Введение. Почему именно сейчас?

В 2023 году слово «нейросеть» перестало быть термином из научной фантастики и превратилось в такое же обыденное явление, как «интернет» или «смартфон». Ещё вчера мы спорили, сможет ли машина написать связный текст, а сегодня она пишет дипломы, код, музыку и даже назначает свидания от нашего имени.

Мир изменился не за десять лет, а буквально за одну ночь — в тот момент, когда широкая публика впервые открыла ChatGPT.

И вот вы держите в руках эту книгу.

Возможно, вы:

Новичок, который слышит про ИИ отовсюду, но до сих пор не понимает, с какой стороны подойти;

Профессионал (маркетолог, юрист, врач, дизайнер), который чувствует, что нейросети вот-вот заберут его работу — или уже забирают;

Программист, который хочет не просто пользоваться чужими моделями, а создавать свои;

Или просто любопытный человек, который не хочет остаться за бортом новой технологической волны.

Эта книга — не энциклопедия и не сухой учебник по математике. Это дорожная карта (роадмап) — путеводитель по территории, на которую человечество только-только высадилось.

Почему эта книга называется «Роадмап»?

Потому что учить нейросети — это как учить иностранный язык. Можно годами зубрить грамматику (математику) и так и не заговорить. А можно выучить базовые фразы, поехать в страну (начать практиковаться) и выучить всё остальное по ходу дела.

В этой книге мы пойдём вторым путём.

Мы построим маршрут от понимания (как это работает на пальцах) через использование (как применять готовые инструменты) к созданию (как строить свои модели). Мы будем двигаться от простого к сложному, но всегда — с пониманием, зачем мы делаем тот или иной шаг.

Как устроена эта книга

Часть I заложит фундамент. Мы разберёмся, что такое нейросеть на самом деле, почему она «думает» и почему иногда так глупо ошибается. Обещаю: математики будет ровно столько, сколько нужно, чтобы не бояться её всю оставшуюся жизнь.

Часть II — это практика выживания в новом мире. Вы научитесь профессионально пользоваться ChatGPT, Midjourney и другими инструментами. Вы узнаете, как заставить нейросеть работать на вас, а не против вас.

Часть III — для тех, кто хочет заглянуть под капот. Мы разберём, как обучаются большие языковые модели, что такое трансформеры и почему для обучения нужны такие дорогие видеокарты.

Часть IV — про интеграцию. Здесь мы соберём всё вместе: научимся подключать нейросети к своим проектам, делать ботов с памятью и создавать собственные приложения.

Часть V — философия. Поговорим о том, кому принадлежит творчество машины, заменит ли ИИ врачей и учителей, и что нам делать с тем, что профессии будущего ещё не придуманы.

Почему я пишу эту книгу

Я — не просто энтузиаст, я — практик. Я проходил этот путь сам: от первого удивления «Ого, оно разговаривает!» до построения сложных ML-систем. Я помню, как тонул в море терминов, как не мог понять, с чего начать, и как злился на то, что все объяснения либо слишком детские, либо слишком научные.

Эта книга — то, что я хотел бы прочитать сам два года назад.

Читайте как удобно

Вы можете читать книгу последовательно, как роман. А можете использовать как справочник — открывать нужную главу и брать из неё только то, что нужно прямо сейчас.

Если вы новичок — начните с Главы 1 и не торопитесь.

Если вы профессионал — сразу прыгайте в Часть II, а в Часть I возвращайтесь, чтобы закрыть пробелы.

Если вы инженер — Части III и IV станут вашим полем боя.

Маленькое обещание

К концу этой книги вы не станете кандидатом наук по искусственному интеллекту. Но вы перестанете бояться нейросетей. Вы поймёте их логику. Вы сможете использовать их в работе и в жизни. И, возможно, именно вы придумаете то, о чём остальные будут писать книги через десять лет.

Поехали.

Глава 1. Что такое нейросеть и почему это не магия?

Первое знакомство: Черный ящик или очень терпеливый ученик?

Когда человек впервые открывает ChatGPT и получает осмысленный ответ на сложный вопрос, первая реакция — благоговейный ужас. Кажется, что внутри сервера сидит разумное существо или, как минимум, джинн из бутылки.

На самом деле внутри — математика. Очень, очень много математики. Но математика не скучная, а удивительная.

Представьте себе очень старательного, но невероятно глупого ученика. Этот ученик способен только на одно действие: он смотрит на примеры и пытается найти закономерности. Если показать ему миллион фотографий кошек и миллион фотографий собак, он начнет замечать: у кошек уши острее, морда короче, усы заметнее. Он не понимает, что такое кошка. Но он выучивает признаки кошки. И когда вы показываете ему новую фотографию, он с высокой вероятностью говорит: «Это похоже на то, что я уже видел. Это кошка».

Вот это и есть нейросеть. Только работает она не с интуицией, а с числами.

Нейрон: Кирпичик, из которого всё построено

Чтобы понять нейросеть, не нужно заканчивать мехмат. Достаточно понять, как работает одна маленькая деталь — искусственный нейрон.

Биология на минималках

В нашем мозгу есть клетки — нейроны. Нейрон получает сигналы от других нейронов через отростки (дендриты). Если суммарный сигнал становится достаточно сильным, нейрон «возбуждается» и передает сигнал дальше по своему аксону.

Математика на минималках

Искусственный нейрон работает так же, но с числами.

Вход: Нейрон получает несколько чисел (например, яркость пикселей на картинке). Обозначим их x1,x2,x3...x1,x2,x3....

Веса: У каждого входа есть «важность» — вес (w1,w2,w3...w1,w2,w3...). Вес может быть отрицательным (если признак, наоборот, мешает).

Сумматор: Нейрон складывает всё вместе: Сумма=x1w1+x2w2+x3w3...Сумма=x1w1+x2w2+x3w3...

Активация: Если сумма больше порога, нейрон говорит «Да!» (выдает 1). Если меньше — «Нет» (выдает 0).

Всё.

Один нейрон — это просто линейное уравнение. Это умел делать ещё калькулятор вашего дедушки.

В чём же тогда магия? Перцептрон Розенблатта

В 1958 году психолог Фрэнк Розенблатт показал, что если взять кучу таких «нейронов» и соединить их в сеть, произойдет чудо. Машина начнет обучаться.

Возьмем простую задачу: отличить красное яблоко от зеленого.

Мы даем сети два числа: цвет (x1x1) и размер (x2x2).

Изначально веса (ww) стоят случайно. Сеть ошибается в 50% случаев.

И тут вступает в игру обучение.

Мы показываем сети яблоко. Допустим, красное.

Сеть говорит: «Зеленое!».

Мы говорим сети: «Неправильно».

Алгоритм (не сама сеть, а надзиратель) смотрит, какие веса привели к ошибке, и чуть-чуть меняет их в нужную сторону.

Повторяем 10 000 раз с разными яблоками.

Со временем веса настраиваются так, что ошибок становится всё меньше. Сеть «понимает», что если число, отвечающее за красный цвет, большое — пора говорить «Красное».

Главный секрет: Нейросеть никто не программирует. Ей никто не объясняет правила «Красное — это когда число больше 100». Она сама подбирает эти правила, перебирая примеры. В этом и заключается суть машинного обучения: не «как решить задачу», а «как научиться решать задачу самому».

Почему «глубокое» обучение такое мощное?

Перцептрон мог отличать яблоко от апельсина. Но он был бесполезен, если нужно было отличить фотографию вашей бабушки от фотографии вашей собаки. Почему?

Потому что «Бабушка» и «Собака» — это не числа вроде цвета и размера. Это сложные концепции.

Решение нашли не в новых идеях (идея нейросетей стара), а в железе и данных. Появились мощные видеокарты, и мы смогли строить глубокие сети (Deep Learning).

Как это работает?

Представьте конвейер на заводе.

Первый слой (низкий уровень): Смотрит на пиксели и учится видеть линии и границы. Горизонтальная линия, вертикальная, угол в 45 градусов.

Второй слой: Собирает линии в фигуры. «О, круг!», «О, треугольник ушей!».

Третий слой: Собирает фигуры в части объектов. «О, это похоже на глаз!», «А это — на нос».

Четвертый слой: Собирает части в объекты. «Глаза + уши + морда = Кошка».

Чем глубже сеть, тем более абстрактные вещи она видит. Нейросеть буквально строит иерархию понимания.

Итак, почему это не магия?

Магия — это когда вы не знаете правил.

Нейросеть — это когда правила выучены алгоритмом, но мы можем залезть внутрь и посмотреть, какие веса стали большими, а какие маленькими.

В следующих главах мы перестанем бояться и начнем пользоваться этим инструментом. Но запомните главное из этой главы:

Нейросеть — это статистическая машина, которая учится на примерах, подбирая миллионы чисел (весов), чтобы превращать входные данные (текст, картинку) в нужный результат (ответ, подпись).

Мини-итог главы 1:

Искусственный нейрон — это очень простое устройство: умножил, сложил, сравнил с порогом.

Сеть нейронов — это универсальный «подгоняльщик» формул. Она может выучить любую сложную зависимость.

«Обучение» — это процесс автоматической подстройки весов, чтобы уменьшить количество ошибок.

Глубина (много слоев) позволяет сети видеть в данных нечто большее, чем видит человек-аналитик.