V poslednee wremq w oblasti mashinnogo obucheniq proizoshli znachitel'nye izmeneniq, wyzwawshie bol'shoj interes w promyshlennosti, nauchnyh krugah i populqrnoj kul'ture. Oni obuslowleny prorywom w oblasti iskusstwennyh nejronnyh setej, chasto nazywaemyh glubokim obucheniem, - nabora metodow i algoritmow, pozwolqüschih komp'üteram obnaruzhiwat' slozhnye zakonomernosti w bol'shih massiwah dannyh. Prorywu sposobstwuüt rasshirenie dostupa k dannym ("bol'shie dannye"), udobnye programmnye platformy i wzrywnoj rost dostupnyh wychislitel'nyh moschnostej, chto pozwolqet ispol'zowat' bolee glubokie, chem kogda-libo, nejronnye seti. Jeti modeli segodnq sostawlqüt sowremennyj podhod k resheniü samyh raznyh zadach w oblasti komp'üternogo zreniq, qzykowogo modelirowaniq i robototehniki. Glubokoe obuchenie zanqlo widnoe mesto w komp'üternom zrenii, kogda nejronnye seti stali prewoshodit' drugie metody w neskol'kih izwestnyh benchmarkah dlq analiza izobrazhenij. Naibolee izwestnym stalo reshenie Image Net Large-Scale Visual Recognition Challenge (ILSVRC) w 2012 godu, kogda model' glubokogo obucheniq (konwolücionnaq nejronnaq set') wdwoe prewzoshla wtoroj po welichine pokazatel' oshibok w zadache klassifikacii izobrazhenij.