ഡീപ് ലേണിംഗിന്റെ ബിഗ് ബാങ്
എല്ലാ മേഖലകൾക്കും ഒരു വഴിത്തിരിവുണ്ട്. ഡീപ് ലേണിംഗിനെ സംബന്ധിച്ചിടത്തോളം, ആ വർഷം 2012 ആണ്.
2012-ന് മുമ്പ്, കമ്പ്യൂട്ടർ വിഷൻ (computer vision) വലിയ വെല്ലുവിളികൾ നേരിട്ടിരുന്നു. സിസ്റ്റങ്ങൾ പരിശോധിക്കാൻ ഗവേഷകർ ImageNet എന്ന ഡാറ്റാബേസ് ഉപയോഗിച്ചിരുന്നു. ചിത്രങ്ങളെ 1,000 വ്യത്യസ്ത വിഭാഗങ്ങളായി തരംതിരിക്കുക എന്നതായിരുന്നു ഇതിന്റെ ലക്ഷ്യം.
വർഷങ്ങളോളം, പിശക് നിരക്ക് (error rate) ഏകദേശം 25% ആയി തുടർന്നു. പുരോഗതി നിലച്ചു. എങ്ങനെ മുന്നോട്ട് പോകണമെന്ന് ആർക്കും അറിയില്ലായിരുന്നു.
പിന്നീട്, Alex Krizhevsky നയിച്ച ഒരു സംഘം ഈ രംഗത്തെ മാറ്റിമറിച്ചു. അവർ ഒരു Convolutional Neural Network (CNN) ഉപയോഗിച്ചു.
ഒരു ചിത്രം എങ്ങനെയിരിക്കണം എന്നതിനെക്കുറിച്ച് മനുഷ്യർ നിയമങ്ങൾ എഴുതി നൽകുന്നതിന് പകരം, പിക്സലുകളിൽ (pixels) നിന്ന് നേരിട്ട് പഠിക്കാൻ ഈ നെറ്റ്വർക്കിന് സാധിച്ചു.
ഫലങ്ങൾ അതിശയിപ്പിക്കുന്നതായിരുന്നു. ഒരു വർഷത്തിനുള്ളിൽ അവർ പിശക് നിരക്ക് പകുതിയോളം കുറച്ചു.
ഈ മാറ്റം എല്ലാം മാറ്റിമറിച്ചു. ഇത് AI-യെ ഗവേഷണ ലാബുകളിൽ നിന്ന് യഥാർത്ഥ ലോകത്തേക്ക് എത്തിച്ചു.
ഇതിന്റെ സ്വാധീനം വേഗത്തിൽ പടർന്നു:
- Netflix മികച്ച റെക്കമെൻഡേഷനുകൾക്കായി ഇത് ഉപയോഗിച്ചു.
- Siemens, GE എന്നിവർ മെഡിക്കൽ ഇമേജിംഗിനായി ഇത് ഉപയോഗിച്ചു.
- കാർ നിർമ്മാതാക്കൾ സ്വയം നിയന്ത്രിത ഡ്രൈവിംഗിനായി (autonomous driving) ഇത് ഉപയോഗിച്ചു.
- Google, Apple തുടങ്ങിയ ടെക് ഭീമന്മാർ ഇത് അവരുടെ ഓരോ ഉൽപ്പന്നത്തിലും ഉൾപ്പെടുത്തി.
ഈ വിജയം ഹാർഡ്വെയറിനെ ആശ്രയിച്ചായിരുന്നു. ഈ നെറ്റ്വർക്കുകളെ പരിശീലിപ്പിക്കാൻ വൻതോതിലുള്ള ഗണിതക്രിയകൾ ആവശ്യമാണ്. വീഡിയോ ഗെയിമുകൾക്കായി നിർമ്മിച്ച GPU-കൾ ഈ ഗണിതക്രിയകൾക്ക് അനുയോജ്യമാണെന്ന് തെളിഞ്ഞു. ഇത് NVIDIA-യുടെ വളർച്ചയ്ക്ക് കാരണമായി.
എന്നാൽ ഓർക്കുക, വിപണിയിലെ പ്രവണതകൾ സങ്കീർണ്ണമാണ്. NVIDIA-യുടെ വളർച്ച ക്രിപ്റ്റോ മൈനിംഗ് കുതിച്ചുചാട്ടവുമായും ബന്ധപ്പെട്ടിരുന്നു. വിപണിയിലെ ഒരു മാറ്റത്തിന് ഒരൊറ്റ കാരണം മാത്രമേ ഉണ്ടാകൂ എന്ന് ഒരിക്കലും കരുതരുത്.
ഡീപ് ലേണിംഗ് ഗെയിമുകളെയും കീഴടക്കി.
ചെസ്സ് ബ്രൂട്ട് ഫോഴ്സ് (brute force) ഉപയോഗിച്ച് പരിഹരിക്കപ്പെട്ടു. എന്നാൽ Go എന്ന കളി വ്യത്യസ്തമാണ്. Go-യിലെ സാധ്യമായ നീക്കങ്ങൾ ഒരു കമ്പ്യൂട്ടറിന് പോലും എണ്ണാൻ കഴിയാത്തത്ര കൂടുതലാണ്. 2016-ൽ, മനുഷ്യസഹായമില്ലാതെ തന്നെ തന്ത്രങ്ങൾ പഠിക്കാൻ ഡീപ് ലേണിംഗിന് കഴിയുമെന്ന് AlphaGo തെളിയിച്ചു. സ്വയം കളിച്ചുകൊണ്ടാണ് അത് ഇത് പഠിച്ചത്.
പാഠം ലളിതമാണ്.
മനുഷ്യർ നിയമങ്ങൾ നേരിട്ട് കോഡ് ചെയ്യേണ്ടി വന്നതുകൊണ്ടാണ് പഴയ രീതികൾ പരാജയപ്പെട്ടത്. നമ്മൾ ഒരു പരിധിക്കെത്തി. എന്നാൽ ഡീപ് ലേണിംഗ് ആ പരിധി തകർത്തു, കാരണം സിസ്റ്റങ്ങൾ ഇപ്പോൾ ഡാറ്റയിൽ നിന്ന് സ്വന്തം പാറ്റേണുകൾ സ്വയം പഠിക്കുന്നു.
ഈ പരമ്പരയിൽ, എന്റെ ഡീപ് ലേണിംഗ് കോഴ്സ് നോട്ടുകൾ ഞാൻ വിശദീകരിക്കും. ഈ നെറ്റ്വർക്കുകൾ യഥാർത്ഥത്തിൽ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന് നമുക്ക് നോക്കാം.
അടുത്തതായി, ഒരു നെറ്റ്വർക്ക് പഠിക്കുമ്പോൾ അതിനുള്ളിൽ എന്താണ് സംഭവിക്കുന്നതെന്ന് ഞാൻ വിശദീകരിക്കും.
Source: https://dev.to/fahimu10/the-big-bang-of-deep-learning-how-2012-changed-everything-3lb3
Optional learning community: https://t.me/GyaanSetuAi