I’ll be back: 15 глупых вопросов о нейросетях

Может ли нейросеть научиться грубить?

Никита: Для оценки качества работы есть общие методы, которые зависят от решаемой задачи и типа нейросети. Если данные разбиваются на классы, то можно воспользоваться одним из популярных способов оценки — точностью, которая показывает процентное соотношение правильных предсказаний к общему количеству. Когда нужно получить числовой результат — например, предсказать погоду на завтра, — находится разница между полученным результатом и истинным. При этом бывают задачи, у которых нет правильного ответа, такие как генерация текста или картинки. Здесь мы используем специальные методы, основанные на множестве теории и математики.

Никита: Нейросеть является математической моделью, обрабатывающей информацию, с помощью правил и алгоритмов, которые базируются на статистических методах. Некоторые аспекты могут напоминать работу мозга, но сознания, интуиции или способности к рефлексии, как у человека, у нейросети нет.

В России в целом существует много нейросетей, которые уже можно использовать: на их основе работает голосовой помощник «Алиса» от «Яндекса», для генерации изображений есть нейросеть Kandinsky. В мае планируется выпуск нейросети GigaChat. Это нейросеть является аналогом

Никита: Искусственный интеллект — это гипотетическое понятие. Такая сущность должна выполнять любую интеллектуальную задачу, на которую способен человек. То есть иметь способность обучаться, рассуждать, решать проблемы, воспринимать внешнюю информацию и общаться. Нейросети же еще не умеют взаимодействовать с внешним миром и рассуждать в привычном для нас понимании — вместо этого они преобразовывают числительную информацию.

Обучение с учителем используется для нейросетей , которые в дальнейшем будут решать задачи классификации: получать на входной слой большой объем данных и разделять информацию по заданным категориям. Этот механизм лежит в основе разных функций: модель может в будущем специализироваться и на генерации текста или продолжении предложений (нейронная сеть LSTM), и на идентификации и классификации картинок (сверточная нейронная сеть CNN). Кроме того, обучение с учителем позволяет модели успешно работать с прогнозами: оценивать динамику спроса на товар и менять цену и другие количественные характеристики для максимизации выручки или строить прогноз на бирже.

Владислав: Уже сейчас мы можем использовать нейронные сети как персональных помощников. К примеру, ChatGPT подскажет, какие продукты нужны для приготовления определенного блюда, какие места посетить в отпуске или поможет оформить текст для статьи. Каждый должен научиться пользоваться таким инструментом, чтобы стать продуктивнее.

С учителем

Обучение с подкреплением (reinforcement learning) используется в ситуациях, когда нужно обучить нейро сеть задаче с четкими результатами на выходе. Этот формат подготовки ИИ-моделей проходит через взаимодействие с окружающей средой и работает следующим образом: система получает на вход некоторые неразмеченные данные и обрабатывает их случайным образом, в ответ на что получает положительные или отрицательные отзывы, в зависимости от результатов работы. Для обучения с подкреплением не нужен полный контроль человека или заранее и полностью размеченный набор данных — важно сформулировать задачу и оценить те решения, которые предпримет система.

Прохождение игр — часто встречающаяся задача, которую решает обучение с подкреплением. Так, например, алгоритм Q-обучения (Q-learning) часто используется в играх — например, для тренировки агента прохождению знакомой всем «Змейки » . Другой пример — нейросетевая модель AlphaGo, которая обучена играть в го на уровне мировых чемпионов.

Никита: С развитием искусственного интеллекта возможно создание сложных систем, имеющих возможность выполнять более разнообразные задачи, включая творческие и эмоциональные. Например, автономных роботов с искусственным интеллектом, которые будут способны заменять людей в опасных условиях, таких как аварии на производстве или природные катастрофы. Но создание таких систем требует значительного уровня развития технологий и решения этических и социальных вопросов, связанных с их использованием.

В основе нейросети лежат процессы, похожие на работу нашего мозга, и хотя нейронных связей у человека меньше, чем у мощной нейронной сети, понимания поставленной задачи или возможности обдумывать ответ у нее нет. Поэтому нейросеть искусственным интеллектом мы назвать не можем.

Отсутствие контроля человека при тренировке моделей увеличивает вероятность ошибок. Самостоятельный анализ данных может привести к неверному объединению или группировке по тем признакам, которые не важны для человека. Кроме того, подобная подготовка требует большего количества времени и информации — ведь для того, чтобы без подсказок учителя сделать верные выводы, нужно проанализировать больший объем информации, чем с ними.

Никита: Уже сейчас нейросети умеют генерировать уникальный контент: тексты, изображения, музыку и даже видео. К примеру, Kandinsky 2.1 от «Сбера» создает картинки по заданному запросу. Помимо этого есть бесконечный сериал, который создается при помощи нейронной сети и транслируется в интернете. Пока его качество оставляет желать лучшего, но, учитывая темпы развития отрасли, можно ожидать более точной генерации контента.

Нейросети развиваются с немыслимой скоростью: недавно это были лишь научные разработки, а сегодня каждый может их использовать в повседневных целях. Генерация изображений, ответы на вопросы, создание вакцины и решение сложных математических задач — это только часть того, что умеют умные помощники.

Современные нейросети с легкостью и за считанные секунды анализируют художественный текст, создают изображения, поддерживают живой диалог, пишут программный код и многое другое по запросу пользователя. Однако для того, чтобы эти действия правильно и быстро выполнялись, нейронная сеть проходит трудоемкое обучение, вне зависимости от размера входной задачи и количества нейронов в сети. Для результативной работы модели в будущем необходимо заранее подготовить наборы обучающих данных, рассчитать возможные отклонения от точных решений и подобрать весовые коэффициенты для каждого из нейронов.