Есть задача

Как обучить нейросеть и оценить результаты ее работы

Алгоритмы машинного обучения прошли долгий путь от понятного инструмента к «чёрному ящику» — порой их создателям сложно объяснить, почему модель выдает тот или иной результат. Однако это важно понимать, чтобы более эффективно обучать нейросети и взаимодействовать с ними. В подкасте «Есть задача», который N + 1 делает вместе с Yandex Research, мы рассказываем, зачем исследовать работу ML-моделей и сравнивать их друг с другом.

Машинное обучение помогает нам в самых разных ситуациях: обработать фотографию, определиться с досуг,ом узнать погоду, диагностировать рак и многое другое. Впрочем, несмотря на внушительные успехи, это очень молодая область, где нерешенными остаются фундаментальные задачи. О том, над чем сегодня работают специалисты в ML, мы говорим в «Есть задача» — совместном проекте Yandex Research и N + 1.

О том, как «думают» нейросети, мы рассказывали в мультфильме. А для тех, кто хочет подробнее узнать об истории развития нейросетей и изучении их логики, мы подготовили материал «Внимание, черный ящик».

Подкаст также можно слушать на Apple Podcasts и Google Подкастах.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.
Взаймы у природы

Чему искусственный интеллект может научиться у человеческого мозга

Человеческий мозг — самая сложная и эффективная вычислительная система, а воссоздание человеческого интеллекта было одной из величайших целей человечества во все времена. Сегодня инженеры Росатома вместе с учеными работают над созданием нейроморфных (то есть заимствующих подходы из биологии) систем искусственного интеллекта. Но разве нейросети уже не нейроморфные сами по себе? Оказывается, что нет. Вместе с научно-просветительской платформой Homo Science рассказываем, какие секреты биологического мозга ученые могут использовать для создания более быстрых, умных и обучаемых нейросетей.