AI, graphs and neural networks
Введено| English | Значение |
|---|---|
| machine learning/məˈʃiːn ˈlɜːnɪŋ/ | машинное обучение |
| deep learning/diːp ˈlɜːnɪŋ/ | глубокое обучение |
| graph/ɡræf/ | Граф |
| neural networks/ˈnjuːrəl ˈnetwɜːks/ | нейронные сети |
| nodes/nəʊdz/ | Узлы |
| edges/ˈedʒɪz/ | Рёбра |
| minimax/ˈmɪnɪmæks/ | Минимакс |
| weight/weɪt/ | Вес |
| activation function/ˌæktɪˈveɪʃn ˈfʌŋkʃn/ | Функция активации |
| hidden layers/ˈhɪdn ˈleɪəz/ | Скрытые слои |
Программа, которая научилась видеть, не получая указаний, что именно искать
- В 2012 году команда участвовала в соревновании по распознаванию изображений с программой, которой никогда не давали ни одного правила о том, как выглядит кошка. Ей показали миллион размеченных фотографий, и она сама вывела правила.
- Она сократила ошибку каждого ручного решения вдвое. За три года вся область отказалась от написания правил.
- Этот переворот является предметом данной темы: не «как мы объясняем компьютеру, что такое кошка», а «как компьютер сам понимает это по примерам».
- Этот урок объясняет, что означают машинное обучение и глубокое обучение, как граф превращает задачи ИИ в поиск и что на самом деле вычисляет искусственная нейронная сеть.
Искусственный интеллект, машинное обучение и глубокое обучение
- Искусственный интеллект — это широкая цель: системы, выполняющие задачи, требующие обычно человеческого интеллекта, такие как зрение, речь, перевод и вождение.
- Машинное обучение — это преобладающий подход: алгоритмы, которые обучаются паттернам из данных, вместо того чтобы программироваться шаг за шагом.
- Глубокое обучение — это машинное обучение с использованием нейронных сетей со множеством слоев. Оно возглавляет область с 2010-х годов, так как обучается напрямую на сырых данных — пикселях, звуке или тексте — без специально разработанных человеком признаков.
- Они вложены друг в друга: глубокое обучение является частью машинного обучения, которое, в свою очередь, является частью ИИ.

Три круга, а не три соперника
Machine learning means an algorithm that:
Сложность 1/5 · 100 монет + небольшой бонус за первое завершение сегодня
ML learns from data; deep learning is ML using multi-layer neural networks.
How do AI, machine learning and deep learning relate?
Сложность 1/5 · 100 монет + небольшой бонус за первое завершение сегодня
AI is the goal, machine learning is the dominant approach to it, and deep learning is machine learning with many-layered networks.
Графы и почему так много задач ИИ сводится к поиску
- Граф — это набор узлов, соединенных ребрами. Узлы — это состояния, места или концепции; ребра — ходы, дороги или отношения.
- Поиск пути: дорожная сеть является графом, и поиск маршрута — это поиск по графу с использованием алгоритма Дейкстры или A*.
- Игры: каждая позиция на доске — узел, а каждый легальный ход — ребро, поэтому игра представляет собой дерево, которое minimax исследует, предполагая, что каждый игрок выбирает лучший вариант.
- Представление знаний: семантическая сеть хранит концепции как узлы, а отношения — как ребра. Поиск в ширину и поиск в глубину — стандартные инструменты для исследования любых из них.
In AI, a graph consists of:
Сложность 1/5 · 100 монет + небольшой бонус за первое завершение сегодня
Graphs model states/places as nodes and moves/relationships as edges — used for pathfinding, game trees and knowledge.
Разобранный пример: смоделируйте задачу как граф
- Компания по доставке хочет найти кратчайший маршрут между двумя городами. Опишите, как это представляется в виде графа.
- Каждый город — это узел; каждая дорога — ребро, соединяющее два узла; ребро имеет вес, равный расстоянию или времени в пути.
- Затем задача формулируется как «найти путь между двумя узлами с наименьшим общим весом», что решает алгоритм Дейкстры.
- Скажите, чем являются узлы, чем являются ребра и что означают веса. Ответ, содержащий только фразу «это граф», не получает баллов.
A road network is modelled as a graph to find the shortest route. Which statements are correct? Select все that apply.
Сложность 2/5 · 140 монет + небольшой бонус за первое завершение сегодня
Places are nodes and connections are edges. Saying what the weights represent is the third mark.
Искусственный нейрон
- Искусственный нейрон принимает несколько входных сигналов. Он умножает каждый входной сигнал на вес, складывает их с смещением (bias), затем пропускает сумму через нелинейную функцию активации для получения выхода.
- Веса — это то, чему сеть обучается. Функция активации — это то, что позволяет сети представлять что-то, кроме прямой линии: без нее любое количество слоев схлопнулось бы в одну линейную формулу.

Умножить, сложить, затем согнуть
Put the steps inside one artificial neuron in order.
Сложность 3/5 · 200 монет + небольшой бонус за первое завершение сегодня
Multiply, sum, activate, pass on. Without the non-linear activation, any depth of network would collapse into one linear formula.
Слои и значение слова «глубокий»
- Нейроны расположены слоями. Входной слой принимает данные. Один или несколько скрытых слоев учатся внутренним паттернам. Выходной слой выдает ответ — класс или число.
- Сеть называется глубокой, когда у нее много скрытых слоев, а обучение такой сети — это глубокое обучение.
- Почему важны скрытые слои: в сети для изображений ранние слои учатся выделять края, средние — формы, поздние — объекты. Никто не проектировал эту иерархию; она возникла в результате обучения.

Входные данные, скрытые слои, выход и обучение заключены в весах между ними
Tap the parts of a neural network
Explore the layers. Data flows left to right: the input layer takes the features, the hidden layers learn patterns, and the output layer gives the answer — with every connection carrying a weight that training adjusts.
Match each part of a neural network to its role.
Сложность 2/5 · 140 монет + небольшой бонус за первое завершение сегодня
Features enter the input layer, hidden layers learn patterns, the output layer answers; learning = tuning the weights.
A neural network is called "deep" when it has many hidden layers, and each neuron takes a weighted sum of its inputs (plus a bias) before applying an activation function.
Сложность 1/5 · 100 монет + небольшой бонус за первое завершение сегодня
Stacking many hidden layers lets the network learn richer patterns — training such a network is deep learning.
A neural network is called "deep" when it has:
Сложность 1/5 · 100 монет + небольшой бонус за первое завершение сегодня
Many hidden layers make a deep neural network; training one is deep learning.
During training, the values adjusted inside a neural network are its ____.
Сложность 1/5 · 100 монет + небольшой бонус за первое завершение сегодня
The architecture and the activation function are chosen by the designer; what the network learns is stored in the weights.
Разобранный пример: опишите, как нейрон выполняет вычисления
- Опишите, что происходит внутри одного искусственного нейрона. [3]
- Каждый входной сигнал умножается на свой вес, а полученные произведения суммируются вместе с смещением (bias).
- Полученная сумма пропускается через функцию активации, которая является нелинейной.
- Результатом является выход нейрона, который становится входом для нейронов следующего слоя. Веса и смещение — это значения, которые корректируются во время обучения.
Потерянные баллы
- Машинное обучение выявляет паттерны из данных; оно не «программируется пошагово» и не является магией. Укажите, чему именно оно учится.
- Термин «глубокое» означает множество скрытых слоев, а не «очень умный» или «очень большой».
- Граф состоит из узлов и ребер, и ответ о графе должен объяснять, что представляет собой каждый элемент в рамках этой задачи.
- Именно веса изменяются в процессе обучения. Функцию активации и архитектуру выбирает разработчик.
Вы поняли
- ИИ — это цель, машинное обучение выявляет паттерны из данных вместо следования письменным правилам, а глубокое обучение — это машинное обучение с многослойными нейронными сетями.
- Граф из узлов и ребер превращает поиск пути, игры и представление знаний в задачу поиска, используя алгоритмы Дейкстры, A*, minimax, поиска в ширину и поиска в глубину.
- Искусственный нейрон умножает входы на веса, добавляет смещение и применяет нелинейную функцию активации.
- Слои обрабатывают входные, скрытые, выходные данные; глубина означает множество скрытых слоев, а обучение заключается в весах.