Neyron tarmoq asoslari va uni chuqur o'rganish

Эволюция и возрождение

23. 
    главе 2 мы остановились на том, что нейронные сети вступили в «период зимы», когда в середине 1980-х годов ИИ не смог выполнить данных обещаний. Как мно-го раз случалось и раньше, когда многообещающая технология скатывалась в яму избавления от иллюзий (рис. 3.1), нашлось немало ученых, продолжавших важ-ную работу в области нейронных сетей.
    

Известность

Пик чрезмерных ожиданий

	Плато продуктивности
	Склон преодоления недостатков
Яма избавления от иллюзий
Технологический триггер	Время

Рис. 3.1  Яма избавления от иллюзий

(https://en.wikipedia.org/wiki/Hype_cycle)

Важным достижением стала работа Яна Лекуна из AT&T Bell Labs по оптическо-му распознаванию символов4. Его лаборатория занималась задачей распознава-ния чеков для сектора финансовых услуг. По ходу дела группа Лекуна разработала концепцию биокомпьютерной модели распознавания изображений, которую мы сегодня знаем под названием «сверточная нейронная сеть» (СНС). Впоследствии это привело к созданию тестового набора рукописных цифр MNIST5 (мы еще вер-

3

4

5

Mnih et al., 2013. Human-level control through deep reinforcement learning // https://www.
nature.com/articles/nature14236.

LeCun et al., 1998. Gradient-based learning applied to document recognition // http://yann.

lecun.com/exdb/publis/pdf/lecun-01a.pdf.

http://yann.lecun.com/exdb/mnist/.

86  Основания глубоких сетей
немся к нему ниже в этой главе) и последовательности вех, отмечающих все воз-растающую верность моделей глубокого обучения.