Dyp læring

Dyp læring eller det man på engelsk kaller «deep learning» muliggjør avanserte automatiseringsoppgaver. 

Dyp læring er en læreprosess der man trener opp nevrale nettverk. Dette er sentralt innen maskinlæring og drømmen om å utvikle kunstig intelligens.

Teoretisk sett kan et nevralt nettverk trenes så godt at det kan predikere resultatet med 100 prosent nøyaktighet, men i de fleste datasett er det mye støy, noe som gjør at det i praksis er vanskelig å komme dit.

Dyp læring brukes i dag blant annet i forbindelse med simultanoversettelser mellom språk i sanntid og talegjenkjenning med smarthøytalere.

Eksempler på dyp læring

La oss se på et enkelt eksempel på hvordan dyp læring eller «deep learning»  fungerer.

Se for deg at du skal spå prisen på en leilighet som skal selges. Da vil du som en voksen og erfaren person raskt etterspørre informasjon som kan påvirke prisen. Alt fra størrelse og antall rom til tilgang på parkeringsplass og plassering i byen vil trolig oppfattes som relevant. For å gjøre en slik markedsanalyse med mye input, vil hjernen raskt forsøke å dele informasjonen inn i ulike kategorier (f.eks geografi, tilgjengelighet til skole/kollektivtrafikk og familievennlighet), slik at det blir lettere å få oversikt. I tillegg kreves selvfølgelig en del prøving og feiling (livserfaring som mange vil kalle det) for å kunne gi et nøyaktig og godt prisestimat.

På samme fungerer dyp læring: Du må gi systemet masse input som deretter kategoriseres i et forsøk på å predikere output ved hjelp av masse prøving og feiling. For å lykkes med å analysere input og kategorisere denne informasjonen brukes nevrale nettverk.

Sannsyn og dyp læring

Sannsyn har jobbet med dyp læring og trening av nevrale nettverk i mange år og regnes som et av Norges mest erfarne selskaper på dette området.

Kontakt oss

Sannsyn AS

c/o Epicenter

Edvard Storms gate 2 0166 Oslo, Norway

+ 47 905 31 877

info@sannsyn.com

Personvernerklæring