لایب سان

An accessible introduction to the artificial intelligence technology that enables computer vision, speech recognition, machine translation, and driverless cars.

Deep learning is an artificial intelligence technology that enables computer vision, speech recognition in mobile phones, machine translation, AI games, driverless cars, and other applications. When we use consumer products from Google, Microsoft, Facebook, Apple, or Baidu, we are often interacting with a deep learning system. In this volume in the MIT Press Essential Knowledge series, computer scientist John Kelleher offers an accessible and concise but comprehensive introduction to the fundamental technology at the heart of the artificial intelligence revolution.

Kelleher explains that deep learning enables data-driven decisions by identifying and extracting patterns from large datasets; its ability to learn from complex data makes deep learning ideally suited to take advantage of the rapid growth in big data and computational power. Kelleher also explains some of the basic concepts in deep learning, presents a history of advances in the field, and discusses the current state of the art. He describes the most important deep learning architectures, including autoencoders, recurrent neural networks, and long short-term networks, as well as such recent developments as Generative Adversarial Networks and capsule networks. He also provides a comprehensive (and comprehensible) introduction to the two fundamental algorithms in deep learning: gradient descent and backpropagation. Finally, Kelleher considers the future of deep learning—major trends, possible developments, and significant challenges.

چکیده فارسی

مقدمه ای در دسترس برای فناوری هوش مصنوعی که بینایی کامپیوتری، تشخیص گفتار، ترجمه ماشینی و ماشین های بدون راننده را امکان پذیر می کند.

یادگیری عمیق یک فناوری هوش مصنوعی است که بینایی رایانه، تشخیص گفتار در تلفن‌های همراه، ترجمه ماشینی، بازی‌های هوش مصنوعی، ماشین‌های بدون راننده و سایر برنامه‌ها را امکان‌پذیر می‌کند. وقتی از محصولات مصرفی گوگل، مایکروسافت، فیس بوک، اپل یا بایدو استفاده می کنیم، اغلب در حال تعامل با یک سیستم یادگیری عمیق هستیم. در این مجلد از سری MIT Press Essential Knowledge، جان کلهر، دانشمند کامپیوتر، مقدمه ای در دسترس و مختصر اما جامع از فناوری بنیادی در قلب انقلاب هوش مصنوعی ارائه می دهد.

کلهر توضیح می‌دهد که یادگیری عمیق با شناسایی و استخراج الگوها از مجموعه داده‌های بزرگ، تصمیمات مبتنی بر داده‌ها را ممکن می‌سازد. توانایی آن در یادگیری از داده های پیچیده، یادگیری عمیق را برای بهره گیری از رشد سریع داده های بزرگ و قدرت محاسباتی مناسب می سازد. کلهر همچنین برخی از مفاهیم اساسی در یادگیری عمیق را توضیح می دهد، تاریخچه ای از پیشرفت ها در این زمینه را ارائه می دهد و وضعیت فعلی هنر را مورد بحث قرار می دهد. او مهم‌ترین معماری‌های یادگیری عمیق، از جمله رمزگذارهای خودکار، شبکه‌های عصبی مکرر، و شبکه‌های کوتاه‌مدت و همچنین پیشرفت‌های اخیر مانند شبکه‌های متخاصم مولد و شبکه‌های کپسولی را توصیف می‌کند. او همچنین مقدمه ای جامع (و قابل درک) از دو الگوریتم اساسی در یادگیری عمیق ارائه می دهد: نزول گرادیان و پس انتشار. در نهایت، کلهر آینده یادگیری عمیق را در نظر می گیرد - روندهای اصلی، پیشرفت های احتمالی، و چالش های مهم.