Deep Learning

Definition

Djupinlärning är ett delområde inom maskininlärning som använder flerskiktade artificiella neurala nätverk för att lära sig mönster från stora datamängder. Det utmärker sig i uppgifter som bildigenkänning, tal och naturlig språkbehandling.

Syfte

Syftet är att automatiskt lära sig funktioner och representationer från rådata utan tung manuell funktionsutveckling. Det möjliggör genombrott inom AI-prestanda.

Betydelse

• Driver toppmodern AI inom syn, tal och NLP.
• Kräver stora datamängder och datorresurser.
• Mindre tolkningsbar jämfört med traditionella ML-metoder.
• Driver både akademisk forskning och kommersiella tillämpningar.

Så fungerar det

1. Definiera nätverksarkitektur med flera dolda lager.
2. Mata indata och sprid den vidare genom nätverket.
3. Beräkna fel mot verkligheten.
4. Backpropagate-fel för att uppdatera vikter.
5. Iterera träningen tills noggrannheten stabiliseras.

Exempel (verkliga världen)

• Google Translate: använder djupa neurala nätverk för maskinöversättning.
• AlphaFold (DeepMind): förutsägelse av proteinstruktur med djupinlärning.
• Tesla Autopilot: djupa neurala nätverk för syn vid självkörning.

Referenser / Vidare läsning

• Djupinlärning — Goodfellow, Bengio & Courville (MIT Press).
• ”ImageNet-klassificering med djupa CNN:er” — Krizhevsky et al., NeurIPS 2012.
• Stanford CS231n: Konvolutionella neurala nätverk för visuell igenkänning.