Общая информация об уроке
Искусственный интеллект — общее понятие, которое объединяет технологии для решения задач на основе данных. Например, ИИ может извлечь условия из предложения поставщика, оценить потребность в закупке по прошлым заказам или подготовить письмо с уточняющими вопросами.
В этом вводном уроке разберём основные термины, проследим путь от примеров для обучения до ответа на новый запрос и попробуем различать типы задач ИИ. Технические знания не понадобятся.
Цель урока
Понять, как связаны ИИ, машинное обучение и нейросети, чем обучение отличается от работы с новым запросом и какие результаты может выдавать модель.
1. Что называют искусственным интеллектом
Компания выбирает поставщика оборудования. Один прислал скан коммерческого предложения, другой — письмо с условиями. ИИ помогает собрать цены и сроки в одну таблицу, отметить недостающие сведения и подготовить уточняющие вопросы. По истории заказов он может оценить потребность в следующей закупке. Каждый результат нужно проверить перед решением.
За словом «ИИ» стоят разные подходы. Для начала достаточно различать четыре понятия:
- искусственный интеллект: общее направление технологий и систем;
- машинное обучение: подход, при котором модель выявляет закономерности в примерах, вместо того чтобы получать отдельное правило на каждый случай;
- нейросеть: один из видов моделей машинного обучения, состоящий из связанных вычислительных слоёв;
- генеративный ИИ: системы, создающие новый текст, изображение или другой материал. Современные генеративные модели часто построены на нейросетях.
В GigaCowork генеративный ИИ помогает превратить разовый запрос в рабочий процесс: агент опирается на документы и правила компании, при необходимости получает данные из подключённых систем и готовит результат для проверки человеком. Такой сценарий можно повторять всей командой.
2. Как устроена нейросеть
Название напоминает о нервной системе, но нейросеть — не цифровой мозг. Это цепочка вычислительных слоёв. Каждый слой получает числовое представление входных данных, преобразует его и передаёт дальше.
Ниже два примера из одного процесса закупки. На скане коммерческого предложения модель находит цену и срок поставки, а в письме поставщика распознаёт условие о гарантии. В обоих случаях она преобразует входные данные и использует закономерности, которым научилась на примерах.
Скан документа
Текст
Модель не видит и не читает как человек: она применяет изученные закономерности к новому вводу.
Схемы упрощены: реальные нейросети могут состоять из множества слоёв. Здесь важно увидеть общий путь от скана документа или текста через обработку к результату.
3. Как модель обучают на данных
Модель — это математическая система с параметрами. Во время обучения она получает примеры, строит предположение и сравнивает его с ожидаемым результатом. Если предположение неточно, параметры корректируются. Такой цикл повторяется много раз.
Например, если задача — распознавать условия в письмах поставщиков, учебные примеры могут содержать фрагмент письма и отмеченную категорию: «цена», «срок поставки» или «гарантия». Модель учится связывать признаки текста с этими категориями, чтобы затем обработать новое письмо.
Цикл повторяется на множестве примеров. Так появляется обученная модель.
Нейросеть не получает готовую инструкцию на каждый будущий вопрос и не обязана хранить учебные примеры дословно. Она настраивает параметры так, чтобы находить полезные закономерности в новых данных.
4. Как готовая модель работает с новым запросом
После обучения готовая модель получает новые входные данные: текст, изображение, числа или их сочетание. Она преобразует их и выдаёт результат. Это называют применением модели, или инференсом. Ввод нового запроса сам по себе не означает, что модель заново обучается.
На этом этапе модель использует готовые параметры. Обычный запрос не повторяет обучение.
Контекстом для ответа служит то, что доступно модели во время этой задачи: ваш запрос и, если они добавлены, другие материалы. Как именно их подготовить для работы, вы разберёте в следующих уроках.
Если на вход подан текст, языковая модель работает с его небольшими частями — токенами. Посмотрим, как они устроены.
5. Что такое токены и как из них получается ответ
Токен — небольшая часть текста, с которой работает языковая модель. Это не обязательно целое слово: токеном может быть слово, часть слова или знак препинания.
На схеме ниже фраза «Большие языковые модели» условно разделена на части. Границы токенов зависят от конкретной модели: здесь важно увидеть принцип разбиения, а не запомнить точные части.
Создавая ответ, модель учитывает запрос и уже написанную часть ответа, выбирает подходящее продолжение и повторяет этот шаг. Так из токенов складывается связный текст — модель не берёт целый ответ из готового списка.
6. Три понятных типа результата
Один и тот же вход может использоваться для разных задач. Различайте их по тому, что должно получиться на выходе:
- распознавание: найти в письме поставщика условие об оплате, сроке или гарантии;
- прогноз: оценить потребность в следующей закупке по истории заказов;
- генерация: подготовить письмо поставщику с вопросами о недостающих условиях.
Это упрощённое деление помогает понять принцип работы. В реальных системах несколько типов задач могут сочетаться: например, сначала найти отсутствующие условия в предложении поставщика, а затем подготовить письмо с уточняющими вопросами.
В следующем уроке вы перейдёте от общих принципов к выбору задач, полезных именно вашему бизнесу.
Словарь урока
- Искусственный интеллект
- Технологии, которые помогают решать задачи на основе данных.
- Машинное обучение
- Подход, при котором модель выявляет закономерности на примерах.
- Модель
- Обученная система, которая получает данные и выдаёт результат для задачи.
- Нейросеть
- Вид модели машинного обучения со связанными вычислительными слоями.
- Генеративный ИИ
- Системы, которые создают новый текст, изображение или другой материал.
- Контекст
- Запрос и другие материалы, доступные модели во время задачи.
- Токен
- Небольшая часть текста, с которой работает языковая модель.
- Инференс
- Применение обученной модели к новому запросу без повторного обучения.
Главное
- ИИ — широкая область; нейросеть — один из способов построить модель машинного обучения.
- Во время обучения модель меняет параметры на основе примеров; при новом запросе применяет уже изученные закономерности.
- Генеративный ИИ создаёт новый материал на основе изученных закономерностей и текущего ввода.
- Для работы с текстом языковая модель делит его на токены — слова, части слов или отдельные знаки.
- Результат зависит от типа задачи: модель может распознать категорию, построить прогноз или создать новый материал.
Практика
Рассмотрите три рабочих примера. Переключайте карточки и проследите, что модель получает на вход и выдаёт на выходе. Затем проверьте себя в коротком опросе ниже.
Проверьте себя
Ответьте на 7 вопросов — результат появится в конце.
Как связаны искусственный интеллект и нейросеть?
Результат урока
Вы сможете объяснить, как ИИ превращает входные данные в результат, и различить распознавание, прогноз и генерацию. В следующем уроке примените это понимание к задачам своего бизнеса.
