JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Таблица 1.1
(продолжение)

---

Глава 1. Глубокое обучение и JavaScript
29
Задача 
машинного 
обучения
Соответствующая технология глубокого 
обучения
Где в данной книге мы 
решали аналогичную 
задачу с помощью 
TensorFlow.js
Диагностика 
заболеваний 
на основе 
медицинских 
снимков
Глубокие сверточные нейронные сети 
смогли достичь высокой специфичности 
и чувствительности, что можно было сравнить 
с работой врачей­офтальмологов при 
диагностике диабетической ретинопатии на 
основе снимков сетчатки пациентов
1
Перенос обучения с помощью 
предварительно обученной 
модели изображений Mo­
bileNet (см. главу 5)
Но прежде, чем погрузиться в эти восхитительные практические примеры глу­
бокого обучения, необходимо разобраться с общим контекстом ИИ, глубокого 
обучения и нейронных сетей.
1.1.
Искусственный интеллект, 
машинное обучение, нейронные сети 
и глубокое обучение
Словосочетания 
«искусственный интеллект»
, 
«машинное обучение»
, 
«нейронные 
сети»
и 
«глубокое обучение»
обозначают близкие, но все же различные понятия. 
Чтобы ориентироваться в ошеломляющем мире ИИ, необходимо понимать, что 
эти термины обозначают. Далее мы приведем их определения и расскажем, как они 
связаны между собой.
1.1.1. Искусственный интеллект
Как видно из диаграммы Венна на рис. 1.1, ИИ — обширная область. Краткое опре­
деление этой диаграммы можно дать в следующем виде: попытка автоматизировать 
требующие интеллекта задачи, обычно выполняемые людьми. Соответственно, ИИ 
включает в себя машинное обучение, нейронные сети и глубокое обучение, а также 
многие подходы, отличные от машинного обучения. Например, первые шахматные 
программы содержали жестко «зашитые» правила, подобранные программистами. 
Их нельзя отнести к машинному обучению, поскольку машины явным образом про­
граммировались на решение задачи, а не подбирали стратегии решения задач путем 
обучения на данных. Долгое время многие специалисты считали, что для создания 
ИИ, мыслящего на уровне человека, достаточно написать большой набор явных пра­
вил оперирования знаниями и принятия решений. Этот подход — преобладающая 
1 
Gulshan V. et al.
Development and Validation of a Deep Learning Algorithm for Detection 
of Diabetic Retinopathy in Retinal Fundus Photographs // JAMA. Vol. 316. No. 22, 2016. 
Pp. 2402–2410. http://mng.bz/wlDQ.

---

30