12+
- Глава 1. Теоретические основы и история развития нейронных сетей
- 1.1. Введение в идею нейронных сетей
- 1.2. Первые идеи и теоретические основы
- 1.3. Рождение первого искусственного интеллекта: персептрон
- 1.4. Возрождение интереса: многослойные сети и обучение
- 1.5. Эпоха глубокого обучения
- 1.6. Кто создавал нейросети: учёные и инженеры, изменившие историю
- 1.7. Сколько существует нейросетей и какие они бывают
- 1.8. Для чего создаются нейронные сети
- 1.9. Как нейросети учатся и «понимают» мир
- 1.10. Современное состояние и масштабы
- 1.11. Заключение
- Глава 2. Архитектуры нейронных сетей
- 2.1. Введение: зачем нужны разные архитектуры
- 2.2. Полносвязные сети (многослойные персептроны, MLP)
- 2.3. Сверточные нейронные сети (CNN, Convolutional Neural Networks)
- 2.4. Рекуррентные нейронные сети (RNN, LSTM, GRU)
- 2.5. Трансформеры и механизм внимания (Transformers)
- 2.6. Генеративные нейронные сети (GAN, Diffusion, VAE)
- 2.7. Эволюционные и спайковые нейронные сети
- 2.8. Гибридные архитектуры
- 2.9. Сколько архитектур существует и как быстро они развиваются
- 2.10. Итоги главы
- Глава 3. Обучение нейронных сетей
- 3.1. Введение: почему обучение — это сердце нейросети
- 3.2. Как мыслит нейросеть: интуитивная аналогия
- 3.3. Цель обучения
- 3.4. Что такое данные
- 3.5. Как начинается обучение: «инициализация»
- 3.6. Обучение с учителем
- 3.7. Обучение без учителя
- 3.8. Обучение с подкреплением
- 3.9. Эпохи и итерации
- 3.10. Переобучение и недообучение
- 3.11. Регуляризация: искусство «забывать лишнее»
- 3.12. Оптимизация: как сеть делает шаги к пониманию
- 3.13. Валидация и тестирование
- 3.14. Обучение больших моделей
- 3.15. Самообучение и непрерывное обучение
- 3.16. Интуиция, ошибки и понимание
- 3.17. Обучение как процесс эволюции
- 3.18. Философское значение обучения
- 3.19. Продвинутые методы оптимизации
- 3.20. Механизмы памяти
- 3.21. Методы борьбы с забыванием
- 3.22. Самообучающиеся модели
- 3.23. Мультимодальные модели
- 3.24. Методы объяснимого обучения
- 3.25. Передовые методы масштабирования
- 3.26. Тренды в обучении AGI
- 3.27. Философские и практические аспекты обучения
- 3.28. Обучение с подкреплением (Reinforcement Learning, RL)
- 3.29. RLHF — обучение с подкреплением на основе обратной связи человека
- 3.30. Методы масштабного обучения больших моделей
- Глава 4. Практические направления применения нейросетей
- 4.1. Введение
- 4.2. Медицина и здравоохранение
- 4.3. Финансы и экономика
- 4.4. Производство и логистика
- 4.5. Образование и обучение
- 4.6. Наука и исследования
- 4.7. Искусство, дизайн и творчество
- 4.8. Робототехника и автономные системы
- 4.9. Бизнес и маркетинг
- 4.10. Безопасность и правопорядок
- 4.11. Средства массовой информации и коммуникации
- 4.12. Личное использование и хобби
- 4.13. Обобщение
- Глава 5. Возможности нейросетей для заработка, карьеры и новых профессий
- 5.1. Введение
- 5.2. Создание и внедрение нейросетевых решений
- 5.3. Новые профессии и специализации
- 5.4. Карьерные возможности в существующих индустриях
- 5.5. Стратегии интеграции нейросетей в бизнес и личные проекты
- 5.6. Этические и практические аспекты монетизации
- 5.7. Реальные кейсы заработка на нейросетях (подробно)
- 5.8. Стратегии монетизации нейросетей (подробно)
- 5.9. Прогнозы доходности и экономические перспективы
- 5.10. Практические шаги для новичков
- 5.11. Стратегии для профессионалов
- 5.12. Перспективы и будущие возможности
- Глава 6. Создание сайтов с помощью нейросетей
- 6.1. Введение
- 6.2. Этапы создания сайтов с использованием нейросетей
- 6.3. Монетизация сайтов, созданных с помощью нейросетей
- 6.4. Практические шаги для новичков
- 6.5. Профессиональные стратегии
- 6.6. Будущие перспективы
- 6.7. Инструменты для создания сайтов с помощью нейросетей
- 6.8. Примеры заработка на создании сайтов с помощью нейросетей
- 6.9. Пошаговое руководство по созданию сайта с помощью AI
- 6.10. Стратегии для новичков и профессионалов
- 6.11. Будущие перспективы
- 6.12. Практический раздел: создание сайтов с помощью нейросетей
- Глава 7. Риски злоупотребления нейросетями: как мошенники используют ИИ — угрозы, механизмы, защита
- 7.1. Введение: почему нейросети стали интересны мошенникам
- 7.2. Классификация основных угроз
- 7.3. Общие признаки применения ИИ в мошенничестве (индикаторы) — что настораживает
- 7.4. Последствия и масштаб угрозы
- 7.5. Методы детекции и технические средства защиты (без инструкций для злоумышленников)
- 7.6. Право, ответственность и этика
- 7.7. Практические рекомендации для организаций и граждан (как защищаться)
- 7.8. Обучение, готовность и международное сотрудничество
- 7.9. Исследования и открытые вопросы
- 7.10. Заключение: оборона через информированность и дизайн
- Глава 8. Перспективы и будущее развития нейросетей
- 8.1. Введение: новые горизонты ИИ
- 8.2. Нейросимвольные системы
- 8.3. Искусственное обобщённое мышление (AGI)
- 8.4. Квантовые нейросети
- 8.5. Самоорганизующиеся и самообучающиеся системы
- 8.6. Слияние человека и машины
- 8.7. Интеграция технологий
- 8.8. Сценарии будущего (10–50 лет)
- ГЛАВА 9. Этические и социальные аспекты искусственного интеллекта
- 9.1. Введение
- 9.2. Прозрачность и интерпретируемость
- 9.3. Проблема предвзятости данных
- 9.4. Ответственное использование ИИ
- 9.5. Законодательство и регуляции
- 9.6. Будущее труда и общества в эпоху ИИ
- 9.7. Заключение
- Глава 10. Размышления о разуме: человек, машина и смысл
- 10.1. Пролог
- 10.2. Искусственное сознание и отражённый разум
- 10.3. Диалог двух разумов
- 10.4. Распределённое мышление и коллективный интеллект
- 10.5. Этический горизонт нового разума
- 10.6. Заключение: разум как отражение