Простейший пример искусственного интеллекта (нейросети) на Пайтоне:
from sklearn.neural_network import MLPClassifier #Импорт библиотеки
clf = MLPClassifier(solver='lbfgs', alpha=1e-5, hidden_layer_sizes=(7, 2), random_state=1) #Создание нейросети с заданными параметрами
clf.fit(x_train,y_train) #Обучение нейросети
y_proba = clf.predict_proba(x_test) #Использование нейросети на тестовых данных
print(log_loss(y_test, y_proba)) #Вычисление показателя качества обучения нейросети (логлосс = логарифм количества ошибок; чем меньше, тем лучше)
Комментарий:
clf - это объект-нейросеть типа MLPClassifier
x_train - массив вопросов (для обучения)
y_train - массив правильных ответов (для обучения)
x_test - массив вопросов (для теста)
y_test - массив правильных ответов (для теста)
y_pred - массив ответов, полученных с помощью нейросети clf.
fit() - функция обучения
predict_proba() - функция предсказания (вычисление вероятности)
log_loss() - функция вычисления качества обучения (это не часть нейросети, это функция учителя)
Для полного понимания здесь не хватает комментариев относительно размерностей массивов вопросов и ответов, но для начала вкуривания пойдет. Неучи должны ощутить хотя бы что-то. А то медленно в массы заходит "магия".