Deep Learning
Deep learning is one of the biggest innovations is the complete history of computer science. This is the only concept which actually can allow man made machines to surpass human intelligence itself. In fact, Derin öğrenme uygulamaları zaten kendi oyunlarında en büyük insanlarda bazı zekâsı başarmış,,en,Deep Blue olarak bilinen bir bilgisayar aslında geri satranç şampiyonu Gary Kasparov yolu yenmeyi başaran,,en,Daha yeni bir örnek AlphaGo Go maçı vs olduğu,,en,Lee Sedol,,en,hangi derece ilginçtir,,en,Ama ne kadar derin öğrenme yapay akıllı büyük bir faset haline geliyor,,en,kendini tasarım,,en,Tam olarak derin öğrenme nedir,,en,Birisi derin bir öğrenme tabanlı AI sisteminin başarıları görünce doğar bir büyük soru tam olarak derin öğrenme budur,,en,Derin öğrenme,,en,basit ifadeyle,,en. For example, a computer known as Deep Blue actually managed to defeat the chess champion Gary Kasparov way back in 1997. A newer example is the Go match of AlphaGo vs. Lee Sedol, which is extremely interesting. But how is deep learning becoming a huge facet of artificial intelligent (AI) design itself?
What exactly is deep learning?
A big question that arises when someone sees the achievements of a deep learning-based AI system is what exactly is deep learning? Deep learning, simply put, Makinenin özel bir tür nereye yerine geleneksel algoritmalar prosedürü öğreniyor,,en,sinir ağları kullanılmaktadır,,en,Bunlar yapay sinir ağ tabanlı AI sistemleri insanlık için son derece yararlı olduğu kanıtlamaktadır,,en,ve onlar bilim ve iş hem alanında geniş kullanım buluyor,,en,Derin öğrenme çok daha derin hale geliyor,,en,yapay sinir ağları kavramı yaklaşık yarım yüzyıl boyunca yaklaşık edilmiş,,en,Derin öğrenme kavramı erken 90'ların beri var,,en,Ama derin öğrenme son zamanlarda hiç olmadığı kadar popüler hale gelmiştir,,en,Bunun sebebi erken derin öğrenme algoritmaları doğada ilkeldi olmasıdır,,en,Makine öğrenimi düzgün öğrenmek için bu tür görüntüler ve metinler olarak etiketli ve etiketsiz verilerin muazzam miktarda gerektirir,,en,İnternetin günden önce,,en, neural networks are used. These artificial neural network-based AI systems are proving to be extremely useful for humankind, and they are finding extensive usage in the field of both science and business.
Deep learning is becoming much deeper
The concept of artificial neural networks has been around for about half a century. Also, the concept of deep learning has been around since the early-90s. But deep learning has recently become more popular than ever before. The reason behind this is that early deep learning algorithms were primitive in nature. Machine learning requires an immense amount of labeled and unlabeled data such as images and texts in order to learn properly. Before the day of internet, çok az veri üretici vardı olarak veri ulaşmaya son derece zordu,,en,Bu sorun World Wide Web gelişiyle çözüldü,,en,İnternet derin öğrenme sisteminin öğrenme algoritmaları sürmek için kullanılabilecek veri büyük ve kolay kaynak olduğunu kanıtladı,,en,internette en büyük veri üreticileri Facebook gibi çeşitli sosyal ağ siteleri,,en,Twitter ve Instagram,,en,hangi verilerin hem etiketli ve etiketsiz durumlarda veri bilim adamları sağlar,,en,1990'larda derin öğrenme sistemlerinin gelişimini etkileyen bir diğer önemli sorun bilgisayarların işlem gücü oldu,,en,Böyle zamanlarda,,en,bilgisayarların işlemci gücü akım neslin işlem gücünden bile yakın değildi,,en,gibi gelişmiş CPU olarak Yeni teknoloji,,en,Merkezi işlem birimi,,en. This problem was solved with the arrival of the World Wide Web. The internet proved to be a huge and easy source of data which could be used to drive the learning algorithms of the deep learning system. The biggest data producers in the internet are the various social networking sites like Facebook, Twitter and Instagram, which provides data scientists with both labeled and unlabeled instances of data.
Another major challenge which affected the development of deep learning systems in the 1990s was the processing power of the computers. At those times, the processing power of computers weren’t even close to current-generation’s processing power. New technology such as advanced CPUs (Central Processing Unit) ve bellek büyük ölçüde modern bilgisayarların hızını arttırmıştır,,en,Böyle derin öğrenme sistemlerinin hızını etkileyen bir diğer çok önemli teknoloji bulut bilişim olduğunu,,en,Bulut bilişim derece hızlı işlem hızları ve dağıtık sistemlerin yardımıyla depolama büyük miktarda verir,,en,Ne kadar derin öğrenme işleryapanlara,,en,Derin öğrenme verilerinin bir parça bir şeyler öğrenmek çok kavram ve dinamik algoritmalar kullanır,,en,Bir kişinin yüzünün bir görüntü kimlik öğrenme için derin öğrenme sistemine sağlandığında,,en,Derin öğrenme sistemi dikkatlice yüzün en belirgin özelliklerinden şeklini analiz,,en,Bu gözleri gibi özellikleri içerebilir,,en,burun,,en,kaşları ve dudakları,,en,Bu özellikler sadece en belirgin özellikleridir,,en,ama aynı zamanda en yaygın özelliklerdir,,en. Another very important technology that is influencing the speed of such deep learning systems is cloud computing. Cloud computing allows extremely fast computing speeds and a large amount of storage with the help of distributed systems.
How does deep learning works?
Deep learning uses very concept and dynamic algorithms to learn something from a piece of data. For example, when an image of a person’s face is provided to the deep learning system for learning identification, the deep learning system carefully analyze the shape of the most prominent features of the face. This may include features like the eyes, nose, eyebrows and lips. These features are not only the most prominent features, but are also the most common features. Deep learning has several networks for analyzing the image. Each of these artificial neural networks focuses on a certain part of the data and analyses it. In this way, an image is provided to the neural networks and they scan it for future uses.
Success stories of deep learning machines
Deep learning machines are gradually becoming very useful for many institutions at once. An example is language translation. While normal translators work towards translating a piece of text to another language by simply translating each word and then changing the order according to the target language’s grammar, deep learning based translators carefully scan all the text, and then form a network with all the possible translations of each word. This network helps them to place the phrases in appropriate areas, sadece dilbilgisi açısından doğru alanlar,,en,Derin öğrenme sistemleri mükemmelliği göstermiştir diğer önemli alan veri madenciliği alanıdır,,en,Veri madenciliği veri bilimciler çok daha kolay öğrenme makinesi yapmak için verilerin çok ama çok kazanmak için yardımcı olur,,en,Google, ses temelli hizmetlerin kalitesini artırmak amacıyla özel bir derin öğrenme sistemi kullanır,,en,Bu sistem kendi yol kat çeşitli ses örnekleri analiz edilerek bir insanın konuşma kalıpları hakkında daha fazla öğrenir,,en,Bu tür bir kullanımının bir başka örneği Twitter gereğidir,,en,hangi toplum için zararlı belirli içerikleri kaldırmak için derin öğrenme yöntemleri kullanır,,en,Derin gerçekten iyi insan-bilgisayar etkileşimi yapmak öğrenme Can,,en,Derin öğrenme uygulanabilir en heyecan verici saha makine-insan etkileşiminin alanıdır,,en.
Another major area where deep learning systems have shown excellence is the field of data mining. Data mining helps data scientists to acquire lots and lots of data for making machine learning much easier. For example, Google uses a special deep learning system in order to enhance the quality of its voice-based services. This system learns more about the speech patterns of a human being by analyzing the various voice samples that come its way. Another example of such a use is by Twitter, which uses deep learning methods for removing certain content harmful for the community.
Can deep learning really make human-computer interaction better?
The most exciting field where deep learning can be applied is the field of machine-human interaction. Derin öğrenme sistemleri giderek çok gelişmiş hale gelmektedir,,en,hangi yavaş yavaş duyguları anlamak başlıyor demektir,,en,dilleri ve hatta ahlak,,en,Bu makineler insanlarla iletişim kurmak için son derece insan benzeri şekilde sağlayacak,,en,Böyle yüz tanıma ve dil işleme algoritmaları gibi yeni teknoloji bu etkileşimler için kilit teknolojiler olacak,,en,herhangi bir komplikasyon olacak mı,,en,Komplikasyonlar hiç oluşturuldu neredeyse her yeni ve iddialı teknolojisinde aslında mevcut,,en,ilk başta olmasıdır,,en,Aynı derin öğrenme sistemleriyle doğal iletişim olduğu,,en,Yeni başlayanlar için,,en,mevcut teknoloji yeterince derin öğrenme sistemlerinin bu seviyeye ulaşmak izin vermek için hala iyi değil,,en,Hem görsel ve konuşma teknolojileri yaşları gerçek insanlarınkinden ayrı hala,,en, which means that they are slowly starting to understand emotions, languages and even morality. This will allow an extremely human-like way for the machines to communicate with human beings. New technology such as facial recognition and language processing algorithms will be the key technologies for these interactions.
Will there be any complications?
Complications are actually present in nearly every new and ambitious technology that has ever been created, at first that is. Same is the case with natural communications with deep learning systems. For starters, the current technology is still not good enough in order to allow deep learning systems reach this level. Both visual and speech technologies are still ages apart from that of real humans. Also, Geçerli işlem gücü hala insan beyninin karmaşıklığı ulaşmayı başardı henüz,,en,Bir sinir ağı bugün sadece basit bir kurbağanın beyninin işlem gücünü olabilir,,en,En büyük sorun ise,,en,İnsan anlayışı kendisi,,en,As derin öğrenme bilgisayarlar gelişiyor,,en,onlar insan kendileri tarafından kendilerine öğretilen şeyleri öğreniyoruz,,en,İnsanın kendi klişeler ve önyargılar sisteme içine sızmaya başladı,,en,Bu çok yetersiz olabilir böyle bir sistemin sonuç olarak çok zararlı olabilir,,en,Derin öğrenme sistemleri AI programlama alanında sonraki adım olan,,en,Bunlar insan için çok faydalı olduğu ispat ve varlığına neredeyse her alanda onlara yardımcı olabilir,,en,ama bunun için insanlar ilk dikkatle bu sistemleri geliştirmek zorunda kalacak,,en. In fact, a neural network today can only have the processing power of a simple frog’s brain.
The biggest problem is, however, human mentality itself. As deep learning computers are developing, they are learning things that are taught to them by human beings themselves. Slowly, man’s own stereotypes and prejudices are creeping into the system. This can be very harmful as the end result of such a system may be very unsatisfactory.
Deep learning systems are the next step in the field of AI programming. They can prove to be very beneficial for human beings and can assist them in nearly every field in existence, but for that humans will have to develop these systems carefully first.
