"డీప్ లెర్నింగ్" అంటే ఏమిటి?

డీప్ లెర్నింగ్ అనేది అనేక పేర్చిన పొరలతో నిర్మించిన న్యూరల్ నెట్‌వర్క్‌లపై ఆధారపడిన ఒక రకమైన మెషిన్ లెర్నింగ్, ప్రతి పొర డేటాను కొంచెం మార్చి తర్వాతి పొరకు అందిస్తుంది. ఈ లోతు నెట్‌వర్క్‌ను క్రమంగా మరింత నైరూప్య నమూనాలను నేర్చుకోవడానికి వీలు కల్పిస్తుంది; ఉదాహరణకు, చిత్ర మోడల్‌లోని తొలి పొరలు సాధారణ అంచులను గుర్తించవచ్చు, లోతైన పొరలు వాటిని ఆకారాలుగా, తర్వాత వస్తువులుగా, తర్వాత మొత్తం దృశ్యాలుగా కలుపుతాయి, తగినంత డేటా, గణన శక్తి అందుబాటులోకి వచ్చాక ఇది మునుపటి, తక్కువ లోతున్న పద్ధతుల కంటే నాటకీయంగా సమర్థవంతమైనదిగా నిరూపించబడింది.

నిద్రలో చదవడం అనేది కాగ్నిటివ్ సైన్స్‌లో నిజమైన, కానీ వేరే భావన, పేర్చిన న్యూరల్ నెట్‌వర్క్‌లతో దీనికి సంబంధం లేదు. లోతుగా దాచిన ఫైళ్లను తొలగించడం ఒక సాధారణ కంప్యూటర్ ఫైల్-నిర్వహణ పని, AI మోడళ్లు డేటా నుంచి నమూనాలను నేర్చుకునే విధానంతో దీనికి సంబంధం లేదు.

బహిరంగ ప్రజల దృష్టిలో డీప్ లెర్నింగ్‌కు పెద్ద మలుపు వచ్చింది, డీప్ న్యూరల్ నెట్‌వర్క్‌లు చిత్ర గుర్తింపు పోటీలలో పాత పద్ధతుల కంటే గణనీయంగా మెరుగైన పనితీరు చూపడం మొదలుపెట్టినప్పుడు, ఈ ఫలితం నేటి పెద్ద భాషా మోడళ్లు, చిత్ర జనరేటర్లకు నేరుగా దారితీసిన భారీ పెట్టుబడి, పరిశోధన తరంగాన్ని ప్రేరేపించడానికి సహాయపడింది.