Если поспрашивать у случайных людей, что такое искусственный интеллект, ответы будут разными. Одни думают, что это роботы-гуманоиды, как из фильмов, другие, что это чат-боты, с которыми можно поговорить, третьи, что это что-то загадочное или даже опасное.
А ведь мы используем искусственный интеллект каждый день, даже не задумываясь об этом:
- лента в соцсетях подсовывает нам публикации
- камера в телефоне узнаёт лица
- переводчик переводит текст почти мгновенно
- голосовой помощник включает музыку по нашей просьбе
- навигатор прокладывает маршрут, учитывая пробки
- фильтр в почте определяет, где спам, а где важное письмо
- робот-пылесос убирает квартиру по расписанию
- шахматная программа играет с нами в шахматы
- скоринговая система банка решает, одобрить ли кредит.
Перечисленные примеры действительно относятся к ИИ. Но ещё существуют такие понятия, как машинное обучение и нейросети. И часто все три понятия используются как взаимозаменяемые. Сейчас мы разберёмся глубже, что же они значат.
Для этого представим три вложенные матрёшки:
- самая большая матрёшка — это искусственный интеллект
- внутри неё матрёшка поменьше — это машинное обучение
- а самая маленькая — нейросети.
В этом примере матрёшки символизируют вложенность понятий, показывая, что каждое предыдущее понятие шире последующего. Поговорим подробнее о каждом из них.
Что такое искусственный интеллект
Это область науки, которая занимается созданием искусственных существ. Они могут имитировать действия живых существ, процесс их мышления, иногда даже их внешность. При этом созданный механизм может не иметь внутри себя ничего живого, главное, чтобы он выглядел разумным и справлялся с поставленными задачами.
Например, в 1997 году шахматный суперкомпьютер Deep Blue от компании IBM обыграл чемпиона мира Гарри Каспарова, играя по стандартным турнирным правилам. Внешне Deep Blue выглядел как большой шкаф с электроникой и весил около 1,4 тонны. Внутри этого шкафа находились 32 процессора, которые могли просчитывать около 200 миллионов шахматных позиций в секунду.
Deep Blue уже был искусственным интеллектом, но ещё не использовал машинное обучение или нейросети, о которых поговорим далее. Чтобы «обучить» компьютер игре в шахматы, разработчики вручную внесли в него знания о шахматных партиях. А потом во время игры Deep Blue быстро перебрал варианты и находил лучшие решения. При этом он не обучался, не анализировал свои ошибки, не улучшал игру, а просто действовал по правилам.
Так Gemini изобразил матч между Каспаровым и Deep Blue. На самом деле суперкомпьютер выглядел похоже, фото можно посмотреть в архивной публикации IBM.
Победа машины над сильнейшим шахматистом планеты стала большим событием: об этом писали СМИ во всём мире, выходили передачи в новостях, а сам матч показывали в прямом эфире. А ведь до этого считалось, что шахматы — вершина человеческого интеллекта, и компьютер ещё долго не сможет обыграть лучшего игрока.
В итоге Deep Blue не только наделал шуму, но и повлиял на развитие вычислительной техники во многих отраслях. Схожие методики и сегодня применяют в финансовом моделировании, медицинской диагностике, транспортных системах.
Другие примеры ИИ, ещё до использования машинного обучения и нейросетей:
- ELIZA — программа, созданная в MIT с 1964 по 1967 год. Она имитировала беседу психотерапевта с пациентом, используя заранее заданные шаблоны ответов.
- MYCIN — экспертная система, созданная Стэнфордским университетом в середине 1970 годов. Она помогала врачам диагностировать инфекции крови и выбирать антибиотики для лечения.
Итак, ИИ — это широкое понятие. Оно охватывает много подходов и методов, которые помогают искусственным системам выглядеть, действовать или мыслить как человек.
Что такое машинное обучение
Термин «machine learning» точнее будет перевести как «обучение машин». Это раздел внутри ИИ, занимающийся созданием специальных алгоритмов. Эти алгоритмы, как пошаговые инструкции для компьютерных систем: они объясняют системе, как обучаться на примерах, чтобы потом решать различные задачи. Обученная таким способом система обычно называется моделью.
При машинном обучении разработчики не прописывают жёсткие правила, а дают системе множество примеров, на которых она учится выявлять закономерности. Иногда они подсказывают системе, на что именно нужно обращать внимание.
Допустим, разработчики хотят, чтобы модель отличала кошек от собак. Они дают системе большое количество изображений, но при этом отмечают, где кошки, а где собаки, а также указывают, на какие детали обратить внимание: форма ушей, форма морды, пропорции тела. Имея эти данные, система должна найти и запомнить различия, чтобы потом различать животных самостоятельно.
Например, в 2001 году была запущена компьютерная программа для фильтрации спам-почты SpamAssassin. Помимо прочих инструментов, в эту программу встроили байесовскую фильтрацию, которая является методом машинного обучения. Благодаря ей пользователь не прописывал вручную правила по типу «если в письме слово “выигрыш”, то это спам». Вместо этого он подавал в фильтр примеры хороших и плохих писем. Модель анализировала их и сама определяла, как выглядят подозрительные слова и фразы.
Другие примеры ИИ с использованием классического машинного обучения:
- Netflix Recommendation System — это алгоритм рекомендаций Netflix, подсказывающий пользователям, какие фильмы посмотреть.
- Amazon Product Recommendations — алгоритм рекомендаций Amazon, показывающий покупателям подходящие товары.
Оба проекта изначально основывались на классическом машинном обучении, но сейчас включают и нейросети.
Особенность машинного обучения в том, модель может улучшаться на основе новых данных. И чем больше качественных данных она получит, тем точнее будут результаты.
Что такое нейросеть
Искусственные нейронные сети или сокращённо нейросети — это семейство алгоритмов машинного обучения, вдохновлённых принципами работы человеческого мозга, его функциями, его структурой.
Нейросеть состоит из множества искусственных нейронов. Но это не такие нейроны, как в человеческом мозге, а математические модели. Каждый искусственный нейрон принимает данные, производит математические вычисления и передаёт результат следующему нейрону или сразу нескольким.
Нейроны в сети организованы в слои:
- входной слой принимает информацию
- скрытые слои её обрабатывают
- выходной слой выдаёт результат
В 2012 году база изображений для обучения алгоритмов компьютерного зрения ImageNet проводила ежегодный конкурс, на котором победил алгоритм AlexNet, причём с большим отрывом. AlexNet был глубокой свёрточной нейросетью, ведь, как мы помним, есть целое семейство разных нейросетей. И именно эта победа ознаменовала начало эры нейросетей.
Другие примеры ИИ с использованием нейросетей:
- Generative Pre-trained Transformer или сокращённо ChatGPT — это большая языковая модель, которая в 2025 году умеет отвечать пользователю текстом и голосом, переводить тексты, считывать данные с изображений, генерировать изображения, проводить поиск в интернете.
- Алиса — это виртуальный голосовой помощник от Яндекс. Она умеет поддерживать связный диалог с пользователем, проводить поиск в интернете, управлять устройствами в умном доме, ставить будильники и таймеры, строить маршруты в навигаторе, заказывать такси и даже играть с пользователем в игры.
Главная сила нейросетей в том, что они самообучаемые. Также они хорошо умеют работать с неструктурированными данными: картинками, звуками, текстом. Традиционные алгоритмы машинного обучения плохо справлялись с этим, а нейросети научились распознавать лица и рукописный почерк, переводить тексты, создавать изображения или видео по описанию.
Простая схема, чтобы запомнить разницу раз и навсегда
Запомните так:
- ИИ — это идея умных машин в целом, в любых вариациях и проявлениях, с использованием всех возможных методов
- машинное обучение — алгоритмы, позволяющие машинам учиться на собственном опыте
- а нейросети — подраздел машинного обучения, алгоритмы, вдохновлённые работой мозга
Если коротко: любое машинное обучение — это ИИ, но не любой ИИ — это машинное обучение. И то же самое с нейронными сетями: любая нейросеть является ИИ, но не любое ИИ является нейросетью.
В следующей статье объясню, как обучают нейросеть…
11 комментариев
Форум →