Что такое нейросеть и как она работает

Разбираем без формул: как нейросеть учится, почему иногда врёт, чем большие модели отличаются от маленьких и какие вообще бывают типы нейросетей.

Открываете ChatGPT, задаёте вопрос, ответ прилетает за пару секунд. Просите Midjourney нарисовать кота-космонавта в стиле Ван Гога и через минуту получаете четыре готовые картинки. Телефон разблокируется по одному взгляду на камеру. Лента во «ВКонтакте» будто знает, что вам интересно, ещё до того, как вы сами это поняли. За всем этим стоит одна и та же технология, и в какой-то момент возникает нормальный вопрос: а что там вообще внутри происходит?

Нейросеть, в отличие от обычной программы, не работает по жёстко прописанным правилам вроде «если А, то Б». Она сама находит закономерности, если показать ей достаточно примеров. Задачи у ChatGPT, Midjourney, распознавания лиц и рекомендательных лент совершенно разные, а суть обучения внутри почти одна и та же. В этом гайде разберём, откуда взялось название, как нейросеть на самом деле учится, почему она иногда уверенно врёт, чем большие модели отличаются от маленьких, какие вообще бывают типы нейросетей и что стоит понимать, чтобы пользоваться ими осознанно, не разбираясь в математике.

Откуда взялось название

Название прижилось из-за отдалённого сходства с мозгом: много простых элементов связаны друг с другом, каждый получает сигналы от соседей и передаёт свой сигнал дальше. Сходство чисто структурное. Настоящий мозг устроен на порядки сложнее, и нейробиологи обычно морщатся, когда сравнение начинают понимать буквально: в мозге около 86 миллиардов нейронов и триллионы связей между ними, а ещё химия, электрические импульсы и структуры, которые наука до сих пор не до конца расшифровала. Искусственный «нейрон»: это просто число, которое умножается на другие числа и складывается по определённой формуле.

Термин придумали ещё в 1943 году: нейрофизиолог Уоррен Маккаллок и математик Уолтер Питтс предложили математическую модель, описывающую, как мог бы работать упрощённый нейрон. Идея пролежала полвека почти без практического применения: не хватало ни данных, ни вычислительной мощности, чтобы такие модели давали что-то полезное. Настоящий взлёт начался только в 2010-х годах, когда одновременно появились огромные массивы размеченных данных (интернет, оцифрованные книги, миллиарды фотографий) и достаточно дешёвые видеокарты, способные быстро перемножать гигантские таблицы чисел. Слово «нейросеть» с тех пор прижилось намертво, а точность биологической аналогии с тех пор мало кого волнует. В редакции Neuronxx постоянно натыкаемся на путаницу вокруг этого названия: люди ждут от нейросети чего-то похожего на разум или сознание, а получают статистическую машину со своими причудами.

Краткая история: от идеи до ChatGPT на каждом телефоне

Между математической идеей 1943 года и нейросетями, которыми пользуются сотни миллионов человек ежедневно, лежит почти восемьдесят лет, причём большая часть реального прогресса случилась в последние пятнадцать. Несколько поворотных точек стоит знать, чтобы понимать, откуда взялся нынешний бум.

В 2012 году модель под названием AlexNet выиграла крупное международное соревнование по распознаванию изображений с большим отрывом от конкурентов, впервые убедительно показав, что глубокие нейросети (то есть модели со множеством слоёв) значительно превосходят прежние методы компьютерного зрения. Это событие принято считать стартом современной эпохи глубокого обучения.

В 2017 году исследователи Google опубликовали статью «Attention is All You Need», предложившую архитектуру трансформер. Именно трансформеры лежат в основе практически всех современных больших языковых моделей, включая ChatGPT и Claude: буква T в GPT расшифровывается как раз как Transformer. Ключевая идея архитектуры в том, что модель умеет одновременно оценивать, насколько каждое слово в тексте связано с каждым другим словом, а не обрабатывает текст строго последовательно, как более ранние подходы, и это резко улучшило качество понимания длинного контекста.

В 2020 году вышла GPT-3, впервые показавшая, что достаточно большая модель, обученная на достаточно большом объёме текста, начинает решать задачи, для которых её никто специально не обучал, просто по описанию задачи в запросе. В ноябре 2022 года OpenAI выпустила публичную версию ChatGPT, и именно этот момент стал точкой, когда технология из узкого исследовательского круга шагнула к массовому пользователю: сервис набрал миллион пользователей за первые пять дней, что на тот момент было рекордом среди всех потребительских приложений. Тогда же, в 2022 году, широкой публике стали доступны Midjourney и Stable Diffusion, сделавшие генерацию изображений по текстовому описанию массовым явлением. С тех пор счёт новым моделям и обновлениям идёт на месяцы, а не на годы.

Как нейросеть устроена внутри

Если открыть нейросеть и посмотреть, что там на самом деле, разочарование гарантировано: внутри нет мыслей, нет базы знаний в привычном смысле, только слои чисел. Модель организована в виде последовательных «слоёв»: на вход подаются числа (текст или картинка предварительно превращаются в числа), каждый слой немного преобразует эти числа по своим внутренним параметрам, передаёт результат следующему слою, и так до самого конца, где получается ответ. У современных больших языковых моделей таких слоёв бывают десятки, а самих параметров, то есть настраиваемых чисел, счёт идёт на сотни миллиардов.

Упрощённая схема: каждый кружок, это один искусственный «нейрон», линии между ними это связи с настраиваемым весом. Источник: Glosser.ca, Wikimedia Commons, CC BY-SA 3.0.

Удобная бытовая аналогия: конвейер на кухне ресторана. Первый повар режет овощи по своим правилам, передаёт следующему, тот добавляет специи по своим правилам, передаёт дальше, и так далее до готового блюда. Ни один из поваров не «понимает» рецепт целиком, каждый выполняет свой узкий шаг, а осмысленный результат получается только из их последовательности. У нейросети то же самое: ни один отдельный слой «не понимает» язык или изображение, но вся цепочка вместе даёт результат, который выглядит осмысленным.

Важная деталь: эти внутренние числа (их называют весами) не пишет программист вручную. Их подбирает сам процесс обучения, и после обучения расшифровать, что именно означает конкретное число в конкретном слое, обычно невозможно, разве что примерно и для отдельных случаев. Это одна из причин, почему даже разработчики моделей не всегда могут объяснить, почему нейросеть дала именно такой ответ, а не другой.

Как нейросеть учится

Здесь нет привычного программирования, где человек прописывает каждый шаг заранее. Модель обучают на примерах. Нужно, чтобы она отличала кошку от собаки на фото? Показываете тысячи снимков с подписями. Модель гадает, ошибается, а специальный алгоритм (его называют обратным распространением ошибки) вычисляет, в какую сторону и насколько нужно чуть подправить внутренние параметры, чтобы в следующий раз промахнуться немного реже. Так нужно повторить миллионы, а для больших моделей и миллиарды раз, прежде чем ошибка станет достаточно маленькой.

Процесс похож на настройку сотен тысяч ручек на огромном микшерном пульте одновременно, где после каждой попытки приходит сигнал «теплее» или «холоднее», и все ручки чуть сдвигаются в нужную сторону. Ни один человек физически не смог бы провернуть это вручную, поэтому вся тяжёлая работа лежит на видеокартах, которые умеют быстро повторять одну и ту же арифметическую операцию миллиарды раз подряд.

Каждая стрелка, это один шаг обучения: модель понемногу сдвигается в сторону меньшей ошибки, пока не дойдёт до дна. Источник: Eviatar Bach, Wikimedia Commons, общественное достояние (CC0).

Именно этот механизм подстройки параметров маленькими шагами и называют обучением с учителем: у модели есть «учитель» в виде размеченных примеров и числового сигнала ошибки, а сама подстройка происходит автоматически, без участия человека на каждом шаге.

С текстовыми моделями вроде ChatGPT принцип похож, только вместо подписанных фото ей скармливают терабайты текста из интернета, книг и статей. Задача, на которой модель тренировалась изначально, звучит почти смешно в своей простоте: предсказать следующее слово (точнее, часть слова, но об этом чуть ниже) в предложении, зная предыдущие. И через эту, казалось бы, скучную задачу модель постепенно нахваталась грамматики, фактов, стилей речи и логики рассуждений, потому что чтобы хорошо предсказывать следующее слово в миллиардах разных текстов, приходится волей-неволей улавливать закономерности языка и мира, который этот язык описывает. Когда в редакции первый раз разбирались, как это устроено, было сложно поверить, что такая простая механика на выходе даёт связный, а иногда и остроумный текст.

Отдельно стоит различать два этапа. Сначала идёт предобучение (pretraining) на огромном объёме текста без разметки, это самый долгий и дорогой этап, он и создаёт «общие знания» модели о языке и мире. Дальше идёт дообучение: модель показывают примеры хороших ответов на вопросы, а иногда просят людей оценивать разные варианты ответа, чтобы модель училась быть полезной, вежливой и следовать инструкциям, а не просто продолжать текст в случайную сторону. Именно второй этап превращает «предсказыватель следующего слова» в помощника, с которым можно вести диалог.

Что такое токены и почему это важно

Нейросеть не читает текст буквами и не воспринимает слова целиком, как человек. Текст сначала разбивается на кусочки, которые называют токенами: это может быть целое короткое слово, часть длинного слова или даже один знак препинания. Слово «нейросеть» модель, скорее всего, увидит как два-три токена, а не как одно целое. Каждому токену соответствует число, и вот с этими числами модель и работает на самом деле.

Знать про токены полезно не только из любопытства. Именно из-за токенизации модели иногда странно считают буквы в словах или путаются в задачах, где важен точный посимвольный разбор (посчитать, сколько раз буква «р» встречается в длинном слове, например), просто потому что модель «видит» не буквы, а токены, из которых слово составлено, и это не всегда совпадает с тем, как слово выглядит для человека. Ограничение длины запроса и ответа тоже считается в токенах, а не в словах или символах, поэтому у разных нейросетей лимит на объём текста в одном разговоре формулируется именно через это понятие.

Почему нейросеть иногда врёт

Модель не хранит внутри справочник и не сверяется с ним перед ответом. Она предсказывает то, что статистически похоже на правду, опираясь на то, что видела при обучении. На редкой теме, при расплывчатом запросе или там, где данных для обучения было мало, шанс ошибиться заметно растёт. Такие сбои называют галлюцинациями: текст звучит уверенно и гладко, а факты внутри могут быть частично или полностью выдуманы. Модель не «понимает», что она врёт, потому что у неё вообще нет внутреннего понятия правды в человеческом смысле, есть только вероятность того, какое слово статистически уместно поставить следующим.

На практике галлюцинации чаще всего встречаются в нескольких характерных ситуациях: точные цифры и статистика (модель может уверенно назвать неверный процент или дату), цитаты и ссылки на источники (иногда придумывает несуществующую книгу или статью с правдоподобным названием), узкоспециальные и редкие темы, где в обучающих данных было мало материала, а также вопросы про совсем свежие события, которые случились уже после того, как модель обучили. У нас в редакции с этим простое правило: цифры, даты и цитаты, полученные от нейросети, всегда перепроверяем отдельно по независимому источнику, если материал серьёзный, а не просто черновик для собственных заметок.

Разработчики постоянно работают над снижением галлюцинаций: подключают модели к поиску в интернете в реальном времени, учат явно говорить «я не уверен» вместо того чтобы выдумывать ответ, добавляют проверку фактов после генерации. Полностью проблема пока не решена ни у одной из существующих моделей, включая самые дорогие и продвинутые.

Большая модель против маленькой

Размер модели измеряют в параметрах. Это внутренние числа, которые она подстраивает во время обучения. Параметров больше, значит закономерности улавливаются тоньше, но и вычислений для работы требуется заметно больше. Первая по-настоящему известная большая языковая модель, GPT-3 (2020 год), имела 175 миллиардов параметров, и на тот момент это казалось огромной цифрой. Современные топовые модели вроде GPT-5 или Claude Opus точные размеры уже не раскрывают публично, но по косвенным оценкам речь идёт о величинах того же порядка или больше, часто с использованием архитектур, где для ответа на конкретный запрос активируется не вся модель целиком, а только часть её «специализированных» блоков.

Отсюда разница между тяжёлыми облачными моделями, которые работают на серверах в дата-центрах, и компактными версиями, которые можно запустить прямо на обычном ноутбуке или даже смартфоне. Маленькие модели быстрее отвечают, дешевле в работе и не требуют интернета, но со сложными рассуждениями, творческими задачами и редкими темами справляются заметно хуже: у них физически меньше «пространства» для хранения тонких закономерностей. Выбор между большой и маленькой моделью, по сути, выбор между качеством ответа и скоростью со стоимостью, и для многих повседневных задач (перевести абзац, найти опечатку, сформулировать письмо) маленькой модели хватает с запасом.

Какие вообще бывают нейросети

Текстовые модели, ChatGPT и Claude, работают с языком: пишут, отвечают на вопросы, переводят, суммируют длинные документы, помогают программировать. Модели генерации изображений, Midjourney и Stable Diffusion, превращают текстовое описание в картинку, причём делают это не «рисованием» в привычном смысле, а постепенным превращением случайного шума в изображение, которое всё точнее соответствует описанию.

Отдельно существуют модели для видео (генерируют короткие ролики по тексту или фото), для музыки (сочиняют мелодии и даже песни с вокалом по текстовому описанию жанра и настроения), для распознавания и синтеза речи (голосовые помощники, автоматические субтитры, озвучка текста живым голосом), и узкоспециализированные модели вроде тех, что находят опухоли на медицинских снимках или предсказывают, как свернётся белок. Каждая заточена под свою узкую задачу и плохо справляется с чужой: спросить у модели для генерации картинок совет по налоговому вычету бессмысленно, у неё просто нет нужных «знаний» и способностей. Универсальной нейросети, одинаково сильной во всём сразу, пока не существует, хотя крупные текстовые модели постепенно учатся работать не только с текстом, но и с изображениями, звуком и даже видео в одной системе. Такие модели называют мультимодальными.

Для ориентира, вот какие задачи закрывают самые известные модели на практике:

Полный и постоянно обновляемый список инструментов с разбивкой по задачам смотрите в каталоге нейросетей: там больше сотни сервисов с фильтрами по категориям, ценам и рейтингу, а не только четыре самых известных имени.

Каталог на сайте: фильтр по задаче слева, карточки с честной оценкой и ценой справа, без рекламы за место в списке.

Сколько это стоит

Разброс цен большой, и разбираться в нём стоит отдельно, прежде чем платить за первую попавшуюся подписку. У большинства крупных моделей есть бесплатный тариф с урезанными лимитами: ограниченное число сообщений в день, более слабая версия модели или очередь в часы пик. Платные версии ChatGPT и Claude обычно стоят от 15 до 25 долларов в месяц на международном рынке, снимают лимиты и открывают более мощную модель. У сервисов генерации изображений вроде Midjourney часто действует система кредитов или лимит картинок в месяц вместо простой безлимитной подписки.

Отдельная категория, open source модели вроде некоторых версий Stable Diffusion, которые можно скачать и запустить на собственном компьютере бесплатно, заплатив только электричеством и временем на настройку. Для разовых задач часто разумнее пользоваться бесплатными лимитами нескольких разных сервисов по очереди, чем сразу оформлять платную подписку, для регулярной работы платный тариф обычно окупается экономией времени уже в первую неделю.

Как сформулировать запрос, чтобы получить толковый ответ

Раз нейросеть предсказывает продолжение на основе того, что видит перед собой, качество запроса напрямую определяет качество ответа. Возьмём простой пример: «напиши текст про кофе» почти наверняка выдаст усреднённый, ничем не примечательный набор фраз, потому что модель не читает мысли и вынуждена угадывать, что именно вам нужно. Стоит добавить роль и контекст, скажем «напиши короткий пост для инстаграма кофейни про новый сорт зёрен, тон дружелюбный, с лёгким юмором, без канцелярита», и результат сразу становится куда точнее, потому что модели дали ровно те же вводные, что дали бы живому копирайтеру.

Похожий эффект даёт приём few-shot, когда перед основной задачей вы показываете пример или образец: вставляете один абзац в желаемом стиле и просите продолжить именно в такой манере. Разброс между тем, что вы хотели получить, и тем, что реально пришло в ответ, резко сужается.

Для сложных задач стоит разбивать работу на шаги, а не ждать готового результата одним запросом. Вместо «напиши мне бизнес-план» эффективнее сначала попросить структуру разделов, обсудить её и только потом просить раскрыть каждый раздел отдельно. Чем длиннее и амбициознее цель, будь то творческая задача или аналитическая, тем больше смысла вести с моделью пошаговый диалог вместо погони за идеальным ответом с первой попытки.

Подробный разбор техник формулировки запросов с большим количеством примеров, отдельная большая тема: см. гайд по промпт-инжинирингу.

Как люди на самом деле используют нейросети

За разговорами про «искусственный интеллект» легко упустить, что на практике польза от нейросетей чаще всего очень приземлённая. Студенты используют текстовые модели, чтобы разобраться в сложной теме простыми словами или проверить черновик реферата на логические нестыковки. Копирайтеры и маркетологи прогоняют через нейросеть первые варианты текстов, а потом дорабатывают их сами, экономя время на рутинном первом черновике. Программисты используют модели как продвинутую подсказку в коде: объяснить незнакомую ошибку, предложить кусок кода, найти баг в длинной функции. Дизайнеры и иллюстраторы через Midjourney и подобные сервисы быстро генерируют референсы и черновые концепты, вместо того чтобы часами искать вдохновение по картинкам в интернете.

В бизнесе нейросети чаще всего закрывают три типа задач: автоматизация рутинной переписки и первичной поддержки клиентов, обработка больших объёмов текста (документы, отзывы, договоры) быстрее, чем это сделал бы человек, и генерация черновых материалов, которые дальше редактирует живой специалист. Ключевое слово почти везде: черновик и помощник, а не полная замена человека: там, где цена ошибки высока (юридические документы, медицинские рекомендации, финансовые решения), результат нейросети практически всегда нужно проверять человеку с профильной экспертизой, именно из-за галлюцинаций, о которых говорили выше.

Частые заблуждения о нейросетях

Вокруг темы накопилось немало мифов, которые стоит разобрать отдельно, потому что они мешают пользоваться инструментом трезво.

Миф первый: нейросеть думает и понимает, как человек. На самом деле она статистически предсказывает продолжение, опираясь на закономерности в данных, и у неё нет ни сознания, ни намерений, ни понимания смысла в человеческом смысле слова, даже если ответы читаются как осмысленные и человечные.

Миф второй: чем длиннее и сложнее запрос, тем лучше ответ. На практике часто верно обратное: короткий, конкретный запрос с чёткой формулировкой задачи и примером желаемого результата обычно даёт более точный ответ, чем расплывчатое многословное описание. Об этом отдельно писали в гайде про формулировку промптов.

Миф третий: нейросети скоро заменят все профессии. Реальная картина куда скромнее: модели хорошо забирают рутинные и шаблонные части работы, но там, где нужны реальная ответственность, живое общение, оригинальное суждение в нестандартной ситуации или проверка фактов, человек пока остаётся обязательным звеном.

Миф четвёртый: бесплатные версии нейросетей ничем не хуже платных. Разница чаще всего есть, и заметная: платные версии обычно дают доступ к более мощной модели, снимают лимиты по количеству запросов в день, добавляют возможности вроде работы с файлами, интернет-поиска в реальном времени или более длинной памяти диалога.

Безопасность и приватность при работе с нейросетями

Отдельный практический момент, о котором редко задумываются на старте: то, что вы пишете в чат с нейросетью, обычно уходит на серверы компании, которая эту модель разрабатывает, и может использоваться для дальнейшего обучения или анализа, если явно не отключить это в настройках. Не стоит вставлять в переписку с нейросетью пароли, номера карт, паспортные данные, коммерческую тайну работодателя или чужие персональные данные без согласия. Большинство сервисов дают возможность отключить использование переписки для обучения моделей в настройках аккаунта, и для рабочих задач это разумно включить сразу.

Куда движется технология дальше

В редакции мы следим за темой каждый день, и заметнее всего сейчас растёт агентность: модели учатся не просто отвечать на вопрос, а самостоятельно выполнять многошаговые задачи, обращаясь к другим программам, сайтам и инструментам без постоянного участия человека на каждом шаге, забронировать билет, собрать факты из нескольких источников, написать и запустить код для проверки гипотезы. Параллельно модели учатся удерживать и использовать всё больше информации в рамках одного разговора или проекта, не забывая ранние детали. А цены при этом падают: компактные модели, которые ещё пару лет назад требовали дата-центра, сегодня запускаются на обычном ноутбуке.

Одновременно растёт и внимание к рискам: авторскому праву на материалы, на которых обучались модели, энергопотреблению дата-центров, влиянию на рынок труда, распространению дипфейков и недостоверного контента. Правила использования нейросетей в разных странах ещё только складываются, и, похоже, в ближайшие годы они будут меняться заметнее, чем сама технология.

Нужно ли разбираться в математике

Нет. Пользователю не обязательно знать, что происходит внутри модели, точно так же не нужно разбираться в устройстве двигателя, чтобы водить машину. Достаточно понимать общий принцип (учится на примерах, иногда ошибается уверенным тоном, работает тем лучше, чем конкретнее и точнее сформулирована задача) и уметь формулировать задачу так, чтобы модель поняла, чего от неё хотят. В обзорах на сайте мы сравниваем нейросети именно с этой позиции: не что там внутри, а насколько удобно этим пользоваться в реальной работе, какие задачи инструмент реально решает и где у него слабые места.

Если коротко: нейросеть учится на примерах, а не следует прописанным правилам, устроена как цепочка слоёв, которые преобразуют числа, иногда ошибается уверенным тоном из-за того, что не сверяется со справочником фактов, а бывает нескольких принципиально разных типов под разные задачи. Для того чтобы пользоваться ей каждый день, разбираться в математике или архитектуре моделей не требуется вовсе, достаточно понимать общую логику и относиться к ответам с разумной проверкой там, где цена ошибки высока.

Часто задаваемые вопросы

Готовы внедрить ИИ в рабочий процесс?

Найдите нужные инструменты в нашем каталоге — нейросети с обзорами и ценами на русском