การเรียนรู้ที่กว้างและลึกซึ้ง

การเรียนรู้แบบกว้างและลึกเป็นแนวทางปัญญาประดิษฐ์ (AI) ที่ผสมผสานการใช้การเรียนรู้ของเครื่องแบบมีผู้ดูแลและไม่ได้รับการดูแล การเรียนรู้แบบกว้างและแบบลึกใช้สถาปัตยกรรมโครงข่ายประสาทเทียมทั้งแบบตื้นและแบบลึกเพื่อสร้างแบบจำลองชุดข้อมูลขนาดใหญ่ที่มีฟีเจอร์ทั้งระดับต่ำและระดับสูง ผลลัพธ์ที่ได้คือระบบการเรียนรู้ที่ทรงพลังซึ่งสามารถสรุปรูปแบบจากข้อมูลในอดีตและปรับให้เข้ากับข้อมูลใหม่ได้อย่างรวดเร็ว

การเรียนรู้แบบกว้างคือการใช้เครือข่ายตื้นเพื่อจดจำรูปแบบเฉพาะในชุดข้อมูล โดยทั่วไปวิธีการนี้ประกอบด้วยโหนดเลเยอร์เดียว โดยมีเลเยอร์อินพุตหนึ่งเลเยอร์และเลเยอร์เอาท์พุตหนึ่งเลเยอร์ ทำให้การคำนวณรวดเร็วและราคาไม่แพง เนื่องจากความเรียบง่าย การเรียนรู้แบบกว้างจึงเหมาะสมกับชุดข้อมูลที่มีสัญญาณมากมายที่สามารถระบุตัวตนได้ง่าย

ในทางกลับกัน การเรียนรู้เชิงลึกคือการใช้โครงข่ายประสาทเทียมเชิงลึกหลายชั้นเพื่อระบุรูปแบบที่ซับซ้อนในชุดข้อมูลขนาดใหญ่ การเรียนรู้เชิงลึกนั้นมีความเข้มข้นในการคำนวณมากกว่าการเรียนรู้แบบกว้าง ๆ อย่างมาก แต่ความสามารถในการระบุความสัมพันธ์ที่ละเอียดอ่อนระหว่างชุดข้อมูลขนาดใหญ่ที่หลากหลาย ทำให้เหมาะสมกับการจดจำรูปแบบในชุดข้อมูลที่มีสัญญาณที่ชัดเจนน้อยกว่า

การเรียนรู้แบบกว้างและแบบลึกผสมผสานจุดแข็งของทั้งสองโมเดล โดยใช้การเรียนรู้ภายใต้การดูแลเพื่อระบุสัญญาณที่สำคัญจากข้อมูลอินพุต จากนั้นใช้โครงข่ายประสาทเทียมเชิงลึกเพื่อระบุรูปแบบที่ซับซ้อนมากขึ้น ด้วยการฝึกหลายเลเยอร์สำหรับการเรียนรู้เชิงลึก โมเดลสามารถค้นหารูปแบบที่เหมาะสมยิ่งขึ้นมากกว่ารูปแบบใดรูปแบบหนึ่งเพียงอย่างเดียว ซึ่งสามารถนำไปสู่การคาดการณ์ที่แม่นยำยิ่งขึ้นและประสิทธิภาพโดยรวมดีขึ้น

การเรียนรู้แบบกว้างและลึกมีประสิทธิภาพสูงสำหรับแอปพลิเคชันต่างๆ เช่น การจดจำรูปภาพ การประมวลผลภาษาธรรมชาติ และการรู้จำคำพูด กำลังแพร่หลายมากขึ้นเมื่อพลังการประมวลผลและความจุในการจัดเก็บข้อมูลเพิ่มขึ้น ทำให้สามารถสร้างโมเดลที่ใหญ่ขึ้นและซับซ้อนมากขึ้นได้ เมื่อเทคโนโลยีได้รับการปรับปรุง ก็สามารถนำไปประยุกต์ใช้กับขอบเขตปัญหาได้กว้างขึ้น