Как числа превращаются в распознавание
На вход нейросети поступают числа: например, значения яркости пикселей изображения или числовое описание текста. Узел получает несколько таких сигналов, учитывает их важность и складывает. Важность задают веса — числа, которые усиливают одни сигналы и ослабляют другие. Затем узел применяет простое правило: в зависимости от результата он передаёт дальше большее, меньшее или нулевое значение.
Следующий слой обрабатывает уже не исходные данные, а сочетания, собранные предыдущим. В обработке изображения ранние слои могут реагировать на контрастные границы, а более поздние — на устойчивые сочетания признаков. Ни один узел обычно не «знает», что такое ухо или велосипед: полезное представление складывается из множества взаимодействий.
Как сеть учится на ошибках
Сначала веса обычно не настроены на нужную задачу, поэтому ответы могут быть неверными. Во время обучения сеть сравнивает свой результат с правильным ответом и вычисляет, как ошибка связана с работой отдельных весов. Затем веса немного меняют, чтобы в следующий раз ошибка стала меньше. Повторение этого процесса на множестве примеров постепенно настраивает сеть.
Важно, что обучение не означает, будто узлы запоминают правила в виде понятных человеку инструкций. Знание распределено по числам и связям между слоями: изменение одного веса может повлиять на множество последующих вычислений. Поэтому нейросеть способна находить сложные закономерности, но её внутреннее решение не всегда легко пересказать словами. За кажущимся цельным ответом стоит длинная цепочка небольших числовых преобразований.
