🎯 Definicja
Sieci Neuronowe to algorytmy inspirowane mózgiem. Składają się z warstw “neuronów” (prostych funkcji matematycznych). Każdy neuron bierze sygnały, waży je i przekazuje dalej. Razem potrafią uczyć się niesamowicie skomplikowanych rzeczy (rozpoznawanie twarzy, tłumaczenie języków).
🔑 Kluczowe punkty
- Warstwy: Wejście → Warstwy Ukryte (Hidden) → Wyjście. Im więcej ukrytych, tym “głębsza” sieć (Deep Learning).
- Wagi: To “wiedza” sieci. Uczenie polega na takim dobieraniu wag, żeby wynik był poprawny.
- Trening: Pokazujesz sieci zdjęcie kota i mówisz “to jest kot”. Sieć koryguje wagi (Backpropagation), żeby następnym razem sama to zgadła.
📚 Szczegółowe wyjaśnienie
To uniwersalne aproksymatory funkcji.
Tradycyjny programista pisze if (wasy && ogon) return kot.
Sieć sama znajduje cechy (może to będą wąsy, a może tekstura futra), o których programista by nie pomyślał.
Typy sieci:
- MLP: Podstawowe.
- CNN: Do obrazów (widzą krawędzie, kształty).
- RNN/Transformer: Do tekstu i sekwencji.
💡 Przykład zastosowania
Wykrywanie spamu w emailach. Sieć czyta miliony emaili. Uczy się, że słowa “Viagra”, “Darowizna”, “Książę z Nigerii” występują razem w spamie. Nie musisz pisać reguł. Sieć sama “czuje”, co jest spamem.
📌 Źródła
- 3Blue1Brown - Neural Networks Series (YouTube).
👽 Brudnopis
- To fundament dzisiejszej rewolucji AI. Wszystko co nowoczesne (GPT, Midjourney) to po prostu wielkie sieci neuronowe.