به تازگی نوشته‌ای از جاشوا بنجو (Yoshua Bengio)،‌ یان لی‌کو (Yann LeCun) و جفری هینتن (Geoffrey Hinton) در بخش «Turing Lecture» نشریه C-ACM با عنوان Deep Learning for AI منتشر شده که مطالعه‌ی آن برای من بسیار آموزنده بود.

بنجو، لی‌کو و هینتن در سال ۲۰۱۸ جایزه تورینگ  (معادل نوبل کامپیوتر)‌ را به خاطر کشف‌‌شان که شبکه‌های عصبی عمیق (deep neural networks ) را به یکی از تاثیرگذارترین موضوعات محاسبات و زندگی بشری تبدیل کرد دریافت کردند.

آنها در این نوشته ابتدا به صورت اجمالی به شرح خاستگاه یادگیری عمیق پرداخته‌اند و در ادامه به تعدادی از جدیدترین پیشرفت‌ها آن اشاره کرده‌اند و در پایان چالش‌های آتی آن را مورد بحث و بررسی قرار داده‌اند.

از جمله چالش‌های اشاره شده در این نوشته می‌توان به:
– چالش یادگیری با حداقل یا بدون نظارت خارجی (Little or no external supervision)
– چالش نمونه‌های آزمایشی (test examples) که توزیع (distribution) متفاوتی با توزیع داده‌های آموزشی (training examples ) دارند
– چالش استفاده از یادگیری عمیق برای کارهایی که انسان به صورت گام به گام و طی یک مجموعه از گام‌ها یاد می‌گیرد. به این گونه کارها سیستم شماره ۲ گفته می‌شود. برای اطلاعات بیشتر به کتاب «تفکر سریع- تفکر آهسته» از دنیل کانه‌من مراجعه بفرمایید.

اگر به یادگیری عمیق یا هوش مصنوعی علاقه‌مند هستید،‌ پیشنهاد می‌کنم مطالعه‌ی این نوشته‌ی ارزشمند را از دست ندهید.

گزیده:

“Our intelligence is what makes us human, and AI is an extension of that quality.” Yann LeCun

Share