Deep Learning: Τι είναι και πώς λειτουργεί;

Πώς μπορεί μια μηχανή να μάθει να αναγνωρίζει πρόσωπα, να μεταφράζει γλώσσες και να αραδιάζει κάθε είδους πληροφορία μόνο από μία εικόνα; Ακούγεται εξωπραγματικά απλοϊκό, ωστόσο, η απάντηση είναι ότι μαθαίνει σαν παιδί! Αυτό είναι το Deep Learning.

Βάζουμε το κινητό τηλέφωνο απέναντι από το πρόσωπό μας για να το ξεκλειδώσουμε. Ρωτάμε το τάμπλετ πώς λέμε «καλημέρα» στα ιαπωνικά και αυτό μας απαντά με τη σωστή προφορά. Ανεβάζουμε τη φωτογραφία ενός πίνακα στον υπολογιστή και μας τροφοδοτεί με κάθε διαθέσιμη πληροφορία γι’ αυτόν.

Πώς μπορεί μια μηχανή να μάθει να αναγνωρίζει πρόσωπα, να μεταφράζει γλώσσες και να αραδιάζει κάθε είδους πληροφορία, βασισμένη αποκλειστικά σε εικόνες; Ακούγεται εξωπραγματικό, ωστόσο, η απάντηση είναι ότι κατά κάποιο τρόπο αποκτά τις «γνώσεις» της όπως τα παιδιά!

Δεν συνίσταται απλώς σε μία διαδικασία προγραμματισμού, αλλά στη διδασκαλία των μηχανών προκειμένου να «σκέφτονται» με έναν τρόπο που είναι εκπληκτικά παρόμοιος με τον τρόπο που και οι άνθρωποι μαθαίνουν. Και κατατάσσεται σε έναν διαρκώς εξελισσόμενο κλάδο της τεχνητής νοημοσύνης που ονομάζεται Deep Learning ή Βαθιά Μάθηση στα ελληνικά.

Πώς λειτουργεί η Βαθιά Μάθηση

Πώς λειτουργεί λοιπόν η Βαθιά Μάθηση; Ας πάρουμε το παράδειγμα ενός παιδιού που μαθαίνει να αναγνωρίζει διαφορετικά ζώα μέσα από ένα βιβλίο. Ξεκινάμε με την επισήμανση διαφορετικών χαρακτηριστικών και συμπεριφορών: Η προβοσκίδα σημαίνει ελέφαντας, η μεγάλη χαίτη λιοντάρι, η γάτα κάνει «μιάου» και η αγελάδα «μου».

Η Βαθιά Μάθηση λειτουργεί με παρόμοιο τρόπο, αν και πολύ μεγαλύτερη πολυπλοκότητα. Στην περίπτωσή της, το ρόλο του εκπαιδευτή αναλαμβάνει ένα τεράστιο σύνολο δεδομένων, όπως εικόνες, κείμενο και ήχοι, ενώ αντί για εξωτερικά χαρακτηριστικά, η μηχανή μαθαίνει να αναγνωρίζει σύνθετα μοτίβα.

Η διαδικασία αυτή εκτελείται μέσα από «νευρωνικά δίκτυα», δηλαδή πολλαπλά και περίπλοκα επίπεδα αλληλοσυνδεόμενων τεχνητών «νευρώνων», κάθε στρώμα εκ των οποίων επεξεργάζεται τις πληροφορίες με διαφορετικό τρόπο.

Παραδείγματος χάρη, το πρώτο στρώμα μπορεί να επικεντρωθεί στην αναγνώριση βασικών σχημάτων. Το επόμενο συνδυάζει αυτά τα σχήματα προκειμένου να αναγνωρίσει πιο σύνθετα χαρακτηριστικά, όπως τα μάτια ή τη μύτη. Και καθώς η πληροφορία διαχέεται, κάθε στρώμα βελτιώνει σταδιακά την κατανόηση της μηχανής μέχρι να μπορέσει να αναγνωρίσει ολόκληρο το ζώο.

Πρόκειται για έναν τύπο αλγόριθμου που διδάσκει στους υπολογιστές πώς να προσλαμβάνουν και να επεξεργάζονται τα δεδομένα με τρόπο εμπνευσμένο από τη δομή και τη λειτουργία του ανθρώπινου εγκεφάλου.

Μία επανάσταση στον τρόπο με τον οποίο προσεγγίζουμε την ΑΙ

Ωστόσο, εμείς οι άνθρωποι, όταν μαθαίνουμε κάνουμε και λάθη. Δεν είναι απαραίτητο ότι θα αναγνωρίσουμε με την πρώτη ποιο σκυλάκι είναι τσιουάουα και ποιο κανίς, ή αν θα ξεχωρίσουμε το μπαρμπούνι από τη ρέγκα. Και δεν θα μάθουμε το σωστό, εάν κάποιος δεν μας επισημάνει το λάθος μας.

Το ίδιο ισχύει και με τα νευρωνικά δίκτυα της Βαθιάς Μάθησης. Χάρη σε μια διαδικασία που ονομάζεται οπισθοδιάδοση (backpropagation), όταν το δίκτυο κάνει ένα λάθος –ας πούμε, αναγνωρίζει μια γάτα ως σκύλο– λαμβάνει ανατροφοδότηση. Αυτή η ανατροφοδότηση επιτρέπει στο δίκτυο να προσαρμόσει τις συνδέσεις μεταξύ των νευρώνων του, ώστε να είναι λιγότερο πιθανό να το επαναλάβει. Είναι σαν το δίκτυο να μαθαίνει από τα λάθη του, όπως ακριβώς κάνουμε και εμείς. Και το κάνει από μόνο του, αυτόματα, χωρίς να χρειάζεται περαιτέρω προγραμματισμός.

Γι’ αυτό και η Βαθιά Μάθηση αντιπροσωπεύει μια θεμελιώδη αλλαγή στον τρόπο με τον οποίο προσεγγίζουμε την τεχνητή νοημοσύνη. Πλέον, δεν προγραμματίζουμε απλώς μηχανές. Τους διδάσκουμε να μαθαίνουν, να σκέφτονται και να προσαρμόζονται με τρόπους που μέχρι πρόσφατα θεωρούσαμε ότι μόνο η ανθρώπινη νοημοσύνη μπορούσε να πράξει.

Καθόλου τυχαία λοιπόν το Deep Learning έχει φέρει επανάσταση σε πολλούς τομείς: Από την αναγνώριση εικόνων και προσώπων και τη μετάφραση ξένων γλωσσών σε πραγματικό χρόνο, μέχρι τη διάγνωση διαφόρων ασθενειών από απεικονιστικές εξετάσεις. Και από τη δημιουργία εξατομικευμένων προτάσεων σε διάφορες πλατφόρμες ψυχαγωγίας μέχρι την ανάπτυξη αυτοοδηγούμενων οχημάτων.

Και αυτή, καταπώς φαίνεται, είναι μόνο η αρχή.

Ανακαλύψτε περισσότερα για την «υπερδύναμη» του 21ου αιώνα που αναδιαμορφώνει αθόρυβα αλλά δυναμικά τον κόσμο μας, στο ειδικό αφιέρωμα του Pencil On the Moon  «Τα Πάντα για την Τεχνητή Νοημοσύνη».