А как тогда можно назвать то, что у него есть? Ну, то чем он в основном занимается? Спрашиваю, потому что я не в теме.
Ну вот я говорю: стейт-оф-зе-арт - это нейронки, которые представляют собой формулы, включающие арифметические операции с вещественными числами: по большому счёту, матричное умножение и замену отрицательных чисел нулём. Всё. Кошка или собака? Берём чёрно-белую картинку, ресайзим на 32 x 32, получается 32 x 32 вещественны чисел - оттенков серого. Умножаем, складываем, заменяем отрицательные нулём; умножаем, складываем, заменяем отрицательные нулём; и так несколько раз. В конце концов получаем пару чисел: кошка с вероятностью 0.87, собака с вероятностью 0.25. Наверно, кошка.
Здесь вопрос в том - на что надо умножать, чтобы получать такой осмысленный результат? Человек вручную не может написать такую формулу: в матрицах очень много коэффициентов (очень-очень много: размер нейронки может идти на сотни мегабайт), и мы не представляем, как их подбирать. И здесь фокус: "машинное обучение". Нужно, чтобы машина коэффициенты подобрала сама. Делается это примерно так. Начинаем с рандомных коэффициентов. Берём фотку кошки, прогоняем через коэффициенты, получаем пару рандомных вероятностей того, кошка это или собака. А мы хотели бы, чтобы кошка была с вероятностью 1, собака - с вероятностью 0. Чуть-чуть подправляем коэффициенты, чтобы вероятность кошки стала поближе к 1, а вероятность собаки - поближе к 0. И повторяем процесс до бесконечности. К счастью, его легко автоматизировать обычным программированием: поправки коэффициентов вычисляются по стандартным формулам из дифферециального исчисления, их уже закодили до нас во фреймворке, а нам остаётся только раскидать фотки по папочкам "кошки" и "собаки", подавать в обучающуюся нейронку и получать зарплату.
