Технология глубинного обучения (Deep Learning) в современных интеллектуальных системах работает в два этапа: 1

1. Непосредственное обучение. 1 На этом этапе маркируются большие объёмы данных, определяются их ключевые характеристики. 1 Система сравнивает их и запоминает. 1 Если в будущем она столкнётся с подобной задачей, то уже сможет сделать правильные выводы. 1
2. Формирование выводов. 1 Обладая глубокой информацией о поступившем запросе, система способна самостоятельно сделать интеллектуальные заключения. 1 Далее добавляются новые данные. 1 Они также проходят те же этапы, но только уже с использованием знаний, полученных на предыдущем цикле. 1

Эффективность глубинного обучения зависит от постоянного предоставления полезных, структурированных и помеченных данных. 2 Чем больше нейронные сети получат информации, тем более эффективным окажется процесс обучения. 1

Некоторые области применения Deep Learning:

• Машинный перевод. 1 Нейросети обучаются на миллионах примеров. 1 Deep Learning способно не только механически осуществлять перевод, но и анализировать текст, обращать внимание на грамматику, на нюансы употребления тех или иных слов. 1
• Компьютерное зрение. 1 Глубокое обучение в этом случае способно распознавать объекты на картинках. 1 Нейронные сети учат максимально детально изучать фото путём его разбивки на секции, находить закономерности. 1
• Производство и распознавание речи. 1 С очень высокой точностью обученные искусственные нейронные сети способны распознавать голоса (на любом языке), ориентируясь на речевые особенности. 1 Они способны определять возраст говорящего, скорость его речи, акцент, произношение. 1