Deep Learning YOXSA Machine Learning?

Süni İntellekt (AI) texnologiya sənayesində bir güc mərkəzidir. Bir çox sənaye şirkətləri gələcək üçün - biznesin inkişaf etdirilməsini həyata keçirmək üçün Süni İntellekt texnologiyası ilə müəyyən təcrübələri yerinə yetirirlər.

Məqalədə Süni İntellektin qurulmasında tətbiq olunan Machine Learning və daha təkmilləşdirilmiş versiyası olan Deep Learning kateqoriyalarından bəhs ediləcək.

Machine Learning (ML) nədir?

Süni İntellektin sahib olduğu funksiyaların verdiyi imkanlarla komputer sistemlərində xüsusi göstərişlər olmadan müəyyən bir məqsədə nail olmaq üçün əməliyyatlar yerinə yetirilə bilir. Bunun üçün Machine Learning məlumatların nümunələrini analiz etməli, onların anlaşıqlı vəziyyətə gətirilməsi üçün alqoritmlər və statistik modellərdən istifadə etməlidir. Machine Learning insanların nail olmaq üçün çalışdıqları bir çox vəzifələri və problem yarada biləcək aspektləri avtomatlaşdıraraq iş yükünü azaldır.

Machine Learning alqoritmləri müəyyən təcrübə və təhlillərə əsaslanaraq yaradılır. Machine Learning modelində bir giriş verildikdən sonra tamamlanması üçün bir tapşırıq verilir və minimal sayda insan müdaxilələri ilə yekun nəticə alınması üçün vaxt ayrılır.

Beləlikə effektli və məhsuldar nəticənin alınması daha tez həyata keçirilir.

Machine Learning Alqoritmləri:

• Supervised Learning - giriş və çıxış verilənlərinin dəyərlərinə əsasən nəticənin hansı tip dəyər qaytaracığına nəzarət edir.

• Unsupervised learning - giriş və çıxış verilənlərinin tiplərinə görə "clustering" (klasterləşdirmə) funksiyasını yerinə yetirir, lakin, alınacaq nəticənin hansı tip dəyər daşıdığına nəzarət etmir.

• Reinforcement learning - ən yaxşı situasiyanın və yolun tapılması üçün düzgün strategiyaları müəyyən edir.

 

Deep Learning nədir?

Deep Learning Machine Learning`in alt qollarından biridir. Bu metod Süni Neyron Şəbəkələrində (ANNs) istifadə etməklə məlumatlara əsasən xüsusiyyətlərin və atributların qeydə alınmasını icra edir.

Deep Learning Networks insan beyninin bioloji neyronları, funksiyaları və onlar arasındakı əlaqələrin analiz edildikdən sonra Süni İntellektin qurulmasında tətbiqi üçün yaradılmışdır. Deep Learning Süni Neyron Şəbəkələrinin (ANN) bir alt qatı olan  Convolutional Neural Network (CNN-konvensional neyron şəbəkələr) istifadə edir və hansı ki, burada filtrləmə funksiyası son nəticə alınana qədər davam edir. Convolutional Neural Network verilənlərin analizi zamanı ilk qat olan "Convolutional Layer" mərhələsini icra edir və təsvirlərin manipulyasiya olunaraq digər mərhələlər, yəni istifadəçiyə aydın formada təsvirin çatdırılması anına qədər prosesi davam etdirir.

Machine Learning ilə müqayisədə Deep Learning daha yeni texnologiyadır və Süni İntellekt baxımından ən müasir texnologiya hesab olunur. Son onillikdə Deep Learning Networks sürətli şəkildə populyarlaşmışdır və həmçinin komputer aparat təminatının , xüsusən getdikcə güclənən eyni zamanda ucuzlaşan qrafik idarəetmənin (Graphics Processing Unit-GPU) təminatında uğurlu istifadə olunur.

GPU`lar, komputer oyunları və 3D qrafiki məsələlərin hesablama mühitinin modelləşdirilməsi üçün Deep Learning çox vacib əhəmiyyətə malikdir. Məhz buna görə də, alimlər, mühəndislər və proqramçılar GPU`ların təkmilləşdirilməsini daha tez və daha effektli yerinə yetirmək üçün Deep Learning texnologiyasından istifadə edirlər.

Deep Learning YOXSA Machine Learning?

Machine Learning və Deep Learning arasındakı qarışıqlıq yarada biləcək nüanslar baxımından bu sualın cavablandırılması asan olmur. Amma,  bu da bir faktdır ki, Deep Learning`in daha inkişaf etdirilmiş funksiyalara sahib olmasına baxmayaraq Machine Learning`in bir alt formasıdır.

Praktiki məqsədlər üçün standart Machine Learning və Deep Learning imkanları və tələbləri arasında əhəmiyyətli fərqlər vardır. Tətbiq olunacaq məsələnin hansı texnologiyanın daha müvafiq olduğunu müəyyən etmək üçün xüsusiyyətlərinə görə fərqləndirilmiş bəzi kateqoriyalara baxaq:

1. Məlumat Bağlılığı

Performans Deep Learning və standart Machine Learning alqortimləri arasında ən böyük fərqlərdən biridir. Deep Learning alqoritmləri obyektlərin dərin araşdırılmasını tələb edən səhiyyə və ya səsli, təsviri informasiyaların tanınması texnologiyalarının qurulmasında daha uğurlu bir vasitədir. Digər tərəfdən, Machine Learning alqoritmləri daha kiçik məlumatların işlənilməsində daha yaxşıdır və onları daha sürətli yerinə yetirir.

2. Aparat təminatı Bağlılığı

Standart Machine Learning alqoritmləri Deep Learning aloritmlərinə nisbətdə daha çox aparat təminatına bağlı fəaliyyət göstərir. Ümumiyyətlə, Deep Learning alqoritmləri bahalı GPU(bəzən bir çox GPU klasterlərində) və böyük miqdarda saxlama qabiliyyəti baxımından daha çox aparat tələblərinə malikdir.

Məsələn: Obyektin tanınması üçün bir Deep Learning modeli hazırlamaq üçün böyük həcmli saxlama qabiliyyətinə malik və güclü GPU performansı tələb olunur ki, minlərlə verilən generasiya oluna bilsin.

3. İcra Müddəti

Machine Learning alqoritmləri Deep Learning alqoritmləri ilə müqayisədə prosesi icra etmək üçün daha çox vaxt tələb edir. Bu əsasən Deep Learning alqoritmlərinin bir çox təbəqəyə və parametrlərə sahib olması ilə bağlıdır. Machine Learning alqoritmlərinin tətbiqi zamanı saatlar aldığı halda, Deep Learning alqoritmlərinin icrası bəzən həftələr ala bilir.

Deep Learning alqoritminin icra edilmə vaxtının nə qədər olacağı istifadə olunan Deep Learning  platformasından, əməliyyat aparılacaq hər qatın sayından, modelin optimallaşdırılması səviyyəsindən və istifadə olunan aparat təminatının gücündən də asılıdır.

4.İnterpretasiya olunması

Deep Learning alqoritmlərinin interpretasiya olunması Machine Learning alqoritmlərinə nisbətdə daha çətin həyata keçirilir və bu onun sahib olduğu mürəkkəb arxitektura və çoxlu parametrlərlə bağlıdır.

Yuxarıda sadalanan xüsusiyyətlərinə görə hər iki texnologiyanın Süni İntellekt sistemlərinin yaradılmasında müsbət və mənfi keyfiyyətləri vardır.