На этом шаге мы подведем итог изученному материалу.
Надеемся, нам удалось продемонстрировать, что в случае использования традиционных подходов задачи, которые легко решает человек, для компьютеров оказываются крепким орешком. Одним из вызовов, брошенных так называемому "искусственному интеллекту", является задача распознавания образов (изображений).
Значительный прогресс в области распознавания изображений, как, впрочем, и в ряде других проблемных областей, был достигнут благодаря использованию нейронных сетей. Толчком к развитию теории нейронных сетей послужило стремление разгадать тайну биологического мозга, который, обладая, на первый взгляд, меньшими быстродействием и ресурсами по сравнению с современными суперкомпьютерами, даже в случае таких живых существ, как попугаи или насекомые, способен решать сложные задачи, например управление полетом, прием пищи или строительство жилья. Кроме того, биологический мозг необычайно устойчив к повреждениям и способен различать даже несовершенные сигналы. Цифровым компьютерам и традиционным вычислительным подходам до этого пока что далеко.
На сегодняшний день нейронные сети - ключевой фактор успешности самых фантастических проектов в области искусственного интеллекта. Не ослабевает интерес к применению нейронных сетей в области машинного обучения, особенно глубокого обучения, предполагающего наличие иерархии обучающих методов. В начале 2016 года компьютерная система компании DeepMind, ныне принадлежащей компании Google, победила профессионального игрока в го. Это был поворотный момент в развитии искусственного интеллекта, поскольку игра го требует гораздо более глубокого продумывания стратегии по сравнению с шахматами, и исследователи полагали, что наступления столь знаменательного события придется ожидать еще долгие годы. Ключевую роль в этом успехе сыграли нейронные сети.
Хочется верить, что нам удалось продемонстрировать вам, насколько простые идеи лежат в основе нейронных сетей. Мы также надеемся, что эксперименты с нейронными сетями доставили вам удовольствие. Возможно, это пробудит в вас интерес к изучению других разновидностей машинного обучения и искусственного интеллекта.
Если хотя бы одно из этих предположений оказалось верным, то будем считать, что наша цель достигнута.
На следующем шаге мы поговорим о дифференциальном исчислении.
