Предыдущая статья
* * *
Математика вместо магии
Многие представляют искусственный интеллект как фантастический сверхразум из кино. На самом деле всё гораздо прозаичнее и интереснее одновременно. Если «вскрыть капот» современного ИИ, мы не найдем там сознания — мы найдем там гигантскую математическую таблицу.
Давайте разберемся, как это работает, почему ученые когда-то хотели «оцифровать» мозг Ленина и зачем нейросетям нужны тысячи маленьких «калькуляторов».
1. Матрёшка понятий: AI, ML и DL
Чтобы не путаться в терминах, представьте себе матрешку:
- Искусственный интеллект (ИИ, AI) — это самая большая матрешка. Сюда входят любые программы, которые имитируют поведение человека
- Машинное обучение (МО, ML) — матрешка поменьше. Это алгоритмы, которые не просто следуют правилам, а сами находят закономерности в данных
- Глубокое обучение (ГО, DL) — самая маленькая и современная матрешка. Это сложные многослойные нейросети, которые сегодня и совершают те самые «чудеса» с текстом, видео и картинками
2. От мозга Ленина до мушки-дрозофилы
Идея создать искусственный мозг не нова. Математические основы нейросетей были описаны еще почти 100 лет назад. В советское время даже существовала амбициозная программа: нарезать мозг Ленина тончайшими слоями, изучить все связи между нейронами и воссоздать его математически, чтобы получить «кибер-вождя».
Технологии того времени не позволили этого сделать. Чтобы вы понимали масштаб задачи: на сегодняшний день человечеству удалось полностью оцифровать только мозг мушки-дрозофилы — на большее пока просто не хватает мощностей.
3. Как «учится» нейросеть? (Аналогия с ребенком)
Нейросеть рисуется как набор кружочков (нейронов) со связями. Обучение модели очень похоже на то, как мы учим ребенка буквам.
- Вы показываете ребенку букву «А» 20–30 раз
- Мозг ребенка постепенно выстраивает связи: «Если я вижу две палочки домиком и перекладину — это "А"»
В нейросети это происходит через математическую оптимизацию. Она делает прогноз, сравнивает его с правильным ответом (находит «функцию потерь») и возвращается назад, чтобы подкрутить внутренние настройки (коэффициенты), чтобы в следующий раз ошибиться меньше.
4. Почему «прорвало» именно сейчас? Революция видеокарт
Основы были известны давно, но почему прорыв случился только сейчас? Ответ в «железе». Раньше всё считали на обычных процессорах (CPU). У них в среднем 16 мощных ядер, которые могут всё, но по чуть-чуть.
А потом ученые поняли, что обучение нейросети — это просто бесконечное перемножение гигантских таблиц с числами (матриц). И здесь на сцену вышли видеокарты (GPU), которые в играх занимаются примерно тем же – постоянно рендеря (отрисовывая) сложные визуальные виды по установленным заранее правилам. В одной видеокарте может быть 16 000 маленьких ядер. Каждое из них — как слабенький первоклассник, который умеет только умножать «два на два». Но когда 16 000 таких «первоклассников» делают это одновременно, они справляются с задачей в 10 000 раз быстрее, чем один суперпрофессор-процессор.
Именно эта скорость позволила обучать модели не на 50 параметрах (как в диссертациях 6-летней давности), а на 1 триллионе параметров (и более).
💡 Лайфхаки и полезные примеры
Правило «Мусор на входе — мусор на выходе»
Это главный закон ИИ. Нейросеть не «умничает» сама по себе, она просто ищет связи в тех данных, которые ей дали. Если вы дадите ей плохие инструкции или недостоверные факты, она выдаст такой же плохой результат, просто очень уверенным тоном
- Пример из жизни: Запросите у любой чат-модели рецепт запечённых «свиных крылышек» или «говяжьих крылышек» (или любого другого объекта, которого в природе не существует). Сеть попроще тут же придумает на ходу восхитительный ответ. Сети посовременнее уже знают про этот прикол и могут в ответ отшутиться, либо хотя бы предупредить, что это фантазия 😊
ИИ как «вероятностный бухгалтер»
Помните, что ИИ никогда не дает 100% точного ответа, как калькулятор. Даже если нейросетка очень убедительна, с любом своем ответе она имеет ввиду: «Это правильный ответ с вероятностью 85%»
- Пример из жизни: Если бухгалтер в 1С ошибся — это баг либо программы, либо бухгалтера (третьего не дано). Если нейросеть ошиблась — это её «природа», она просто сделала ставку не на ту вероятность. Поэтому за ней всегда нужно перепроверять важные детали.
* * *
Если вам интересно узнать, почему ИИ иногда начинает «галлюцинировать» и придумывать несуществующие факты — дайте знать в комментариях, попробую разобрать это в следующих публикациях…
* * *
Следующая статья