Read the book: «Нейросети с нуля. Записки AI-креатора»

Name: Нейросети с нуля. Записки AI-креатора
Author: Татьяна Механ

Татьяна Механ

Font::

Часть 1: Знакомство без страха

Глава 1. Что такое нейросети и почему о них все говорят

Почему вы взяли эту книгу?

Скорее всего, потому что слово «нейросети» сейчас звучит отовсюду. Из телевизора, из интернета, от друзей. Кто-то говорит, что это страшно и нас заменят роботами. Кто-то - что это пузырь, который скоро лопнет. А кто-то уже вовсю пользуется и удивляется, как раньше без этого жил.

Вы хотите разобраться сами. И это правильно.

Сразу скажу - никакой магии, сложной математики и страшных формул у меня не будет. Если вы умеете включать компьютер и пользоваться браузером - этого достаточно, чтобы начать понимать и разбираться .

Нейросеть - это как ребенок

Представьте, что вы показываете маленькому ребенку кошку. Вы говорите: «Смотри, это кошка. Она мяукает, у нее пушистая шерстка и острые ушки».

Потом вы показываете собаку: «А это собака. Она лает, у нее может быть длинная морда, и она виляет хвостом, когда рада».

Сначала ребенок может путаться. Увидит пушистое животное и скажет: «Кошка!» А это окажется собака породы шпиц. Вы поправляете: «Нет, это собака, просто она тоже пушистая. Смотри, у нее хвост закручен кольцом, а кошки так не делают».

Проходит время, ребенок видит десятки кошек и собак. И в какой-то момент он перестает ошибаться. Он уже сам, без ваших подсказок, говорит: «Это кошка, а это собака».

Нейросеть учится точно так же.

Мы показываем ей много-много примеров. Говорим: «Вот это кошка, а вот это собака». Сначала она ошибается. Потом ошибается меньше. А потом начинает угадывать правильно.

Разница только в том, что у ребенка — мозг, а у нейросети — программа и математика. Но принцип тот же: обучение на примерах.

Где нейросети живут прямо сейчас (и давно живут)

Вы удивитесь, но вы пользуетесь нейросетями уже много лет.

Просто не знали об этом.

1. Ваш телефон

Когда вы фотографируете на смартфон, нейросеть в камере сама настраивает яркость, убирает шумы и размывает фон (портретный режим).

Когда вы говорите «Окей, Google» или «Привет, Siri», нейросеть распознает ваши слова.

Когда телефон распознает ваше лицо, чтобы разблокировать — это тоже нейросеть

2. Интернет

Когда вы ищете что-то в Google или Яндексе, нейросети помогают угадать, что вы имели в виду, даже если ошиблись в слове.

Когда вы заходите на YouTube или в TikTok, нейросеть предлагает видео, которые вам могут понравиться. Она уже «выучила» ваши вкусы.

Когда вы покупаете что-то на маркетплейсе и видите «С этим товаром покупают» — это нейросеть проанализировала покупки тысяч других людей.

3. Почта и соцсети

Спам-фильтр в почте — нейросеть, которая научилась отличать письма от людей - от писем от мошенников.

ВКонтакте и Telegram распознают лица на фото и предлагают отметить друзей.

Понимаете? Нейросети — это не что-то далекое и фантастическое. Это инструмент, который уже стал частью нашей повседневности. Просто раньше об этом не трубили в новостях.

Почему же сейчас такой ажиотаж?

Хороший вопрос. Если нейросети были всегда, почему о них заговорили только в последние пару лет?

Представьте, что у вас есть велосипед. А потом появляется гоночный мотоцикл. Вроде и то, и другое - транспорт. Но разница колоссальная.

Долгое время нейросети были «велосипедами». Они работали, но медленно и неуклюже.

А потом случилось три события:

1. Стало много данных

Чтобы научить нейросеть хорошо рисовать, ей нужно показать миллиарды картинок. Раньше у нас не было столько картинок в цифровом виде. А теперь есть - интернет заполнен фотографиями, текстами, видео.

2. Появились мощные компьютеры

Чтобы обработать миллиарды картинок, нужны суперкомпьютеры. И они появились. Причем теперь доступ к ним можно получить через интернет (например, видеокарты NVIDIA, которые специально созданы для таких задач).

3. Придумали новые архитектуры

Ученые нашли способ делать нейросети гораздо больше и глубже. Как если бы вместо двухэтажного дома научились строить небоскребы. Такие нейросети называют «глубокими» (отсюда термин «глубокое обучение»).

И когда эти три фактора соединились — данные, мощность и новые идеи - нейросети совершили скачок.

Они научились делать то, что раньше казалось фантастикой: писать тексты как люди, рисовать картины, сочинять музыку, говорить голосами знаменитостей.

Нейросети не думают. Они угадывают

Это самое важное, что нужно понять.

Когда вы спрашиваете у Chat GPT: «Как пройти в библиотеку?», нейросеть не думает о библиотеке. Она не представляет себе здание с книгами. У нее нет сознания.

Она делает другое: она анализирует миллиарды текстов, на которых ее обучали, и вычисляет: «После вопроса "Как пройти в..." скорее всего должно идти слово "библиотеку" или "аптеку" или "метро". Какое из них подходит больше всего?»

Она просто предсказывает следующее слово. Снова и снова.

Это похоже на функцию автодополнения в телефоне, когда вы печатаете сообщение. Телефон предлагает следующее слово, опираясь на то, что вы писали раньше. Chat GPT — это такой же «автодополнятор», только невероятно огромный и сложный.

Поэтому нейросети иногда называют «большими языковыми моделями». Они моделируют (предсказывают) язык.

И поэтому же нейросети могут ошибаться так смешно и странно. Если вы спросите: «Сколько весит радуга?», нейросеть может дать уверенный ответ, хотя радуга не имеет веса. Она просто нашла в интернете похожие вопросы и скомбинировала ответы, не понимая их смысла.

Главный миф, который нужно разрушить

Миф звучит так:

«Нейросети скоро станут умнее людей и поработят человечество».

Давайте разберемся.

Нейросети невероятно хороши в узких задачах:

распознать лицо, перевести текст, нарисовать картинку. Но они совершенно беспомощны за пределами этих задач.

Представьте шахматный компьютер. Он обыгрывает гроссмейстеров. Но попросите его сварить суп — и он даже не поймет, о чем речь. Он существует только в своем маленьком мире шахмат.

Современные нейросети — такие же «узкие специалисты». Они не обладают сознанием, желаниями, целями. Это просто инструменты, как молоток или микроволновка. Только сложнее.

Бояться, что нейросети нас поработят , - все равно что бояться, что молоток однажды восстанет и начнет забивать гвозди против нашей воли.

Нейросети - это наше творение. И только от нас зависит, как мы их используем.

Что вы узнаете из этой книги:

К концу книги вы будете:

Понимать, как работают нейросети

Уметь пользоваться многими нейросетями

Составлять правильные запросы, чтобы получать то, что нужно, а не ерунду

Использовать нейросети в работе и жизни (писать тексты, создавать картинки, делать презентации, генерировать идеи)

Отличать реальные возможности нейросетей от маркетинговых обещаний

Знать, где подвох и как не попасться на удочку дипфейков

Никакого программирования. Никакой математики. Только практика и понятные объяснения

Глава 2. Как "думает" нейросеть? Объяснение на пальцах

Анатомия мысли: от биологии к математике

Почему эти штуки вообще назвали «нейросетями»?

Слово «нейро» — от греческого «нейрон», то есть нервная клетка. В нашем мозге около 86 миллиардов нейронов. Каждый из них —крошечная клетка, которая получает сигналы от других клеток, обрабатывает их и передает дальше.

Упрощенно нейрон работает так:

1. Входы — дендриты (отростки, которые принимают сигналы от соседей)

2. Ядро — обрабатывает, суммирует сигналы

3. Выход — аксон (длинный отросток, передающий сигнал дальше)

Искусственный нейрон устроен так же, только вместо биологии — математика:

1. Входы — числа, которые приходят от других нейронов

2. Ядро — сложение и умножение этих чисел

3. Выход — результат, число, которое передается дальше

Нейросеть — это просто множество таких нейронов, соединенных между собой.

Один нейрон как простой «решатель»

Представьте, что один-единственный нейрон - это строгий охранник в клубе.

У него есть правило: «Пускать только тех, у кого есть пригласительный или кто заплатил вход».

У этого правила два входа:

· Есть пригласительный? (ДА = 1, НЕТ = 0)

· Заплатил вход? (ДА = 1, НЕТ = 0)

Охранник-нейрон смотрит на входящего, суммирует эти два числа. Если сумма равна 1 или 2 (то есть хотя бы одно условие выполнено), он пропускает. Если сумма равна 0 — не пропускает.

Это и есть простейшая нейросеть: один нейрон, который принимает решение на основе входных данных.

Теперь усложним задачу.

Пусть охранник пропускает только тех, у кого есть пригласительный и заплачено. Тогда правило меняется: пропускать, если сумма равна 2 (оба условия выполнены).

Один нейрон может реализовать такие простые правила (И, ИЛИ, НЕ). Но жизнь сложнее.

Чтобы решать реальные задачи, нейронов нужно много.

Почему одного нейрона мало, а много — хорошо.

Один нейрон — это как один человек, который пытается решить сложную проблему в одиночку. Он ограничен.

А когда нейронов много, они объединяются в группы и слои. Каждый слой решает свою маленькую задачу, а вместе они справляются со сложной задачей.

Представьте конвейер на заводе:

· Первый слой рабочих берет куски металла

· Второй слой вырезает из них детали

· Третий слой собирает детали в узлы

· Четвертый слой красит готовое изделие

Никто из них не делает всю машину целиком. Но вместе они производят автомобиль.

В нейросетях так же:

· Первый слой ищет простые признаки (линии, края, точки)

· Второй слой собирает из линий простые формы (круги, квадраты)

· Третий слой из форм собирает сложные объекты (глаза, нос, уши)

· Четвертый слой из объектов собирает картину целиком (лицо человека)

Чем больше слоев, тем сложнее абстракции, которые может понимать нейросеть. Поэтому современные сети такие глубокие (отсюда «глубокое обучение»).

Ваш первый «живой» нейрон (упражнение с ручкой и бумагой)

Давайте сделаем так, чтобы вы прочувствовали, как работает нейрон. Возьмите лист бумаги и ручку. Отложите телефон, сделайте это упражнение — и вы поймете то, что многие не понимают годами.

Задача:

Мы научим один-единственный нейрон отличать теплый день от холодного.

Шаг 1. Готовим данные

Выпишите в столбик несколько дней с разной температурой и поставьте отметку, тепло это или холодно. Например:

День Температура Тепло?

1 марта -5° Нет (0)

1 июня +25° Да (1)

1 апреля +10° ?

1 июля +30° Да (1)

1 декабря -10° Нет (0)

1 мая +20° ?

Шаг 2. Нейрон принимает решение

Наш нейрон будет работать по простой формуле:

Если температура больше или равна 15°, то ответ = 1 (тепло)

Если температура меньше 15°, то ответ = 0 (холодно)

Это и есть решение нейрона.

Порог 15° — это то, что называют «весом» или «порогом активации».

Шаг 3. Проверяем

Пройдите по всем дням и посчитайте, что ответит нейрон:

· -5° → меньше 15° → ответ 0 (холодно) ✓ правильно

· +25° → больше 15° → ответ 1 (тепло) ✓ правильно

· +10° → меньше 15° → ответ 0 (холодно) — но мы не знаем, правильно ли это

· +30° → больше 15° → ответ 1 (тепло) ✓ правильно

· -10° → меньше 15° → ответ 0 (холодно) ✓ правильно

· +20° → больше 15° → ответ 1 (тепло) — но мы не знаем

Шаг 4. Сложный случай

А что, если мы живем в Сочи, где +10° считается теплом? Тогда наш нейрон с порогом 15° ошибается. Нужно менять порог.

Опустим порог до 8°: тогда +10° будет давать ответ 1 (тепло). Но тогда +5° тоже станет теплом — а это уже перебор.

В этом и заключается обучение нейросети — мы подбираем такие пороги (веса), чтобы нейрон давал правильные ответы на большинство примеров.

Как нейросеть учится: метод «тыка» с обратной связью

Вы, наверное, играли в детстве в игру «горячо-холодно». Кто-то прячет предмет, а вы ходите по комнате, а ведущий говорит: «Холодно» (далеко), «Теплее» (ближе), «Горячо» (почти нашли).

Нейросети учатся так же.

Этап 1. Первая попытка (тык вслепую)

Нейросеть смотрит на картинку и наугад выдает ответ. Например, на фото кошки говорит «Собака». Это «холодно» — ответ неправильный.

Этап 2. Обратная связь

Мы говорим нейросети: «Ошибка. На самом деле это кошка». И показываем правильный ответ.

Этап 3. Корректировка

Нейросеть чуть-чуть меняет свои внутренние настройки (веса связей между нейронами), чтобы в следующий раз на похожей картинке ответ был ближе к правильному.

Этап 4. Повторение

Нейросеть смотрит миллионы картинок с кошками и собаками, каждый раз чуть подкручивая настройки в правильную сторону. Постепенно ошибок становится все меньше.

Этот процесс называют обратным распространением ошибки. Звучит сложно, но суть проста: нейросеть постоянно спрашивает себя «Насколько я ошиблась?» и чуть-чуть исправляется.

Почему нейросети такие «тупые» вне своей задачи.

Теперь вы поймете, почему Chat GPT не может подсчитать, сколько букв в слове, а Midjourney рисует людей с шестью пальцами.

Вернемся к нашей аналогии с охранником. Охранник отлично знает правила фейс-контроля. Но попросите его прочитать лекцию по квантовой физике — и он ничего не скажет, потому что его этому не учили.

Нейросети — такие же узкие специалисты.

· Chat GPT учили на текстах. Он знает, какие слова обычно идут после других слов. Но он не умеет считать буквы, потому что его этому не учили.

· Midjourney учили на картинках. Она знает, как выглядят люди, но не знает, что у людей по пять пальцев. Она просто видела много картинок, где пальцы нарисованы как попало.

Поэтому когда вы просите нейросеть сделать то, для чего ее не обучали, она начинает «галлюцинировать» - выдавать уверенную ерунду. Она не понимает, что это ерунда. Она просто выдает наиболее вероятный ответ, основываясь на своих данных.

Как это знание поможет вам на практике

Понимание того, как «думает» нейросеть, дает вам суперсилу.

Во-первых, вы перестанете ждать от нейросетей невозможного. Вы не будете разочаровываться, когда Chat GPT ошибется в простом расчете, — вы будете знать, что это не его специализация.

Во-вторых, вы научитесь давать нейросетям правильные задачи. Вы будете понимать, где они сильны, а где слабы.

В-третьих, вы сможете объяснять другим, почему нейросеть сделала ту или иную ошибку. А объясняя — будете лучше понимать сами.

В следующих главах мы перейдем к практике и научимся разговаривать с нейросетями так, чтобы они нас понимали. А пока давайте закрепим главное.

· Нейрон — простой элемент, который получает числа на вход, обрабатывает и выдает число на выход

· Нейросеть — множество нейронов, соединенных в слои

· Слои работают как конвейер: от простых признаков к сложным

· Обучение — это подбор весов (порогов) методом проб и ошибок с обратной связью

· Нейросети «тупые» вне своей задачи, потому что их учили только одному делу.

Часть 2: Пробуем сами (без программирования)

Глава 3. Знакомство с текстовыми помощниками (Chat GPT и другие)

О чём эта глава

Помните, в прошлой главе мы говорили, что нейросети — это просто инструмент? Так вот, сейчас мы возьмём в руки самый мощный из доступных инструментов — текстовые нейросети. Мы научимся задавать вопросы и получать толковые ответы.

Какие бывают текстовые помощники (полная картина)

Начнём с главного вопроса: «А чем вообще пользоваться?».

Текстовых нейросетей сейчас как грибов после дождя. Чтобы не заблудиться в этом лесу, давайте разделим их на несколько групп.

Группа 1: Тяжеловесы (мировой уровень)

Это нейросети, которые задают тренды. Их разрабатывают крупнейшие технологические компании с многомиллиардными бюджетами.

Ниже приведу примеры - некоторых нейросетей :

ChatGPT - OpenAI (США) -

Самый умный, понимает контекст, умеет писать код, огромное сообщество - Веб, iOS, Android

Claude - Anthropic (США) -

Лучше всех работает с длинными текстами (до 200 страниц), безопасный, этичный

Веб, iOS

Gemini - Google (США) -

Глубоко интегрирован с поиском Google, знает свежие события

Веб, iOS, Android

Copilot - Microsoft (США)

Работает на базе Chat GPT, но бесплатно и с доступом в интернет. Встроен в Windows и Bing Веб, Windows, приложения

DeepSeek - Глубинное обучение (Китай)

Мощный конкурент ChatGPT, отличное понимание контекста, очень длинные ответы, полностью бесплатный

Веб, приложения

Особенность этой группы: Они самые умные и способные. Но для доступа к некоторым из них (особенно Chat GPT и Claude) может потребоваться VPN, и у них есть платные подписки (от 20$ в месяц за расширенные возможности).