Бесплатный фрагмент - Просто про нейросети

Предисловие

Представьте себе: вы хотите понять, как работают нейросети. Каждый раз, когда открываем учебник, мы чувствуем, будто читаем инструкцию к ядерному реактору на китайском.

Бывало же такое, да?

А когда ищем книгу про нейросети или чего высокотехнологичное и инновационное — только это и ждем от них! Но вот вы наткнулись на эту книгу: и вдруг нашлась! Та самая книга, которая объяснит все просто и понятно! Даже если ваш мозг захочет подумать, что технологии сложные, эта книга будет куда проще, чем самый типичный рецепт борща.

«Просто про нейросети» — крутейший гид для людей, которые хотят узнать, как нейросети умеют делать жизнь насыщеннее. И даже удобнее. Может быть, чуть-чуть футуристичнее? Без заумных терминов будем тут болтать и повествовать. Исключительно и только: понятные объяснения и практические советы.

В этой книге запрещается:

1. Брать информацию за веру и истину!

2. Соглашаться с каждым предложением автора!

3. Думать, что автор не может ошибаться!

В этой книге разрешается:

1. Приводить альтернативные решения и аналогии после прочитанного!

2. Использовать мысли, которые пришли в голову после прочтения!

3. Обсуждать полученные идеи и концепции с окружающими вас людьми!

Важно: Начинайте читать эту книгу оттуда, откуда вам необходимо «Здесь и сейчас». Особенно если вам срочно требуется сгенерировать мощный текст — читайте сразу главу про текст и только ее. Конечно, лучше всего прочитать книгу от корки до корки. Получаться будут в разы лучше любые генерации с таким опытом. Общее понимание куда лучше работает, чем практика вне контекста всей книги. Но если времени на чтение мало и нужен результат поскорее, то читайте именно то, что нужно вам именно сейчас. Потом вернетесь и наверстаете.

Также мне очень важно упомянуть:

1. Эта книга написана совместно нейросетями. Автор их использовал — и очень активно! Но автор считает это важным современным инструментом. Как молоток в древности, который помогал строить дома. Теперь есть нейросети, которые помогают строить что угодно! И конечно, автор этой книги крайне много писал своими словами. А что тут сгенерировано нейросетями, и что писал автор сам — это будет крайне крутой квест по улучшению вашего навыка выявления нейросетей!

2. Автор не является в момент написания книги сотрудником какой-либо организации, банка, корпорации. Не является сотрудником высокотехнологической компании или амбасадором какого-либо продукта.

3. В этой книге нет ни одной рекламы нейросетей или какой-либо компании. Исключительно личный опыт автора, который хочет поделиться своим опытом с самыми разными людьми.

Ну и конечно же, любые совпадения и аналогии, которые могут кого-либо обидеть, совершенно случайны! И возможно, даже сгенерированы нейросетями!

Согласно моим воспоминаниям, нейросети в моей жизни появились моментально! Внезапно! И буквально неожиданно! Мы с вами даже не заметили, как они с ноги ворвались в нашу обыденную жизнь! Прям как и смартфоны в нашей жизни!

Каждый день я вижу, что каждый второй мой собеседник обсуждает нейросети и видит, как весь мир поглощает будущий, великий и могучий искусственный интеллект. И даже пользуются ими активно чуть ли не каждый второй мой друг или знакомый человек.

Но на самом деле совсем не каждый второй, чем может показаться на первый взгляд. То, что знаем мы, не значит, что знают все остальные. Когда я начал спрашивать самых разных людей, как они используют нейросети, что о них знают, как они работают и как вообще ими пользоваться — большинство оставили меня все-таки без ответов.

И именно в этот момент я понял, что нужно создать эту книгу, которая простыми словами опишет все, что необходимо знать о нейросетях каждому из нас. Где их применить, как грамотно использовать, что они могут нам дать уже сегодня.

К примеру, моя мама не умеет пользоваться нейросетями. И я очень хочу, чтобы она попробовала. И очень надеюсь, что эта книга окажется у нее в руках и она попробует их применить для решения самых разных задач.

Мой брат к примеру может думать, что все на свете знает. Но это ведь не так, будем честны друг другу. Ведь даже гуру нейросетей выбирают себе десяток избранных нейросетей и стараются в другие не влезать, чтобы не тратить свое время зря. Ведь просто не хватит времени попробовать использовать все нейросети мира. А их уж страшно представить насколько много и все они такие разные и обученные на самых разных данных. Значит даже топовые эксперты бывает не знают как использовать некоторые нейросети. Куда там до нас с вами, простых людей из офлайн и онлайн мира.

Брату кстати большой и пламенный привет! Как всем родным, так и двоюродному! Это вам не в обиду написал, а как пример для книги! Круто, что вы прочитали эти строки и заинтересовались этой тематикой — крайне надеюсь, что вам эта книга будет мега-полезной, ведь старался я ее написать для каждого с максимальной пользой. Если вы ее усвоите, также как и все остальные люди — я буду безумно этому рад! И моей двоюродной сестре тоже огромный привет! Я очень надеюсь, что твои знания о нейросетях уже давным-давно обогнали мои! Ты всегда была в десятки раз круче в моих глазах, чем кто-либо!

А без моего отца и матери, а также моей старшей сестры, я думаю этой книги вообще бы не существовало, как и самого автора этой книги.

Что меня мотивировало написать такую книгу?

Сложно сказать. Скорее всего корни идут от моего отца, который обожает научную фантастику. Познакомил меня с компьютером он еще когда мне было 7 лет — я еще пытался к проводному интернету тогда подключиться и думал это возможно при его полном отсутствии в радиусе 100 километров вокруг меня. И думал, что если сильно постараться, то это даже возможно!

Спустя годы я и сам пристрастился к научным произведениям, к фантастике. Ну и конечно, как современному обывателю и пользователю интернета, мне особенно понравился сериал «Черное зеркало» и фильм «Интерстеллар». Помните того самого инновационного робота из фильма «Интерстеллар»? По сценарию он как раз использовал для работы нейросети, машинное обучение — тот самый искусственный интеллект! И сегодня я вижу как это программное обеспечение такого робота имеется буквально в телеграм-чатах, в которых я общаюсь с разными людьми ежедневно. А во время выхода этого фильма никто и представить не мог, что нейросети могут оказаться практически у каждого в его мобильнике уже всего лишь через пару тройку лет!

И это вау!

Какие еще тематики меня зарядили глубже поизучать идею нейросетей и поделиться об этом знаниями с вами:

1. Книги Виктора Пелевина из серии transhumanism inc;

2. Идея интерфейсов «Мозг-компьютер» меня сильно увлекла, особенно компания Neuralink и мечты Илона Маска о покорении космоса;

3. Книга Василия Головачева под названием «Сказания о веере миров», где мир и концепцию, которые он описал, буквально уже сегодня можно воссоздать, применяя силу нейросетей;

4. Тематика метавселенных и развитие VR-технологий;

5. Идеи о бессмертии с помощью невероятных технологий и роботы, которые ожидают нас с вами в крутейшем будущем! Ближайшем или далеком будущем, конечно же неизвестно. Но этот мир точно ждет нашего появления там!

Зачем я вам это рассказываю? Почему мне важно вам рассказать о источниках причин создания этой книги и откуда растут все эти корни мыслительного процесса?

Возможно вас замотивирует изучить в свободное время эти тематики и идеи и они тоже зарядят вас своим вдохновением и желаниями, которые подарят нашему миру что-то очень полезное или даже инновационно новое!

А почему я этого хочу?

Держите три главных аргумента почему я хочу, чтобы как можно больше людей прочитали эту книгу:

1) Чем больше окружающих меня людей и их друзей прочитает эту книгу — тем продуктивнее, масштабнее, инновационнее и креативнее станет мое окружение.

Следовательно мое окружение будет мощно развиваться и делиться со мной новыми знаниями и открытиями! Качество их жизни станет выше, чем обычно — даже если на чуть-чуть, это будет все равно мощный буст. Чем выше качество жизни окружающих меня людей, тем выше и мое качество жизни. Поэтому для меня очень важно делиться своими знаниями с окружающими меня людьми и их друзьями.

2) Создавая книгу, мы проводим глубокий анализ тематики, которая нам интересна. Мы развиваем эту мысль, пытаемся словами описать свои образы и свое мышление, что дает нам новый виток рассуждений и вытекающих из этого выводов!

Мы не просто проходим поверхностно и обсуждаем насущные идеи. Мы углубляемся и получаем действительно драгоценные мысли. Создаем необходимые для нашего будущего выводы. И эти выводы мы можем применять на практике в течении всей нашей жизни.

3) Книга — это способ диалога, общения с самыми разными людьми из любой точки мира. Книга для меня — это в первую очередь инструмент коммуникации. Хоть я и молчу сам прямо сейчас, но я веду с вами молчаливый диалог в вашем мыслительном процессе через призму своей книги. У меня получается с вами говорить и даже что-либо обсуждать именно в тот момент, когда вы это читаете и у вас появляются мысли и самые разные выводы на эту тематику.

И такой способ коммуникации дает определенные будущие плоды. Через книгу могут охарактеризовать писателя, подумать о чем он задумывается и какими идеями он заражен. О чем с автором можно побеседовать при личной встрече и какие темы ему импонируют. С помощью подобной коммуникации мы можем получить новые идеи и подарить эти идеи другим людям. Перерабатывая данные идеи через огромный поток мысленного потенциала самых разных личностей с собственным опытом жизни — мы можем получить действительно стоящие будущие инновации и технологии. Сделать мир лучше, чем он был вчера, уже сегодня.

И эту мысль я хочу донести через каждую свою новую книгу.

И хочу подчеркнуть как вывод: все в нашем мире стало так быстро двигаться. Мы даже за эволюцией подростков не успеваем, что уже говорить о инновациях и развитии самых разных технологий. Невероятно быстро движется практически все ветви социального и технологического направления. Необходимо быть уже сегодня невероятно пластичным, легко подстраиваться под изменения. И мы будем знакомиться с каждым днем с новыми технологиями и инструментами развития нашей жизни. Без этого никак уже. Это самая настоящая потребность. Данных в мире так много, что с ними надо было что-то сделать невероятное и полезное с помощью технологий.

И мир сделал это! Мир подарил нам нейросети, которыми может пользоваться буквально каждый человек уже сегодня.

Около 30 тысяч лет назад в одном из поселений появился молоток. Ох каким же это было инновационным устройством! И как же он невероятно изменил жизнь каждого из нас и даже существует до сих пор! И кто знает, возможно нейросети сегодня — это тот самый настоящий молоток для нашего будущего поколения, без которого жизнь сложно представить и это будет незаменимым инструментом, проверенным временем тысячелетий.

И даже не думайте, что для написания этой книги не использовались нейросети! Еще как использовались! Надо же было проверять как работает и что у вас будет получаться! Многие «нейросетевые инструкции» и описания для запросов определенно будут созданы с помощью нейросетей в этой книге! Их еще в народе на русском наречии обозвали неудобным названием «Промпты»! Еле выговоришь эту букву «П» в середине. Поэтому частенько будем их называть иначе, иногда даже «Заклинания», как нам вещал Роман Викторович Душкин из одного мощного телеграм-канала под названием «Технооптимисты».

Об авторе теперь: кто же он такой и чего делает?

Зарубин Александр — автор книг под названием «Просто про цифровизацию», «Просто о мозговом штурме» и «Просто о балансе и ресурсности». Также автор книги этой книги, под названием «Просто про нейросети».

Был спикером на нескольких конференциях, был и опыт в проведении индивидуальных и групповых тренингов, мозговых штурмов. Автор этой книги является сертифицированным наставником одного из топ-10 банков России. Ведет еще и телеграм-канал на тему современных технологий, нейросетей и развития личности, взаимосвязи этих тем в нашем современном мире. Называется он «Зарубин без нейросетей».

Каким автор хочет, чтобы вы его видели при чтении этой книги:

— Не считаю себя крутейшим экспертом в области нейросетей;

— Не являюсь олимпийским чемпионом;

— Не профессор и не доцент;

— Не коуч, не тренер.

Читайте эту книгу так, будто вы ведете общение с новым другом в вашей жизни. Можете с этим новым другом даже спорить вслух при чтении или обсуждать в моменте какие-либо прочитанные идеи! Просто в этой книге я делюсь тем, что знаю. Рассказываю о собственном полученном опыте, практике и окружающем нас мире через призму развития и обучения.

Для кого полезна такая книга и почему:

1) Кто совершенно не знает, что такое нейросети и где их включать

Поговорим с вами о начале начал! Как работают нейросети, откуда у них это все и как вообще они соображают, чтоб такое вытворять. Где их найти, как включить и чего поделать, чтобы научиться ими пользоваться.

2) Немного знакомы с нейросетями, потому что есть голосовой помощник

Приоткроем завесу тайны, насколько широки возможности нейросетей в нашем современном мире, используя их при помощи других различных устройств. А если их еще и комбинировать — можно творить буквально невероятные вещи! Отлично подойдет для тех, кто хочет узнать больше о современных технологиях, но боится сложных терминов и концепций. Простое изложение материала позволит легко войти в тему и при обсуждениях буквально быть как рыба в воде.

3) Тем, кто изредка балуется нейросетями, генерируя изображения или пользуется ими вместо поисковика в браузере

Поделимся секретами какие еще есть фичи и нюансы при нашем с вами манипулировании самыми разными нейросетями. Приоткроем завесу тайны использования как распространенных, так и других ресурсов в мире нейросетей. Расскажем как улучшить свои навыки, каким образом делать в десятки раз лучше свои работы и получать наилучшие результаты, не прикладывая при этом особых усилий.

4) Создателям контента в соцсетях и специалистам смежных областей

Расскажем как создавать контент разными нейросетями, делать невероятные фото и видео, создавать свою музыку или даже построить собственный сайт или приложение.

А также маркетологи, аналитики данных, HR-специалисты и другие профессионалы, которым очень хочется внедрять нейросети в свою работу, но нуждаются к примеру в базовой подготовке.

5) Самым разным айтишникам: разработчикам, веб-дизайнерам, безопасникам и любым интересующимся современными профессиями, связанных с кодом или алгоритмами

Люди, которые уже имеют базовые знания программирования, но еще не сталкивались с машинным обучением и нейронными сетями. Книга поможет им разобраться с основами и начать практическое применение технологий. Хотя иногда кажется, что уже просто не существует людей из мира айти, которые не пользуются нейросетями. Но вдруг? Возможно даже если пользуетесь, то может узнаете что-то новое для себя и расширите свой кругозор для улучшения своих навыков или даже появятся новые крутые идеи при чтении?

6) Творческим людям, ищущим вдохновения или новые свежие идеи

Для вас это будет невероятным порывом олицетворения ваших идей и фантазий через новый необычный и современный инструмент! Нейросети будут вашей кистью, а вы самым настоящим художником — каким бы творчеством вы не занимались!

7) Людям, которые хотят оказаться в невероятном инновационном будущем уже сегодня. Людям любящим самообразование и упорства достижения результатов!

Это люди, интересующиеся новыми технологиями и стремящиеся углублять свои знания в области того самого пугающего «эй ай»», биг даты и анализа данных.

А еще преподавателям и тренерам для улучшения и разработок дополнительных материалов.

Что можно получить от книги?

1. Понимать основы работы нейросетей: мы с вами, конечно же, поговорим про теорию и историю возникновения с последующим развитием.

Немного поболтаем о ключевых терминах, deep learning, например. Попробуем объяснить простыми словами базовые принципы: как работают нейросети и с чего вообще начинать наше изучение.

2. Будем самостоятельно оценивать возможности применения нейросетей в самых разных областях.

Обсудим, когда использовать нейросети оправдано, а когда они не будут давать необходимого эффекта.

Расскажем немного и о проблемах, возникающих при работе с нейросетями, а также почему вообще это может произойти и как избежать чтобы зря время не тратить.

3. Знать, какие ресурсы необходимы для начала работы с нейросетями.

Пошагово опишем все процессы и приведем примеры небольших практических заданий, которые можно реализовать самостоятельно «здесь и сейчас».

4. Уметь выбирать подходящие инструменты и подходы для конкретных задач

Покажем реальные кейсы и проекты, где использовались нейросети: компьютерное зрение, обработка текста, автоматизация процессов и многое другое.

Расскажем детально, как и какими инструментами нейросети применяются в разных отраслях: медицина, финансы, производство, образование и другие сферы.

Что потребуется в нашей книжной практике?

1. Время — будьте готовы, что просто почитать книжку не поможет. Нужно прочитать и желательно сразу попробовать. Не попробуете прямо сейчас во время чтения, то вряд ли попробуете когда-нибудь. Когда вы еще так делали? Если делали — круто! Не зря напомнил! Но все таки: Берите в руки телефон и копируйте из книги момент в заметки. А еще лучше поставьте будильник, когда вам надо будет снова открыть книгу! Вот прямо сейчас ставьте будильник на свое свободное время. Закрываем книгу и идем проделывать эту цифровую магию! Мы буквально с вами будем учиться магическим приемам! И желательно это не откладывать, так как из факультета Слизерена нас уже давно обогнали и эти ребята уже давно сами штампуют пачками целые модели нейросетей и пишут свои промпты!

2. Внимание — ну а как без него?

3. Мотивация! Каждый раз, когда берете в руку эту книгу — подумайте! Как сильно могут современные технологии изменить вашу жизнь? Сильно ли изменили общество мобильные телефоны? Сильно ли изменило общение появление технологии wi-fi? Мы на пороге развития нейросетей. И с ними мы сможем делать невероятные вещи. Представьте что у вас есть 10 тысяч дополнительных рук. Нейросети и есть эти руки. Осталось лишь научиться как их правильно организовать и верно использовать! Это не так просто! Научить 10 тысяч рук с первого дня делать то, что нам хочется. Но мы попробуем с вами с помощью этой книги простыми действиями и делать настоящие чудеса совместными усилиями!

Каким уровнем знаний нужно обладать для чтения этой книги?

Будьте человеком. Автор ведь тоже человек. Если автор смог с нуля, значит автор верит, что и вы сможете. Очень надеюсь, что с помощью этой книги даже дети смогут научиться легко применять нейросети в повседневной жизни.

Но если вам очень хочется узнать чего реально нужно, то следующие нюансы будут огромеднейшим преимуществом для дальнейшего чтения:

1. Базовая математика, теории логики;

2. Основы программирования. Знание хотя бы одного языка программирования, предпочтительно Python;

3. Представление о компьютерных науках. Понимание базовых принципов работы компьютера: память, процессор, хранение данных. Общие знания о том, как работают программы и данные;

4. Английский язык. Хотя бы минимальный уровень владения английским языком, поскольку многие термины и литература в области нейросетей написаны именно на нем. Но мы уже эти переводы можем буквально за секунды в нейросетях и делать.

Что еще:

1. Заранее подготовься к чтению, чтобы ничего не отвлекало.

2. Глянь, какими нейросетями ты уже пользуешься и работают ли они у тебя перед чтением книги.

3. Развивай привычку учиться через практику. Теория важна, но практическая работа закрепляет знания. Поэтому старайся сразу применять новые идеи на практике, которые во время чтения пришли тебе в голову. Автор на тебя точно не обидится, если во время чтения тебе в голову придет невероятно крутейшая мысль генерации вкуснейшего шашлыка в истории и ты закроешь книгу и скорее побежишь это генерировать. Честно — я буду только рад. И если бы я про это узнал, я бы к тебе даже присоединился!

4. Будь готов к экспериментам. Некоторые вещи могут показаться непонятными с первого раза. Важно не бояться возвращаться к прочитанному, повторять и экспериментировать. И главное не останавливаться, даже если получаются какие-то совершенно странные результаты.

5. Общайся с окружающими. Можешь спросить у друга или подруги при чтении, действительно ли это так работает. Или же поделиться полученным результатом сгенерированного шашлыка, салатика или картины и спросить выглядит ли генерация реалистичной? Берите обратную связь из окружающего мира, чтобы улучшать свои знания и переходить на новый уровень своего мастерства.

Как сделать чтение максимально простым и продуктивным?

1. Начитайте читать оттуда, откуда вам необходимо «здесь и сейчас»

Если вам срочно требуется сгенерировать мощный текст. Читайте сразу главу про текст и только ее. Конечно лучше всего прочитать книгу от корки до корки — получаться будут в разы лучше любые генерации с таким опытом. Но если времени на чтение мало и нужен результат поскорее, то читайте именно то, что нужно вам именно сейчас. Потом вернетесь и наверстаете.

2. Используйте интерактивные элементы

Спорьте с автором! В споре рождается истина! Делайте прямо в книге пометки: что лучше исправить, чего добавить, как лучше взаимодействовать. Может какие обновления свежие появились после выхода книги и нужно совершенно иначе строить концепцию запросов? Главное делайте как вам удобнее и таким образом вы создадите свой собственный уникальный стиль генераций и современного понимания работы с нейросетями.

3. Автор пользуется заметками на телефоне

А еще ведет телеграм-канал под названием «Зарубин без нейросетей». И знаете почему? Это отличная дополнительная память, в которой через поисковик можно быстро и без усилий найти для применения необходимый инструмент.

4. Не бойтесь ошибаться

В процессе генераций неизбежно будут возникать ошибки. Это нормальная часть обучения. Главное — научиться их исправлять и извлекать уроки из неудач.

5. Общайтесь с людьми! И с нейросетями тоже!

Подписывайтесь на самые разные каналы и профили, посвященные нейросетям. Их очень много! И чем больше подписок у вас будет — тем лучше! Буквально окружите себя этим новостным фоном, чтоб нейросети били ключом из всех социальных щелей! Когда там найдете новых друзей и знакомых — не ленитесь задавать им вопросы или шутить, делитесь своим опытом или получайте поддержку при неудачных экпериментах при использовании нейросетей.

Нужна ли будет помощь со стороны?

Если есть такая возможность, кто может вам подсказать, то конечно да! Хотя верю, что именно ты можешь сделать все самостоятельно!

Но если найдешь где-то эксперта, например, дома, на работе или на современной выставке, почитай об этом в плюсах ниже. Однако не стоит нарываться в интернетах на платных экспертов: их уж слишком много, а мошенников в интернете всяких еще больше. Сейчас еще дикий тренд — чтобы этот эксперт был нейросетью и за деньги вас обучал нейросетям! Я лично за человеческий контакт и обучение от человека к человеку, особенно если это платно! С нейросетями обучение тоже хорошо, но зачем, если мы можем с нейросетями и без оплаты всему бесплатно обучаться? Поэтому экспертов по нейросетям платных в интернете ищем в последнюю очередь, особенно когда у нас в руках вот такая крутая книжка!

Нашли мы эксперта по нейросетям, и какая польза от него?

Во-первых, эксперт может объяснить сложные моменты проще, чем написано в книге. Знаете, как бывает: читаешь, вроде все понятно, но потом бац — и вообще потерялся и не знаешь, чего делать-то. Эксперт тут как спасательный круг!

Во-вторых, эксперт может показать, как теория превращается в практику. Потому что одно дело читать про нейросети, а совсем другое — видеть, как они реально работают. Ну и конечно, эксперт поделится лайфхаками, о которых в книгах забыли указать. Мышкой не туда тыкнули или клавишу при регистрации не ту нажали. Всякое бывает же с этими современными технологиями.

И наконец, эксперт может уберечь вас от ошибок. Ведь опыт — это не только знание, но и умение избегать глупостей. Особенно когда речь идет о нейросетях. А применяя нейросети впервые, ох как много глупостей мы можем наделать.

Так что да, эксперт — это как личный тренер в спортзале: помогает, направляет и не дает сойти с ума от перегруза информацией.

Я думаю, вы понимаете, как это бывает: сидишь вечерком, пьешь чай, и вдруг понимаешь, что твой смартфон умнее тебя. И это не шутка! Оказалось, что нейросети уже везде: в твоих фото, музыке, даже в поиске рецептов борща. И тут я подумал: а почему бы не разобраться в этом самому? Сначала было сложно, как пытаться собрать пазл с закрытыми глазами. Но потом я понял: если я смог это понять, то смогу и объяснить другим. И вот появилась эта книга — мой способ поделиться тем, что узнал, чтобы вы тоже могли почувствовать себя частью этого технологического будущего.

И вот мы с вами уже прочитали предисловие. Очень надеюсь, что в своей фантазии вы берете меня за руку и идете читать вместе со мной следующие страницы этой замечательной книги. Ведь свои книги — вы не поверите! — как часто я перечитываю — иногда даже забываю их содержание и сам удивляюсь, как я такое мог написать! И почему мне такие книги так редко попадаются, ведь я обожаю читать и читаю очень много! Минимум 40—50 книг в год!

Ну что?

Вперед покорять нейросети! Узнаем, что там за таинство истории появления нейросетей в наш удивительный и прекрасный мир!

Глава 1: Что вообще такое
эти ваши нейросети

История, и откуда идут корни

Тут мы с вами поговорим от первых концепций до современных достижений.

Зачем нам изучать историю нейросетей?

Чтобы ясно представить себе, какой долгий путь прошла эта технология, какие события повлияли на ее развитие и кто приложил усилия, подарив миру такие удивительные возможности. Эта история должна быть полна интересных событий и насыщенной разными этапами — от первых идей ученых до сегодняшних достижений. И ведь так оно и было, хоть мы там сами и не присутствовали. Но попробуем хотя бы на секунду нашим воображением и полученными данными представить эту картину!

Мы же вообще не представляем, как вот так взяли люди, собрались и давай лет 20—30 это все понимать да разрабатывать. Маленькими шагами всем миром буквально пришли к этой чудной инновации в XXI веке.

Давайте рассмотрим ее подробнее, этап за этапом.

Первые попытки создать системы, имитирующие работу мозга, появились еще в середине XX века. Одним из ключевых моментов стало создание модели нейрона Уорэна Маккаллока и Уолтера Питтса в 1943 году. Эта модель была попыткой смоделировать простейший элемент нервной системы — нейрон. Она заложила основу для понимания того, как могут функционировать искусственные нейронные сети. Представьте себе: в 40-х годах прошлого века два парня, Маккаллок и Питтс, сидят и думают: «А что если мы сделаем модель нейрона?» И тут понеслась идея по головам! Они придумали такую штуковину, которая потом стала основой для всех этих умных будущих приложений и платформ.

А там и до перцептронов дошли!

Что это за заумные слова такие, перцептроны? Даже запомнить с первого раза будет сложно!

Я разделил это слово на три части и выговариваю его частенько, чтоб запомнить.

Пер-Цеп-Троны!

Так и проще запомнить, и забавнее звучит.

И что же это?

Это несложная система, созданная специально для того, чтобы помогать компьютеру самостоятельно находить повторяющиеся схемы и правила в различных типах данных. То есть, задача такой модели — научиться видеть определенные связи между элементами данных, чтобы потом применять полученные знания для решения конкретных задач.

Они были разработаны для решения конкретных задач классификации, а не для общего обучения на любых данных, чтоб не спутать это нам! Но как оказалось, перцептроны имели существенные ограничения для этого.

Еще проще: надо представить один нейрон из нашей головы! Он отвечает за одну задачу. Например, видеть и понимать цифру один! То есть, самую настоящую единицу! И только ее! Теперь представим искусственный нейрон, который понимает только одну функцию, — видеть только цифру один!

Этот искусственный нейрон принимает несколько входных разных чисел и решает, к какой категории эта цифра относится — к цифре один или не к цифре один.

Еще проще: у нас есть один человек, который говорит, что перед нами яблоко или апельсин. Больше других задач он не имеет никогда. Откуда он знает, что перед ним яблоко или апельсин? Методом долгих проб и ошибок! Его тренируют и обучают этому! Ему дают информацию, например, как в руку предмет, и он его анализирует математическими свойствами (весами) и решает, к какой категории будет относиться именно этот предмет. Например, светофор никогда не станет яблоком. Или апельсином. И когда ему дадут в руку целый светофор, он скажет: «Это не яблоко и точно не апельсин!»

Яблоко или апельсин можно заменить другими значениями. Например, представьте, что это будет цифра один и цифра два. Женщина или мужчина. Небо или земля. Вода или бетон. Чему обучат этот искуственный нейрон, то уметь он и сможет, грубо говоря!

Держите цифры этих эпохальных моментов:

— 1943 год — модель нейрона Маккаллока-Питтса;

— 1950-е годы — первые исследования (!пер-цеп-тронов!), предложенных Фрэнком Розенблаттом. Перцептрон был первой моделью искусственного нейрона, способной учиться на основе примеров.

Перцептроны и кризис зарождавшегося искусственного интеллекта

В 1960-х годах произошел всплеск интереса к искусственному интеллекту благодаря работам Марвина Минского и других исследователей. Однако вскоре наступил период скептицизма и разочарования, известный как первый «зимний период» искусственного интеллекта. Одной из причин стал знаменитый доклад Минского «Perceptrons», где он доказал ограниченность однослойных перцептронов.

Но знаете, как бывает: сначала все на подъеме, а потом бац — и разочарование. В 60-х годах Минский написал книжку «Перцептроны» и сказал:

«Ребята, да ваши нейросетки — это фигня, они даже простое XOR решить не могут!»

И все!

Началось похолодание в мире искусственного интеллекта. Финансирования нет, энтузиазма тоже. Частично именно это не дало развитию этой технологии в те времена. Либо все в эти года просто были помешаны на финансировании космической идеи.

Это что получается? Разработки искуственного интеллекта еще в 1960-х годах начались?

Как мы с вами видим — да! А там и фильмы про Терминатора начали появляться по мотивам книжек научной фантастики того времени!

— 1969 год — доклад Марвина Минского «Perceptrons». Этот труд показал ограничения однослойных перцептронов и привел к снижению финансирования исследований в области ИИ;

— 1970–1980-е годы — первый «зимний период» искусственного интеллекта, когда интерес к нейросетям снизился.

Возрождение интереса к нейросетям

В конце 1980-х годов произошел новый виток интереса к нейросетям благодаря появлению многослойных перцептронов и методов обратного распространения ошибки (backpropagation). Эти методы позволили создавать более сложные и мощные модели.

Как говорится, без зимы не бывает весны. Все снова пошло вверх! Люди начали строить многослойные сети, и оказалось, что они могут делать крутые вещи.

— 1986 год — книга Дэвида Румельхарта, Джеффри Хинтона и Рональда Уильямса «Learning Representations by Back-Propagating Errors». Это было ключевое событие, которое вернуло интерес к нейросетям;

— 1990-е годы — начало активного применения нейросетей в распознавании образов, обработке сигналов и других приложениях.

Что?

В 90-е уже были модели распознавания образов? Честно говоря, изучая это, самому не верится. Ведь автор этой книги родился в 90-х годах. Активное использование нейросетей в коммерческих и промышленных масштабах началось чуть позже, ближе к концу 1990-х и началу 2000-х годов.

Современный бум глубокого обучения

И вот в начале XXI века появляется тематика глубокого обучения (deep learning). Глубокие нейронные сети показали выдающиеся результаты в таких задачах, как компьютерное зрение, обработка естественного языка и автоматическое управление в том числе.

— 2006 год — статья Джеффри Хинтона «A Fast Learning Algorithm for Deep Belief Nets». Это стало началом эры глубокого обучения;

— 2012 год — победа глубокой сверточной нейронной сети AlexNet в конкурсе ImageNet, что продемонстрировало возможности глубоких нейросетей в компьютерном зрении;

— 2010-е годы — активное развитие архитектуры рекуррентных нейронных сетей (RNN), трансформеров и других моделей, применяемых в обработке текста и речи.

Нейросети буквально стали мощными по сравнению с тем, что имелось в 90-х. Глубокое обучение не является абсолютно новой областью для 2010 года, но представляет собой дальнейшее развитие всех идей, заложенных в предыдущих десятилетиях. Тем не менее, успехи в области глубокого обучения в XXI веке действительно открыли новые горизонты для применения будущего искусственного интеллекта.

Современные достижения и тренды

Сегодня нейросети используются практически везде: от автопилотов в автомобилях до систем рекомендаций в интернете. Некоторые из последних достижений включают:

— генеративные модели, такие как GANs (Generative Adversarial Networks), способные создавать реалистичные изображения и видео;

— большие языковые модели, такие как GPT-4 и Grok-4, демонстрирующие впечатляющие способности в понимании и генерации текста;

— роботы и автономные системы, использующие нейросети для навигации и принятия решений.

Нейросети теперь повсюду: в смартфонах, автомобилях, умных домах.

Их история началась с простеньких моделей, постепенно превратившихся в мощные системы, способные справляться с самыми разными заданиями. Каждое нововведение приносило свежие идеи и технические улучшения, раздвигавшие рамки возможностей. Сейчас нейросети активно развиваются дальше, открывая перед нами все больше новых перспектив в науке и технике.

А что ждет впереди?

Мы еще даже близко не подошли к пределу их потенциала — важно об этом напоминать себе буквально каждый день. Буквально сейчас, на лето 2025 года, финансируются и строятся объекты, поддерживающие развитие и потенциал самого настоящего будущего искусственного интеллекта.

Как они вообще работают эти ваши нейросети?

Представь, что у тебя есть большой пазл, состоящий из множества маленьких кусочков. Ты собираешь этот пазл, подбирая каждый кусочек к другому, пока не получится целая картинка. Так вот, нейросеть работает примерно так же, только вместо кусочков пазла у нее есть маленькие кирпичики, называемые «нейронами». Эти нейроны соединены между собой, как кусочки пазла, и вместе они помогают решить сложную задачу.

Например, когда ты показываешь нейросети картинку с котиком, она пытается подобрать нужные нейроны, чтобы сказать: «Да, это кот!» Для этого ей нужно пройти через огромное количество уровней — прям как в компьютерных играх! Только делает она это за секунду! Для нейросети секунда — это целое тысячелетие! Эти уровни нейросеть проходит словно лестницу, где на каждом уровне она сравнивает разные части картинки с тем, что уже знает. Сначала она смотрит на общие формы и цвета, потом на более мелкие детали, и в итоге приходит к выводу, что это действительно наш милый котик на картинке.

Нейросети состоят из множества взаимосвязанных элементов (нейронов), которые совместно обрабатывают информацию и формируют выводы. Аналогия с пазлом подчеркивает процесс постепенного формирования результата.

В нейросетях происходит многоуровневая обработка данных. Например, в сверточных нейронных сетях (CNN) сначала выделяются базовые признаки (края, контуры), затем более сложные (формы, объекты), и в конечном итоге сеть делает вывод о содержании изображения. Помните, мы говорили о весах про апельсины и яблоки? Очень похоже, да?

Вот еще аналогия:

Нейросети — это как если бы у вас был гигантский железнодорожный вокзал, где вместо поездов маленькие человечки бегают туда-сюда с бумажками. И каждый раз, когда они добегают до стрелки, они смотрят на свою бумажку и думают: «Ага, значит, мне сюда!» И так они бегают, пока не соберутся все вместе и не скажут: «Ха-ха, мы решили наконец — это тот самый котик!»

Только представь: тысячи таких человечков, и каждый несет свою маленькую подсказку. Один видит ушки, другой — хвостик, третий — лапки. И в итоге они все вместе кричат: «Это кот! Мы увидели все вместе общую картинку и сразу все поняли!» А если ты им покажешь собаку, они побегут по другим путям и в конце концов скажут: «Нет, это собака — тут уши совсем другие, не как у кота, а как у собаки!»

В процессе обучения нейросеть накапливает информацию от отдельных нейронов и объединяет ее для получения финального вывода. Этот процесс называется «прямое распространение» (forward propagation). И давайте с вами сразу расставим точки в понимании: нейросеть не «играет», а систематически обрабатывает данные согласно заранее заданным правилам и настройкам.

Так что нейросети — это как огромная игра в «угадай объект», где все эти маленькие человечки пытаются собрать пазл из кусочков информации и подтвердить, что это за информация перед ними.

Что необходимо для создания нейросети

Как компании делают свои нейросети и чего вообще для этого им необходимо. Давайте кратко тут рассмотрим, чего в реальности им нужно.

А зачем это нам вообще знать? Ведь работает — и слава богу!

А вот причина: для расширения кругозора и чего интересного можно погуглить из мира нейросетей. Вдруг вам захочется освоить область нейросетей профессионально и в будущем стать экспертом в этой области.

---

Так чего же нужно-то?

1. Оборудование

Для создания и мощного обучения современных нейросетей требуется высокопроизводительное оборудование. Даже, хочу сказать, нереально мощное, чтобы хоть капельку сравняться с современными идеями и реализациями.

Вот основные компоненты:

1) Графические процессоры (GPU)

— Для чего нужны: для ускорения вычислений, особенно в задачах машинного обучения, где нужно обрабатывать большие объемы данных;

— Примеры: NVIDIA, AMD Radeon;

— Зачем это: Современные нейросети требуют больших вычислительных мощностей. Например, обучение модели на базе трансформеров (например, GPT-3) требует десятков или даже сотен GPU.

2) Центральные процессоры (CPU)

— Для чего нужны: для управления вычислительным процессом и выполнения общих задач;

— Примеры: Intel Xeon, AMD EPYC;

— Зачем это: Несмотря на то, что основная вычислительная нагрузка ложится на GPU, мощные CPU необходимы для координации работы и выполнения задач, связанных с обработкой данных.

3) Память (RAM)

— Для чего нужна: для хранения промежуточных данных и моделей во время обучения;

— Примеры: модули DDR4 или DDR5 с высокой пропускной способностью;

— Зачем это: Обучение больших моделей требует значительного объема оперативной памяти, особенно если модель работает с большими наборами данных.

---

4) Хранилище данных (SSD, HDD)

— Для чего нужно: для хранения данных, моделей и промежуточных результатов;

— Примеры: SSD для быстрого доступа к данным, HDD для длительного хранения больших объемов данных;

— Зачем это: Нейросети обучаются на больших наборах данных, которые могут занимать десятки или сотни гигабайт. Быстрый доступ к этим данным критичен для эффективного обучения.

5) Сетевое оборудование

— Для чего нужно: для передачи данных между узлами в распределенных системах;

— Примеры: высокоскоростные сетевые интерфейсы (10GbE, 100GbE);

— Зачем это: При использовании распределенных систем для обучения нейросетей важно, чтобы данные передавались между узлами с минимальной задержкой.

2. Знания

Для создания и обучения нейросетей требуются глубокие знания в нескольких областях. Вот основные из них:

1) Математика

— Что нужно знать: линейная алгебра, математический анализ, теория вероятностей и статистика;

— Зачем это: Нейросети основаны на математических моделях, и понимание этих основ критично для разработки и оптимизации алгоритмов.

2) Программирование

— Что нужно знать: языки программирования, такие как Python, C++, JavaScript;

— Зачем это: Программирование необходимо для реализации алгоритмов, работы с данными и создания интерфейсов для взаимодействия с моделями.

3) Машинное обучение и нейросети

— Что нужно знать: основные алгоритмы машинного обучения, архитектуры нейросетей (например, сверточные нейросети, рекуррентные нейросети, трансформеры), методы оптимизации (например, градиентный спуск);

— Зачем это: Понимание принципов работы нейросетей и методов их обучения критично для создания эффективных моделей.

4) Обработка данных

— Что нужно знать: методы предобработки данных, нормализация, выбор признаков, работа с большими данными;

— Зачем это: Качество данных напрямую влияет на качество обученной модели. Правильная предобработка данных может значительно улучшить результаты.

5) Распределенные системы

— Что нужно знать: принципы работы распределенных систем, параллельные вычисления, алгоритмы синхронизации;

— Зачем это: Обучение больших моделей требует использования распределенных систем, чтобы ускорить процесс.

3. Инструменты

1) Фреймворки для машинного обучения

— Примеры: TensorFlow, PyTorch, Keras;

— Зачем это: Эти фреймворки предоставляют готовые инструменты для создания и обучения нейросетей, что значительно упрощает процесс разработки.

2) Библиотеки для работы с данными

— Примеры: NumPy, Pandas, Matplotlib;

— Зачем это: Эти библиотеки позволяют эффективно работать с данными, проводить их анализ и визуализацию.

3) Инструменты для развертывания моделей

— Примеры: Docker, Kubernetes;

— Зачем это: После обучения модели ее нужно развернуть в производственной среде. Эти инструменты помогают автоматизировать процесс развертывания и управления моделями.

4) Облачные платформы

— Примеры: Google Cloud, Amazon Web Services (AWS), Microsoft Azure;

— Зачем это: Облачные платформы предоставляют доступ к высокопроизводительным вычислительным ресурсам, что особенно полезно для обучения больших моделей.

5) Инструменты для мониторинга и логирования

— Примеры: TensorBoard, MLflow;

— Зачем это: Эти инструменты позволяют отслеживать процесс обучения, анализировать метрики и оптимизировать модели.

6) Инструменты для предобработки данных

— Примеры: Scikit-learn, NLTK, OpenCV;

— Зачем это: Эти инструменты помогают проводить предобработку данных, такую как нормализация, фильтрация, удаление шумов и заполнение пропусков.

7) Инструменты для визуализации данных

— Примеры: Matplotlib, Seaborn, Plotly;

— Зачем это: Визуализация данных помогает лучше понять структуру и распределение данных, что может быть полезно на этапе анализа и предобработки.

8) Инструменты для распределенных вычислений

— Примеры: Apache Spark, Dask;

— Зачем это: Эти инструменты позволяют эффективно распределять вычислительные задачи между несколькими узлами, что особенно полезно при работе с большими наборами данных.

9) Инструменты для работы с графами и сетями

— Примеры: NetworkX, Graphviz;

— Зачем это: Эти инструменты полезны для анализа и визуализации графов и сетей, что может быть полезно при работе с нейросетями, такими как графовые нейросети.

10) Инструменты для работы с большими данными

— Примеры: Hadoop, Apache Hive, Apache Kafka;

— Зачем это: Эти инструменты позволяют эффективно работать с большими объемами данных, что особенно важно при обучении нейросетей на больших наборах данных.

11) Инструменты для автоматического машинного обучения (AutoML)

— Примеры: AutoKeras, H2O.ai;

— Зачем это: Эти инструменты автоматизируют процесс создания и обучения нейросетей, что может быть полезно для ускорения разработки и снижения требований к экспертизе.

12) Инструменты для обработки естественного языка (NLP)

— Примеры: spaCy, Gensim, Hugging Face;

— Зачем это: Эти инструменты позволяют эффективно работать с текстовыми данными, что особенно важно при создании нейросетей для задач обработки естественного языка.

13) Инструменты для работы с изображениями и видео

— Примеры: OpenCV, Pillow, FFmpeg;

— Зачем это: Эти инструменты позволяют обрабатывать и анализировать изображения и видео, что полезно при создании нейросетей для задач компьютерного зрения.

14) Инструменты для работы с временными рядами

— Примеры: Prophet, Statsmodels;

— Зачем это: Эти инструменты позволяют анализировать и прогнозировать временные ряды, что полезно при создании нейросетей для задач прогнозирования.

4. Деньги

1) Графические процессоры (GPU)

NVIDIA Tesla A100 (около $10,000), NVIDIA RTX 3090 и выше (около $1,500—3000).

Для обучения больших моделей может потребоваться от нескольких до сотен GPU.

2) Центральные процессоры (CPU)

Intel Xeon Platinum 8380 (около $8,000), AMD EPYC 7763 (около $7,000).

Обычно требуется несколько мощных CPU для координации работы и выполнения задач, связанных с обработкой данных.

3) Память (RAM)

128GB DDR4 (около $500), 256GB DDR5 (около $1,000).

Для обучения больших моделей может потребоваться от десятков до сотен гигабайт оперативной памяти.

4) Хранилище данных (SSD, HDD)

SSD 1TB (около $100), HDD 10TB (около $300).

Для хранения больших наборов данных и промежуточных результатов может потребоваться несколько терабайт или даже петабайт хранилища.

5) Сетевое оборудование

10GbE сетевой интерфейс (около $500), 100GbE сетевой интерфейс (около $1,000).

Для распределенных систем может потребоваться несколько высокоскоростных сетевых интерфейсов.

5. Образование и обучение

Курсы по машинному обучению и нейросетям (около $1,000—5,000), магистратура в области данных (около $20,000—50,000).

Обычно требуется несколько лет обучения и практики для приобретения необходимых знаний и навыков.

Большинство сервисов и облачных моделей идут условно-бесплатными, но для корпоративных масштабов, конечно, имеются платные версии этих программных обеспечений с расширенным функционалом.

Можно ли самому сделать свои нейросети?

Все, что сделано руками человека, мы тоже можем сделать сами! Главное — труд, упорство и постоянное развитие! Было бы желание и ресурсы, мы бы и ракету в космос своими руками могли построить!

А нейросети тем более людьми сделаны! Особенно в век открытых данных в интернете мы с вами точно можем сами свои нейросети создавать!

Создание собственных нейросетей без технических знаний определенно возможно! Но будет обалдеть как много ошибок и легкой нотки геморроя, чтобы во всем было можно разобраться без советов и подсказок со стороны. В современном мире существует множество инструментов и платформ, которые упрощают этот процесс. Разные приложения и даже сами нейросети публичные делают это все доступным для широкого круга пользователей.

Держи пример поэтапного плана для расширения своего кругозора о нейросетях. Но не придавай это все близко к сердцу, если ты уже самостоятельно имел опыт создания нейросетей. В основном тут мы просто приоткрываем глаза тем, кто вообще не представляет, как это можно сделать самому.

Это всего лишь приближенный пример для визуализации создания нейросетей самостоятельно своими руками. И я думаю, подобное можно легко встретить в любых других книгах о нейросетях и их создании.

Если ты уже разбираешься, то эта глава вообще то же самое для тебя, как смотреть инструкцию по сборке мебели из IKEA: вроде все понятно, но зачем, если ты уже собрал шкаф, не читая мануал?

Дальше будет простой пример создания нейросети для классификации изображений.

1. Выбор задачи

Выбираем простую задачу: классификация изображений. Например, мы можем создать нейросеть, которая будет определять, изображен ли на картинке кот или собака. Важно выбрать, какую задачу будет выполнять нейросеть. Именно задача определяет, какие данные и какую архитектуру модели нужно использовать.

2. Сбор данных

Для обучения нейросети нам понадобятся данные. В данном случае это будут изображения котов и собак. Можем использовать готовые наборы данных, такие как CIFAR-10 или MNIST, или собрать свои собственные изображения. Качество данных также играет ключевую роль. Если наберем плохих искаженных картинок с какими-нибудь водяными знаками или вообще битые файлы, исход будет неудовлетворительным.

3. Используем платформы с низким порогом входа

Для создания нейросети без глубоких технических знаний можно использовать платформы, такие как Google Colab или Kaggle. Эти платформы предоставляют доступ к мощным вычислительным ресурсам и предустановленным библиотекам, таким как TensorFlow и PyTorch.

4. Код модели как пример

Для классификации изображений (пример) используем сверточную нейросеть (CNN):

— Гиперпараметры: В коде используется оптимизатор adam и функция потерь categorical_crossentropy, но мы тут вам не объясняем, почему именно эти параметры выбраны. Можно было бы добавить краткое объяснение различных оптимизаторов и функций потерь, а также как выбрать подходящие гиперпараметры. Но давайте-ка сами. Тут уже будут слишком сложные технические нюансы для вас, обычных пользователей.

— Размер данных: В примере кода мы тут также не упоминаем, как выбрать размер обучающей и тестовой выборки. Можно было бы добавить рекомендации по разделению данных и важности сбалансированных выборок, но считаем, что это тут тоже излишне. Особенно в начале самой книги. У нас тут всего лишь образ — чтобы вы могли представить, как это все в общем плане выглядит.

Для более сложных задач может также потребоваться более сложная архитектура или дополнительные библиотеки.

5. Обучение модели

После создания модели ее нужно обучить на собранных данных. Это можно сделать прямо в Google Colab или Kaggle, используя их вычислительные ресурсы. Обучение может занять некоторое время в зависимости от размера данных и сложности модели.

В примере у нас рассматривается только классификация изображений, но нейросети могут использоваться для решения различных задач, таких как обработка естественного языка, временные ряды, рекомендации и т. д.

6. Тестирование и оценка модели

После обучения модель нужно протестировать на тестовых данных, чтобы оценить ее точность. Если результаты неудовлетворительны, можно попробовать изменить архитектуру модели или увеличить количество эпох обучения.

7. Развертывание модели

После того, как модель хорошенько у нас потренировалась и успешно прошла нашу проверку, разрешаем ей пуститься в работу. Для этого подойдут специальные сервисы вроде Heroku или AWS, которые помогают установить и управлять моделью на практике.

Поэтапный план действий:

1. Выбор задачи: Определяем задачу, которую хотим решить с помощью нейросети.

2. Сбор данных: Собираем или загружаем данные, необходимые для обучения.

3. Использование платформы: Выбираем платформу с низким порогом входа, такую как Google Colab или Kaggle.

4. Используем готовые примеры кода: или создаем свою модель с помощью библиотек, таких как TensorFlow или PyTorch.

5. Обучение модели: Обучаем модель на собранных данных.

6. Тестирование и оценка модели: Проверяем точность модели на тестовых данных.

7. Развертывание модели: Развернем модель в производственной среде с помощью платформ, таких как Heroku или AWS.

---

Что еще можно предусмотреть при создании собственной нейросети?

1) Предобработка данных. Может включать нормализацию, масштабирование, удаление шумов и т. д. Предобработка данных очень важна, на самом деле, и ее нельзя обходить стороной, если есть на нее время и ресурсы.

2) Оптимизация модели. Регуляризация, дропаут, нормализация по батчам и т. д.

3) Интерпретация модели. Поизучайте, как интерпретировать результаты модели и как оценить ее производительность, если собираетесь делать собственную нейросеть. Погуглите на досуге описание метрик оценки модели и их интерпретации.

Примерно так можно и самому сделать свою нейросеть для определенных задач.

Сколько денег тратят корпорации на создание, обучение и ведение своих собственных нейросетей?

Траты корпораций на создание, обучение и ведение собственных нейросетей могут значительно варьироваться в зависимости от множества факторов, таких как:

1. Размеры и сложность моделей. Большие и продвинутые модели типа GPT-4 или DALL-E нуждаются в мощных компьютерах и много времени для тренировки.

Например, чтобы натренировать GPT-3, понадобилось примерно столько вычислений, будто бы одновременно работали 1000 специальных видеокарт целый месяц. Создание таких моделей требует больших денег на технику и электричество.

2. Количество данных. Чем больше данных используют для обучения, тем сильнее нужны мощные компьютеры и хранилища. Например, для тренировки GPT-3 было использовано почти 570 гигабайт текста, что требует сильных серверов и вместительных дисков.

3. Инфраструктура. Выбор между арендой мощностей в облаке (например, Amazon Web Services, Google Cloud или Microsoft Azure) или созданием своего собственного центра обработки данных тоже сильно влияет на расходы. Хотя облака предлагают огромные мощности, их аренда стоит немало. Если строить собственный центр, то придется вложить крупную сумму сразу и постоянно тратить деньги на поддержание его работы.

4. Человеческий труд. Сюда входят зарплаты экспертов по искусственному интеллекту, аналитиков данных и других нужных работников. Люди, занимающиеся разработкой нейросетей, получают высокую зарплату. К примеру, в Америке специалисты по машинному обучению зарабатывают от 5 тысяч до 20 тысяч долларов ежемесячно, но это зависит от опыта человека и места проживания.

5. Время обучения. Обучение больших моделей может занимать недели или даже месяцы. Обучение больших моделей может занимать недели или даже месяцы. Например, обучение GPT-3 заняло несколько месяцев.

Примерные затраты:

1. Google: В 2023 году Google потратила около $26 миллиардов на исследования и разработки, включая работу над нейросетями. Google тратит значительные суммы на исследования и разработки. Однако точная сумма, потраченная на нейросети, скорее всего недоступна на самом деле публике, так как компании не всегда с радостью раскрывает эту информацию для изучения ее своим конкурентам.

2. Microsoft: В 2023 году Microsoft инвестировала около $20 миллиардов в исследования и разработки, включая работу над нейросетями. Тоже точная сумма будет вряд ли нам доступна. Можем только лишь предполагать.

3. Amazon: В 2023 году Amazon потратила около $42 миллиардов на исследования и разработки, включая работу над нейросетями. Огромные деньжища! Кто его знает, на что они вообще их там тратили!

Эти цифры включают не только затраты на нейросети, но и на другие исследования и разработки. Точные цифры по затратам на нейросети могут быть недоступны, так как компании не всегда раскрывают эту информацию. Все это лишь для того, чтобы мы с вами могли представить, какие траты для подобной инфраструктуры нужны компаниям и какую прибыль они собираются от этих ресурсов получить при использовании этих невероятно дорогущих мощностей!

Список самых популярных, как кажется автору, нейросетей на весну 2025 года:

— ChatGPT — всем известный чат-бот, который выглядит как текстовый диалог с реальным человеком;

— Gemini — работает с текстом, видео, изображениями, звуком;

— YandexGPT — может вести диалоги, писать простой код, создавать текстовый контент, переводить тексты;

— Midjourney — создает изображения из текстовых описаний;

— Stable Diffusion — позволяет генерировать изображения на основе текстового запроса, а также дорисовывать наброски и редактировать исходные картинки;

— DALL-E 3 — модель генерации изображений по текстовому описанию;

— Шедеврум — умеет генерировать текст, изображения и видео на основе запросов пользователей. Очень похожа на соцсеть, где пользователи могут общаться и обсуждать свои генерации;

— Kandinsky 3.0 — способна создавать реалистичные изображения и видео на русском языке;

— Suno — генеративная модель машинного обучения, с помощью которой можно создавать музыку, не владея нотной грамотой и игрой на музыкальных инструментах;

— Copilot — умный помощник от Microsoft, который может выполнять различные задачи;

— Manus AI — универсальный агент искусственного интеллекта, который спроектирован так, чтобы быть полностью автономным, что означает, что он может превращать человеческие мысли в действия, планируя и выполняя сложные задачи реального мира самостоятельно, без постоянного контроля человека;

— Flux — нейросеть для генерации картинок по текстовому запросу. Высокая фотореалистичность;

— Pika — платформа для создания видео на основе искусственного интеллекта, которая позволяет пользователям генерировать и редактировать видео с помощью текстовых подсказок, изображений и продвинутых функций;

— Kling — платформа генерации видео с использованием искусственного интеллекта Kuaishou;

— Claude — чат-бот на основе искусственного интеллекта, созданный компанией Anthropic;

— Luma — специализируется на создании высококачественных, реалистичных 3D-изображений, видео и игровых ресурсов;

— RunWay — позволяет генерировать и редактировать видео, фотографии и аудио;

— Hailuo — создает короткие видеоролики с нуля по текстовому запросу, оживляет картинки и делает дипфейки. Бонусом — генерирует и озвучивает тексты;

— DeepSeek — большая языковая модель с открытым исходным кодом. Аналогия Chatgpt от китайского разработчика;

— Qwen — целое семейство больших языковых моделей, разработанных Alibaba;

— Perplexity — поисковая система и чат-бот на базе искусственного интеллекта;

— Hedra — пользователи могут начать либо с генерации аудио из текста, либо с загрузки собственного аудио. Затем они создают или загружают изображение персонажа, которое может быть фотографией, изображением, сгенерированным искусственным интеллектом, или текстово-графическим созданием. Искусственный интеллект Hedra затем анимирует персонажа, синхронизируя движения губ, выражения лица и движения тела с аудио;

— Gigachat — нейросетевая модель искусственного интеллекта, созданная Сбером в 2023 году. Он способен отвечать на вопросы, решать задачи, помогать с анализом текстов и математическими расчетами. GigaChat поддерживает работу с текстом и обладает дополнительными навыками, такими как генерация изображений и видео;

— leonardo.ai — позволяет создавать изображения, анимации, арт-объекты и текстуры;

— ideogram.ai — сервис для генерации изображений с использованием искусственного интеллекта. Он позволяет интегрировать текст визуально в составе изображений. Бомбические изображения, в которые можно сгенерировать отличный красивый текст (а не абракадабру, как обычно получается у нейросетей);

— Websim.ai — генерация веб-приложений на основе HTML, CSS и JavaScript. Тут мы можем с помощью обычного текста и своей обычной фантазии сделать полноценную компьютерную игру или свой целый сайт. Doom или тапалка хомяка совершенно без знания кода и программирования. С первого раза не получится что-то нормальное. Но с двадцатой попытки у вас начнет получаться;

— Codeium — набор инструментов на основе искусственного интеллекта для разработчиков. Он помогает писать код быстрее и эффективнее;

— Mistral — умеет искать информацию в интернете с указанием источников, аналогично ChatGPT от OpenAI. Также позволяет модифицировать, преобразовывать или редактировать контент, например, макеты веб-страниц и визуализации данных;

— Pixverse Ai — позволяет создавать видео из текста и изображений;

— Llama — распознает 30 языков, генерирует тексты и может управлять умным домом. Умеет генерировать изображения по запросу, обрабатывать фото, видео- и аудиоконтент;

— RedGPT — поиск популярных постов в указанном субреддите и генерация ответа на самый последний пост, который соответствует запросу. Генерация ответа, если в субреддите есть пост, соответствующий запросу. Если таких постов не найдено, RedGPT выходит без генерации ответа;

— Notebooklm — от Google, анализирует документы, сайты, YouTube-ролики и делает методички или необходимые выборки согласно этим данным. Но главная фича: можно сделать полноценный подкаст из всех этих файлов, где два ИИ голосом будут общаться между собой на основе ваших загруженных документов.

Зачем этот список вообще вам тут?

1. Удобство доступа. Открыли книгу и посмотрели, чего вам может помочь «здесь и сейчас».

2. Экономия времени. Вместо того, чтобы тратить время на поиски, вы можете сразу получить список популярных нейросетей с описаниями.

3. Новые возможности. Многие могут не знать обо всех существующих нейросетях и их возможностях. Такой список поможет открыть новые инструменты для творчества, работы или учебы.

Несколько книг про нейросети, которые автор читал сам и вдохновился их описанием:

1. «Распределенный искусственный интеллект» Душкина Романа Викторовича

Краткое о книге: поймете, как искусственный интеллект становится основой современной жизни — от крошечных роботов в медицине до космических компьютерных сетей. Вы изучите принципы построения и работы нейросетей, а также загляните в будущее: познакомитесь с квантовыми технологиями, системами искусственного интеллекта на блокчейне и возможностями объединения человеческого разума с компьютером.

2. «Искуственный интеллект и нейросети: практика применения в рекламе» В. А. Евстафьева, М. А. Тюкова

Кратко о книге: показывает на множестве примеров, как создавать тексты, картинки и рекламные материалы с помощью нейросетей, внедрять искусственный интеллект в образование, учить нейросети новым задачам и другим интересным вещам. Все подробно показано и наглядно пояснено иллюстрациями. Богато иллюстрированно, я даже бы сказал.

3. «Как учится машина» Яна Лекуна

Кратко о книге: автор книги — один из создателей метода глубокого обучения, используемого в искусственных нейронных сетях, работающих подобно человеческому мозгу. Автор честно и понятно рассказывает о своем научном подходе, объединяя компьютерные науки и исследования мозга, освещая возможные пути развития искусственного интеллекта, возникающие трудности и будущие возможности.

4. «Занимательная манга. Машинное обучение» Масахиро Араки

Кратко о книге: вместе с персонажами комикса читатели легко разберутся, что значит «регрессия» и как делить данные на группы, поймут, как правильно проверять точность моделей и как работают нейронные сети. В конце рассказано, как обучать модели без заранее известных правильных ответов. Эта книга подойдет начинающим специалистам по машинному обучению, знакомым с университетской математикой первого-второго курса.

Это все совсем не является рекламой! Исключительно опыт автора! Считаю важным правилом: если вам первые 25 страниц чтения книга не нравится — не читайте ее совсем! Вряд ли она вам понравится и дальше! Эти же книги я прочитал от корки до корки. А про нейросети и искуственный интеллект я ох как не мало книг прочитал.

Скажу кратко к завершению этой главы: книги — маст хэв к прочтению! В книгах и практике находится все таинство истинных знаний о нейросетях!

Помните об этом.

Глава 2: Про нейросети
для текста

Что такое промпты

Промпт, промт, промтинг, инструкции, заклинания, чары, описания, промт инжиниринг — да какая на самом деле разница? Главное чтобы это работало! Называйте молоток хоть «тетей Валей»! Главное чтобы молоток забивал гвозди и выполнял свои задачи!

Важно понимать, что мы даем нейросети запрос — она выдает нам ответ из своих обученных данных.

Нейросеть в первую очередь для нас — машина. Самый настоящий компьютер, который лучше всего понимает цифры. Значения математические.

Эта машина нейросетевая — не видит, не слышит, не имеет опыта от рождения, не предугадывает и не догадывается самостоятельно. Кто бы что ни говорил. В первую очередь нужно понять для себя именно это. У нее нет ни ушей, ни нюха, ни глаз! Нет у нее целостного жизненного опыта. Она не может подстроиться под ваше мировозрение. Или ваше ощущение мира. Она выдаст вам данные, которыми обладает сама. На которых обучалась до знакомства с вами. И только.

Если мы скажем нейросети рассказать нам о автомобиле, ей придется перебрать сотни тысяч видов автомобилей! Сопоставить их друг с другом! Найти все возможные сходства! И только после этого дать нам общий и короткий ответ. Самая настоящая сила тех самых пер-цеп-тронов!

Представляете это себе?

Все потому, что она даже не представляет, где этот автомобиль ваш находится, кто его изобрел, какой автомобиль вам нужен, какой у него цвет, как и почему он вообще работает и для чего вообще этот автомобиль людям понадобился. Нейросеть об этом ничего не знает, пока вы ее об этом не попросите. Помните, мы в самом начале с вами говорили о весах? Это то самое, да. И вот когда мы не даем направление на эти весы, мы получаем что-то общее между всеми самыми разными весами.

И именно поэтому очень важен подход индивидуального промтинга для современных нейросетей. Чем углубленнее и качественнее мы пишем инструкции для нейросетей, тем лучше получаются у нейросетей результаты.

Нейросетям не нужно ничего понимать, ощущать или улучшать, пока мы их этого не попросим. И тут как раз имеется интересный факт: главная слабость у нейросетей — незавершенность поставленной задачи. Если бы у них были эмоции — вы не представляете, как бы сильно их бесила незавершенность процесса.

Слава богу, с современными моделями сейчас все очень просто, и они невероятно мощные! Пару предложений написал, и они нам выдали максимально приближенный результат, который мы хотим. Ранее нужно было целую главу для книги написать с черточками и кавычками, чтобы получить действительно стоящий результат от нейросетей.

Теперь мы просто можем написать пару-тройку предложений и уже получим весьма качественные результаты. Программисты следующую аналогию, думаю, поймут: с ассемблера мы наконец пришли к питону! Но сложности все равно остались и приходится иногда писать ручками!

Также стоить учесть, что нейросети не знают наших предпочтений, если мы им об этом не скажем.

Представьте, что вы пришли в ресторан, а там меню — это нейросеть. Вы заказываете блюдо, и оно появляется на вашем столе. Только вот если вы скажете официанту: «Принесите мне еду», — вам принесут что угодно. Может, суп, может, стейк, а может, и тарелку пустую. А если вы конкретно скажете: «Хочу борщ с пампушками», — вот тогда все станет намного вкуснее и понятнее.

Еще проще:

1. Допустим, вы попросите нейросеть нарисовать вам вашу любимую машину с вашим любимым цветом. Вы подумаете, что нейросеть нарисует вам красную феррари. А по факту вы получите коричневый пежо. Почему? Потому что она просто не знает ваших вкусов и предпочтений.

2. Попросите нейросеть сгенерировать вам вкусные напитки, а окажется, что вы их вообще терпеть не можете. Ведь вкусы для всех людей очень разные. И если что-то нравится вам, это не значит, что это обязано радовать остальных. А нейросеть тем более не знает, как вы выглядите! Какой у вас голос и в каком регионе живете! Куда там до вкусов!

3. Хотите получить совет от нейросетей, но она выдает какие-то расплывчатые, общепризнанные и всем известные слова об этом? И снова по тем же причинам — нужно больше деталей и больше вводных данных. Как о вас, так и о ситуации с причинами. И чем подробнее, тем лучше.

Именно поэтому промты для нейросетей имеют огромнейшее значение. Нейросети в первую очередь общаются с поступающими данными из компьютера и ваших мобильных устройств. А не прямо из вашего мозга и мыслительных процессов. Ваши образы куда масштабнее и сложнее, чем вы привыкли их воспринимать сами.

Используя подробные и грамотные инструкции на основе логики для генерации нейросетей, мы помогаем им понять, что действительно нам необходимо и какой результат мы хотим получить.

Так что же такое эти ваши промпты?

Представь себе, что ты играешь с игрушкой, например, с умным роботом, который собирает твой конструктор! Ты даешь роботу задание собрать что-то конкретное, и он начинает строить именно то, что ты попросил. Все это выглядит примерно так.

Промпт — это команда или вопрос, который ты задаешь нейросетям, чтобы получить от них какой-нибудь результат.

Теперь давай разберемся, откуда вообще взялись эти промпты. Все началось с развития технологий обработки языка. Представим, что сначала были примитивные чат-боты, которые могли только отвечать на самые простые вопросы. Потом появились более продвинутые системы, способные понимать сложные запросы. И вот тут-то и пригодились промпты. Люди начали вводить конкретные команды, чтобы получить нужный результат. Это было удобно и эффективно.

Слово «промпт» происходит от английского «prompt», что означает «подсказка» или «намек». В контексте работы с нейросетями промпты стали называть так, потому что они действительно служат своеобразной подсказкой или стартовым сигналом для системы. Когда ты вводишь промпт, ты как бы намекаешь нейросети, что именно ты хочешь увидеть или узнать. Это похоже на то, как если бы ты давал другу идею для шутки или истории, а он развивал ее дальше.

Название «промпт» хорошо отражает суть процесса: ты даешь начальную информацию, а нейросеть на ее основе генерирует что-то новое. Эта аналогия с подсказкой делает взаимодействие с искусственным интеллектом более понятным и естественным.

Как это работает на простом примере:

1. Давай попросим нейросеть нарисовать кота. Ты говоришь: «Нарисуй кота, который играет с клубком ниток». Это твой промпт! Ты дал команду, и теперь нейросеть начнет рисовать картинку с котиком.

2. Что еще можно попросить? Например, ты можешь сказать: «Напиши сказку про волшебный лес с котиком, который играет с клубком ниток». Или: «Подскажи, как сделать пирог с изображением котика, который играет с клубком ниток».

3. Однако, как мы говорили ранее, важно точно описать, что ты хочешь. Если ты скажешь просто: «Кот», — получится любой кот. А вот если добавить подробности, как мы сделали раньше (кот + клубок ниток), картинка будет с дополнением клубка ниток.

4. Нейросеть отвечает на твои запросы. Она думает над твоими словами и пытается сделать все, как ты просил. Но иногда она может немного запутаться, особенно если твоя просьба была сложной или непонятной.

5. Важно поэтапно давать задачи нейросети, сделать ей задачу списком и по пунктам. Либо раскачивая ее, постоянно дополняя новыми параметрами полученные результаты от нее.

Почему это важно?

Промпт помогает тебе получать нужные результаты. Чем лучше ты объясняешь, что хочешь, тем точнее получается ответ. Это как с друзьями: если ты четко говоришь, что тебе нужно, друг быстрее поймет тебя и поможет.

Попробуй прямо сейчас сгенерировать что угодно! Сию секунду бери в руки телефон и попробуй сгенерировать:

1. Дом в зимнем лесу;

2. Робот с чемоданами;

3. Книжная полка.

Но при этом попробуй самостоятельно использовать главное правило:

Будь точнее к генерациям! К своим словам и идеям! Расскажи подробнее своим воображением об этом!

Представь, что это все ты объясняешь маленькому братику или сестренке, которые этого всего вообще никогда не видели, и нужно, чтобы они это нарисовали своими руками так, чтобы они сразу поняли, что ты хочешь увидеть.

Так вот, промпты для нейросети — это как инструкции. Ты даешь команду, и нейросеть начинает делать то, что ты попросил. Например, ты говоришь: «Нарисуй смешного кота, который ловит рыбу». И вот уже перед тобой кот с удочкой!

Но если ты просто скажешь: «Кот», — получится обычный кот.

Помни об этом!

А не тот, которого ты хочешь увидеть с удочкой. Поэтому важно давать точные команды.

Представь ты другу заявишь: «Давай придумаем забавную историю!» А он такой: «Про кого?» Ты уточняешь: «Про медведя, который нашел волшебный мед». И вот уже начинается интересная история мыслительной магии, когда по усам текло и в рот не попадало!

Так что если хочешь, чтобы нейросеть делала что-то классное, давай ей четкие и понятные команды. Иначе она может начать фантазировать сама, и получится что-то вроде «медведь, который летает на метле».

Хотя кто знает! Может, это тоже интересно!

Как их правильно написать и где их взять

Нейросети — это настоящие гении! Относись к ним всегда именно так! Они делают все это на основе наших запросов, называемых промптами. Ты даешь им задание, а они выполняют его. Представь себе: пишешь пару строк, и вот тебе готовый шедевр! Но тут есть одна маленькая загвоздка.

И эта загвоздка называется основные принципы составления промптов!

Чтобы твой промпт действительно сработал, как волшебная палочка Гарри Поттера, давай разберемся, какие рекомендации нужно соблюдать. Иначе можешь получить что-то вроде «Кот Васька любит сыр», когда просил рассказать про квантовую физику.

1. Конкретность

Чем конкретнее ты сформулируешь свое желание, тем точнее получишь результат. Сравни два варианта:

— «Напиши текст» (это как попросить кота принести тапочки с улицы сто пятой города N — никто не знает, чего конкретно ты хочешь);

— «Напиши короткий рассказ о путешествии в космос, в котором кот полетел за тапочками на Луну» (вот теперь кот понял, что делать и куда гребсти своими лапами!).

Понятно, да? Лучше сразу сказать, что тебе нужно, иначе нейросеть может выдать нечто совершенно абсурдное.

2. Логическая структура

Если твоя задача сложная, не стесняйся разбивать ее на этапы. Так нейросеть поймет, куда двигаться дальше.