Czym jest „głębokie uczenie" (deep learning)?

Deep learning to forma uczenia maszynowego oparta na sieciach neuronowych z wieloma nałożonymi na siebie warstwami, z których każda przekształca dane nieco dalej, zanim przekaże je do kolejnej. Ta głębokość pozwala sieci uczyć się coraz bardziej abstrakcyjnych wzorców – na przykład wczesne warstwy w modelu obrazowym mogą wykrywać proste krawędzie, podczas gdy głębsze warstwy łączą je w kształty, potem obiekty, a następnie całe sceny; podejście to okazało się dramatycznie skuteczniejsze niż wcześniejsze, płytsze techniki, gdy dostępna stała się wystarczająca ilość danych i mocy obliczeniowej.

Uczenie się podczas snu to prawdziwa, choć zupełnie inna koncepcja z kognitywistyki, niemająca związku z wielowarstwowymi sieciami neuronowymi. Usuwanie głęboko ukrytych plików to zwykłe zadanie zarządzania plikami na komputerze, niezwiązane ze sposobem, w jaki modele AI uczą się wzorców z danych.

Przełomowym momentem dla deep learningu w oczach szerszej publiczności było to, gdy głębokie sieci neuronowe zaczęły wyraźnie przewyższać starsze techniki w konkursach rozpoznawania obrazów – wynik, który pomógł wywołać ogromną falę inwestycji i badań, prowadzącą wprost do dzisiejszych dużych modeli językowych i generatorów obrazów.