पर गहरी शिक्षा लोकप्रियता प्राप्त कर रही है। तेजी से विकास, फेसबुक और आईबीएम जैसे बड़े शोध प्रयोगशालाओं में निवेश से संबंधित अनुसंधान के कारण होता है, जहां लगभग 30% डेटा विज्ञान मंच विक्रेताओं ने गहन शिक्षण प्रौद्योगिकी के पहले संस्करण का उपयोग करके उत्पादों को पेश किया है।
हालांकि, गहरी शिक्षा एक स्वतंत्र तकनीक नहीं है, वास्तव में, यह मशीन सीखने के द्वारा विकसित तीसरी लहर विश्लेषण तकनीकों में से एक है। एंटरप्राइजेज को मशीन सीखना एक संभावित सेवा प्रोजेक्ट के रूप में समझना चाहिए, और इसके संभावित अनुप्रयोग अनुचित पहचान, आवाज नियंत्रण और क्वेरी, भावना विश्लेषण और चेहरे की पहचान शामिल है
अगले कुछ वर्षों में, सीखने की गहराई काफी विश्लेषण उपकरणों और ऑपरेटिंग प्रथाओं को प्रभावित करेगा। वर्तमान स्मार्ट फोन उपयोगकर्ताओं पर पहले से ही स्पष्ट रूप से इस तरह के रूप में एप्पल (Apple) सिरी और गूगल स्वर ध्वनि पहचान समारोह परिवर्तन, महसूस कर सकते हैं, नई तकनीक के गहराई से अध्ययन का उपयोग कर हर रोज कार्यों में एक वास्तविकता बन जाते हैं; और छवि मान्यता के विभिन्न क्षेत्रों, पाठ से वाक्, मशीन अनुवाद, लगभग हर हफ्ते वहाँ भी एक नया सफलता है।
गार्टनर का अनुमान है वर्तमान में कंपनियों में से दो से अधिक हजारों गहरी शिक्षा टूल, क्लाउड सेवाएं, अनुप्रयोग प्रोग्राम इंटरफ़ेस, पैक अनुप्रयोगों और परामर्श सेवाएं प्रदान करना शुरू किया देखते हैं कि, प्रौद्योगिकी दिग्गजों के लिए नए क्षेत्र की नई कंपनियों के आकार इस प्रकार लगभग सभी उद्योगों जहां किसी भी संगठन है है उत्पादों के सैकड़ों की अच्छी गहराई से अध्ययन से चुनने के लिए। डेटा और विश्लेषण निदेशक भी मूल्यांकन करने के लिए कितना गहरा सीखने डिजिटल वाणिज्य लाने के लिए मदद मिलेगी एक दुर्लभ अवसर प्राप्त हुआ है, को देखने के एक व्यावहारिक बिंदु से। गार्टनर भविष्यवाणी की है कि 2019 तक, सीखने की गहराई कक्षा में सर्वश्रेष्ठ बनने (सर्वश्रेष्ठ वर्ग) विफलता भविष्यवाणी, धोखाधड़ी की मांग पूर्वानुमान और भविष्यवाणी तकनीक के मुख्य प्रमोटर में से एक।
हाल के वर्षों में कई सफलताओं संज्ञानात्मक डोमेन में गहरी सीखने है:
· छवि मान्यता
2015 के आखिर और 2016 की शुरुआत में, माइक्रोसॉफ्ट के रिज़नेट और Google के गोगलैनेटनेट (वी 4) ने एक आश्चर्यजनक छवि मान्यता प्रणाली का प्रदर्शन किया जो छविनेट इमेज क्लासिफिकेशन के काम में मानवता से बेहतर प्रदर्शन कर रहे थे।
मशीन अनुवाद
Google ने Google न्यूरल मशीन ट्रांसलेशन (जीएनएमटी) पेश किया है, जो कि अतीत में सबसे उन्नत इन-मशीन अनुवाद में काफी सुधार हुआ है।
भाषण मान्यता
इसी तरह के काम के लिए, बैडु की आवाज-टू-टेक्स्ट सेवा का प्रदर्शन मानव जाति को पार कर गया है, और जो विकास होने की उम्मीद है, वह गैर-संज्ञानात्मक क्षेत्र में हो सकता है जहां गहरी शिक्षा धीरे-धीरे चल रही है।
धोखाधड़ी का पता लगाने
पेपैल धोखाधड़ी के भुगतानों को रोकने के सर्वश्रेष्ठ नस्ल पद्धति के रूप में गहरी शिक्षा का उपयोग करना शुरू कर चुका है।
अनुशंसित सिस्टम
अमेज़ॅन ने अपनी तरह के सर्वश्रेष्ठ नस्ल उत्पादों को गहरी सीखने की सिफारिश की है।
अब से 2019 तक, उद्यमों उपभोक्ता डेटा और विश्लेषण के क्षेत्र में व्यावसायिक अनुप्रयोगों के सूट, उपकरण या एप्लीकेशन प्रोग्रामिंग इंटरफेस अनुप्रयोगों गहराई लर्निंग तकनीक के एकीकरण के माध्यम से मुख्य रूप से हो जाएगा, तकनीकी निदेशक पूर्ण अध्ययन संगठन आयात करने के लिए अवसरों की तलाश शुरू कर देना चाहिए, विशेष रूप से स्पष्ट रूप से महत्वपूर्ण व्यापार के मुद्दों है, "अवधारणात्मक घटक" शिक्षा, अनुसंधान प्रयोगशालाओं या सलाहकार भाग लेने के लिए बनाने के लिए और सीखने की गहराई के बारे में अधिक सीखना चाहिए, और विचार करने के लिए विलय और अधिग्रहण के नए उद्यमों की क्षमता है आदेश संबंधित कर्मियों और प्रौद्योगिकी प्राप्त करने के लिए,।
व्यापार खुफिया और विश्लेषण NLG में शामिल किया जाएगा
2019 में, यह मानक सुविधाओं में से एक प्राकृतिक भाषा पीढ़ी में शामिल करने के लिए आधुनिक व्यापार खुफिया और विश्लेषण मंच का 90% होगा
डाटा दृश्य आधुनिक व्यापार खुफिया (बीआई) के पीछे मुख्य बल में से एक है, लेकिन कभी कभी डेटा व्याख्या की इस प्रपत्र को पूरा करने के लिए मुश्किल हो गया है। प्राकृतिक भाषा पीढ़ी, अनुसंधान के लिए डेटा परिणाम एक सामग्री आधारित पाठ या ध्वनि कथन बनाने के लिए कर सकते हैं, जबकि दृश्य के माध्यम से, एक महत्वपूर्ण परियोजना के रूप में आज के कारोबारी खुफिया टीम स्टैंड-अलोन प्राकृतिक भाषा पीढ़ी इंजन एकीकरण करेगा की पूरी कहानी आउटपुट, लेकिन वह बदल जाएगा प्रौद्योगिकी के विकास के साथ, प्राकृतिक भाषा पीढ़ी व्यापार खुफिया और विश्लेषण की अगली पीढ़ी कर देगा मंच स्वचालित रूप से महत्वपूर्ण शोध के परिणाम की पहचान कर सकते हैं और एक दृश्य प्रपत्र कथा प्रदान करते हैं। इस तकनीक, दर्शकों विश्लेषण प्रौद्योगिकियों के दायरे का विस्तार करते हुए समय और लागत नियमित रूप से बैच रिपोर्ट करने की आवश्यकता कम हो जाएगी।
डेटा और एनालिटिक्स अधिकारियों को व्यावसायिक बुद्धिमत्ता, डाटा अन्वेषण और डेटा विज्ञान के लिए उनकी क्षमता और विकास की निगरानी करते हुए, स्थापित व्यवसायिक खुफिया / डेटा खोजों या अन्य उपकरणों के साथ प्राकृतिक भाषा की पीढ़ी तकनीकों को एकीकृत करना शुरू करना चाहिए, और नए उभरते स्टार्ट-अप पथ।
अंत में, गार्टनर निम्नलिखित विश्लेषण और व्यापार खुफिया आधुनिक डेटा और विश्लेषण निदेशक के लिए जिम्मेदार हो सिफारिश की गई है: सबसे पहले, उन समस्याओं के समाधान की कमी में निहित फिर से जांच, लेकिन अभी भी उपयोगी डेटा है, कुछ उद्योगों में, का पूर्ण अध्ययन से संबंधित एल्गोरिदम से अधिक परिचित हैं पायलट कार्यक्रम अन्य प्रौद्योगिकियों को उभरने और बढ़ाना शुरू कर रहे हैं, और उन मुद्दों से शुरू करना उचित है जो पहले से अपेक्षित परिणाम पर सर्वसम्मति पर पहुंच चुके हैं।
दूसरा, अपनाने का सबसे आसान समाधान; कई व्यावसायिक समस्याओं के लिए, "उथला" मशीन सीखने अभी भी गहन शिक्षण तकनीक की अंतर्निहित जटिलताओं से बचने का सबसे अच्छा तरीका होगा।
इसके अलावा, प्रतिभा का एक प्रमुख पूल औपचारिक, गहरी सीखने के प्रयोग से पहले स्थापित होना चाहिए, और यदि प्रतिभा की कमी है, तो सेवा प्रदाताओं या शिक्षा के माध्यम से आउटसोर्सिंग पर विचार करें।
अंतिम लेकिन कम से कम, गहरी सीखने के परिणाम तुरंत सत्यापित करें, निष्पक्षता पर बारीकी से निगरानी करें, कानूनों और विनियमों और नैतिकता के अनुपालन करें, लेकिन बहुत जल्द ही गहन शिक्षण के लिए योजनाओं का प्रयोग छोड़ दें।