JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть I • Актуальность и основные понятия 
парадигма в сфере ИИ с 1950­х до конца 1980­х годов — известен под названием 
«символический ИИ»
(symbolic AI)
1
.
Рис. 1.1.
Отношения между ИИ, машинным обучением, нейронными сетями и глубоким 
обучением. Как демонстрирует эта диаграмма Венна, машинное обучение является 
подобластью ИИ. В некоторых областях ИИ применяются отличные от машинного обучения 
подходы, например символический ИИ. Нейронные сети — подобласть машинного 
обучения. Существуют методики машинного обучения, не использующие нейронных 
сетей, например деревья принятия решений. Глубокое обучение представляет собой науку 
и искусство создания и применения глубоких нейронных сетей, которые содержат несколько слоев
1.1.2. Машинное обучение: отличия от традиционного 
программирования
В основе машинного обучения как отличной от символического ИИ подобласти 
ИИ лежит вопрос: может ли компьютер выйти за рамки задаваемых программистом 
правил поведения и самостоятельно найти способ решения конкретной задачи? Как 
вы видите, подход машинного обучения принципиально отличается от подхода, ис­
пользуемого в символическом ИИ. Если символический ИИ полагается на жестко 
«зашитые» знания и правила, то машинное обучение стремится избежать подобного. 
1 
Одна из важных разновидностей символического ИИ — экспертные системы (expert 
systems). Узнать об этом больше можно в следующей статье Британской энциклопедии: 
http://mng.bz/7zmy (или в «Википедии» по адресу https://ru.wikipedia.org/wiki/Экс­
пертная_система)).

---

Глава 1. Глубокое обучение и JavaScript
31
Но если машине не даются явные указания, как выполнить задачу, то как же она 
может научиться это делать? Ответ: на основе примеров данных.
Эта идея открывает путь к совершенно новой парадигме программирования 
(рис. 1.2). В качестве примера парадигмы машинного обучения представьте себе, 
что вы работаете над приложением, обрабатывающим загруженные пользователями 
фотографии. Приложению требуется функциональность классификации фотогра­
фий на такие, где есть человеческие лица, и такие, где нет, поскольку обрабатывать 
их следует по­разному. Для этого вы хотите создать подпрограмму, получающую на 
входе произвольное изображение (состоящее из массива пикселов) и возвращающую 
двоичный ответ (фото с лицами/без лиц).