למידה עמוקה גורמת היום להתרגשות רבה בקרב אנשי ביג-דאטה ובצדק. התוצאות שלה במספר תחומים מצוינות ומהוות פריצת דרך משמעותית. למשל בתחומים הקשורים לראיה ממוחשבת או זיהוי תמונות. יישום מלהיב ומוצלח אחר הוא הניצחון של המכונה את האלופים האנושיים במשחק גו. אחרי תבוסת האדם למכונה במשחק השחמט בסוף המילניום שעבר, המשחק גו היה נחשב לפסגת האינטליגנציה האנושית, שלנצח תעמוד בפני הבינה המלאכותית. ב-2016 הופתענו (או זועזענו, תלוי את מי שואלים) לגלות שמכונה מצוידת בלמידה עמוקה מביסה בקלות את האדם גם במשחק גו. עולה כמובן השאלה האם אנחנו לקראת השתלטות המכונות על האנושות. לכתבה המלאה
Embedded Files
ציינתי בפוסט הקודם כי למידה עמוקה עושה פלאים בכל התחומים הקשורים לראייה ממוחשבת או זיהוי תמונות. קל להבין מדוע. מצד אחד, כל המידע הנדרש ללמידה הוא הייצוג הממוחשב של התמונות באופן דיגיטלי (פיקסלים בעגה המקצועית) בתוספת כל מיני פונקציות מתמטיות שמחושבות על הפיקסלים האלו. בדיוק מה שרשתות עמוקות נועדו לחשב. מצד שני, למרות שמוח האדם מתמחה בעיבוד תמונות, האדם עצמו מתקשה להצביע במפורש על התכונות ולהסביר במילים באיזה אופן זה נעשה. כן, שוב חוזרת הדוגמה הקלאסית שאני מרבה להשתמש בה - הקושי להסביר כיצד אנחנו מבדילים בין תמונות של כלבים וחתולים. אבל יש כמובן גם דוגמות אחרות. לכתבה המלאה
Google Sites
Report abuse