Что внутри этого модуля
1. Что такое искусственный интеллект на самом деле
Когда люди слышат «искусственный интеллект», многие представляют себе робота из научной фантастики с собственным сознанием. Реальность одновременно проще и интереснее.
Проще говоря: AI — это программа, которая учится на данных и принимает решения без жёстко прописанных инструкций на каждый случай. Главное отличие AI от обычного алгоритма — способность находить неочевидные закономерности в данных и обобщать их на новые, незнакомые ситуации.
Почему AI стал возможен именно сейчас
Искусственный интеллект как научная область оформился в 1956 году на Дартмутском семинаре, где термин «Artificial Intelligence» был впервые предложен Джоном Маккарти. Однако массовый прорыв произошёл только в последние 10-15 лет. Причины три:
- Данные. Интернет произвёл невероятное количество текстов, картинок, видео — всего, на чём можно учить модели.
- Мощность железа. Видеокарты (GPU) научились делать триллионы параллельных вычислений за секунды.
- Алгоритмические прорывы. Архитектура Transformer (2017) позволила моделям эффективно учитывать связи между словами в тексте — даже если они находятся далеко друг от друга. Это основа всех современных языковых моделей.
2. Три типа AI: узкий, общий, супер
AI — это не одна технология, а целый спектр. Принято выделять три уровня.
Узкий AI (ANI — Artificial Narrow Intelligence)
Всё, что нас окружает сегодня — это узкий AI. Он решает одну конкретную задачу и делает это часто лучше человека. ChatGPT отвечает на вопросы, но не умеет водить машину. Беспилотный автомобиль водит, но не понимает шуток.
- Голосовые помощники (Siri, Алиса)
- Рекомендательные системы (Netflix, YouTube, Spotify)
- Спам-фильтры в почте
- ChatGPT и другие языковые модели
- Генераторы изображений (Midjourney, DALL-E)
- Системы распознавания лиц
Общий AI (AGI — Artificial General Intelligence)
Гипотетическая система, способная решать любую интеллектуальную задачу на уровне человека. Может написать код, приготовить ужин, понять шутку, придумать бизнес-план и научиться играть на пианино — всё одновременно.
Супер AI (ASI — Artificial Super Intelligence)
Теоретический уровень, на котором AI превосходит человеческий интеллект во всех аспектах. Научное творчество, социальные навыки, стратегическое мышление — всё лучше, чем у любого человека. Это чистая теория и предмет философских дискуссий.
| Характеристика | ANI | AGI | ASI |
|---|---|---|---|
| Существует сейчас | Да | Нет | Нет |
| Широта задач | Одна область | Любые задачи | Превосходит человека |
| Пример | Языковые и генеративные модели (ChatGPT, Midjourney, DALL-E) | Не создан | Гипотетический |
3. Как работают нейронные сети: простым языком
В основе почти всего современного AI лежат нейронные сети. Название вдохновлено биологией мозга, но на самом деле это просто математическая конструкция.
Уровень 1: Что внутри нейросети
Нейросеть состоит из «нейронов» (узлов), организованных в слои. Каждый нейрон получает числа, умножает их на веса (weights), складывает, применяет функцию активации и передаёт результат дальше.
Уровень 2: Как она учится
Обучение выглядит так:
- Прямой проход. Данные идут через сеть, получается какой-то ответ.
- Сравнение с правильным ответом. Считается ошибка — насколько ответ сети отличается от того, что нужно.
- Обратное распространение (backpropagation). Ошибка идёт обратно через сеть, и веса чуть-чуть корректируются в сторону уменьшения ошибки.
- Повтор. Миллионы и миллиарды раз, на огромном количестве примеров.
4. Что значит «обучить модель»
«Обучение модели» — популярная фраза, за которой стоит конкретный процесс.
Данные для обучения
Модель учится на примерах. Каждый пример — это пара: входные данные и желаемый результат. Для языковой модели вход — это фрагмент текста, а желаемый результат — следующее слово (или пропущенный фрагмент).
Например, GPT-обучение выглядит как задача «продолжи текст» (точнее — предсказать следующий токен): модели показывают начало статьи, и она учится предсказывать, что должно идти дальше. После миллиардов таких примеров модель начинает улавливать структуру языка, факты, логические связи.
Этапы обучения современной LLM
| Этап | Что происходит | Зачем |
|---|---|---|
| Pre-training | Модель читает гигантские объёмы текста из интернета и книг | Научиться языку, фактам, базовым рассуждениям |
| Fine-tuning | Модель тренируется на специально отобранных диалогах и инструкциях | Научиться следовать инструкциям, быть полезной и безопасной |
| RLHF (Reinforcement Learning from Human Feedback) | Люди сравнивают и ранжируют ответы модели; на основе этих оценок обучается модель вознаграждения (reward model), а затем LLM оптимизируется с помощью обучения с подкреплением (PPO или аналогичный алгоритм) | Сделать ответы более человечными, полезными, вежливыми |
5. LLM: языковые модели, которые изменили всё
LLM (Large Language Model) — это большая языковая модель. «Большая» означает миллиарды параметров (настраиваемых чисел), «языковая» — что она работает с текстом.
Как LLM генерирует текст
LLM не «думает» и не «понимает» в человеческом смысле. На каждый запрос она:
- Переводит текст в числа (токены), используя токенизатор
- Пропускает эти числа через Transformer-архитектуру
- На каждом шаге предсказывает наиболее вероятное следующее слово (точнее — токен)
- Добавляет предсказанное слово к тексту и повторяет, пока не закончит
Главное ограничение: контекстное окно
LLM может «видеть» только ограниченное количество токенов за раз — это называется контекстным окном (context window). У современных моделей оно может достигать 128 000, 200 000 или даже миллиона токенов. Всё, что не помещается в окно, модель просто не видит.
6. Итоги модуля 1
Давайте закрепим главное:
- AI — это математические системы, которые учатся на данных, а не сознание
- Весь AI сегодня — узкий, а общий (AGI) пока не создан
- Нейросеть — это слои «нейронов» с весами, которые учатся через trial and error
- LLM — это модель, предсказывающая следующее слово в тексте
- Обучение LLM стоит дорого, но использование — доступно каждому