Скрытый слой

Без скрытых слоёв сеть распознаёт только линейные зависимости — например, делит точки прямой. Но реальные задачи — распознавание лиц, перевод текста — требуют иерархий признаков. Скрытые слои строят эти иерархии: каждый следующий уровень видит не пиксели, а абстракции предыдущих — от линий к глазам, носу, целому лицу. Чем больше слоёв, тем сложнее закономерности, потому и говорят о глубоком обучении.

На интуитивном уровне скрытый слой — группа экспертов, передающих друг другу промежуточные выводы. Первый видит грубые очертания, второй уточняет детали, третий сравнивает с образцами. Каждый эксперт активирует нейроны на определённые сигналы, а веса связей настраиваются в обучении. Сеть сама выбирает важные признаки, подстраивая веса под миллионы примеров.

Показательный пример — рукописные цифры. Простая сеть без скрытых слоёв споткнётся о наклон, растяжение или толщину штриха. Скрытые слои выделяют общие штрихи, сравнивают их расположение и только затем принимают решение. Так сеть отличает двойку от змейки даже при небрежном почерке.

В сухом остатке: скрытый слой превращает сырые числа в осмысленное знание. Без него современный ИИ был бы математически красивой, но беспомощной игрушкой. Именно скрытые слои дают сетям гибкость и мощь, позволяющие учиться абстракциям.