Иллюзия разума. Правда об искусственном интеллекте - страница 2

Ответ кроется в нейросетях – архитектуре, которая кардинально отличается от традиционного программирования. Именно нейросети стали тем прорывом, который превратил ИИ из узкоспециализированного инструмента в технологию, меняющую наш мир.

Как устроены нейросети?

Представьте, что вы учите ребёнка различать кошек и собак. Вы показываете ему картинки, объясняете: «Вот у кошек уши острые, а мордочка меньше», – а он постепенно начинает узнавать закономерности. Нейросеть учится примерно так же, только вместо нейронов мозга – математические функции, вместо опыта – тысячи примеров.

1. Нейрон: кирпичик искусственного интеллекта

Каждый нейрон в сети – это мини-калькулятор, который:

– Принимает входные данные (например, пиксели изображения),

– Умножает их на «веса» (коэффициенты важности),

– Суммирует результаты,

– Применяет функцию активации (решает, «запускаться» ли).

2. Слои: сборочный конвейер для данных

Нейросеть состоит из слоёв, как фабрика из цехов:

– Входной слой: получает «сырые» данные (текст, изображение);

– Скрытые слои: анализируют признаки (уши кошки → форма глаз → текстура шерсти);

– Выходной слой: выдаёт результат («кошка», «собака» или «возможно, хомяк»).

3. Веса: что нейросеть «ценит»?

Веса – это «настройки важности» для каждого входа. Они меняются во время обучения:

– Если нейрон часто видит, что чёрные пиксели в углу – это кошачье ухо, он увеличивает их вес;

– Ошибочные связи ослабляются.

Из моей лекции студентам

Представьте, что вы настраиваете гитарный усилитель. Сначала звук хрипит (нейросеть ошибается), но вы крутите ручки (веса), пока не добьётесь чистоты. Только в нейросети «ручек» миллионы.

4. Почему это не мозг?

Несмотря на биологическую терминологию:

– Нейроны в ИИ в сотни раз проще биологических;

– Нет реального «понимания» – только расчёт вероятностей;

– Обучение требует огромных данных, а не одного примера.

«Когда журналисты пишут „искусственный мозг“, я хватаюсь за голову, – говорит профессор Сильверс. – Наш мозг работает с концепциями. Нейросеть – с корреляциями. Разница как между „знать Конан Дойля“ и „уметь подделать его почерк“».

5. Как это выглядит на практике?

Пример для распознавания рукописных цифр (MNIST):

– На входе мы имеем 28×28 пикселей, или 784 «нейрона» входного слоя;

– Скрытые слои выявляют линии, круги и их комбинации;

– На выходе мы получаем 10 нейронов (цифры от 0 до 9), где самый «горячий» и есть ответ.

Личное воспоминание

Первую рабочую нейросеть я собрал в университетском проекте. Она путала 4 и 9, пока Лина не подсказала добавить слой, анализирующий замкнутость форм. Это было волшебство: ошибки упали вдвое!

Но как нейросеть учится? Кто или что решает, какие веса правильные?

Ответ кроется в двух процессах: обучение с учителем (когда мы даём «правильные ответы») и обучение без учителя (где система ищет скрытые закономерности).

Обучение с учителем и без учителя

Нейросети учатся совсем не так, как люди. У них нет интуиции или врождённых знаний – только данные и алгоритмы, которые эти данные обрабатывают. И в зависимости от того, какие данные мы даём, процесс обучения делится на два принципиально разных подхода.

1. Обучение с учителем (Supervised Learning)

Здесь нейросеть получает не только входные данные, но и правильные ответы – как школьник, который решает задачки с готовыми решениями в конце учебника.