süvaõpe
Süvaõpe on tehisintellekti valdkond, kus kasutatakse mitmetasandilisi tehisnärvivõrke andmete analüüsimiseks ja mustrite õppimiseks. Süvaõpe võimaldab arvutitel õppida kogemusest ilma otsese programmeerimiseta.
Süvaõpe on masinõppe alamvaldkond, mis kasutab kunstlike närvivõrkude sügavaid (mitmetasandilisi) arhitektuure andmete töötlemiseks ja keerukate mustrite äratundmiseks. Meetod jäljendab inimaju töötamist, kus iga järgnev kiht töötleb eelmise kihi väljundit, luues järk-järgult üha abstraktsemaid esitusi. Süvaõpe on võimaldanud läbimurdeid kõnetuvastuses, pildintuvastuses, masintõlkes, autonoomsete sõidukite arendamisel ja paljudes teistes valdkondades. Populaarsed süvaõppe arhitektuurid hõlmavad konvolutsioonilisi närvivõrke (CNN) pilditöötluses, rekurrentseid närvivõrke (RNN) aegridade analüüsis ja transformereid keelemudelites. Eesti keeles kasutatakse ka terminit "sügavõpe", kuid süvaõpe on levinnum. Meetod nõuab tavaliselt suuri andmehulki ja arvutusvõimsust, kuid suudab saavutada inimlikku või seda ületavat täpsust paljudes ülesannetes. Süvaõppe rakendused ulatuvad meditsiinist (haiguste diagnoosimine piltide põhjal) kuni loominguliste valdkondadeni (kunsti ja muusika genereerimine).
Etümoloogia
Inglise keelest deep learning – 'deep' (sügav, süva) viitab närvivõrgu mitmetasandilisele arhitektuurile
Kasutusnäited
ChatGPT kasutab süvaõppe mudeleid inimkeele mõistmiseks ja teksti genereerimiseks.
Näotuvastussüsteemid põhinevad süvaõppel, mis on treenitud miljonite inimeste piltidega.
Eesti teadlased kasutavad süvaõpet meditsiinipiltide analüüsimiseks ja vähidiagnostika täiustamiseks.