ดิพลอยด์ (Deep Learning) เป็นอัลกอริทึมการเรียนรู้ของเครื่องที่เรียนรู้แบบสังเคราะห์การทำงานจากข้อมูลแบบไม่มีการสอน (Unsupervised Learning) ซึ่งจำลองการทำงานของระบบประมวลผลทางประสาทเทียมในรูปแบบที่หลักการทำงานของมนุษย์ได้ เทคนิคนี้ใช้ในการสร้างแบบจำลองข้อมูลที่สามารถเรียนรู้และทำนายผลลัพธ์ได้ดีกว่าแบบจำลองแบบดั้งเดิมที่ใช้การเรียนรู้แบบถ่ายทอดความรู้ (Transfer Learning) เป็นหลัก
ดิพลอยด์มีกลไกการทำงานที่คล้ายกับการทำความเข้าใจแบบของมนุษย์ โดยมีหลายชั้น (layers) ของโนเวิร์ค (neural network) ซึ่งแต่ละชั้นมีหน้าที่ในการดึงเอาลักษณะเด่น (features) ของข้อมูลเข้ามา เชื่อมต่อกับชั้นก่อนหน้า และส่งผ่านไปยังชั้นถัดไป โดยทั่วไปมักใช้โครงสร้างชั้นที่ลึกในการหาลักษณะที่ซับซ้อนของข้อมูล
ดิพลอยด์ถูกนำมาใช้ในหลากหลายงาน รวมถึงการประมวลผลทางภาพ การประมวลผลทางเสียง การตรวจจับวัตถุ การแปลภาษา คำถามตอบในภาษาธรรมชาติ หรือแม้กระทั่งการเขียนนิยายที่คล้ายตัวละครมนุษย์
ดิพลอยด์ถูกพัฒนาขึ้นด้วยอัลกอริทึมการเรียนรู้แบบหลายชั้น (DLNN: Deep Learning Neural Networks) ซึ่งถูกสร้างเพื่อจำลองการทำงานของระบบประมวลผลทางประสาทเทียม (artificial neural networks) ที่ไม่จำเป็นต้องระบุคุณลักษณะเฉพาะ (features) และมีความสามารถในการเรียนรู้ได้ด้วยตนเอง ซึ่งทำให้สามารถประมวลผลข้อมูลที่มีขนาดใหญ่และซับซ้อนได้โดยมีประสิทธิภาพกว่าแบบจำลองอื่น ๆ ที่ใช้การเรียนรู้แบบถ่ายทอดความรู้
วิธีการฝึกสอนดิพลอยด์จะใช้ข้อมูลที่มีป้ายกำกับ (labeled data) เพื่อให้ระบบเรียนรู้ความสัมพันธ์ระหว่างข้อมูลนำเข้าและผลลัพธ์ที่ต้องการได้ โดยส่วนใหญ่จะใช้วิธีการทำงานแบบควบคุมจากการปรับค่าน้ำหนัก (weights) และแบบจำลองการเรียนรู้แบบป้อนกลับ (feedback learning) ซึ่งคล้ายกับขั้นตอนการปรับค่าสัมพันธ์เชิงบวก (positive reinforcement) และการปรับค่าสัมพันธ์เชิงลบ (negative reinforcement) ในการเรียนรู้ของมนุษย์
ดังนั้น ดิพลอยด์เป็นเทคนิคที่รุนแรงและก้าวกระโดดในการพัฒนาปัญญาประดิษฐ์และการประมวลผลทางปัญญาประดิษฐ์ในปัจจุบัน และมีการนำมาประยุกต์ใช้ในหลากหลายอุตสาหกรรม
Ne Demek sitesindeki bilgiler kullanıcılar vasıtasıyla veya otomatik oluşturulmuştur. Buradaki bilgilerin doğru olduğu garanti edilmez. Düzeltilmesi gereken bilgi olduğunu düşünüyorsanız bizimle iletişime geçiniz. Her türlü görüş, destek ve önerileriniz için iletisim@nedemek.page