Перекладати текст між мовами з повним розумінням його змісту

Визначати єдине правильне значення кожного слова незалежно від контексту

Передбачати або генерувати наступне слово (токен) на основі попередньої послідовності слів

Зберігати та відтворювати всі тексти, на яких модель навчалася

Зберігати та відтворювати повні діалоги користувачів без змін

Бути оптимізованою для взаємодії з користувачем і виконання прикладних завдань

Навчатися загальним мовним закономірностям з нуля на великих корпусах текстів

Автоматично керувати апаратним забезпеченням, на якому працює мовна модель

Навчитися загальним мовним закономірностям і структурам на великих обсягах тексту

Давати відповіді користувачам у формі діалогу

Бути повністю готовою до використання в конкретному домені без додаткового донавчання

Зберігати всі тексти з тренувального набору для точного відтворення відповідей

Щоб кожному слову одразу відповідало єдине фіксоване числове значення без урахування контексту

Щоб зберігати повний текст у внутрішній памʼяті моделі для подальшого відтворення

Щоб автоматично визначати сенс слів до початку обчислень

Оскільки моделі виконують обчислення з числами, текстові елементи перетворюються на числове представлення, з яким може працювати модель

Складність або неможливість пояснити, як саме мережа прийняла рішення для конкретного прикладу даних

Неможливість нейронних мереж працювати з великими наборами даних

Потреба у ручному налаштуванні кожної ваги нейронної мережі людиною

Неможливість застосування нейронних мереж до реальних практичних задач

Тому що навчання триває дуже довго у часі

Тому що моделі обов’язково працюють із складними «глибокими» знаннями

Тому що для навчання використовуються дуже великі за обсягом дані

Тому що нейронна мережа складається з багатьох послідовних прихованих шарів

Повний набір усіх початкових ознак, зібраних у наборі даних без змін

Автоматично згенерований прогноз моделі на основі навчальних даних

Нова ознака, створена шляхом поєднання або трансформації кількох початкових ознак для покращення роботи моделі

Випадково обрана окрема ознака, яка не потребує попередньої обробки

Автоматично створене моделлю правило, що пояснює її поведінку

Окрема вимірювана характеристика об’єкта, яка використовується як вхідна змінна для навчання моделі

Результат або прогноз, який генерує модель після навчання

Повний набір даних, на якому навчається алгоритм машинного навчання