"डीप लर्निंग" म्हणजे काय?

डीप लर्निंग हा मशीन लर्निंगचा एक प्रकार आहे, जो अनेक स्तर एकावर एक रचलेल्या न्यूरल नेटवर्क्सवर आधारित असतो, प्रत्येक स्तर डेटावर थोडी अधिक प्रक्रिया करून पुढील स्तराकडे पाठवतो. या खोलीमुळे नेटवर्क अधिकाधिक अमूर्त नमुने शिकू शकते - उदाहरणार्थ, प्रतिमा-मॉडेलमधील सुरुवातीचे स्तर साधे कडे शोधतात, तर खोलवरचे स्तर त्यांना जोडून आकार, नंतर वस्तू, नंतर संपूर्ण दृश्ये तयार करतात - हा दृष्टिकोन पुरेसा डेटा व संगणकीय क्षमता उपलब्ध झाल्यावर आधीच्या, कमी-स्तरीय तंत्रांहून कितीतरी अधिक सक्षम ठरला.

झोपेत असताना शिकणे ही संज्ञानात्मक शास्त्रातील एक खरी पण वेगळी संकल्पना आहे, तिचा स्तरित न्यूरल नेटवर्क्सशी काही संबंध नाही. खोलवर दडवलेल्या फाईल्स हटवणे हे संगणकातील नेहमीचे फाईल-व्यवस्थापन काम आहे, एआय मॉडेल्स डेटातून नमुने कसे शिकतात याच्याशी त्याचा संबंध नाही.

जनसामान्यांच्या नजरेत डीप लर्निंगचा प्रगतिपूर्ण क्षण तेव्हा आला जेव्हा डीप न्यूरल नेटवर्क्सनी प्रतिमा-ओळख स्पर्धांमध्ये जुन्या तंत्रांना झपाट्याने मागे टाकले, या निकालामुळे थेट आजच्या मोठ्या भाषा मॉडेल्स व प्रतिमा-निर्मात्यांकडे नेणारी प्रचंड गुंतवणूक व संशोधनाची लाट सुरू झाली.