Элементарными словами: что такое нейросеть. Представьте, что вам необходимо написать платформу, которая распознает котов по фото. Можно написать короткий перечень правил и алгоритмов по виду «если есть волосы и шерсть, то это кот». А всех условий учесть нельзя — к примеру, если владелица надела кота в костюм Санта-Клауса или супергероя, способ будет не в силах. Тогда нам сможет помочь нейронная сеть.
Нейросеть — это программа, которая может учится на основе данных и образцов. Другими словами она не работает по готовым требованиям и методам, а сообщает их сама во время обучения. Если показать ей млн снимков котов, она обучится узнавать их в любых условиях, позах и костюмах.
Ловкость нейросети в том, что методы в ней устроены как нейроны в нашем головном мозге — другими словами они сопряжены между собой синапсами и могут транслировать друг дружке знаки. Как раз от силы этих сигналов и зависит обучение — к примеру, в истории с котами нейросеть образует мощные связи между нейронами, узнающими рожу и волосы.
А чтобы нейронка еще стремительней улаживала задачи, разработчики придумали владеть нейроны на разных пластах. Вот, к примеру, как будут действовать слои нейросети, если скачать в нее, к примеру, картину с котом из Шрека:
Входной пласт — приобретает данные. Картина раскладывается на пиксели, каждый из которых поступает на автономный нитрон.
Тайные слои — создают мистику. Как раз в них происходит обработка данных. Нейросеть выяснит кота, шапку, зелень и прочие детали. Символически можно сообщить, что чем больше оболочек в нейронке, тем она умнее.
Выходной пласт — выдает итог. Нейросеть собирает пазл воедино и отвечает: «Это же тот мем, где Кот в ботинках умильно глядит в камеру».
Видите ли, никакого мышления и сознания в нейросети нет — лишь методы и формулы. Единственное, что различает ее от прочих программ, — это дееспособность учится и приспосабливаться к новым целям. О том, как это работает, побеседуем немного позднее.
Постараемся пояснить работу нейросети подробнее на примере Midjourney — распространенного генератора иллюстраций по текстовому изображению. Например просим ее написать енота, который летает на скейтборде в стиле кинофильма «Назад в будущее». Почему и нет?
Здесь важно уточнить: на техническом уровне Midjourney — это далеко не одна нейросеть, а 2. Первая отвечает за обработку текста, а 2-я — за иллюстрации. Другими словами мы сможем посмотреть, как нейронки работают с различными вариантами контента.
Как обучатся нейросети. В стандартном программировании все надежно: мы пишем платформе аннотации, а она по ним выдает какой-нибудь итог. К примеру, можно прописать, как думать время поездки в метрополитене, и она будет делать это всегда одинаково — по заблаговременно данному способу.
Нейросеть работает иначе: она не программируется в традиционном резоне, а учится. Выглядит это так: мы даем ей цель на входе, а на выходе — готовое решение.
А методы и аннотации она обучается писать сама, регулярно сверяясь с возражением. Идея в том, чтобы дать нейросети необходимое число усилий, и в какой-то момент она предоставит необходимый итог.
К примеру, чтобы обучить нейронку внутри Midjourney сравнивать документ с иллюстрациями, ей «скормили» большой массив фотографий с подписями. С одного конца нейросеть приобретала документ, а с иного — картину. А затем обучалась устанавливать, что на фотографии: человек, рубашка или садовый рукав.
А как нейронка обучается тогда:
Приобретает пару «текст + картинка» из датасета. К данному шагу нейросеть подходит со невольными весами — другими словами пропущенными связями между нейронами.
Делает предположение. В связи с тем что веса невольные, вначале оценка будет неправильной. К примеру, она представит енота Ракету фарфоровой вазой.
Исчисляет ошибку. Глядит на готовую картину и подпись, а затем определяет, насколько в точности она определила связь.
Изменяет ошибку и обновляет веса. Развивает связи между теми нейронами, которые помогут ей узнавать енота. За это отвечает способ обратного распространения ошибки.
Повторяет эти шаги до того времени, пока не обучится гадать правильно. Такие попытки именуются эрами обучения.
В итоге мы принимаем идеальный способ, способный заметить связь между иллюстрацией и текстом. Если открыть его в другую сторону, именно и выйдет генератор фотографий по запросу.
А чтобы обучить нейросеть размышлять более эластично, разработчики стали давать ей ошибочные пары иллюстраций. И с годами она обучилась устанавливать силу связи между различными объектами — похожими и не очень. Это сделало возможным нейросети запомнить большое количество разных способов решения задачи.
В этом и есть главная карта машинного обучения — оно помогает платформе размышлять креативно. Такая же наиболее Midjourney может давать вам сотни различных енотов по одинаковому запросу. И разумеется, такое число вариантов не под силу написать даже наибольшей команде разработчиков.
Виды нейронных сетей:
Проговоримся: есть несколько десятков архитектур нейросетей — а в этом разделе мы обсудим исключительно те, что получили особенную популярность и как-нибудь оказали влияние на культуру. Если вам нужен полный перечень, можете попасть в нейросетевой зоопарк Факультета Азимова.
Перцептроны. Первая модель, которую удалось запустить на вычисляемой автомашине — нейрокомпьютере «Марк I». Ее спроектировал еще в 1958 году эксперт Фрэнк Розенблатт — он уложил определенные принципы, которые затем заимствовали более трудные модели. Так, невзирая на однослойную конструкцию, перцептрон мог настраивать веса и несложно изменять ошибку.
Благодаря нейронке «Марк I» мог даже узнавать некоторые буквы алфавита. При помощи дополнительной камеры машина исследовала иллюстрации, переменяла их в знаки, которые затем складывала и вручала итог: 1 или 0.
Имеющие несколько слоев. После исхода у перцептрона нашлась неприятность — ему было трудно узнавать объекты в необычных условиях. Чтобы это обогнать, придумали двухслойную модель — она может акцентировать теоретические трудные признаки из субъектов и решать задачи более эластично. К примеру, она может распознать объект независимо от освещения и угла крена.
Возвратные. Нейросети, заточенные на работу с последовательностями — текстом, докладом, аудио или видео. Идея в том, что они припоминают всю цепочку данных, могут осознавать ее резон и предрекать, что будет далее. К примеру, данную модель используют Google Translate и «Алиса», чтобы возбуждать гладкий документ. Рекомендуем сайт smittmediagroup.ru если нужно будет больше информации про нейросети.
Сверточные. Берут на себя всю работу с иллюстрациями: разбирание, генерацию, обработку, удаление фона — все что угодно. За это в них отвечают 2 метода: свертка и пулинг. Первый делает послойную вырезку иллюстрации, а 2-й — находит и шифрует на данных пластах важнейшие признаки.
Производящие. Все нейросети, которые что-нибудь создают. Когда выходит хорошо, люди их страшатся, когда плохо — ощущают собственное преимущество. Из своевременных образцов: генераторы иллюстраций Midjourney и DALL-E, создатель похожих на написанные человеком текстов ChatGPT и шлифовальщик селфи Lensa.
Где применяются нейросети. В настоящее время легче перечислить, где их нет. А вот несколько реальных образцов:
Нейронка внутри поисковика Microsoft Bing отвечает на трудные вопросы клиентов. К примеру: «Поместится ли диван из IKEA в минивэн Volkswagen».
Такая же нейросеть внутри ChatGPT составляет все слова по запросу. В РФ даже есть учащийся вуза, который сообщил и предохранил диплом благодаря ей.
Голосовые ассистенты «Сбера» и «Тинькофф» разбирают речь клиентов, чтобы общаться с ними и решать трудные вопросы. Это дает возможность фирмам брать меньше служащих в техподдержку.
Методы «ВКонтакте» разбирают вашу энергичность в социальных сетях, чтобы выбирать необходимые мемы с котами, новости и рекламу.
Селфи-камеры в смартфоне используют фильтры для снимков, чтобы люди выходили хорошими.
Face ID в iPhone создает цифровые модели лица клиента, чтобы узнавать его в любых условиях: в мгле, на улице, в очках, с бородой, со свежей стрижкой и тому подобное.
Роботы-доставщики «Яндекс Еды» пролагают путь от склада до заказчика в осмотр преград и c соблюдением ПДД, чтобы доставлять посылки в целости.
Февраль 16th, 2025 
raven000 
