Что такое нейросеть (нейронная сеть)?
Нейросеть — это математическая модель из слоёв связанных между собой «нейронов», каждый из которых умножает входные числа на веса и передаёт результат дальше. Обучение нейросети — это подбор миллионов таких весов, чтобы выход модели совпадал с правильным ответом.
Каждый отдельный нейрон делает элементарную операцию. Сила подхода — в глубине: когда слоёв много, ранние слои улавливают простые признаки (края, штрихи, отдельные слоги), а поздние собирают из них сложные понятия (лица, смысл фразы). Обучение сетей с большим числом слоёв и называют глубоким обучением (deep learning).
Нейросети сегодня стоят почти за каждым заметным AI-продуктом: распознаванием речи, генерацией изображений, языковыми моделями. Разные архитектуры решают разные задачи — например, трансформеры хорошо работают с последовательностями вроде текста.
Где применяется
Нейросети применяют там, где правила сложно сформулировать словами: распознавание лиц и номеров, расшифровка речи, перевод, медицинская диагностика по снимкам, обнаружение дефектов на производственной линии, генерация текста и изображений.
На практике их редко создают с нуля. Чаще берут готовую предобученную сеть и дообучают на своих данных — это требует в сотни раз меньше примеров и вычислений. Работают обычно на PyTorch или TensorFlow, а для обучения арендуют видеокарты в облаке вместо покупки оборудования.
Пример
Чтобы отличить кошку от собаки на фото, невозможно прописать правила: слишком много ракурсов, пород и освещения. Нейросеть вместо этого настраивает миллионы весов по размеченным примерам и начинает узнавать признаки, которые человек даже не смог бы перечислить.
Частые вопросы
Как нейросеть обучается?
Она получает пример, выдаёт ответ, сравнивает его с правильным и вычисляет ошибку. Затем алгоритм обратного распространения чуть-чуть корректирует веса в сторону уменьшения этой ошибки. Цикл повторяется миллионы раз — так модель постепенно настраивается.
Что такое глубокое обучение?
Обучение нейросетей с большим числом слоёв. Каждый следующий слой работает с более абстрактными признаками: первые различают линии и края, средние — части объектов, последние — объект целиком. Именно глубина дала прорыв в распознавании изображений и обработке языка.
Почему нейросети называют «чёрным ящиком»?
Потому что решение закодировано в миллионах числовых весов, а не в понятных правилах. Объяснить, почему модель выдала конкретный ответ, сложно. Для регулируемых сфер вроде кредитования это проблема, и существуют отдельные методы интерпретации решений модели.
Нужна ли мощная видеокарта для работы с нейросетями?
Для обучения больших моделей — да, и обычно её арендуют в облаке. Но применение готовой модели часто обходится обычным процессором, а для обучения небольших сетей на учебных данных хватает бесплатных облачных блокнотов вроде Google Colab.