Давайте уже признаемся честно, что у большинства из нас, когда мы слышим словосочетание "искусственный интеллект", до сих пор перед глазами проносятся кадры из фильма "Терминатор" с злыми роботами и сценариями порабощения человечества. Но давайте начистоту, всё это фантастика, которая к реальности имеет примерно такое же отношение, как фильмы про человека-паука к настоящей биологии.
В реальном мире нейросети - это не злобный разум, мечтающий нас уничтожить, а просто очень сложный инструмент, который делает одно и то же действие много-много раз. Складывает, вычитает, сравнивает и ищет закономерности. Очень и очень быстро.
Так что же это такое на самом деле и как они учатся? Давайте разбираться без страшилок, на простых примерах.
Что такое нейросеть простыми словами
Нейросеть - это как ребенок, который учится на примерах. Ты показываешь ему картинки и говоришь: "Это котик, а это собачка". Сначала он ошибается, но чем больше примеров ты покажешь, тем точнее он угадывает. В итоге он сможет узнать котика даже на новой фотографии, которую видит впервые.
Пожалуй это самый простой пример, который я смог придумать. Сначала любая нейросеть, как маленький ребенок. Вы даете ей задачу, она ошибается, вы показываете ей правильный ответ, она подкручивает свои внутренние "винтики", чтобы в следующий раз ответить верно. И так миллионы раз.
Один из экспертов, Алексей Заславский из МГПУ, очень точно сказал: "Нейросеть - это счёты нового поколения в режиме отладки". Почему? Потому что никогда заранее не знаешь, что получится на выходе. Задали вопрос - получили ответ. Но какой будет ответ, зависит от того, как эти "счёты" были настроены и чему их раньше учили.
Как ребенок, который познаёт мир
Самый понятный способ объяснить обучение нейросети, сравнить её с маленьким ребёнком. Вы же не родились с пониманием, что такое кошка? Вас научили.
Кирилл Пшинник, сооснователь университета Zeroсoder, объясняет это так: "Представьте себе ребенка, который только познает мир. Когда он впервые видит собаку, то не понимает, кто перед ним. Мама объясняет ему, что это за животное и чем отличается от других. Потом точно так же она расскажет ему про обычную кошку или тигра, зебру и так далее. Ребенок будет слушать маму и подмечать какие-то детали самостоятельно. По такому же принципу обучается нейросеть".
Разработчики загружают в нейросеть огромные объёмы данных и объясняют, что есть что. "Это кот, а это собака", "это письмо - спам, а это - важное сообщение", "этот отзыв позитивный, а этот - негативный".
Причём, как и ребёнок, нейросеть способна удивлять своих создателей. Уже не раз случалось, что алгоритмы находили детали, о которых люди даже не думали. Например, нейросети сегодня распознают рентгеновские снимки лучше многих врачей, они видят микроскопические отклонения, которые человеческий глаз просто не в состоянии заметить.
Три этапа обучения
Обучение большой языковой модели, процесс сложный и многоступенчатый. Представьте, что вы учите студента, который пришёл в университет вообще без знаний (Ну хотя нам обычно и говорят, забудьте чему вас учили в школе). Сначала он просто читает всё подряд, потом выполняет задания с преподавателем, а затем сдаёт экзамены, где каждый ответ оценивают.
Первый шаг: самостоятельное чтение
На начальном этапе модель просто "пожирает" гигантские объёмы текстов - книги, статьи, сайты, форумы. Это называется самонаблюдаемое предварительное обучение. Модель пытается понять, как слова связаны друг с другом, угадывая следующее слово в предложении. Если вы видите фразу "Я сегодня выпил горячий...", логично предположить, что дальше будет "чай" или "кофе". Нейросеть учится этим закономерностям на миллиардах примеров.
Второй шаг: обучение с преподавателем
После того как модель начиталась, её нужно научить давать правильные ответы. Инженеры готовят специальные пары "вопрос - правильный ответ" и показывают их нейросети. Это похоже на школьный урок: учитель объясняет, какие ответы считаются правильными, а какие - нет.
Третий шаг: обучение с подкреплением через обратную связь от людей
Пожалуй самый хитрый этап. Модель генерирует несколько вариантов ответов, а люди оценивают их, какой лучше, какой хуже. За хорошие ответы нейросеть получает "поощрение", за плохие - "наказание". Постепенно она учится давать именно те ответы, которые нравятся людям.
В общении с нейросетями есть ещё одна важная хитрость. Иногда модель нужно научить новой задаче прямо на лету, без длительного обучения. Для этого используют примеры.
- Запрос без примеров. Вы просто пишете: "Определи тон отзыва". Модель должна сама догадаться, что от неё хотят.
- Один пример. Вы даёте один образец: "Отзыв: "Еда великолепна!" - Позитивный. А теперь: "Обслуживание было ужасным" - тут модель уже понимает формат
- Несколько примеров. Вы показываете модели несколько разных случаев, включая сложные и не очень. Например: позитивный отзыв, негативный и нейтральный. Точность становится максимальной.
Что нужно знать каждому
Нейросети, инструмент мощный, но не идеальный. У них есть особенности, о которых полезно помнить.
Галлюцинации - это норма. Если нейросеть не знает точного ответа, она может его просто придумать. Почему? Потому что она всегда хочет быть полезной и дать ответ, а не сказать "я не знаю". Поэтому любую важную информацию, по здоровью, финансам, юридическим вопросам - обязательно перепроверяйте у реальных специалистов.
Качество на входе - качество на выходе. Нейросеть работает с тем, что вы ей дали. Если вы загрузили плохие данные, не ждите хорошего результата. Иными словами для лучшего результата лучше прописывайте промты для нейросетей.
Промпт - это половина успеха. Чем точнее вы сформулируете запрос, тем лучше будет ответ. Старайтесь всегда задавать для нейросети: роль, контекст, задача и формат ответа. Например: "Ты опытный маркетолог (роль), расскажи про новый смартфон (контекст) в нескольких абзацах для соцсетей (задача) с эмодзи (формат)".
Нейросети - это просто очень сложные математические модели, которые умеют находить закономерности в данных. Они учатся, как дети: сначала впитывают информацию, потом тренируются, а затем оттачивают навыки на оценках. Они не злые и не добрые, у них нет целей и желаний. Они просто выполняют свою программу - максимально точно отвечать на запросы пользователя.
А все разговоры про восстание машин оставим голливудским сценаристам. В реальности намного интереснее наблюдать, как эти удивительные инструменты помогают врачам ставить диагнозы, учителям готовить материалы, художникам искать вдохновение, а обычным людям - экономить время и решать повседневные задачи.
Пользуйтесь, экспериментируйте, но не забывайте включать голову. Нейросеть - помощник, а не замена.