Что такое нейросеть, спрашивают всё чаще: слово мелькает по десять раз на дню, а внятного объяснения обычно нет. Открываешь статью, там нейроны, слои и весовые коэффициенты, закрываешь с ощущением, что понятнее не стало.
Речь при этом о деньгах, и суммы называют серьёзные: в Торгово-промышленной палате оценивают вклад искусственного интеллекта в ВВП России к 2030 году примерно в 5,5%, то есть в 7,9-12,8 трлн рублей ежегодно.
Спрашивают об этом по-разному: «что такое нейросеть», «нейросеть это», «нейросети это». Ответ на все три один, и разбираться будем без формул. И отдельно возьмём вопрос, который люди задают поисковику постоянно, а ответа не находят: как понять, что текст перед вами написала машина.
Что такое нейросеть простыми словами
Нейросеть - это программа, которая научилась делать что-то на примерах вместо записанных правил.
Разница тут принципиальная. Обычную программу пишут инструкциями: если в поле пусто, показать ошибку. Нейросети таких инструкций не пишут, ей показывают миллионы примеров и говорят, где правильный ответ, а связывать одно с другим она учится сама.
Отсюда её главное свойство: нейросеть работает там, где правила сформулировать невозможно. Объяснить словами, чем кошка на фотографии отличается от собаки, тяжело даже человеку. А показать десять тысяч фотографий кошек и десять тысяч собак несложно.
Название пришло из биологии. Когда первые такие программы придумывали, их устройство рисовали по образцу нервной системы: множество простых элементов, каждый передаёт сигнал соседям, а осмысленное поведение возникает из их совместной работы. Сходство это давно осталось только в названии, и настоящие нейроны устроены совсем иначе, но слово прижилось.
Кстати, о словах: вопросы «что такое нейросеть» и «что такое нейронная сеть» означают одно и то же: первое короче, второе точнее, разницы в смысле нет. Множественное число «нейросети» тоже ничего не меняет.
Как работает нейросеть: на примере, который вы уже видели
Откройте переписку в телефоне и начните печатать. Над клавиатурой появятся три слова-подсказки. Печатаете «еду с», и телефон предлагает «работы», «дачи», «тобой».
Вот это и есть нейросеть в самом простом виде. Она посмотрела на огромное количество текстов, запомнила, какие слова обычно идут друг за другом, и теперь предсказывает следующее.
Большая языковая модель делает то же самое, только в других масштабах. Она смотрела на гору текста размером с интернет, и одним словом дело не ограничивается: продолжать она может сколько угодно долго. Устройство текстовых моделей заслуживает отдельного разговора.
Откуда берётся «обучение»
Фраза «модель обучили» звучит так, будто её чему-то научили как студента, а на деле процесс чисто механический.
Модели показывают пример и просят угадать ответ, она угадывает и чаще всего ошибается. Программа сравнивает её ответ с верным и чуть-чуть подкручивает внутренние настройки в сторону правильного, а потом повторяет это миллионы раз подряд.
Никто не объясняет модели, что такое кошка. Настройки просто постепенно съезжают туда, где ответы всё чаще совпадают с правильными.
Почему одинаковый запрос даёт разные ответы
Нейросеть не хранит готовых ответов и каждый раз собирает их заново. На каждом шаге она прикидывает, какое слово вероятнее следующее, и выбирает из нескольких подходящих.
Выбор этот не всегда одинаков, поэтому два запуска одного запроса дают разный текст. Свойство иногда раздражает, но оно же позволяет просить «дай другой вариант» и получать его.
Отправьте один и тот же вопрос любой нейросети три раза подряд, каждый раз в новом чате, и сравните ответы. По расхождению между ними видно, насколько модель каждый раз угадывает заново.
Содержание
Чем нейросеть отличается от искусственного интеллекта
Вопрос «чем нейросеть отличается от ИИ» задают чаще всего остального. Искусственный интеллект охватывает всё, что имитирует человеческие способы решать задачи. Нейросеть входит внутрь этого понятия как один конкретный способ, самый удачный из известных.
Сравните с парой «транспорт» и «автомобиль»: автомобиль относится к транспорту, но транспортом бывает ещё и поезд, и велосипед.
До нейросетей искусственный интеллект строили иначе. Программисты вручную прописывали тысячи правил: если симптом такой, то диагноз такой. Системы работали в узких задачах и разваливались на первом же исключении, которого не предусмотрели.
Между двумя понятиями есть и третье, машинное обучение. Так называют любой подход, при котором программа выводит правила из данных сама. Нейросети остаются самой известной его веткой, хотя и не единственной: другие методы существуют, просто реже попадают в новости.
В обиходе слова давно смешались. Человек, который говорит «ИИ написал текст», почти всегда имеет в виду нейросеть. Ошибки тут нет, просто «нейросеть» точнее.
Что умеют нейросети
Задачи удобно раскладывать по типу результата.
- Текст. Написать, сократить, перевести, переписать под другую аудиторию, вытащить главное из длинного документа. Самая освоенная область: тут модели сильнее всего.
- Изображения. Нарисовать картинку по описанию, вытянуть качество старого снимка, превратить фотографию в короткий ролик.
- Рабочие документы. Собрать презентацию по вашему тексту и оформить слайды.
- Звук. Модель синтезирует речь, расшифровывает запись встречи, сочиняет музыку под ролик.
- Разбор данных. Найти закономерность в таблице, разложить отзывы по темам, подсказать, где цифры выбиваются из ряда.
Делить нейросети можно и по устройству, и по способу обучения, но пользователю от этого деления мало пользы. Работающее различение простое, по типу того, что модель принимает на вход и что отдаёт на выходе: текст в текст, текст в картинку, картинка в текст, звук в текст. Зная эту пару, вы почти всегда поймёте, подойдёт ли конкретный сервис под вашу задачу.
Зачем нужны нейросети, из этого списка и видно. Задач с каждым годом всё больше, но принцип один: везде, где нужно уловить закономерность в куче примеров, нейросеть обходит жёсткие правила.
Чего нейросеть не может
Ограничений меньше, чем возможностей, зато они важнее.
Модель подбирает правдоподобное продолжение и не проверяет, совпадает ли оно с реальностью. Отсюда выдуманные факты, ссылки на несуществующие книги и совершенно уверенный тон при полной ошибке.
Данные Stanford HAI показывают разрыв прямо: прирост продуктивности от генеративного ИИ доходит до 50% в маркетинге и до 26% в разработке, а в задачах с глубоким рассуждением эффект заметно меньше. Черновик модель напишет отлично, а решение за вас не примет.
Внутри нет представления о мире, есть статистика сочетаний. Поэтому модель уверенно пишет про то, чего не бывает, и не замечает противоречия в собственном тексте.
Ответственность за опубликованный текст, отправленный клиенту отчёт и принятое решение остаётся на человеке целиком.
Как понять, что текст написала нейросеть
Вопрос люди задают поисковику постоянно, а внятного ответа в статьях про нейросети не найти, поэтому разберём по признакам.
Сразу оговорка: стопроцентного способа нет. Хороший редактор доводит машинный текст до неотличимого, а живой человек иногда пишет так, что подозрения падают на него. Признаки ниже работают только в совокупности: один сам по себе ничего не доказывает.
- Ровный ритм. Человек пишет неровно: длинная фраза, короткая, снова длинная, где-то обрывок. Модель выравнивает предложения по длине, и текст начинает идти как метроном.
- Тройки. «Быстро, удобно и надёжно». «Планирование, реализация и контроль». Перечисление ровно из трёх однородных членов встречается у моделей заметно чаще, чем у людей.
- Отрицание вместо утверждения. Конструкция «не X, а Y» повторяется в машинном тексте раз за разом: «не просто инструмент, а помощник», «не замена, а дополнение».
- Оговорки на всякий случай. «Важно отметить», «стоит учитывать», «в зависимости от ситуации». Модель добавляет их там, где человек просто сказал бы прямо.
- Гладкость без деталей. Абзац прочитаешь легко, а пересказать из него нечего. Нет цифр, имён, случаев из практики, ничего, что нельзя было бы написать про любую другую компанию.
- Одинаковые заходы в разделы. Каждый подзаголовок открывается однотипной фразой: «Рассмотрим подробнее», «Давайте разберёмся», «В этом разделе мы».
- Отсутствие ошибок нового типа. Опечаток нет, зато встречаются странные фактические утверждения, поданные ровным уверенным тоном.
Возьмите любой текст, который вызывает подозрения, и проверьте его по трём пунктам сразу: ритм, тройки, конструкции с отрицанием. Если совпало всё три, вероятность высокая. Если один, скорее всего, показалось.
Что делать, если подозрения подтвердились, зависит от задачи. Для рабочего документа важна точность, поэтому проверьте факты и цифры, а происхождение текста роли не играет. Для авторской статьи или отзыва вопрос уже про доверие к источнику, и решать его вам.
Отдельно про автоматические детекторы машинного текста: мы их не рекомендуем. Точность у таких сервисов спорная, они регулярно записывают в машинные тексты живых людей, а цена ошибки для автора высокая.
Как попробовать самому
Инструкций «нейросети для начинающих» в сети много, а работает из них одна: открыть модель и что-нибудь ей поручить. Читать про нейросети бесполезно, пока этого не сделаешь.
- Возьмите текстовую модель. Любую из доступных: они устроены одинаково, поле для запроса и кнопка отправки.
- Задайте задачу из своей работы. «Расскажи про маркетинг» даст пустой ответ. «Вот описание моего товара, перепиши его для карточки на маркетплейсе, коротко и без превосходных степеней» даст рабочий черновик.
- Не принимайте первый ответ. Скажите, что не так, и попросите переделать. Диалог из трёх-четырёх реплик даёт результат совсем другого качества.
- Проверьте факты руками. Всё, что похоже на цифру, дату или ссылку, сверьте отдельно.
Дальше идёт навык формулировать запросы, и окупает он время быстрее остальных. Если хотите двигаться по порядку и с нуля, есть отдельный разбор с маршрутом обучения.
Возьмите рабочую задачу, на которую обычно уходит полчаса, и отдайте её модели. Даже если результат придётся переделывать, вы за десять минут поймёте про нейросети больше, чем из любой статьи.
Частые вопросы
Коротко
Нейросеть выводит закономерности из примеров вместо готовых правил и предсказывает вероятное продолжение. Из этого вытекает и её сила, и её слабости: она отлично собирает черновик и совершенно не отвечает за то, правда ли в нём написана.
Проверять за ней придётся всегда, особенно цифры, даты и ссылки.
Начинать имеет смысл с одной рабочей задачи, отданной модели прямо сегодня. Понимание приходит от практики, а статья тут работает картой местности.
И последнее, про ожидания. Нейросеть не заменяет вас в работе и не делает её за вас целиком. Она снимает механическую часть: первый черновик, перебор вариантов, рутинную обработку. Всё, что требует решения и ответственности, остаётся вашим, и это скорее хорошая новость.
