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 его работы, я приведу простую метафору с кухней. Представьте себе, что у вас есть ресторан, и вы наняли туда робота-повара. Вы хотите, чтобы он умел готовить вкусный борщ, без вашего участия. Но чтобы он это делал правильно, его нужно сначала обучить.

Вы даёте ему сотни рецептов борща и объясняете закономерности: что сначала режем лук, потом варим морковь, сколько соли добавляем и так далее.

Точно так же работает нейросеть. Её правильнее даже называть не «искусственным интеллектом», а именно нейросетью. Она учится на миллионах текстов — книг, сайтов, форумов и других источников. Она впитывает в себя эти шаблоны, чтобы потом на их основе выдавать ответы.

Иными словами, ИИ — это своего рода «компилятор» знаний. Он не придумывает, а собирает из уже известных данных. Например, если вы обучите его только на вегетарианских рецептах, он вообще не будет знать, что такое мясо, и всегда будет предлагать вегетарианский борщ.

Но если начнёте добавлять в его обучение рецепты с мясом, он начнёт экспериментировать: сначала пересолит, потом добавит слишком много мяса, потом наоборот — один кусочек.

Но с каждой новой порцией данных он будет всё точнее готовить мясной борщ.


Вот и нейросеть.

Её ответы напрямую зависят от того, на чём она обучалась.

Если ИИ натренирован на Википедии, учебниках и научных статьях, то при вопросе «почему небо синее» он не будет размышлять, а просто вспомнит шаблон, в котором объясняется рассеяние света в атмосфере, и соберёт из него ответ.

Таким образом, ИИ — это 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.