אחד המונחים שנזרקים לעתים תכופות לחלל האוויר בשיחות מסדרון, מאז העניין הציבורי ההולך וגובר בבינה מלאכותית, הוא הנושא של למידה עמוקה, או באנגלית Deep learning. לא מפתיע לגלות כי כיום הקורסים ללימוד הנושא של Deep learning הופכים מבוקשים יותר ויותר. עם זאת, חלקנו עדיין לא ממש סגור מה זה בכלל בינה מלאכותית, אז כיצד נחליט בכלל אם Deep learning זה משהו שיכול להתאים לנו? הנה כמה דברים שחשוב לדעת על למידה עמוקה, כדי שתדעו אם שווה לכם ללמוד את הנושא.
לעומק: להבין מה זה Deep learning
כדי להבין Deep learning, נבין בקליפת אגוז מה זו בינה מלאכותית (באנגלית Artificial Intelligence או AI). כשאנחנו מדברים על בינה מלאכותית, אנחנו מדברים על משהו שהוא כביכול "תבוני" שמכונה עושה, כלומר אנחנו מדברים על היכולת של המכונה, לעשות משהו שבעבר היה שמור לבני האנוש.
בעבר בינה מלאכותית הייתה מבוססת על אלגוריתמים מאוד-מאוד מורכבים. כלומר, המכונה הייתה מציגה התנהגות הנחזית כיכולת קוגניטיבית, אשר למעשה נסמכה על טכניקות שונות להבחנה בין מצבים, כגון עץ החלטות מאוד מורכב ומתוחכם. כיום לעומת זאת, כאשר אנחנו מדברים על בינה מלאכותית, אנחנו מדברים על מערכת מסוג אחר, שמתבססת על יכולת למידה איטרטיבית. את הלמידה הזאת, אנחנו מכנים למידת מכונה (Machine learning). לכן למידת מכונה היא תת-ענף של בינה מלאכותית, בהיותה טכניקה לאיסוף מידע של בינה מלאכותית. האלגוריתם של למידת מכונה בנוי כך שהוא מאמן את עצמו בעזרת המידע שהוזן אליו, כל מכונה והתכלית שלה.
כעת אנחנו מגיעים ל-Deep learning: למידה עמוקה היא תת-ענף של למידת מכונה. למידה עמוקה מתרחשת כאשר המכונה לומדת לזהות דפוסים מתוך המון דוגמאות, באמצעות שימוש ברשת עצבית מלאכותית. הכוונה ברשת עצבים מלאכותית, היא לרשת של קשרים בין המון יחידות שאוספות מידע ומחוברות זו לזו באמצעות שכבות מידע נסתרות ביניהן (Hidden Layer), כאשר ביחד יש להן יכולת גדולה באמת. אפשר לחשוב על כך כמו על המון מחשבים קטנטנים, שכל אחד מהם עושה משהו אחד קטן, אך ביחד היכולת המחוברת שלהם היא משהו מדהים באמת, בדומה לאופן שבו בנוי ועובד המוח שלנו. הלמידה העמוקה נעשית ישירות מחשיפה לחומר בצורה חזרתית, עיבוד החומר לנתונים באמצעות קבוצות של נתונים מתויגים, ועיבוד ביחידות המידע. כך למשל המכונה יכולה "לדעת" מה היא רואה, גם כאשר היא נחשפת לתמונה שלא נחשפה אליה בעבר.
למה כדאי ללמוד Deep learning
בעצם הדיבור הבאזז הנוכחי שיש בשנה וחצי האחרונות סביב בינה מלאכותית, עקב יישומים שהדהימו את העולם כגון ChatGPT ו-DallE2, נובע בפועל מ-Deep learning. היכולות הבאמת מרשימות של בינה מלאכותית הן היכולות שהיא רוכשת לתמודד עם נתונים מורכבים באמת, לזהות דפוסים, ולהשתפר באמצעותם, או בקיצור, למידה עמוקה. הלמידה העמוקה מתאימה לשימוש על מסד נתונים ענק, המאפשר לה להשתפר ובסופו של דבר להגיע לרמת דיוק בביצוע משימות, ברמה כזאת שהיא טובה יותר מבני אדם.
למידה עמוקה למשל משמשת בתכנון צ'אטבוטים דוגמת ChatGPT. צ'אטבוטים מוצלחים המשתמשים בארכיטקטורה של למידה עמוקה, למדו לעשות זאת לאחר שנחשפו להמון טקסטים, וכך "הבינו" כללים ודפוסים מסוימים כגון דקדוק, הטיות מילים, הדרך האנושית לניסוח משפטים ועוד. בקרוב מאוד ובצורה בלתי נמנעת, למידה עמוקה תיכנס לשימוש בכל תחום חיים שבו אתם יכולים לחשוב עליו, מעולם הרפואה (למשל יכולת זיהוי מחלות בצורה מתקדמת) ועד לשימושים צבאיים (יכולת לזהות איומים באמצעות זיהוי דפוסים).
למידה עמוקה היא הדבר הגדול הבא כבר היום, ואין ספק שמי שנכנס לתחום בזמן ויתפתח איתו, יתפתח ביחד עם יכולת שהולכת לשטוף את כל תחומי החיים שלנו.
Deep learning הוא חלק מקורס דאטה סיינס – למידע מפורט על כל החומר הנלמד בקורס לחצו כאן
