డీప్ లెర్నింగ్ మరియు న్యూరల్ నెట్‌వర్క్‌లు

డీప్ లెర్నింగ్ అనేది మెషిన్ లెర్నింగ్ యొక్క ఒక నిర్దిష్ట రంగం, ఇది మానవ మెదడు నుండి ప్రేరణ పొందింది. ప్రామాణిక మెషిన్ లెర్నింగ్‌లో 1 లేదా 2 లేయర్‌లు ఉండవచ్చు, కానీ 'డీప్' లెర్నింగ్ వందల లేదా వేల లేయర్‌లను ఉపయోగిస్తుంది. ప్రతి లేయర్ డేటా నుండి మరింత సంక్లిష్టమైన లక్షణాలను సంగ్రహిస్తుంది. ఉదాహరణకు, ఇమేజ్ రికగ్నిషన్‌లో, మొదటి లేయర్ అంచులను (edges) కనుగొనవచ్చు, రెండవ లేయర్ ఆకృతులను (వృత్తాలు లేదా చతురస్రాలు వంటివి) కనుగొంటుంది, మరియు చివరి లేయర్‌లు 'మానవ ముఖం' లేదా 'సైకిల్' వంటి సంక్లిష్ట వస్తువులను గుర్తిస్తాయి.

ఈ 'లోతు' (depth) AIకి సందర్భాన్ని అర్థం చేసుకోవడానికి అనుమతిస్తుంది. సంప్రదాయ MLలో, ఇంజనీర్లు కంప్యూటర్‌కు ఏ ఫీచర్లు ముఖ్యమైనవో చెప్పాల్సి వచ్చేది (ఉదాహరణకు 'కారును కనుగొనడానికి చక్రాల కోసం చూడండి'). డీప్ లెర్నింగ్‌లో, నెట్‌వర్క్ స్వయంచాలకంగా ఈ ఫీచర్లను కనుగొంటుంది. దీనిని 'ఫీచర్ ఎక్స్‌ట్రాక్షన్' అంటారు. సిరి మరియు అలెక్సా వంటి వాయిస్ అసిస్టెంట్‌లను సాధ్యం చేసింది ఈ పురోగతే, ఎందుకంటే అవి మానవ ప్రసంగంలోని సూక్ష్మ నైపుణ్యాలను ప్రాసెస్ చేయాల్సి ఉంటుంది, ఇది అత్యంత సంక్లిష్టమైనది మరియు వ్యక్తీకరణలు, భావోద్వేగాల ప్రకారం మారుతూ ఉంటుంది.