
Нейросети стали популярны в 2022 году, хотя появились десятилетиями раньше, просто не были «на слуху». В основном мы знаем о них только то, что они могут генерировать тексты и картинки, но на самом деле у нейронок намного больше функций и сфер применения. Расскажем, что это простыми словами, как появилось и где используется.
Как появились нейросети
Первопроходцами были Уоррен Маккалоу и Уолтер Питтс. В далёком 1944 году эти исследователи из университета Чикаго выдвинули идею, что можно создать нечто, что сможет выполнять часть задач вместо человека. Тринадцатью годами позже психолог Фрэнк Розенблатт уже предложил практически полноценную обучаемую нейросеть. Она была максимально примитивной, но другой тогда и быть не могло – не было достаточно мощных компьютеров.
Кстати, параллельно стал зарождаться искусственный интеллект. Джеффри Хинтон заинтересовался им сразу после выпуска из Кембриджа и даже написал немало научных статей на эту тему. Например, в 1986 году был опубликован материал, рассказывающий об обучении многоуровневых нейронных сетей.
Потом был период некоторого затишья, пока в 2012 году не появилась разработка в сфере распознавания картинок с помощью AlexNet. Соавторами Хинтона в проекте стали выходцы из России, которые и продали свою разработку Google за более чем 40 млн долларов. Через 6 лет появился ИИ BERT, а в конце 2022 года мир узнал о ChatGPT, запущенном компанией OpenAI.

Что такое нейросеть
Нейросеть простым языком – один из вариантов машинного обучения, при использовании которого программа на компьютере работает почти так же, как мозг человека. Но если в человеческом мозге для передачи информации используются нейроны, то в нейросетях – специальные вычислительные элементы.
Если упростить совсем, то нейросеть можно считать аналогом мозга человека – она тоже способна обучаться, «понимать» собеседника, давать осмысленные ответы и выполнять задания. Современные ИИ могут даже обучаться самостоятельно на основе той информации, которую получили ранее. Но при этом задействованы не те нейроны, которые даны человеческому телу от природы, а искусственные.
Сама по себе такая программа – чистый лист. Это можно сравнить с новорождённым, который, появляясь на свет, не умеет ничего. Но даже здесь есть отличие – у детей есть врождённые рефлексы, чего нет у компьютерной программы. Поэтому её обучают.
Какие существуют
Существуют несколько типов нейронных сетей:
- Перцептрон. Разработан в середине прошлого века Фрэнком Розенблаттом. Максимально примитивны, основная задача – создание логических операций. Разработка представляет собой алгоритм, способный обрабатывать входящие данные и принимать решения на их основе. В нём только один слой нейронов, каждый с несколькими входами и только одним выходом.

- CNN, сверточные нейросети. Их основная задача – работа с изображениями, в частности анализ и обработка. Они могут классифицировать картинки, распознавать различные образы, в том числе в видео. Одна из самых ранних версий LeNet-5 использовалась, чтобы распознавать написанные от руки цифры. В 2012 году появилась AlexNet – она классифицировала изображения. На мобильных устройствах работает MobileNet.

- RNN, рекуррентные. Такие алгоритмы работают с последовательными данными, например временными рядами, человеческой речью и текстами. В них между нейронами есть обратные связи, благодаря чему может учитываться контекст и зависимость между разной информацией. Простейший вариант – SimpleRNN.
- LSTM, сети долгой краткосрочной памяти. Это разновидность рекуррентных нейронок. Используется в сфере генерации текста, анализа временных рядов и машинного перевода.

- Сети с архитектурой внимания. Способны моделировать взаимосвязи между различными данными. Сфера применения – генерация текста, машинный перевод. Особенность их в том, что они используют принцип внимания, благодаря чему способны, как человеческий мозг, различать взаимосвязи и контекст. Самая известная – Transformer, способная обрабатывать человеческий язык и генерировать тексты.
- GAN, генеративные. Как понятно из названия, их используют для генерации новой информации. Например, с их помощью можно создавать реалистичные картинки.

- Трансформеры. Относительно новая разновидность, которая сочетает в себя функции нескольких нейронок. То есть, они способны одновременно и генерировать текст, и работать в качестве чат-бота, и создавать изображения.
Кроме того, существует деление по количеству слоёв. Есть две большие группы – многослойные и однослойные нейронки. Первые благодаря нескольким слоям неоднократно обрабатывают информацию, поэтому дают лучший результат на выходе. Однослойные выдают результат моментально после загрузки данных.
Также есть деление на однородные и гибридные, самообучаемые и обучаемые человеком, аналоговые и двоичные и др.
Кто и как обучает нейросети
Сама по себе нейросеть – просто компьютерная программа, которая ничего не будет уметь, если не научить её работать с данными. Например, чтобы научить нейронную сеть прогнозировать цену на топливо, ей необходимо задать два параметра:
- вводную информацию – стоимость топлива за предыдущие периоды, динамику цен и др.;
- результат – стоимость топлива, например, через 30 дней.
То есть, в программу загружаются реальные цены на день, неделю или месяц назад, она всё это анализирует и «предсказывает», что будет с ценой дальше. Все эти данные обрабатываются благодаря нескольким слоям, допустим, их будет два по четыре нейрона в каждом, и один на выходе. В нашем примере обучение происходит следующим образом:
- подаем информацию о ценах на вход;
- она обрабатывается в первом слое;
- проверяем результат – если он близок к реальному, «укрепляем» те связи, которые участвовали в его создании;
- если результат совершенно не реалистичен, «ослабляем» нейроны (это ещё называется «уменьшить вес»);
- так делаем до тех пор, пока не появятся правдивые итоги – на это может уйти и тысячу, и миллион повторений.
По сути, человек настраивает программу так, чтобы она могла анализировать информацию подобно человеческому мозгу. Естественно, без погрешностей обойтись не удаётся, но и человек не может не допускать ошибок вообще никогда.

Примерно так же работает и самообучение нейронных сетей, но здесь не будет участвовать человек. Сеть самостоятельно будет определять, какой результат её устроит, и в какой момент нужно остановиться – не ослаблять и не укреплять нейронные связи.
При обучении нейросетей используются специальные алгоритмы. Универсального не существует, поэтому в основном используют алгоритмы, позволяющей обучать работе с текстами и изображениями. В этой сфере существует ещё одно понятие – deep learning (глубокое обучение).
Есть несколько разновидностей алгоритмов обучения:
- обратного распространения;
- упругого распространения;
- генетический алгоритм.
Это только самые распространённые алгоритмы, на самом деле, их намного меньше в сфере ML.
Принцип работы
Состоящая из искусственных нейронов, сеть работает подобно мозгу человека. Её элементами являются программные модули или специальные узлы, взаимодействующие между собой и обменивающиеся информацией, что необходимо для решения поставленной задачи. В базовой нейросети есть три слоя нейронов:
- входной;
- скрытый;
- выходной.
В глубоких нейронных сетях каждой связи нейронов присваивают «вес», по которому определяют значимость этой связи. Обычно вес – это случайное значение. Те данные, с помощью которых обучают сети, подаются на один слой – чаще всего входной. Потом информация проходит через все следующие слои, достигая выходного. Значение веса корректируется до тех пор, пока на выходном слое не будет нужной информации. Причём важна не только её корректность, но и «одинаковость» – результатом обучения должна стать возможность нейронной сети давать одинаковый ответ на один и тот же вопрос.
Если ещё больше упростить принцип работы нейросети, её можно сравнить с пустой банкой, куда загружаются данные. Эти данные берутся из открытых источников – коллекций картинок, научных произведений, статей, литературы. Приведём простой пример – в нейронку можно загрузить все произведения Шекспира, она обработает их и сможет выработать похожий стиль, который потом будет использовать для написания собственного текста.
Точно так же создаются и изображения – в нейросеть загружают множество картинок, которые она анализирует и обрабатывает, а на выходе выдаёт картинки в заданном стиле, в том числе, подражая популярным художником. При этом изображение не будет копией уже существующего, а будет полноценной и уникальной картинкой. Всё это возможно благодаря тому, что компьютерная программа может перерабатывать огромные массивы информации и находить в них закономерности, на основе которых в том числе выстраивать прогнозы, генерировать изображения, тексты многое другое.
Где используют нейронные сети
Сфер применения нейронных сетей очень много. Самые распространённые:
- Компьютерное зрение. Они способны обрабатывать изображения и анализировать данные. Самый простой пример – они способны находить на картинке отдельные детали. Например, это может использоваться в сфере видеонаблюдения – так работают системы по распознаванию лиц, которые в том числе помогают находить преступников. Это же используется в других областях – робототехнике, навигации и др. Ещё один пример – системы автоматической парковки в автомобилях, которые анализируют изображения с камеры.
- Обработка естественного языка. Здесь не обходится без искусственного интеллекта – он способен анализировать языковые данные, причём не только тексты, но и «живую» речь. Например, с помощью сетей можно классифицировать текст на отдельные подгруппы – обычную информацию, спам, рекламу, новости. Кроме того, они способны вычленять из текста отдельные детали – названия городов, имена людей или наименования организаций. Ещё одна сфера использования – машинный перевод на разные языки. Также сюда можно отнести и генерацию текста – например, тот же ChatGPT способен создавать не только простейшие описания, но и целые рассказы, отвечать в соцсетях, составлять заголовки. При этом нейронки способны распознавать тональность так, что иногда их ответы сложно отличить от составленных человеком. По этому же принципу работают и голосовые помощники, которые анализируют речь и даже эмоции человека.
- Система рекомендаций. Сети способны анализировать поведение пользователей и, например, рекомендовать им услуги, контент или товары. Это используется в тех же интернет-магазинах – программа анализирует, какие покупки и как часто совершает пользователь, на основе чего строит прогнозные модели и составляет персональные рекомендации. Такой же принцип используется в Spotify, онлайн-кинотеатрах, соцсетях при формировании ленты и др.
С развитием нейронок их стали использовать и в сферах, далёких от интернета – обеспечении безопасности, медицине, риск-менеджменте, анализе финансовых данных, робототехнике, биоинформатике, играх, системах управления, промышленности и др.
Сможет ли нейросеть заменить человека
На самом деле, беспокоиться есть о чём – согласно исследованию инвестиционного банка Goldman Sachs, искусственный интеллект может привести к увольнению примерно 300 млн людей, и это только в развитых странах. В первую очередь под удар могут попасть сотрудники, чья деятельность связана с умственным трудом – юристы, дизайнеры, программисты и др.
Возможности искусственного интеллекта сегодня впечатляют. Простой пример – завоевание первого места в конкурсе изобразительных искусств нейросетью Midjourney. Именно созданная ей картина победила в американском конкурсе.
ИИ сегодня не только рисует картины, но и пишет рассказы, составляет договоры, строит прогнозы, управляет различными системами – тем, что раньше мог делать только человек, причём с соответствующим образованием. А если учесть, что большинство из них способны самообучаться, то для многих работников картина складывается не самая перспективная.
Но несмотря ни на что, в ближайшем будущем полностью заменить человека нейросеть не сможет, особенно это касается творческих профессий. Они ещё не способны наравне с человеком учитывать контекст, тональность, мыслить креативно и использовать творческий потенциал.

специалист по работе с искусственным интеллектом и нейросетями
Анастасия Доля
Комментарии