Zer aurkituko duzu hemen?
Ikasketa Sakona
Ikasketa Automatikotik abiatuta Ikasketa Sakonera: ezaugarriak eta aplikazioak
Ikasketa Sakona: Ikasketa Automatikoaren azpi-arlo boteretsua
Ikasketa Sakona edo Deep Learning Ikasketa Automatikoaren azpi-arlo bat da, sare neuronal artifizial sakonen erabileran oinarritzen dena. Ikasketa Automatikoa zabaldu eta hobetzen du, datuak modu sakonago eta konplexuagoan aztertzeko gaitasuna eskainiz.
Ikasketa Automatikoa
- Ezaugarri sinpleagoak erabiltzen ditu
- Programatzaileek ezaugarriak aukeratu behar dituzte
- Datu kopuru txikiagoarekin lan egin dezake
- Sare neuronal sinpleak edo bestelako algoritmoak
Ikasketa Sakona
- Ezaugarri hierarkiko konplexuak ikasten ditu
- Ezaugarriak automatikoki erauzten ditu
- Datu kopuru oso handiak behar ditu
- Geruza anitzeko sare neuronal sakonak
Analogia: Pertzepzioa ikastea
Pentsa ezazu nola ikasten dugun gizakiok aurpegiak ezagutzen. Hasieran begiak, sudurra edota ahoa bereizten ikasi behar ditugu (ezaugarri sinpleak). Gero, aurpegi osoa begirada bakarrean ezagutzeko gai gara. Ikasketa Automatiko tradizionalak lehenengo fasea egiten du: ezaugarri sinpleak aztertu. Ikasketa Sakonak prozesu osoa egiten du: geruza sinpleetatik abiatuta (lerroak, ertzak), geruza konplexuagoak sortzen ditu (formak, testurak), eta azkenik kontzeptu abstraktuagoetara iristen da (adibidez, “hau pertsona bat da” edo “hau katu bat da”).
Nola funtzionatzen du Ikasketa Sakonak?
Ikasketa Sakonaren oinarrian sare neuronal artifizial sakonak daude. Hauek geruza anitzeko egiturak dira, giza garunaren funtzionamenduan inspiratuta daudenak.
1. Geruza anitzeko egitura
Ikasketa Sakonaren muina:
- Sarrera geruza (datuak jasotzen ditu)
- Ezkutuko geruza anitz (3, 10, 100 edo gehiago)
- Irteera geruza (emaitza ematen du)
2. Ezaugarri hierarkikoak
Geruzaz geruza konplexutasuna handitzen da:
- Geruza baxuak: ezaugarri sinpleak
- Erdiko geruzak: ezaugarri konposatuak
- Goiko geruzak: kontzeptu abstraktuak
3. Ikasketa prozesua
Sarearen “pisuen” egokitzapena:
- Atzerakako hedapena (backpropagation)
- Gradiente jaitsiera (gradient descent)
- Iterazio ugariko doikuntza
Zergatik da “sakona”?
“Sakona” hitzak ezkutuko geruzei egiten die erreferentzia. Ikasketa Automatiko tradizionalean normalean geruza gutxi erabiltzen dira, baina Ikasketa Sakonean dozenaka, ehunka edo are milaka geruza erabil daitezke, irudikapen abstraktuagoak eta konplexuagoak lortzeko.
Ikasketa Sakonaren berrikuntzak
Ezaugarri automatizatuak
Ikasketa Automatikoan programatzaileak erabaki behar du zein diren datu-ezaugarri garrantzitsuak. Ikasketa Sakonak ezaugarri horiek automatikoki erauzten ditu datuak aztertuz.
Goi-mailako abstrakzioak
Geruza ugari egoteak datuen irudikapen abstraktuagoak sortzea ahalbidetzen du, patroi konplexuagoak identifikatuz.
Errepresentazio-ikasketa
Datuak nola irudikatu ikasten du, informazioaren eraldaketa hierarkikoak lortuz, datuaren esanahia hobeto ulertzeko.
Ikasketa Sakonaren arkitektura nagusiak
Sare Neuronal Konboluzionalak (CNN)
Irudien azterketarako optimizatuak
- Irudiak sailkatzeko: txakurrak, katuak, erradiografiak…
- Objektuak detektatzeko
- Aurpegiak ezagutzeko
Sare Neuronal Errepikariak (RNN)
Sekuentziekin lan egiteko diseinatuak
- Testua: sentimendu analisia, itzulpena
- Denbora serieak: burtsa, eguraldi iragarpenak
- Hizketa ezagutzeko sistemak
Transformers
Atentzio mekanismoen bidez sekuentziak ulertzeko
- Hizkuntza naturalaren prozesamendua
- ChatGPT, BERT, LLaMa bezalako hizkuntza-ereduak
- Testua, kodea eta beste datuak sortzea
GANs (Generative Adversarial Networks)
Datu berria sortzeko gai
- Irudiak sortzea: pertsonak, paisaiak, artea
- Bestelako edukia sortzea: musika, testua
- Datuak aberastea entrenamenduetan
Eguneroko bizitzako aplikazioak
Ikusmen artifizial aurreratua
- Argazki-app-etako aurpegi ezagutza
- Auto gidari autonomoak
- Medikuntza-irudi diagnostikoa
Hizkuntza naturala
- ChatGPT, Claude, Gemini
- DeepL, Google Translate
- Testu zuzentzaile adimendunak
Irudi, audio eta bideo sorkuntza
- DALL-E, Midjourney
- Musika sortzea estilo jakin batean
- Bideo-joko pertsonaia errealistak
Gomendio sistema aurreratuak
- Netflix eta Amazon-eko algoritmo hobeak
- Eskaintza pertsonalizatuak
- Jokabide-aurreikuspena
LLMak: Ikasketa Sakonaren gailurra
Hizkuntza Eredu Handiak (LLMak) Ikasketa Sakonaren aplikazio aurreratuenetako bat dira. Transformer arkitekturan oinarritzen dira, eta milioika edo bilioika parametro dituzte. ChatGPT bezalako sistemek Ikasketa Sakonaren ahalmena erakusten dute, milioika testuetatik ikasi eta hizkuntza naturala sortzeko gai direlako elkarrizketa-testuinguru konplexuetan.
Mugak eta erronkak
1. Datu eta konputazio beharra
Ikasketa Sakonak datu kopuru izugarriak eta konputazio-ahalmen handia behar ditu, energia eta baliabide kostu handiekin.
2. “Kutxa beltza” areagotua
Ikasketa Automatiko arruntarekin konparatuz, are zailagoa da Ikasketa Sakoneko sare konplexuak interpretatzea, milioika parametro izan ditzaketelako.
3. Gehiegizko egokitzapena
Eredu oso konplexuak sortzeak entrenamendu datuei gehiegi egokitzeko arriskua dakar, orokortze txarrarekin.
4. Kostu etikoak
Konputazio baliabide handiak, energia kontsumoa, eta adimen artifizial boteretsuaren inplikazio etikoak.
Ulermen galdetegia
Probatu zure ezagutza!
1. Nola erlazionatzen dira Ikasketa Automatikoa eta Ikasketa Sakona?
2. Zergatik deitzen zaio “sakona” Ikasketa Sakonari?
3. Zein da CNNen (Convolutional Neural Networks) aplikazio nagusia?
4. Zein da Ikasketa Sakonaren abantaila nagusia Ikasketa Automatiko tradizionalaren aurrean?
5. Zer dira Transformers Ikasketa Sakonean?