Turbūt daugelis iš mūsų esame girdėję ateities prognozes apie laboratorijose sukurtų protų invaziją ir žmogiškųjų išteklių pakaitalus, stebėtinai greitą sprendimų priėmimą ir neegzistuojančias galimybes klysti. Įsibėgėjus ketvirtajai pramonės revoliucijai (Pramonė 4.0), vartotojų siekis individualiai sąveikauti su technologijomis yra pastebimas vis dažniau. Įprastų įrenginių turimos ir iš anksto įdiegtos žinios – vakarykštė diena, į kurią galima užverti duris, pritaikius kompiuterių atliekamas funkcijas skirtingiems žmonių poreikiams, įpročiams ir kt. Tam yra reikalingi sudėtingesni posistemiai arba kitaip – dirbtinis intelektas.

Siekiant apdoroti, analizuoti ir suderinti duomenis, prieš priimant sprendimus ir atliekant veiksmus, dirbtiniam intelektui yra reikalingi milijonai ar net milijardai įvairios kilmės įrašų. Tačiau įrenginius pasiekiančių duomenų tarpusavio ryšiai yra pernelyg sudėtingi – žmogus nė neturi galimybių sukurti prasmės turinčių sąsajų tarp jų. Būtent šiam darbui yra pasitelkiamas gilusis mokymasis (angl. Deep Learning) – vienas iš mašininio mokymosi (angl. Machine Learning) tipų.

Kauno kolegijos Technologijų fakultete intensyvų giliojo mokymosi paskaitų kursą jau penkerius metus iš eilės veda kviestinis profesorius iš Jungtinių Amerikos Valstijų – Georgios K. Ouzounis. Anot profesoriaus, trumpai tariant, su giliojo mokymosi pagalba yra atliekamas dirbtinių neuroninių tinklų, kurie veikia tarsi „super“ smegenys, įgyvendindami kolektyvinio proto funkcijas, darbas. Šis kursas programų sistemų III-iojo kurso studentams trunka dvi savaites, o jo tikslas – pastaruosius, siekiančius žengti koja kojon su naujausia technologijų pažanga ir kuriančius asmeninę karjerą, supažindinti su giliojo mokymosi principais. Paskaitose yra supažindinama su duomenų mokslo (angl. Data Science) praktikomis (atrandant, transformuojant ir manipuliuojant duomenimis), kompiuterių, arba kitaip – mašininiu, mokymu (angl. Machine Learning) (duomenų regresija ir klasifikavimu, pasinaudojant gerai žinomų algoritmų pavyzdžiais). Antrojoje kurso dalyje studentai mokosi kurti, optimizuoti ir, bendrai tariant, dirbti su skirtingų tipų neuroniniais tinklais, sprendžiant realias problemas.

Pasak prof. G. K. Ouzounio, studentai, išklausę giliojo mokymosi paskaitų kursą, turėtų būti sukaupę pakankamai reikiamų žinių ir praktinės patirties, kad galėtų atpažinti ir suvokti pagrindines su kompiuterių mokymu susijusias problemas bei siekti jas išspręsti. „Šis dviejų savaičių kursas yra tik ledkalnio viršūnė, nes gilusis mokymasis, iš tiesų, labai gilus. Kiekviena kelionė turi pradžią ir pabaigą, o šios dvi savaitės yra tik pati pradžia, žengiant tolyn į giliojo mokslo laukus“, – teigia profesorius.

Kauno kolegijoje penktąjį kartą paskaitas skaitantis G. K. Ouzounis džiaugiasi pažinęs dalį šios institucijos bendruomenės – visuomet norinčius ir galinčius padėti darbuotojus. Profesoriaus teigimu, prie malonios patirties prisideda ir pažinčiai su propaguojamu mokslu pritaikyta infrastruktūra, tačiau visų svarbiausia – pastebimas studentų entuziazmas ir noras mokytis: „Manau, kad skaitant paskaitas nėra nieko maloniau, kaip matyti žmones, kurių lūkesčiai buvo patenkinti.“