Semināra anotācija:
Dziļo Neironu Tīklu apmācība līdzīgi kā evolūcija dabā ir tikai optimizācijas metodes. Taču to neparastās iespējas rodas no dabisko vai mākslīgo neironu tīklu spējas optimizācijas procesā pielāgoties treniņdatiem - apkārtējās pasaules in/out piemēriem un tādējādi spēt paredzēt out no in arī agrāk nepieredzētās situācijās: neironu tīklā iekodējas apkārtējās pasaules modelis.
Līdz nesenam laikam apmācīta neironu tīkla iekšējā darbības loģika tika uzskatīta par nepārtrauktu un tādējādi praktiski neatšifrējamu "melno kasti". Taču šobrīd ir izvirzīta hipotēze, ka vairumā gadījumu labi apmācīti neironu tīkli konverģē uz apslēptu diskrētu datu reprezentāciju un darbības loģiku un tādējādi ir atšifrējami atklājot tajos iekodēto diskrēto pasaules modeli. Ja šī hipotēze piepildīsies, tas varētu izraisīt revolūciju knowledge representation jomā kā arī izpratnē par dzīvnieku atmiņu. Šajā lekcijā tika apskatīti agrīnie rezultāti.