b733e4
Научим создавать свои игры, сайты и приложения
Начать учиться
Modal window id: popup-initschool

Что такое нейросеть

Что такое нейросеть
6.6K

Искусственный интеллект — одна из самых горячих тем в 2023 году. Одни видят в нём дверь в будущее, а другие — сценарий из фильма «Терминатор». Но кто из них прав, узнать пока не дано.

В этой статье мы простыми словами расскажем всё, что нужно знать о нейросетях: что это такое, как они работают и чем уже сегодня помогают человеку. Также попробуем заглянуть вперёд и предположить, как будут развиваться технологии искусственного интеллекта в ближайшие годы.

Нейросеть: что это такое и на что способна

Нейросеть — это программа, но она гораздо умнее любой другой на вашем компьютере. Она умеет анализировать, а если её как следует обучить, то сможет даже создавать нечто новое.

О самых известных из них, а также об их возможностях, вы наверняка уже слышали. DALL-E и Midjourney генерируют картинки на основе подробных запросов, RunwayML умеет редактировать видео, а ChatGPT вообще стал звездой 2022 года. Он может пообщаться с вами на сложные темы, написать стих, статью и даже попытается предсказать будущее, если попросите. Обратите внимание: чтобы пользоваться некоторыми из этих сервисов в России, придётся включить VPN.

И это ещё не всё. Уже сегодня программы могут столько, что можно сказать лишь одно: будущее уже здесь. Вот что умеют нейросети:

  • распознавать визуальные образы;

  • узнавать человека по голосу;

  • определять эмоции на лице по мимике;

  • моделировать человеческую речь на любом языке мира;

  • обрабатывать и создавать изображения, которые не отличить от настоящих;

  • генерировать лица людей, которых никогда не существовало;

  • прогнозировать возможное будущее по результатам анализа данных и многое другое.

Позже мы рассмотрим примеры, как люди используют все эти возможности в разных сферах деятельности.

Как работает нейросеть

Нейросеть — умная штука. Весь секрет в её строении — она похожа на человеческий мозг. У нас он состоит из нейронов, которые связаны друг с другом через синапсы. Нейросеть повторяет эту модель, только в её случае это искусственные нейроны. На самом деле они — вычислительные элементы, похожие на настоящие. На то, из чего состоит такая программа, указывает её название — нейросеть, т. е. нейронная сеть.

Структура современной нейросети напоминает торт «Наполеон»: в ней тоже много слоёв. И чем их больше, тем она умнее. При этом слои в нейронке не одинаковые: среди них есть входные, скрытые и выходные. Чем полезен каждый из них — разберём в таблице.

Виды слоёв в многослойной нейронной сети

Слои

Что делают

На примере ChatGPT

Входной

Принимает вводные данные

Получает запрос пользователя, разделяет его на ключевые слова

Скрытые

Обрабатывает запрос и подбирает решение

Переводит ключевые слова в числа и анализирует их, чтобы понять суть запроса, разрабатывает подход к ответу

Выходной

Выдаёт готовый результат

Генерирует ответ и выдаёт его пользователю

Эти слои есть в каждой многослойной нейронке, только в разных проектах они работают над разным результатом. Где-то это генерация картинок, где-то — ответ на вопрос, как в примере с ChatGPT.

Как обучаются нейронные сети

Предположим, на литературе вам задали написать стихотворение об осени, но делать домашку не хочется. Поэтому вы идёте к ChatGPT и просите сочинить стих за вас. Он справляется, но откуда программа вообще знает, что такое «осень» и «стихотворение»? Ответ: её этому уже научили. Т. е. загрузили в нейросеть большой объём данных, где есть всё и обо всём. Он называется датасет.

Но дать нейронке изучить датасет — мало. Теперь её нужно тренировать — учить выполнять запросы пользователя. Если бы речь шла об обычном программировании, человек написал бы алгоритм, по которому программа могла бы решать задачу.

В случае с нейросетями всё по-другому. Человек даёт машине задачу и результат, а она сама путём проб и ошибок ищет, как проложить путь из точки A в точку B, то есть самообучается. Именно этим нейросети отличаются от любой другой программы, что делает их уникальной вехой технологий.

Вот как нейросеть DALL-E учили распознавать образы на фотографиях:

  1. Нейронка получает из датасета картинку и пытается угадать, кто на ней изображён, в форме текста.

  2. Чтобы проверить, угадала она или нет, программа сверяется с датасетом, где у каждой картинки есть подпись. Это похоже на то, как вы проверяете ответы по математике в конце учебника.

  3. С первой попытки не вышло — это всегда так. Теперь, как в случае с ответами и математикой, нейронка понимает, что есть ошибка в решении.

  4. Программа возвращается к началу, обновляет внутри себя информацию о картинке и пробует ещё раз.

  5. Так продолжается до тех пор, пока ответ нейронки не совпадёт с тем, что написано в датасете. К этому времени она уже подметит много особенностей изображения, и в следующий раз узнает предмет на ней гораздо быстрее.

Это лишь примерная модель обучения, которую мы изложили простыми словами. На самом деле всё куда сложнее. Но для того чтобы узнать, как пользоваться нейросетью, вам не нужно изучать всё досконально. Пока остановимся на этом.

Modal window id: popup-professionsbox

Как появились нейросети

Когда мы говорим «нейросети», то сразу думаем о чём-то футуристичном или как минимум современном. Но на самом деле идеи таких технологий появились уже давно. Концепция нейросети и искусственного интеллекта зародилась ещё в прошлом веке, в 40-х годах. Тогда учёные задумались о том, чтобы создать программу, которая имитировала бы работу человеческого мозга.

Впервые им это удалось в 1943-м, когда Уоррен Мак-Каллок и Уолтер Питтс разработали математическую модель нейтрона. А ещё через несколько лет наука создала перцептрон. Это простая программа, которую можно было научить распознавать и группировать изображения с помощью фактов о них.

Именно перцептрон можно назвать первой искусственной нейронной сетью, менее умным старшим братом всех современных проектов. Он и положил начало следующим разработкам в этой области. Вот как всё развивалось дальше:

  • 1949 год. Канадский физиолог и нейропсихолог Дональд Хебб предполагает, что обучение через нейроны происходит благодаря силе синаптических связей.

  • 1954 год. В MIT разрабатывают компьютерную имитацию сети Хебба.

  • 1957 год. Американский психолог Фрэнк Розенблатт создаёт особые математические модели. Они имитируют то, как нервная система обрабатывает информацию, но собрано всё это на основе двухслойной нейросети.

  • 1969 год. Марвин Минский и Сеймур Пейперт исследуют нейросети и находят основные вычислительные проблемы — компьютер не может работать с функцией «Исключающее ИЛИ». Исследования замедляются, наука временно теряет интерес к нейросетям.

  • 1975 год. Пол Вербос разрабатывает способ избежать ошибок с функциями — метод обратного распространения ошибки.

  • 1975 год. Кунихико Фукусима работает над конгитроном — одной из первых многослойных нейросетей в истории науки.

  • 1982 год. Разработана сеть Хопфилда, нейроны которой могут передавать информацию в двустороннем порядке. Позднее это развивают и называют коннективизмом.

  • 1986 год. Учёный Дэвид Руммельхарт и психолог Дэвид Макклелланд используют коннективизм, чтобы смоделировать нейронные процессы в цифровом формате.

  • 2000-е годы. В мире появляются компьютеры с мощными графическими процессорами. Это толкает учёных активнее развивать нейросети.

  • 2000-е годы. Учёные впервые говорят о Deep Learning: глубоком обучении — виде машинного обучения многослойных нейросетей, которые умеют самообучаться на больших объёмах данных.

  • 2010 год. Понятие Deep Learning закрепляется в научной сфере. Нейросети начинают проникать в разные сферы.

  • 2018 год. Open AI разрабатывает первую версию языковой модели GPT-1, а затем — GPT-2 в 2019-м.

  • 2020 год. Open AI заканчивает разработку GPT-3 и на её основе создаёт ChatGPT — чат-бот с искусственным интеллектом.

  • 2022 год. ChatGPT показывают миру, он становится мировым трендом, который набирает 100 миллионов пользователей за 2 месяца.

История нейросетей ещё в самом начале. Прямо сейчас многие крупные IT-компании вдохновляются успехом ChatGPT, Midjourney и других «выстреливших» проектов. Цель каждой — создать нечто своё. Например, Google уже разрабатывает собственные проекты: языковую модель Bard и генератор музыки MusicLM.

Российские компании не отстают: в 2023 году Сбер уже запустил собственную нейронку Kandinsky. Это отечественный аналог Midjourney — умеет создавать изображения по своему алгоритму на основе запроса.

1.8K

Что такое дополненная реальностьЧитать →

Получи больше пользы от Skysmart:

Для чего нужны нейросети: сферы применения

В начале статьи мы уже приводили несколько примеров нейронок, которые мы используем в обычной жизни. Теперь давайте пройдёмся по всем важным сферам и разберём несколько громких кейсов для каждой из них.

Медицина

Сейчас многие говорят, что в будущем находить заболевания сможет искусственный интеллект. Если как следует научить его, он будет точно анализировать данные пациента и результаты его анализов по алгоритму. Это избавило бы сферу от врачебных ошибок, которые могут допускать люди. Но пока такой степени прогресса мы не достигли, и нейросетям доверяют только рутинные задачи, которые не связаны с риском.

Уже сегодня ИИ анализирует рентген-снимки, результаты КТ и МРТ, чтобы помочь врачам точнее поставить диагноз. Это похоже на то, как ребёнка в 3 года учат называть предметы на карточках. Только вместо арбузов и букварей нейросети ищут переломы и опухоли.

Чем нам полезны нейросети уже сейчас
Цельс — онлайн-проект компании «Медицинские скрининг-системы», который использует нейросеть, чтобы расшифровать результаты снимков. Он пока доступен только в демоварианте, но уже успел провести 1 900 000 исследований.

Образование

ИИ — хороший помощник для преподавателей. С его помощью можно автоматически проверять домашние задания или поручать языковой модели подготовить план урока, презентацию, конспект и многое другое. Словом, это то, что поможет автоматически делать всю рутину.

Но нейронки полезны и самим ученикам. И мы сейчас вовсе не про то, что можно отдать домашку программе, чтобы не делать самому. Эксперты считают, что нейросети помогут ученикам стать креативнее и развить критическое мышление. Например, Кевин Руз из New York Times уверен, что студенты могут общаться с ChatGPT и задавать ему вопросы, а после — перепроверять его ответы самостоятельно. Это научит их критически относиться к информации в интернете. Об этом он пишет в своей статье «Don’t Ban ChatGPT in Schools. Teach With It».

Чем нам полезны нейросети уже сейчас
В «Московской электронной школе» уже анализируют данные с помощью нейросети. Программа помогает учителям узнать, сколько времени студенты тратят на домашку, теорию и разные задания. А после оценить, успевают ли ученики за образовательным планом. К этой системе подключили уже 37% школ Москвы.

Искусство

Когда нейросети появились в открытом доступе, с ними пришли и новые профессии. В том числе — в искусстве. Теперь среди нас есть AI-творцы, которые создают картины с помощью искусственного интеллекта, пишут музыку и произведения литературы.

Однако у этого прорыва есть и обратная сторона медали. Они связана с этикой и законом. Например, люди вынуждены решать, кому принадлежат авторские права на произведение, которое создал ИИ. Подумайте об этом и вы, если тема вас заинтересовала.

Чем нам полезны нейросети уже сейчас
Яркий пример тандема человека и программы в искусстве — это детская книга, которую Бретт Шеклер написал вместе с ChatGPT всего за пару часов. Позже в издательстве Reuters сообщили, что на Amazon продаются уже больше 200 таких произведений.

Строительство и архитектура

Возможность быстро анализировать большие объёмы данных полезны и в строительной сфере. Так, нейросети помогут застройщикам искать дефекты в разных материалах. А ещё по особому алгоритму прогнозировать сроки ремонта и то, когда постройка вообще может стать негодной. Всё это поможет специалистам сэкономить бюджет и повысить уровень контроля качества.

Чем нам полезны нейросети уже сейчас
В 2019 году в России представили BIMLIB 2.0 — платформу на базе нейронной сети. Её научат распознавать строительные материалы и их характеристики по алгоритму с точностью до 90%. А ещё она поможет специалистам быстро рассчитывать смету для проекта.

Безопасность

Возможность распознавать голоса и лица — ключевая для сферы безопасности. Уже сейчас её используют, чтобы создавать умные системы слежения для общественных мест, которые помогут ловить преступников в розыске. Или чтобы следить за своей квартирой — вдруг туда проникнет кто-то посторонний, пока вас нет дома.

То же самое полезно и для дорожного движения. Но в этом случае распознавать уже будут автомобильные номера и марки авто. Например, чтобы найти того, кто превысил скорость или скрылся с места ДТП.

Чем нам полезны нейросети уже сейчас
Похожие технологии уже давно есть и на российских дорогах. Например, в видеорегистраторах TRASSIR NeuroStation, в которых есть функция нейроаналитики. Если такой регистратор увидит, что пешеход попал в опасную зону рядом с авто, он предупредит об этом водителя.

Ответы на частые вопросы

Какие типы нейросетей существуют и зачем они нужны?

Выделяют несколько типов таких программ, но отличаются они по разным характеристикам. Таблица ниже поможет нам разобраться в нейросетях и в том, на что они способны.

Типы нейронных сетей

По каким признакам отличаются

Типы

Чем отличаются

По количеству слоёв

Однослойные

Простые нейросети, которые могут выполнять такие же элементарные задачи

Многослойные

Сложные нейросети, которые отличаются гибкостью

По распределению информации между синапсами

Однонаправленные

Сигнал движется по нейронам строго от входного слоя к выходному

Рекуррентные

Сигнал может двигаться как вперёд, так и назад. Это позволяет нейросети брать результат первого вычисления и возвращаться с ним к началу алгоритма

По типу нейронов

Однородные

Состоит из нейронов одного типа

Гибридные

Сочетает в себе несколько типов нейронов

По способу обучения

Обучение с учителем

Требует участия человека в обучении

Обучение без учителя

Обучается сама

Обучение с подкреплением

Обучается сама, но при этом взаимодействует со средой

По функциям

Свёрточные

Хорошо умеет распознавать зрительные образы, подходит для работы с видео и фото

Генеративные

Умеет создавать контент на основе запроса и данных из датасета

Что такое глубокое обучение и как оно связано с нейросетями?

Deep Learning или глубокое обучение — это методы машинного обучения, с помощью которых многослойные сложные нейронки самостоятельно учатся решать разные задачи. Такие сети не требуют участия человека. Они сами могут анализировать данные и учатся на своих ошибках.

Что за программы и ЯП используются для работы с нейросетями?

Чаще всего для программирования нейронных сетей используют алгоритмы на Python или MatLab. Реже можно встретить проекты, написанные на R, C#, C++, Java, Go и другие. Также программисту нейронок стоит овладеть программами MatLab и Deductor и познакомиться с подходящей средой разработки, например Jupyter Notebook.

2.7K

Языки программирования для начинающихЧитать →

За искусственным интеллектом стоит будущее. Уже сейчас на рынке появляются новые профессии — миру нужны люди, которые смогут писать алгоритмы и работать с нейронными сетями. Поэтому, если вас тянет в IT, самое время научиться кодить. На курсах программирования в Skysmart Pro вы познакомитесь с одним из популярных языков на выбор: от Python до Javascript. И к концу курса создадите несколько проектов для портфолио. Попробуйте вводный урок — это бесплатно!

Открыть диалоговое окно с формой по клику
Бесплатный вебинар
Бесплатный вебинар
Бесплатный вебинар
Научиться разработке
Подготовиться к ОГЭ/ЕГЭ
Получите план развития в программировании
  • Поможем с выбором IT-профессии
  • Вместе сделаем первый проект
  • Расскажем, как проходят занятия
Шаг 1 из 2
Шаг 1 из 2
Шаг 2 из 2