Методы принятия управленческих решений

Глава 5 254 данных и может быть выделена при их обработке, поэтому в этих слу- чаях можно использовать многослойный перцептрон или сеть Ворда 1 . Особенно активно текущие нейросетевые технологии развиваются с 2000-х гг., когда мощность графических процессоров стала достаточ- ной для быстрого и недорогого обучения нейросетей, а также в мире накопилось большое количество датасетов для тренировки. К приме- ру, до 2010 г. не существовало базы данных, чтобы качественно обучить нейросети решать задачи по распознаванию и классификации изобра- жений. Поэтому нейросети часто ошибались, путая кошку с собакой, или снимок здорового органа с больным 2 . Однако, с появлением базы ImageNet в 2010 г., которая содержала 15 млн изображений в 22 тысячах категорий и была доступна для лю- бого исследователя, качество результатов существенно улучшилось. Кроме того, к этому времени появились новые достижения ученых в области искусственного интеллекта: Джеффри Хинтон реализовал Рис. 5.27. Схема искусственного нейрона 1 Чернобровов А. Место нейросетей в Data Science: краткий ликбез и последние тренды [Электронный ресурс], 2019. URL: https://chernobrovov.ru. 2 Нейросети. Как искусственный интеллект помогает в бизнесе и жизни [Электронный ресурс], 2017. URL: https://blog.dti.team/nejroseti. 3 1 2 4 w 1 w 2 w i