Как работает ИИ - Урок №4

В прошлом уроке мы с вами разобрали, что искусственный интеллект — это такой универсальный помощник. Он может быть текстовым, визуальным, музыкальным, или вообще универсальным, как ChatGPT, который справляется с самыми разными задачами. Но мы пока не обсудили, как же ИИ вообще работает. А это очень важно.

Многие представляют искусственный интеллект как нечто вроде человеческого мозга, как будто это живой компьютер, который думает, чувствует и выдаёт «своё мнение». На самом деле это не так. Текущие технологии ещё далеки от настоящего сверхинтеллекта. То, что мы называем искусственным интеллектом сегодня, устроено совсем иначе.

Чтобы объяснить принцип работы ИИ, давайте возьмём простую и близкую многим метафору — кухню. Представьте, что у вас есть ресторан, и вы наняли туда робота-повара. Вы хотите, чтобы он умел готовить вкусный борщ без вашего постоянного контроля.

Что нужно сделать?
Сначала вы даёте ему очень много примеров: рецепты, фото готовых блюд, видео приготовления, последовательность шагов. Робот наблюдает, замечает закономерности — что и когда нарезать, сколько варить, в какой момент солить. После этого он уже может приготовить борщ сам, опираясь на выявленные шаблоны.
С ИИ всё примерно так же. Правильно говорить, что искусственный интеллект — это общее понятие, под которым часто подразумевают нейросети. Эти модели обучаются на огромных массивах данных — текстах, изображениях, аудио. Они не хранят готовые ответы и не «вспоминают» информацию, как человек. Вместо этого они выявляют закономерности в обучающих данных, а затем синтезируют новый ответ, который с наибольшей вероятностью соответствует вашему запросу.

И тут важный момент: если «робота-повара» обучали только на вегетарианских рецептах, он просто не будет знать, что такое мясо, и всегда предложит вегетарианский борщ. Точно так же и ИИ: если в обучающем наборе нет определённых фактов или примеров, модель их не выдумает «из памяти» — она построит ответ только из того, что встречала в данных, и того, как вы сформулировали запрос.

Пример из жизни.

На вопрос «почему небо синее?» хорошо обученная модель выдаст объяснение про рассеяние света в атмосфере. Не потому что «вспомнила статью», а потому что в обучении такие объяснения встречались и они высоковероятны для такого запроса.

Таким образом, нейросеть, увы, не волшебство. Это система шаблонов и закономерностей, и работает она на трёх основных принципах:

1. Данные. Нужно загрузить огромное количество информации — как ингредиенты для блюда.
2. Алгоритм. Нужна чёткая программа, по которой всё будет обрабатываться.
3. Обучение. Нужно многократно тренировать модель, чтобы она выдавала точные и полезные ответы.

Представьте: вы хотите, чтобы ИИ варил хороший кофе.

Вы берёте и загружаете в него миллионы рецептов и описаний про кофе.

Он анализирует, замечает закономерности — например, что слово «кофе» часто встречается рядом с «молоком».

Поэтому, если вы спросите у него, какой кофе вкусный — он может поначалу всегда отвечать «кофе с молоком». Это называется биас — предвзятость.

Если он чаще встречал рецепты с молоком, он будет думать, что это и есть универсальный стандарт вкуса.


То же самое с вопросами вроде «что лучше — Android или iPhone?». Всё зависит от того, каких данных было больше и какие шаблоны он чаще видел. Но если вы дадите нейросети всю возможную информацию — она начнёт отвечать более взвешенно и точно.

А теперь, если вы хотите чуть глубже разобраться в механике работы ИИ — вот краткое, но содержательное объяснение без излишней математики, но уже ближе к языку специалистов.


Большинство современных ИИ-моделей, в том числе ChatGPT, построены на базе модели типа LLM (Large Language Model), которая работает на механизме предсказания следующего токена (следующего слова). Т

То есть, она смотрит на цепочку слов, которую вы ей дали, и на каждом шаге вычисляет, какое слово с наибольшей вероятностью идёт следующим.

Чтобы понимать контекст, модель применяет механизм внимания (attention) — она не просто идёт слева направо, а «взвешивает», какие слова в вашем запросе наиболее важны, и делает выводы на их основе.

С создании изображений вместо "слов" будут пиксели.


Давайте пример.
Если вы напишите ИИ просьбу заменить в тексте письма слово "интересно", на синонимы, то ИИ на основании предсказании следующего слова предложит наиболее вероятные слова, например "познавательно, увлекательно".

При необходимости можно управлять специальными параметрами вроде temperature, top-p (nucleus sampling), frequency и presence penalties. Они управляют креативностью и разнообразием ответа. Как это сделать - мы разберем в отдельном "pro занятии".


Ну и важный момент: нейросеть ничего не знает в привычном смысле слова.

Она не имеет базы знаний как энциклопедия. Она просто обучена на огромном количестве текстов и на их основе предсказывает, как бы «выглядел» логичный ответ в похожем контексте.


Если обобщить, то работа ИИ — это не логика, не память, не размышление, а статистическая генерация текста/изображений/музыки.

И именно поэтому так важен хорошо составленный промпт (или команда по русски): он помогает сузить поле вероятностей и получить ответ, который действительно «попадает в цель».

Важно: этот курс разработан для всех начинающих пользователей.
Если хотите стать настоящим экспертом в применении искусственного интеллекта - у меня разработано несколько курсов для промпт инженеров - обязательно их пройдите (они доступны в разделе "курсы").

Итак, искусственный интеллект — это не мозг и не волшебный разум. Это система, которая работает по схеме: Вход (ваш запрос) → Обработка (поиск закономерностей) → Выход (ответ).
Когда вы задаёте вопрос, например, «придумай лучший рецепт борща»,


ИИ начинает перебирать шаблоны из миллионов рецептов, анализирует закономерности, соединяет элементы — и выдает скомпилированный ответ.