Deep Learning (Học sâu) đã phát triển và góp phần tạo nên một bước tiến lớn trong các ngành và lĩnh vực kinh doanh hiện nay. Học sâu là một nhánh của học máy triển khai các thuật toán để xử lý dữ liệu và bắt chước quá trình tư duy và thậm chí phát triển các tính năng trừu tượng.

Deep Learning sử dụng các lớp thuật toán để xử lý dữ liệu, hiểu giọng nói của con người và nhận dạng các đối tượng một cách trực quan. Trong học sâu, thông tin được chuyển qua từng lớp và đầu ra của lớp trước đóng vai trò là đầu vào cho lớp tiếp theo. Lớp đầu tiên trong mạng được gọi là lớp đầu vào (input layer), trong khi lớp cuối cùng là lớp đầu ra (output layer), các lớp ở giữa được gọi là các lớp ẩn (hidden layer).

Một điểm đặc biệt khác của học sâu là khả năng trích xuất đặc trưng, sử dụng một thuật toán để tự động xây dựng các đặc trưng có ý nghĩa cho việc học tập, đào tạo và hiểu biết trong dữ liệu.

Lịch sử phát triển của Deep Learning trong nhiều năm

Thế giới hiện đang chứng kiến ​​một cuộc cách mạng AI toàn cầu trên tất cả các lĩnh vực. Và một trong những yếu tố thúc đẩy cuộc cách mạng AI này là Học sâu. Nhờ những gã khổng lồ như Google và Facebook, Deep Learning giờ đây đã trở thành một thuật ngữ phổ biến và mọi người có thể nghĩ rằng đó là một khám phá gần đây. Nhưng bạn có thể ngạc nhiên khi biết rằng lịch sử của học sâu có từ những năm 1940.

Thật vậy, học sâu không xuất hiện trong một sớm một chiều, đúng hơn nó đã phát triển từ từ và dần dần trong hơn bảy thập kỷ. Bài viết này nhằm giúp bạn tìm hiểu lịch sử của Deep Learning để điểm lại những khám phá quan trọng mà các nhà nghiên cứu đã thực hiện và tất cả những bước đi nhỏ bé này đã đóng góp như thế nào vào kỷ nguyên hiện đại của sự bùng nổ Học sâu.

Lịch sử của học sâu bắt đầu từ năm 1943 khi Warren McCulloch và Walter Pitts tạo ra một mô hình máy tính dựa trên các mạng thần kinh mô phỏng hoạt động của não bộ con người. Warren McCulloch và Walter Pitts đã sử dụng sự kết hợp giữa toán học và thuật toán để bắt chước quá trình suy nghĩ. Mạng nơ-ron này có khả năng rất hạn chế và không có cơ chế học hỏi. Tuy nhiên, nó sẽ đặt nền tảng cho mạng nơ-ron nhân tạo và Deep Learning.

Xem chi tiết: https://4techviews.net/lich-su-va-su-phat-trien-cua-deep-learning/