Mit jelent a mélytanulás?
A mélytanulás (Deep Learning) a gépi tanulás speciális területe, amely többrétegű neurális hálózatokat használ komplex adatok feldolgozására és mintázatok felismerésére. A „mély" szó arra utal, hogy ezeknek a hálózatoknak sok rétege van — sokszor több tucat vagy több száz egymásra épülő réteg.
Ez a megközelítés tette lehetővé az AI 2010-es évek közepén kezdődő robbanását: a képfelismerés, a beszédfelismerés, az LLM-ek és a generatív AI mind mélytanulási alapokon működnek.
Miért „mély"?
A klasszikus gépi tanulási algoritmusok jellemzően emberi kézzel meghatározott jellemzőket (feature-öket) használtak. Pl. képfelismerésnél előre kódoltuk, hogy mit jelent egy „él" vagy egy „sarok" a képen.
A mélytanulás ezt forradalmasította: a hálózat maga tanulja meg a fontos jellemzőket. Az alsó rétegek egyszerű mintázatokat (élek, foltok), a középsők összetettebbeket (formák, szövetek), a felsők pedig magas szintű fogalmakat (arc, autó, kutya) ismernek fel — anélkül, hogy bárki ezt elmagyarázta volna nekik.
Egy modern LLM (mint a GPT-4 vagy a Claude) több száz milliárd paraméterrel rendelkező mély hálózat, amely a transformer architektúrát használja.
Üzleti példa
Egy magyar gyártó cég minőségellenőrzésében dolgozott egy 6 fős csapat, akik szúrópróbaszerűen ellenőrizték az alkatrészeket sérülésekért. Hibaarányt nem tudtak megbízhatóan mérni, mert szubjektív volt és nem skálázódott.
Egy mélytanulási alapú computer vision modell betanítása után minden gyártott alkatrészről egy iparkamera képet készít, és a modell másodperc alatt eldönti, van-e rajta sérülés — 99.4%-os pontossággal. A 6 fős csapat 2-re csökkent (csak a határeseteket nézik át), és elsőre lett kontrollálható minőségmutatójuk. ROI: 8 hónap.
Mit kell tudni egy cégvezetőnek?
A mélytanulás erőforrás-igényes:
- Nagy mennyiségű adat kell. Ezreket, sokszor tízezreket példát.
- GPU-erőforrás kell a tanításhoz. (Bár ezt általában felhőszolgáltatóktól bérlünk, nem veszünk.)
- Specialista kompetencia kell a megépítéshez — vagy egy meglévő alapszintű modell finomhangolása a saját adatokra.
A jó hír: a legtöbb cégnél nem kell saját mélytanulási modellt építeni. Az általános LLM-ek és generatív AI eszközök (ChatGPT, Claude, képgenerátorok) önmagukban is mélytanulásra épülnek — már „be vannak kapcsolva", csak okosan kell használni őket.
A saját mélytanulási projekt akkor éri meg, ha specifikus, ismétlődő, mérhetően drága problémát old meg, és van hozzá adat. Ha bármelyik feltétel hiányzik, jobban jársz egy meglévő AI-eszköz testreszabásával.