Обычно, под каждой такой статьёй какая-нибудь футуристическая картинка.

Далее начинается история про нейроны мозга человека, что нейросеть на них похожа, активаторы, веса, слои... Ой, всё-о-о!

Но я постараюсь объяснить на пальцах.

Предупреждение

Начнем

Мне задавали этот вопрос не раз и обычно я людям объясняю на таком примере.

Если простыми и осязаемыми словами, то нейросеть похожа на несколько идущих друг за другом сит (муку чем просеиваете?). Ячейки каждого сита отличаются по размеру и форме. Квадратные, треугольные, круглые и даже продолговатые.

В первое сито засыпается всё, что есть. Но сквозь него проходят только определенные вещи. Во второе попадает то, что не задержалось в первом, и т.д. Каждое сито отсеивает по определенному признаку.

Давайте посмотрим на картинку. У нейросети задача найти домашних животных, когда ей в топку закинули кучу всего лишнего

Задача разработчиков - настроить ячейки и последовательность просеиваний так, чтобы на выходе из всей этой цепочки получился желаемый результат. Количество и последовательность сит обычно выбирают заранее, а далее только подкручивают настроечные ручки для получение результата. Сами сита (библиотеки PyTorch, TensorFlow, Keras и т.д.) создают крутые математики, их не много, а большинство других (ML-инженеры) используют эти готовые инструменты, как кирпичики.

По традиции, тренируются на кошках, затем, добавляют медведей, слонов, единорогов. И каждый раз пробуют, подкручивают, пробуют, подкручивают и наконец система выдает желаемый результат. Разумеется, какие-то куски капусты тоже оказываются на выходе, но их также убирают, с помощью другого сита.

В какой-то момент в результате всех этих многократных подстроек форма ячеек становится настолько замысловатой, что разработчики часто даже сами не понимают, почему эта вся конструкция выдает правильный результат. Каким ухом и кончиком носа одновременно собака зацепилась за уголок ячейки сита так, что прошла дальше. Это и называют черным ящиком. И тогда на помощь разработчикам приходит еще одна нейросеть, которая специально сделана для того, чтобы анализировать и описывать нейросети. Это называется объяснимость ИИ (XAI - Explainable AI).

Давайте немного усложним задачу. Представьте, что все эти сита умеют расщеплять на кусочки поступивший материал, половину отсеивать , а оставшуюся склеивать обратно: хвостик от морковки отбросили и превратили в веточку, которая станет рукой для снеговика, обычный снег превратили в шарики. Получается такой Франкенштейн на выходе.

Думаю, общий принцип работы понятен, добавлю еще немного деталей и больше не буду вас утомлять.

Проведем аналогию этой картинки с терминами нейронок

• Разные формы сита - Разные типы свёрток/фильтров

• Определенная последовательность сит - Архитектура сети (VGG, ResNet и т.д.)

• Настройка размеров ячеек - Обучение весов (backpropagation)

• Отсеивание - Функции активации (ReLU, sigmoid)

• Отсев от общего к частному, от грубого к тонкому - Прогрессия

• Количество сит - Глубина сети

• Скорость просеивания всей цепочки - Скорость инференса

А вот и реальная схема нейросети. Думаю, у вас уже есть представление, что это за кружочки и стрелочки