Нейросеть научили отличать на фото розы от ромашек. Но на новых фото она часто ошибается. Какая причина наиболее вероятна? Выбери ответ.

Верный ответ: «В обучающем наборе было слишком мало изображений либо они были однообразными».

Почему так

Нейросеть не «понимает» цветок — она находит закономерности в примерах, на которых её обучали. Если в обучающем наборе было мало снимков или все они похожи (одни и те же ракурсы, фон, освещение), сеть запоминает конкретные картинки, а не общие признаки розы и ромашки.

Дальше работает простая логика: на новых фото условия другие (иной фон, свет, сорт цветка), и заученные частные признаки не срабатывают — появляются ошибки. Это называют переобучением или слабой обобщающей способностью.

Почему остальные варианты не подходят

• «Устройство не умеет работать с изображениями» — если бы не умело, сеть не справилась бы и с обучающими фото, а в условии сказано, что отличать её научили.
• «На фотографиях слишком много деталей» — детали не помеха сами по себе; сеть как раз и должна научиться выделять важные из них, если в обучающем наборе было разнообразие.
• «Нейросети больше нравятся розы» — у модели нет симпатий, это перенос человеческих качеств на программу.

Проверка и как исправить

Признак проблемы: высокая точность на обучающих примерах и заметно ниже — на новых. Лечится так: добавить больше разнообразных снимков (разные ракурсы, фон, освещение, сорта), уравновесить классы «розы» и «ромашки», проверить результат на фото, которых сеть не видела.