В чем заключаются преимущества и недостатки использования искусственных нейронных сетей в современных компьютерах?

Некоторые преимущества использования искусственных нейронных сетей в современных компьютерах:

• Самообучаемость. 13 Алгоритм самостоятельно принимает решения о том, как выполнить заданную задачу, иногда применяя неочевидные для людей методы. 1
• Эффективная фильтрация шумов. 13 Нейросети могут игнорировать шумы и обрабатывать лишь необходимую информацию. 1
• Адаптация. 13 Нейронные сети готовы к возможным переменам во входных данных и продолжают работать эффективно после небольшого периода адаптации. 1
• Отказоустойчивость. 13 Даже при повреждении некоторых нейронов остальные продолжают функционировать и выдавать логичные и правильные ответы, хотя точность их работы уменьшается. 1
• Скорость работы. 13 Искусственные нейронные сети решают задачи быстрее, чем при применении обычных алгоритмов. 1
• Широкие возможности применения. 3 После обучения нейронные сети могут выполнять разные задачи в разных областях. 3

Некоторые недостатки использования искусственных нейронных сетей в современных компьютерах:

• Необходимость большого объёма данных для обучения. 25 Если их мало, сети могут столкнуться с проблемами — они запомнят обучающие примеры, но обобщить свои знания не способны. 2
• Высокая вычислительная сложность. 2 Особенно это касается больших и глубоких сетей. 2
• Неинтерпретируемость решений. 2 Нет чётких критериев, чтобы понять, почему нейронная сеть приняла определённое решение. 5
• Чувствительность к шуму и различным выбросам. 2 Даже небольшие изменения во входной информации могут привести к существенным изменениям в выходных значениях сети. 2
• Необходимость настройки гиперпараметров. 2 Этот процесс временами доставляет немало хлопот, а также требует экспериментов и опыта. 2