🤯 Может ли нейросеть переобучиться?

Снова вспоминаем, что ИИ — ученик, которому не чужды никакие ошибки обычного школьника. Сегодня разбираемся с таким явлением, как переобучение. Здесь «пере» = слишком.

✍️ Разберемся на примере:

Представьте, что вы учитесь решать задачи по математике и зазубрили, что:
2 + 2 = 4
3 + 5 = 8
7 + 1 = 8

И тут вам дали новую задачу: 6 + 2 = ?

А вы не знаете, как её решать, потому что просто запоминали ответы, но не поняли, что надо складывать числа.
Также и переобученная модель: она «знает» старые примеры, но не умеет работать с новыми.

👩‍🏫 Вот как это выглядит на практике:

Допустим, мы учим нейросеть распознавать кошек и собак по фото.
В обучающей выборке:

✔️Все фото кошек — на белом фоне
✔️Все фото собак — на траве

Сеть не учится отличать по морде или форме ушей. Она запоминает так: белый фон = кошка, зелёный = собака.

❌ Когда мы покажем ИИ фото кошки на траве — получим ответ «собака». Потому что нейросеть запомнила фон, а не животное.

🤔 Почему так происходит?

— Мало данных
— Слишком сложная модель
— Слишком долгое обучение
— Нечестные или однотипные примеры

Конечно же, разработчики стремятся к тому, чтобы избежать таких случаев. Ставьте реакции, если интересно узнать, как именно это происходит 🔥

Сталкивались с такими ошибками?

❤️ — нет, не помню такого
🦄 — возможно было

#теория @EDU4Telegrambot