Нейросети и ИИ1

1.

Нейросети и с чем
их едят
Специально для ОперМона

2.

Что это?
• Искусственный интеллект (ИИ) — это область науки и технологий,
занимающаяся созданием машин и программ, способных выполнять
задачи, которые обычно требуют человеческого интеллекта. Это включает
в себя такие способности, как восприятие, обучение, планирование,
принятие решений и взаимодействие с окружающим миром.
• Нейросети — это подмножество искусственного интеллекта, основанное
на принципах работы человеческого мозга. Они состоят из
взаимосвязанных искусственных "нейронов", которые обрабатывают
данные и обучаются на основе примеров, чтобы решать сложные задачи,
такие как распознавание образов, обработка языка и другие.

3.

Значимые этапы в истории
• 1. 1950-е годы — Рождение ИИ. Идеи о создании машин, которые могут думать, появились благодаря работам Алана Тьюринга,
который предложил "Тест Тьюринга" для проверки, может ли машина имитировать человеческое поведение. В это время также были
созданы первые программы для решения математических задач.
• 2. 1956 год — На конференции в Дартмуте был впервые использован термин "искусственный интеллект". Это ознаменовало начало
активных исследований в области ИИ.
• 3. 1957–1970-е годы — Появление первых нейросетей. Исследования в области нейросетей начали развиваться, однако из-за
ограниченных вычислительных мощностей и нехватки данных технологии не получили широкого применения.
• 4. 1980-е годы — Возрождение нейросетей. Развитие алгоритмов обучения, таких как метод обратного распространения ошибки
(backpropagation), позволило нейросетям начать решать более сложные задачи, такие как распознавание образов.
• 5. 1990-е и 2000-е годы — Революция глубокого обучения. С развитием мощных вычислительных машин и огромных объемов данных
нейросети начали достигать впечатляющих результатов в таких областях, как компьютерное зрение, обработка речи и игра в
стратегические игры.
• 6. 2010-е годы — Прорыв в ИИ. Глубокое обучение и нейросети стали основой современных достижений в ИИ, включая голосовых
помощников, системы распознавания лиц, автономные автомобили и многое другое.

4.

Как работают?
• Представьте, что нейросеть — это как большое сообщество маленьких
"умных" узлов, которые называются нейронами. Каждый нейрон
выполняет простую задачу, например, проверяет, есть ли на
изображении определённый объект, и передаёт результат следующему
нейрону. Вместе они решают сложные задачи, например, распознают
лицо на фотографии.
• Нейросеть состоит из трёх основных частей:
Входной (внешний) (1) слой: Это первый этап, где нейросеть получает
информацию. Например, если это изображение, то на вход поступают
данные о пикселях.
Скрытые (2) слои: Это те "умные" узлы, которые обрабатывают
информацию, выявляя важные признаки. Например, скрытые слои могут
распознавать линии, цвета или формы на изображении.
Выходной (3) слой: Здесь нейросеть выдает результат. Например, при
работе с изображением она решает, что на нём изображена кошка.
Внешний слой
Скрытый слой
Выходной слой

5.

Как нейросеть обучается?
• Чтобы нейросеть научилась распознавать объекты или
делать предсказания, её нужно обучить. Это похоже на то,
как человек учится на ошибках.
Шаг 1. Входные данные: Нейросеть получает входную
информацию — например, фото кошки.
Шаг 2. Обучение на примерах: Сначала нейросеть может
ошибаться, например, думать, что на изображении собака.
Но каждый раз, когда она ошибается, она учится исправлять
ошибку. Так она улучшает свои прогнозы.
Шаг 3. Обратная связь: После того как нейросеть делает
прогноз, она проверяет, насколько этот прогноз точен. Если
ошиблась, она меняет свои внутренние параметры - веса
(коэффициенты, которые указывают, насколько важна каждая
из входных величин). Например, если на изображении есть
хвост, вес, связанный с этим признаком, может быть выше,
чем с другими частями тела животного), чтобы в следующий
раз ответ был правильным.

6.

Как нейросеть распознаёт
объекты?
• Представьте, что нейросеть учат распознавать, что изображено на
картинке — кошка или собака. На этапе обучения она получает
тысячи примеров картинок с кошками и собаками и учится различать
их по ключевым признакам, таким как форма ушей или хвоста.
На первом этапе она может не распознать кошку, но с каждым новым
примером она всё лучше запоминает, что делает кошку кошкой, а
собаку — собакой.
После многих тренировок нейросеть будет точно понимать, что на
новой фотографии изображена кошка, даже если она не видела
именно такой снимок раньше.

7.

Как нейросеть принимает
решения?
• Когда нейросеть научилась распознавать вещи, она может
принимать решения, например, распознавать лица на фото или
предсказывать погоду. Это всё происходит быстро, благодаря
тому, что нейросети могут обрабатывать огромные объемы
данных за считанные секунды.
• Пример: если вы загрузите фото известного актера в приложение
для распознавания лиц, нейросеть сразу определит, кто
изображён на снимке, потому что она обучена распознавать
черты лица и по ним может определить конкретного человека.

8.

Основные типы (модели)
нейросетей
Перцептрон (Perceptron) Сверточные нейросети
Это самая простая
(CNN - Convolutional
нейросеть, которую
Neural Networks)
можно представить как
Сверточные нейросети
электронный "мозг",
специализируются на
способный
обработке изображений
классифицировать
и видео. Они могут
данные. Он принимает
автоматически выявлять
входную информацию,
важные особенности,
обрабатывает её и выдаёт такие как края объектов
результат, например, "это или текстуры, и помогать
кошка" или "это собака". в распознавании
Однако эта модель
объектов на картинках.
работает только с
Пример: Распознавание
простыми задачами.
лиц на фотографиях
Пример: Классификация или объектов на
фотографий как "собаки" видеозаписях.
или "кошки".
Генеративные состязательные
сети (GAN - Generative Adversarial
Networks)
Генеративные состязательные
сети состоят из двух частей: одна
генерирует изображения или
данные, а другая пытается понять,
являются ли они реальными или
сгенерированными. Эти сети
могут создавать
фотореалистичные изображения
и видео.
Пример: Создание искусственных
изображений людей или
животных, которые выглядят
абсолютно реальными.
Трансформеры
(Transformers)
Трансформеры — это
нейросети, которые на
данный момент являются
одними из самых мощных
для работы с текстом. Они
способны понимать
контекст и зависимость
между словами в тексте, что
делает их идеальными для
задач, связанных с языком.
Пример: Чат-боты, такие
как ChatGPT или GigaChat,
могут понимать и
генерировать текст, а
также переводить языки.

9.

Работа с генерацией
изображений
• Когда мы работаем с нейросетями для генерации изображений
(например, с помощью инструментов вроде Kandinsky), важно
правильно формулировать запросы (промты), чтобы получить
желаемый результат. Ошибки в промтах могут привести к
получению некачественных изображений.

10.

Основные правила
• Будьте конкретными. Чем больше деталей, тем точнее будет
результат.
• Используйте контекст. Определите, что именно вы хотите увидеть,
откуда и как.
• Указывайте стиль. Стиль помогает настроить нейросеть на нужное
восприятие.
• Проверяйте композицию и детали. Убедитесь, что всё сочетается
логично.

11.

Как пользоваться (или как
правильно составлять
промты)?
• Слишком общий запрос
Ошибка: Очень общий или неопределённый запрос может
привести к созданию изображения, которое не соответствует
ожиданиям. Например: «Нарисуй картину с морем и деревьями"
Решение: Указывайте больше деталей. Вместо того чтобы просто
написать "картину", уточните, что именно вы хотите увидеть:
«Нарисуй картину горного пейзажа на закате с рефлексией в озере
и редкими деревьями»

12.

Ошибка
Решение

13.

Работа с чат-ботами
• Когда мы работаем с чат-ботами, такими как GigaChat, также
очень важно правильно формулировать запросы (промты), чтобы
получить точные и полезные ответы. Чем более чётким и
конкретным будет ваш запрос, тем более релевантный и точный
будет ответ.

14.

Основные правила
• Будьте конкретными. Уточните, что именно вам нужно, включая
контекст и цели.
• Используйте ясную структуру. Разбейте сложные запросы на
несколько частей.
• Указывайте стиль и тональность. Подберите подходящий стиль для
ответа.
• Проверяйте логичность и последовательность. Убедитесь, что
запросы не противоречат друг другу.
• Не перегружайте запросы. Давайте чёткие и лаконичные
инструкции.

15.

Как пользоваться (или как
правильно составлять
промты)?
• Неуказание тональности или стиля ответа
Ошибка: Если не указана тональность или стиль ответа, чат-бот
будет использовать стандартный нейтральный стиль, который
может не подойти для конкретной задачи. Например, запрос
«Напиши маленький обзор на Ладу Приору» может быть выполнен
в формальном или нейтральном стиле, что не соответствует
ожиданиям или не подходит для выполнения задачи.
Решение: Укажите стиль, который вы хотите видеть в ответе.
Например, «Напиши маленький юмористический обзор на Ладу
Приору».

16.

Ошибка
Решение

17.

Польза в работе

18.

19.

За чем необходимо следить
• YandexGPT
Разработчик: Яндекс
Особенности: YandexGPT — это языковая модель, разработанная Яндексом для генерации
текста на основе нейросетевых технологий. Она используется для решения задач обработки
естественного языка, таких как генерация текста, автоматический перевод, резюмирование и
ответы на вопросы. Модель активно интегрируется с сервисами Яндекса, включая поисковую
систему, Яндекс.Облако и другие бизнес-приложения.

20.

Каждая из компаний-конкурентов имеет свои
AI-подразделения и продукты, основанные на
искусственном интеллекте

21.

• ChatGPT
Разработчик: OpenAI
Особенности: ChatGPT — это чат-бот, построенный на GPT-4, предназначенный для генерации
текста, общения и помощи в решении различных задач, включая ответы на вопросы, создание
текста, программирование, анализ данных и даже ведение разговоров.

22.

• Claude
Разработчик: Anthropic
Особенности: Claude — это серия языковых моделей, предназначенных для безопасного и
этичного взаимодействия с пользователями. Модели Claude ориентированы на соблюдение
принципов безопасности, стабильности и управления рисками.

23.

• Gemini
Разработчик: Google DeepMind
Особенности: Gemini — это новое поколение языковых моделей от Google, ориентированное
на более высокую степень интеграции с разнообразными сервисами Google. Gemini заменяет
модель Bard и использует более совершенную архитектуру.

24.

• Copilot
Разработчик: Microsoft (с использованием технологий OpenAI)
Особенности: Copilot предоставляет возможность интеграции с поисковыми системами и
может быть использован для поиска информации и генерации текста. Система включает в
себя как текстовые ответы, так и мультимедийные компоненты.

25.

• Grok
Разработчик: xAI (компания Илона Маска)
Особенности: Grok — это новая языковая модель, интегрированная с социальными сетями,
такими как X (бывший Twitter). Она может обрабатывать различные типы запросов и
генерировать текст в стиле общения на платформе.

26.

• Ernie
Разработчик: Baidu
Особенности: Ernie (Enhanced Representation through Knowledge Integration) — это китайская
языковая модель, которая используется для обработки китайского языка, а также других
задач. Модель фокусируется на учете знаний и контекста.

27.

Как работает цензура?
1. Предсказывает потенциально опасные запросы.
2. Использует предварительные фильтры и модели.
3. Распознает контекст.
4. Отвечает с учетом ограничений.
5. Постоянно обучается и обновляется.
6. Применяет этические принципы, заложенные разработчиками.

28.

Примеры запретов и фильтров:
• Насилие и угрозы: Запрещено генерировать контент, который
содержит угрозы насилия или может быть использован для
поощрения насилия.
• Ненависть и дискриминация: Запрещено генерировать
расистские, сексистские, гомофобные, или другие
дискриминационные высказывания.
• Противозаконная тематика: Запрещены запросы на темы,
связанные с наркотиками, террористической деятельностью,
оружием, взрывчатками и другими незаконными действиями.

29.

Что будет дальше?
• Автоматизация и улучшение рабочих процессов. Нейросети будут помогать ускорять задачи, например, в медицине ИИ уже
помогает диагностировать болезни быстрее и точнее. В будущем такие системы могут даже принимать решения в реальном
времени, например, в торговле или управлении проектами.
• Умные города и транспорт. В будущем транспортные системы и даже целые города будут работать на базе ИИ. Например,
автопилотируемые автомобили, как Tesla или Waymo, могут значительно уменьшить количество аварий и пробок, а умные
светофоры будут регулировать движение в зависимости от плотности потока.
• Персонализированное образование. Нейросети могут создавать индивидуальные программы обучения. Представьте, что ИИ
адаптирует школьную программу под нужды каждого ученика, как это уже делают некоторые образовательные платформы для
взрослых, например, Duolingo для изучения языков.
• ИИ в творчестве. Нейросети уже пишут музыку и рисуют картины. Например, искусственный интеллект создал картину, проданную
на аукционе за 432 000 долларов. В будущем ИИ может помогать художникам, музыкантам и писателям создавать новые
произведения.
• Этика и безопасность. С развитием технологий появятся новые вопросы безопасности. Например, как защитить персональные
данные, которые ИИ использует для обучения? Как избежать предвзятости в алгоритмах? Эти вопросы станут ещё важнее в
будущем.