Wkład Geoffreya Hintona był kluczowy dla rozwoju tej dziedziny – m.in. zaproponował efektywne metody trenowania głębokich sieci, korzystając z maszyn Boltzmanna, co otworzyło drogę do współczesnego głębokiego uczenia.
Zastosowania mały|Obraz nieistniejącej osoby wygenerowany przez model bazujący na sieci GAN Automatyczne rozpoznawanie i przetwarzanie mowy na tekst. Przetwarzanie języka naturalnego, wykrywanie znaczeń i tłumaczenie na inny język. Rozpoznawanie obiektów na obrazach w tym na filmach (nadawanie etykiet i oznaczanie). W tym również analiza obrazu medycznego i diagnostyka. Bioinformatyka i projektowanie leków. Rekonstrukcja obrazu ze słabej jakości obrazku (powiększanie bez widocznej straty jakości, dodawanie kolorów). Generowanie sztucznych obrazów i filmów (deepfake, wspomaganie pracy grafików). Systemy rekomendacji (książki do przeczytania, filmy do obejrzenia, zakupy itp.). Wykrywanie oszustw finansowych i innych anomalii w danych (np. zwalczanie dezinformacji i cyberbezpieczeństwo). Automatyczni asystenci, obsługa hoteli i restauracji, czatboty. Automatyczne samochody i systemy wspomagające prowadzenie auta.
Przypisy
Kategoria:Uczenie maszynowe Kategoria:Sieci neuronowe