18 травня 2023 року відбулася гостьова лекція на тему «Що таке нейронні мережі» у рамках співпраці викладачів і студентів Університету Григорія Сковороди в Переяславі та Полтавського державного аграрного університету, яку прочитав професор кафедри інформаційних систем та технологій Полтавського державного аграрного університету Леонід ФЛЕГАНТОВ . Із матеріалами лекції також ознайомилися викладачі кафедри будівництва та професійної освіти Анатолій АНТОНЕЦЬ, Юлія ОВСІЄНКО, Тетяна РИЖКОВА та здобувачі вищої освіти, які є членами студентських наукових гуртків кафедри «Науковий пошук» (Михайло ЗАПОРОЖАН, Олександр РИБЯНСЬКИЙ, Руслан ПЕТРАШ, Наталія ЧЕРНЯХ) та «Експонента» (Валентин КЛАПТЕНКО, Ярослав КОРОТЕНКО та Олексій СЛЬОТА).
Останнім часом значний інтерес науковців і широкого загалу викликають нейронні мережі. Набуває поширення думка, що у недалекому майбутньому вони будуть дуже активно застосовуватись у багатьох сферах людської діяльності. Наприклад, алгоритми пошукових систем уже активно використовують можливості нейронних мереж, але це тільки початок. Що ж таке нейронні мережі, як вони працюють, яке у них застосування, чим вони можуть бути корисними, чи становлять загрозу для нас — про все це і не лише йшлося під час зустрічі.
На цій оглядовій лекції були розглянуті такі питання: звідки походить термін «нейронна мережа»; що таке штучний інтелект, машинне навчання та нейронні мережі, як вони пов’язані між собою; що таке штучні нейрони, як вони взаємодіють між собою; принципи роботи штучних нейронних мереж, механізми активації штучних нейронів і їх математичне описання; принципи навчання нейронних мереж та інше.
Основна увага була приділена штучним нейронним мережам, які, на думку фахівців, є складними математичним моделям, що імітують структуру та функціонування біологічних нейронних мереж із метою виконання різних завдань, таких як класифікація, регресія, прогнозування, мовна генерація тощо. Основою будови нейронних мереж є особливі математичні об’єкти, які називають штучними нейронами, що взаємодіють між собою за певними алгоритмами. Завдяки процесу навчання параметри нейронної мережі оптимізуються для виконання конкретних завдань. Наприклад, великі нейронні мережі із сучасною архітектурою Transformer не тільки спроможні виявляти закономірності та залежності у вхідних даних, але й набувають здатностей до генерації та самонавчання, як-от сучасні великі мовні GPT-моделі. Завдяки своїй спроможності навчатися й адаптуватися до різних даних, нейромережі стають усе більш популярними та корисними інструментами для сучасного світу.
Тематика лекції є актуальною і цікавою для широкого кола науково-педагогічних працівників і здобувачів освіти, викликала жвавий інтерес з боку присутніх.
