Khi bạn muốn mô tả một ngôi nhà cho một đứa trẻ, bạn có thể vẽ một hình vuông bốn cạnh, một hình tam giác ở trên, một cánh cửa và một vài cửa sổ và nói: "Đây là một ngôi nhà." Một cách tiếp cận khác là cho đứa trẻ xem nhiều hình ảnh khác nhau của các ngôi nhà khác nhau và để đứa trẻ bắt đầu hiểu thế nào là một ngôi nhà. Cuối cùng, đứa trẻ có thể nhìn vào một tòa nhà tương tự như một khu chung cư chẳng hạn, và hiểu rõ sự khác biệt giữa hai ngôi nhà.
Bằng cách học cách nhận biết nhà thông qua hình ảnh nhà, đứa trẻ đang học bằng ví dụ. Quá trình này về cơ bản là cốt lõi của deep learning, đặc biệt là đối với ngành sản xuất.
Deep learning là một phân ngành của trí tuệ nhân tạo và là một phần của gia đình machine learning rộng lớn hơn. Thay vì con người lập trình các ứng dụng máy tính cụ thể cho từng nhiệm vụ, deep learning sử dụng dữ liệu không có cấu trúc và tự huấn luyện để đưa ra kết quả chính xác hơn dựa trên dữ liệu đào tạo đó. Các ứng dụng deep learning học hỏi và giải quyết các nhiệm vụ hẹp mà không cần được lập trình rõ ràng để làm như vậy.
Như vậy, deep learning không chỉ là một công nghệ xa vời để giúp con người trong tương lai. Nó đang giải quyết các vấn đề, cả tầm thường và quan trọng, ngay bây giờ: nhận dạng khuôn mặt để mở khóa điện thoại hoặc xác định bạn bè trên ảnh truyền thông xã hội, công cụ đề xuất trên các dịch vụ video và âm nhạc trực tuyến hoặc khi mua sắm tại các trang web thương mại điện tử, hình ảnh y tế như giúp chẩn đoán các bệnh như ung thư, bộ lọc thư rác trong email và phát hiện gian lận thẻ tín dụng.
Các ứng dụng deep learning phát triển mạnh trong việc có thể liên tục và quy mô nhận ra các bất thường và sự khác biệt trong một tập dữ liệu. Đây là điều mà con người làm tốt một cách tự nhiên, phát hiện ra sự khác biệt hoặc hiểu điều gì làm cho một ngôi nhà trở thành một ngôi nhà, điều mà cho đến nay, các hệ thống máy tính dựa trên lập trình cứng nhắc không làm tốt.
Tuy nhiên, con người dễ dàng mệt mỏi trong việc ra quyết định, còn máy tính thì không. Đó là lý do tại sao deep learning, nếu được triển khai cho đúng loại ứng dụng kết hợp với machine vision, có thể mang lại lợi ích cho các công ty, nhà máy sản xuất theo những cách mà các công nghệ mới nổi khác có thể mất nhiều năm mới có thể đền đáp.
Công nghệ deep learning đang được sử dụng để dự đoán các mô hình và đưa ra các quyết định kinh doanh quan trọng. Công nghệ tương tự này hiện đang được áp dụng vào các quy trình sản xuất tiên tiến để kiểm tra chất lượng và các mục đích dựa trên đánh giá khác như phát hiện khuyết tật hoặc xác minh lắp ráp cuối cùng.
Hầu hết deep learning dựa trên công việc của neural networks. Khi một neural network đang được đào tạo, dữ liệu đào tạo được đưa vào lớp dưới cùng, lớp đầu vào, và nó đi qua các lớp tính toán tiếp theo, được nhân và cộng lại với nhau theo những cách phức tạp, cho đến khi cuối cùng nó đến, được chuyển đổi hoàn toàn, tại lớp đầu ra. Đây là nơi chương trình xác định lý do tại sao một bức tranh là nhà chứ không phải chó.
Sự bùng nổ của các công nghệ deep learning sở hữu một phần không nhỏ nhờ vào sự bùng nổ về độ phổ biến của các trò chơi điện tử hiện đại. Theo MIT, "hình ảnh phức tạp và nhịp độ nhanh của các trò chơi điện tử ngày nay yêu cầu phần cứng có thể theo kịp, và kết quả là bộ xử lý đồ họa (GPU), đóng gói hàng nghìn lõi xử lý tương đối đơn giản trên một chip. Không mất nhiều thời gian để các nhà nghiên cứu nhận ra rằng kiến trúc của GPU rất giống với kiến trúc của neural network."
Những GPU hiện đại, hiệu năng cao này đã cho phép các neural network 50 lớp ngày nay ra đời, giúp các ứng dụng deep learning trở nên khả thi. Điều này mang lại cho công nghệ sản xuất khả năng mới đáng kinh ngạc để nhận dạng hình ảnh, phân biệt xu hướng và đưa ra các dự đoán và quyết định thông minh.
