Project details

  • HIKVISION: Nowa gama produktów HIKVISION premium rozszerzy jakość i możliwości systemów bezpieczeństwa. Urządzenia te pozwalają specjalistom ds. Bezpieczeństwa rozpocząć planowanie, aby uniknąć problemów, a nie reagować na nie. To może być kolejny krok milowy oraz ewolucja całej branży Technologia deep learning to użycie sztucznej inteligencji do podwyższenia naszego bezpieczeństwa.
  • BOSCH:

To proces, w którym komputer uczy się wykonywania zadań naturalnych dla ludzkiego mózgu, takich jak rozpoznawanie mowy, identyfikowanie obrazów lub tworzenie prognoz. Zamiast organizować dane i wykonywać szereg zdefiniowanych równań, w przypadku deep learning komputer zbiera podstawowe parametry dotyczące danych i przygotowuje się do samodzielnego uczenia, poprzez rozpoznawanie wzorców z zastosowaniem wielu warstw przetwarzania.

Dlaczego technologia deep learning jest dziś tak ważna?

Deep learning to jedna z podstaw kognitywnego przetwarzania danych (cognitive computing). Obecne zainteresowanie tą technologią wynika z rosnącej popularności kognitywnego przetwarzania danych, pozwalającego aplikacjom rozumieć tzw. ludzkie sygnały wejściowe i odpowiadać w formie zrozumiałej dla człowieka. Technologia deep learning znacznie poprawiła zdolność komputerów do klasyfikowania, rozpoznawania, wykrywania i opisywania danych czyli – jednym słowem – zdolność ich rozumienia. Deep learning znajduje szerokie zastosowanie w dziedzinach, które wymagają działań na danych nienumerycznych, na przykład w klasyfikacji obrazów, rozpoznawaniu mowy, wykrywaniu obiektów i opisywaniu zawartości takich zbiorów danych. Systemy, takie jak Siri i Cortana, działają częściowo w oparciu o kognitywne przetwarzanie danych i wykorzystują głębokie uczenie maszynowe.

Faza szybkiego rozwoju deep learning

Dzięki nowym odkryciom i technologiom, deep learning jest obecnie w fazie szybkiego rozwoju. Postęp w dziedzinie algorytmów przyczynił się do zwiększenia skuteczności metod deep learning, a rosnąca dokładność metod uczenia maszynowego przynosi ogromną wartość biznesową. Opracowywane są nowe klasy sieci neuronowych, które znajdują zastosowanie w dziedzinach, takich jak tłumaczenie tekstów czy klasyfikacja obrazów. Sieci neuronowe istnieją już od prawie 50 lat. Do późnych lat dziewięćdziesiątych nie cieszyły się popularnością z powodu braku wystarczającej ilości dostępnych danych, niezbędnych do uzyskania wysokiej dokładności. W ciągu ostatniej dekady nastąpiły jednak dwie istotne zmiany:

  1. Mamy obecnie o wiele więcej danych niezbędnych do budowy sieci neuronowych z wieloma głębokimi warstwami. Mamy dostęp do strumieniowego przetwarzania danych Internet of Things, treści z mediów społecznościowych, notatek lekarzy czy protokołów śledczych.
  2. Dzięki rozwojowi technologii rozproszonego przetwarzania danych w chmurze i przetwarzania z wykorzystaniem kart graficznych (GPU) dysponujemy obecnie niewiarygodną mocą obliczeniową. Jest to poziom niezbędny do działania głębokich algorytmów uczących.

Źródło informacji TUTAJ.