Algoritmi za mašinsko učenje mogu da pronađu obrasce, ali u nekim situacijama postoji previše podataka da biste mogli da ih iskoristite. Upravo iz tog razloga velike kompanije koriste veštačke neuronske mreže. One imitiraju strukturu ljudskog mozga i mogu da obrade ogromne skupove podataka. Umesto da koristi algoritme za mašinsko učenje, veštačka neuronska mreža razlaže podatke na mnogo manje delove.

Već sam pomenuo da veštačke neuronske mreže koriste tehniku mašinskog učenja koja imitira ljudski mozak. Osnovnu strukturu mreže čine neuroni koji su dalje podeljeni na slojeve. Slojevi se pomeraju s leva na desno pri čemu postoje ulazni sloj, skriveni i izlazni sloj. Ako mreža ima mnogo skrivenih slojeva, onda se za nju koristi naziv – veštačka neuronska mreža dubokog učenja.

Ukoliko mreža ima više skrivenih slojeva, biće u mogućnosti da lakše identifikuje veoma složene obrasce. Kao primer ću iskoristiti veštačku neuronsku mrežu koja će mi pomoći da odredim da li je na nekoj slici prikazan pas. U pitanju je binarna klasifikacija: jeste pas ili nije pas. Na početku imate sliku koja predstavlja ulazni sloj, da bi na kraju dobili odgovarajuću klasifikaciju – jeste ili nije.

Već znamo da za mašinu slika predstavlja samo kolekciju različitih podataka koji su predstavljeni u formi piksela. U pitanju su male tačke koje imaju različitu boju, nivo osvetljenosti ili kontrast. Zato je potrebno da uzmemo čitavu sliku i da je podelimo na nezavisne elemente. Pod pretpostavkom da je ona visoka i široka po 25 piksela, njihov ukupan broj će biti 625, pa ovaj podatak možemo da ubacimo u neuronsku mrežu. To znači da će svaki piksel biti prenet na ulazni sloj pa će svaki od 625 neurona dobiti numeričku vrednost koja je zasnovana na boji piksela. Dalje, svaki od neurona u skrivenom sloju ima nešto što se zove aktivaciona funkcija. Ona ima ulogu kapije tj. omogućava neuronu da odluči da li ovaj podatak treba poslati na sledeći skriveni sloj u mreži. Podaci o pikselima se zatim šalju dalje do sledećeg skrivenog sloja da bi na izlaznom sloju došli do poslednja dva čvora. Pošto je u pitanju binarna klasifikacija, postoje samo dve opcije, ima psa ili nema psa? Obzirom da se podaci o pikselima kreću kroz slojeve s leva na desno, ovo se naziva napredna neuronska mreža (Feedforward Neural Network).

Jednu od velikih prednosti veštačkih neuronskih mreža predstavlja njihova mogućnost za samostalno podešavanje. One su skoro kao muzički instrument koji se automatski štimuje sve dok ne postigne savršeni ton. Ključna stvar koju morate zapamtiti je da se veštačke neuronske mreže najčešće koriste za nadgledano učenje. Ukoliko ovaj postupak bude uspešan, mreža će sama proceniti da li je ispravno identifikovala vaš unos.