Noch nicht, um das Problem von Anfang bis Ende zu lösen. Aber es kann in bestimmten Phasen helfen. Betrachten wir sie im Detail: Suche und Aufbereitung der Daten und Auswahl der Zielfunktion für das Training. Diese Phase erfordert ein gründliches Verständnis der Besonderheiten der spezifischen Aufgabe und der endgültigen Ziele, so dass Expertenwissen unerlässlich ist. Ein neuronales Netzwerk kann jedoch helfen, einige Hilfsaufgaben zu lösen, z.B. die anfängliche Datenerfassung, die Auswahl der geeigneten Netzwerkarchitektur und ihrer Parameter. Hier gibt es bereits in gewissem Maße die automatisierten Techniker der Suche nach optimalen Entscheidungen (AutoML) mit Hilfe anderer Methoden der maschinellen Ausbildung, einschließlich neuronaler Netze, die tatsächlich ein neuronales Netz trainieren, d.h. einen Prozess der Optimierung der Zielfunktion. Dabei spielen die Parameter des Optimierungsprozesses eine wichtige Rolle. Es gibt Algorithmen zur Vorhersage der optimalen Optimierungsparameter, einschließlich neuronaler Netze, Analyse der Lernergebnisse (Qualität) und Auswahl weiterer Maßnahmen. Auch hier sind wir mit einer Situation konfrontiert, in der ein gründliches Verständnis der Aufgabe, ein Verständnis auf der Ebene eines menschlichen Spezialisten, für die richtige Interpretation der Ergebnisse und für weitere Entscheidungen erforderlich ist, und in diesem Fall helfen uns die neuronalen Netze noch nicht gut.

Für eine erfolgreiche Zusammenarbeit neuronaler Netze ist es wichtig, folgende Bedingungen zu erfüllen: die Sprache des Kunden zu verstehen. Die entsprechenden Ressourcen bereitzustellen, die Anforderungen der Parteien zu erfüllen, aber das Wichtigste - der Wunsch zu lernen und zu kooperieren!