え～っと、ニューラルネットワークとは何なのですか？
これは、データから学習するコンピュータプログラムを構築するための技術です。人間の脳が活動している様子をどのように再現するのかといったことに、大まかにもとづいています。まず、ソフトウェア「ニューロン」の集合が生成され、お互いに接続されます。それらが互いにメッセージのやりとりを行うことが可能になります。次に、このネットワークには解決する問題が与えられ、成功に導く接続は強化され、失敗につながる接続は弱められます。何度も何度もこの試みは繰り返されます。ニューラルネットワークに関する詳説については、Michael Nielsenの「Neural Networks and Deep Learning」が手頃です。より技術的な概説については、Ian Goodfellow、Yoshua Bengio、Aaron Courvilleによる「Deep Learning」を手に取ってみてください。
これはクールだ！ 他に利用してもいいですか？
どうぞ、どうぞ！私たちは、GitHubにソースを公開しました。ニューラルネットワークが、より身近に、かつ学びやすくなることを期待しています。みなさんは、Apache Licenseに準拠していれば、どんな目的にも自由に使用できます。そして、もし機能追加や変更の提案がありましたら、私たちに知らせてください。
私たちはまた、playgroundを特定のトピックやレッスンに向け適用できるようにするため、以下のようなコントロールを用意しました。以下の機能のうち、表示したいものを選択したあと、このページのを保存するか、更新してください。
使われている色は何を表していますか？
オレンジ色と青色は、表示する箇所により、若干異なって用いられていますが、一般的にオレンジ色は負の値を示し、青色は正の値を示しています。
データ点（小さな円で表されている）は、最初に橙色または青色に着色され、それぞれ正の値および負の値に対応しています。
隠れ層では、接続を表す曲線はニューロン間の接続の重みによって色づけされます。青色は正の重みを示します。つまり、そのネットワークはニューロンの出力を符号を変えずに使用しています。橙色の線は、ネットワークが負の重み付けで接続されていることを示しています。
出力レイヤーでは、データ点は元の値に応じてオレンジ色または青色に着色されています。背景色は、特定の領域についてのネットワークの予測を示しています。色の濃さは、予測がどれほど確定的なのかを示しています。
どのライブラリを使用していますか？
私たちは、この教育的視覚化の要求を満たす小さなニューラルネットワークライブラリを作成しました。実際のアプリケーションでは、TensorFlowライブラリを検討してください。
クレジット
このページは、Daniel SmilkovとShan Carterによって作成されました。 この仕事は、多くの先駆者がなした仕事の延長線上にあります。 － 特に、Andrej Karpathyのconvnet.jsデモ、 Chris Olahのニューラルネットワークに関する記事です。 D. Sculleyには、元々のアイデアに助け舟を出していただいたことに感謝いたします。そして、Fernanda Viégas、Martin Wattenberg、そのほかBig PictureチームやGoogle Brainチームからのフィードバックとガイダンスにも感謝いたします。