Deep Learning

Definition

Deep learning er et underfelt inden for maskinlæring, der bruger flerlagede kunstige neurale netværk til at lære mønstre fra store datasæt. Det udmærker sig ved opgaver som billedgenkendelse, tale og behandling af naturligt sprog.

Formål

Formålet er automatisk at lære funktioner og repræsentationer fra rådata uden tung manuel funktionsudvikling. Det muliggør gennembrud inden for AI-ydeevne.

Vigtighed

• Styrker avanceret kunstig intelligens inden for syn, tale og NLP.
• Kræver store datasæt og computerressourcer.
• Mindre fortolkelig sammenlignet med traditionelle ML-metoder.
• Driver både akademisk forskning og kommercielle anvendelser.

Hvordan det virker

1. Definer netværksarkitektur med flere skjulte lag.
2. Indfør inputdata og forplant dem videre gennem netværket.
3. Beregn fejl mod sandheden på jorden.
4. Backpropagate-fejl for at opdatere vægte.
5. Gentag træningen, indtil nøjagtigheden stabiliseres.

Eksempler (den virkelige verden)

• Google Translate: bruger dybe neurale netværk til maskinoversættelse.
• AlphaFold (DeepMind): forudsigelse af proteinstruktur med deep learning.
• Tesla Autopilot: dybe neurale netværk til syn i selvkørende biler.

Referencer / Yderligere læsning

• Dyb læring — Goodfellow, Bengio & Courville (MIT Press).
• “ImageNet-klassificering med dybe CNN'er” — Krizhevsky et al., NeurIPS 2012.
• Stanford CS231n: Konvolutionelle neurale netværk til visuel genkendelse.