создание когнитивной модели содержания текста (речи).
Глубокое обучение очень эффективно при анализе и обобщении корреляций,
чем дальше они вынуждены отклоняться от учебного набора данных, тем больше проблем у них возникает.
Никто из ученых пока даже близко не подошел к пониманию того, как заставить машину рассуждать столь гибко
В самом лучшем случае эти системы ведут себя подобно дурацкому волшебнику (вспомните джиннов из сказок Шахерезады), который обладает чудесными способностями, но очень мало что знает про окружающий мир и людей.
Глубокое обучение — это совершенно иной вид мышления, кардинально отличающийся от человеческого разума
в решении некоторых задач глубокое обучение может быть очень успешным, но это не означает, что за его успехом стоит настоящий интеллект.
«проблема головастика». Иными словами, существует некоторое количество простых, широко распространенных случаев, хорошо покрываемых массовыми обучающими данными (это можно представить себе как толстую часть головастика), но имеется также гораздо большее число редких случаев, по которым обучающих данных явно не хватает (длинный хвост ошибок).
глубокие [нейронные] сети имеют тенденцию изучать поверхностные статистические закономерности в наборе данных, а не абстрактные концепции более высокого уровня
крошечные кусочки шумов, внесенные в игровое пространство, резко снизили производительность системы, показав тем самым, насколько поверхностной по своей сути оказывается ИИ-система
