Большие данные — топливо ИИ.

При формировании обучающей и тестовой выборок очень важно выявить все значимые для решаемой задачи наборы данных, т. к. нейронная сеть, столкнувшись с неучтенными наборами, чаще всего ведет себя непредсказуемо. Для решения таких проблем в областях, плохо поддающихся формализации, используют самообучающиеся системы, где пользователю дается возможность оценить качество полученных результатов.
Распространенными примерами таких систем могут быть поисковые системы и системы защиты от спама. В первом случае для поисковой системы важно, по какой по счету ссылке перешел пользователь из поискового запроса и как долго он находился на той страничке, были ли новые запросы на такую же тематику и т. д. В системах защиты от спама все существенно проще. Есть две кнопки: «спам» и «это не спам».
В целом использование больших данных для обучения ИИ сейчас сформировало хороший задел для развития методов нейронных сетей и их применения в различных отраслях. Следует отметить обратную ситуацию, когда обученная нейронная сеть помогает анализировать и выявлять новые закономерности на массивах больших данных. Наиболее яркими примерами таких решений являются системы анализа данных в финансовом секторе, например оценка рисков при выдаче кредита или оценка страховых рисков.
Подробнее о больших данных и искусственном интеллекте во втором теоретическом модуле онлайн-курса «Цифровых технологий в медицине».
Смотреть урок Руслана Пермякова: https://www.lektorium.tv/ZJN .