Зачем вам обучаться deep learning?

Искусственный интеллект движется к тому, чтобы встать на одну ступень с живым человеческим умом. В такой опасной близости от исполнения одного из футурологических сценариев становится немного страшно, но в то же время очень интересно. Взращивают искусственный интеллект специалисты, занимающиеся машинным обучением. В последнее десятилетие развивается метод глубокого обучения deep learning, и плоды его уже впечатляют.

Что такое deep learning?

«Deep learning» – дословно «глубокое обучение». Это об искусственном интеллекте и повышении его способностей за счёт обучения, завязанного не на искусственных кодах, а на принципах, схожих с развитием человеческого интеллекта. Методы deep learning позволяют сделать машины самообучаемыми.

Сам термин и наработки по этому направлению появились ещё 40 лет назад, но до 2012 года они не могли применяться на практике, так как ограничивались недостаточной технических мощностей. Сейчас же есть уже опубликованные работы пионеров deep learning, постепенно появляются учебники и обучающие курсы по этой специальности.

Deep learning на пальцах: Способность машины находить ответ, используя вычисления, называется искусственным интеллектом. Машину можно научить самостоятельному обучению, путём построения соответствующих алгоритмов – это называется машинным обучением. При таком подходе закодированные алгоритмы для решения задач уже будут не нужны. Процесс получения и использования навыков является имитацией человеческого мышления и называется глубоким обучением.

Какие задачи можно выполнять с помощью deep learning уже сейчас?

Если на заре автоматизации машины учились выполнять за человека механическую работу, то теперь машины учатся выполнять за нас рутинную интеллектуальную работу. Чем дальше будет двигаться прогресс, тем большее число задач мы сможем переложить на них, освобождая время для действительно важных вещей.

Официально основной задачей deep learning является автоматизация сложных задач в разных областях человеческой деятельности. Это как ЭВМ, только другого века и другого уровня.

Но отдельный интерес представляет помощь нейросети в создании программ для решения когнитивных задач.

Довольно общих фраз, перейдём к примерам:

• Распознавание лиц системой DeepFace на уровне около 97%, а этот результат примерно такой же, как у среднестатистического человека.
• Имитация человеческой речи системой WaveNet. Это не чтение текста, а составление предложений с акцентами, без ошибок в ударении и без неестественных пауз.
• Постановка медицинских диагнозов. К примеру, определение диабетической ретинопатии по фотографиям глаз. Технология уже применяется в медицинских учреждениях США.

Сложно даже представить, что ждёт нас в будущем, если люди, не относящиеся в IT, только-только услышали про глубокое машинное обучение, а оно уже дало такие потрясающие результаты.

Зачем учиться deep learning?

Чтобы зарабатывать в два раза больше обычных айтишников. Прогресс в сфере информационных технологий не просто шагает, а прям бежит, и самое время получать от этого пользу. Сфера пока ещё не перенасыщена, да и случится перенасыщение нескоро. Всё-таки создавать нейросети не так просто, как пилить ногти или вести аккаунты в инстаграм. Но сейчас самое время начать обучение, чтобы развиваться вместе со специальностью и, возможно, вскоре стать тем, кто её развивает.

Курсы по deep learning, которые существуют на данный момент, делятся на четыре категории. Сами решите, какая из них для вас:

• Тренинги – узкоспециализированные занятия для отработки определенных навыков. Подойдут для тех, кому требуется сформировать в голове понимание основных принципов машинного мышления.
• Длительные курсы – для специалистов ИИ и тех, кто занят анализом баз данных. Длительные курсы по изучению глубокого обучения подходят не всем, для них нужны терпение и время.
• Университетские программы – для максимального погружения в предмет. Могут оказаться слишком сложными для новичков, хотя приложение сил даст результат, которого не стоит ждать от коротких курсов.
• Краткие курсы о технологиях в бизнесе – общая информация для менеджеров, которые не будут заниматься этим самостоятельно, но должны иметь понимание предмета.

Можно ли самому освоить deep learning?

Есть мнение, что именно самообучение является самым лучшим вариантом. Однако до конца дойдут немногие. Помимо знания английского языка, а также базовых знаний языков программирования, понадобятся сила воли и умение находить информацию самостоятельно.

Стоит взять на заметку книги:

• «Deep learning» (Я. Гудфеллоу, И. Бенджио, А. Курвилль)
• «Обучение с подкреплением» (Р. Саттон, Э. Барто)
• «Deep Learning for Computer Vision with Python» (А. Роузброк)
• «The Hundred-Page Machine Learning Book» (А. Бурков)

Самообучение – хороший способ сэкономить на курсах. Но структурированная и проверенная информация, которую студенты получают на лекциях и тренингах поможет быстрее и лучше усвоить плоды самостоятельного поиска. Потому оптимальным вариантом считается посещение базового курса и дальнейшее самостоятельное развитие в специальности.

Сил приложить придётся немало, но результат того стоит. Ради интереса можно посмотреть вакансии метод специалистов deep learning на сайтах с предложениями работы и оценить предстоящие перспективы. Опыт глубокого обучения пока ещё требуется не всем, а вскоре на всех лакомых вакансиях будет стоять требование о нескольких годах практики. Так что, если у вас есть способности к обучению бездушных, но уже почти равных нам по разуму машин, спешите занимать вакантные места!