О чём рассказывается в презентации:
Презентация исследует эволюцию алгоритмов обучения нейросетей, начиная с первых математических моделей и заканчивая современными трансформерами. Особое внимание уделяется ключевым этапам, таким как создание перцептрона и метод обратного распространения ошибки, что стало основой для многослойных нейронных сетей. Обсуждаются также перспективы развития и влияние больших данных на обучение нейросетей.
Оглавление
Эволюция алгоритмов обучения нейросетей
Математическая модель нейрона заложила фундамент ИИ в 1943 году
Перцептрон Розенблатта стал первой реализацией обучаемого алгоритма
Формирование ранних адаптивных алгоритмов в 1960-х годах
Критика Минского и Паперта привела к первой зиме искусственного интеллекта
Обратное распространение ошибки возродило многослойные нейронные сети
LSTM решила проблему затухания градиента в длинных последовательностях
GPU и доступ к большим данным спровоцировали эру глубокого обучения
Современный этап: доминирование LLM и трансформерных архитектур
Инновации в архитектурах: от глубоких сетей к нейросетям Колмогорова-Арнольда
Рост темпов обновлений алгоритмов за последние 30 лет
Применение знаний прошлого для выбора современных моделей
Перспективы развития алгоритмов и вычислительных мощностей
Ключевые уроки и будущее ИИ
Благодарю за внимание!
