DEEP LEARNING
Definiție
Deep learning este subtipul de machine learning bazat pe rețele neuronale cu multe straturi suprapuse; de aici „profund”. Fiecare strat învață trăsături din ce în ce mai abstracte: la recunoașterea unui bon fiscal fotografiat, primele straturi văd linii și contraste, straturile intermediare recunosc litere și tabele, iar cele finale înțeleg că „acesta e un total cu TVA”. Este motorul din spatele LLM-urilor, al recunoașterii vocale și al generatoarelor de imagini.
Diferența față de machine learning clasic: nu mai e nevoie ca un om să definească manual trăsăturile relevante („uită-te la raportul dintre venit și datorie”), fiindcă rețeaua le descoperă singură din date brute. Prețul este apetitul uriaș pentru date și putere de calcul: modelele profunde au nevoie de milioane sau miliarde de exemple și de procesoare specializate (GPU) pentru antrenare.
Pentru un profesionist contabil, deep learning explică de ce AI-ul modern poate lucra cu documente „murdare”: bonuri fotografiate strâmb, scanuri de calitate slabă, formate diferite de la sute de comercianți. Sistemele clasice bazate pe șabloane cedau la orice abatere de format; rețelele profunde generalizează dincolo de exemplele văzute la antrenare.
Exemple practice
- OCR-ul modern citește corect o chitanță fotografiată cu telefonul, ușor mototolită și prost iluminată, sarcină la care OCR-ul clasic pe șabloane eșua frecvent.
- Recunoașterea vocală din aplicațiile de dictare a proceselor-verbale de inventariere folosește rețele profunde antrenate pe mii de ore de vorbire.
- La alegerea unui soft de procesare documente: soluțiile pe deep learning se adaptează la emitenți noi fără configurare de șabloane per format, iar costul de mentenanță scade semnificativ.