Эта статья - личный опыт, как я "учил" Алису (голосовой помощник Яндекса) играть в Шахматы.

Получилось интересно ...

BERT — Bidirectional Encoder Representations from Transformers

Здесь не будет рассказываться о том, что такое BERT, как это работает и для чего применяется — в сети об этом достаточно информации.

Это статья про личный опыт — как конкретно у меня получилось запустить BERT с чистого Colab по конкретным описаниям.

При обучении модели классификации объектов (подбор весовых коэффициентов) столкнулись с тем, что проблема НЕ В ТОМ, КАК НАЙТИ разделяющую прямую, а В ТОМ, КАКУЮ ИМЕННО ВЫБРАТЬ из полученного множества разделяющих прямых, одинаково удовлетворяющих условиям классификации.

В итоге дошли до двухступенчатой классификации.

Простой полный последовательный циклический перебор... Куда уж проще ..

Именно так в предыдущей статье (Автоматический подбор синаптических весов. Самое начало. Циклический перебор) были подобраны коэффициенты.на примере определения цифры для 13-ти сегментного индикатора.

Можно ли что-то улучшить в этом самом простом алгоритме?
Оказывается, можно...

Сокращаем количество вычислений и ускоряемся в 1,8 (!) раза, получая на выходе те же коэффициенты.

Если робот сыграет сам с собою много-много партий, то сам научится хорошо играть.
Вот такую гипотезу мы сформулировали для обучения робота.

И это сработало (!)

За 100 секунд робот сыграл сам с собой 100 000 партий в "Крестики-Нолики" и теперь во время игры с оппонентом просто достает из памяти «лучший» ход.

В одной из предыдущих статей (Синаптические веса в нейронных сетях – просто и доступно) мы разбирались со смыслом синаптических весов на примере определения цифры на 13-ти сегментном индикаторе и подбирали веса "вручную", путем логических рассуждений.

С этой статьи приступаем к автоматическому подбору и рассматриваем один из наиболее простых способов – циклический перебор.

В статье на конкретном примере поясняются некоторые термины машинного обучения (Логистическая функция, Softmax, One-Hot-Encoding, Квадратическая ошибка), представлены фрагменты кода и результаты в виде графиков и подобранных параметров.

Стандартная ситуация: клиенты звонят в нерабочее время, попадают на автоответчик и диктуют на автоответчик заказ.

Была поставлена задача - в получающихся аудиофайлах вытаскивать смыслы и автоматически фиксировать заказ в CRM.

В предыдущей статье (Синаптические веса в нейронных сетях – просто и доступно) рассказывалось о смысле синаптических весов на примере модели определения цифры для 13-ти сегментного индикатора.

Голосовой помощник – стремительно развивающийся тренд. Контакты своего голосового помощника скоро будут давать также, как раньше давали контакты секретаря или офиса. Некоторые платформы предлагают создать себе голосовых помощников самостоятельно и будто бы для этого не нужны навыки программирования.

Посмотрим, как на самом деле просто или не просто создать простого голосового помощника.

Статья рассматривает этапы развития разговорного интерфейса - от голосового меню и нажатия кнопок на кнопочном телефоне - до диалога на естественном языке.

Этой статьей начинается серия статей, рассказывающих просто и доступно о нейронных сетях и искусственном интеллекте.

В статье рассказывается о сути синаптических весов на простом наглядном примере.