На этом шаге мы дадим краткую характеристику нейронным сетям и машинному обучению.
Достижения в области искусственного интеллекта, о которых мы слышим в наше время - в конце 2010-х годов, обычно имеют отношение к дисциплине, известной как машинное обучение (компьютеры изучают некую новую информацию, не получая на то явной команды). Чаще всего эти достижения появились благодаря технологии машинного обучения, известной как нейронные сети. Нейронные сети были изобретены пару десятков лет назад, но сейчас переживают что-то вроде возрождения, поскольку усовершенствованное вычислительное оборудование и новые программные технологии, построенные по принципу исследований, позволяют построить новую парадигму, известную как глубокое обучение.
Глубокое обучение нашло широкое применение. Оно оказалось полезным в самых разных областях, от алгоритмов хедж-фондов до биоинформатики. Два самых широко известных потребителям способа применения технологии глубокого обучения - это распознавание изображений и распознавание речи. Когда вы спрашиваете своего цифрового помощника о прогнозе погоды или обнаруживаете, что программа обработки фотографий распознана ваше лицо, скорее всего, выполняется некое глубокое обучение.
В методах глубокого обучения используются те же строительные блоки, что и в простейших нейронных сетях. Начиная с этого шага, мы рассмотрим такие блоки, построив простую нейронную сеть. Это не будет современным решением, но станет основой для понимания глубокого обучения, которое основано на более сложных нейронных сетях, чем построенные нами. На практике при машинном обучении в большинстве случаев нейронные сети не строятся с нуля. Вместо этого применяются популярные высокооптимизированные готовые платформы, которые и выполняют всю тяжелую работу. Эти шаги не помогут вам узнать, как задействовать какую-либо конкретную среду, и сеть, которую мы создадим, будет бесполезной для реального приложения, но она поможет вам понять, как эти платформы работают на низком уровне.
На следующем шаге мы рассмотрим, что лежит в основе нейронных сетей.
