Нейросети: как это работает? Объясняем без формул и скучных терминов.

Возникла мысль простыми словами рассказать вам о том, как же работает нейронная сеть и что за магия в ней твориться. Не судите строго, я постараюсь максимально доступно, возможно где-то слишком, обо всем рассказать.

 

Специально не буду погружаться в технологию и структуру нейронной сети, чтобы не усложнять текст.

 

Важно ввести один термин - генеративная сеть, или LLM. LLM – это нейронная сеть (нейронка, такая как YandexGPT, DeepSeek, ChatGPT и другие), которая понимает вопрос написанный или озвученный на человеческом языке, может сформулировать и предоставить вам ответ так же в человеческом языке. Далее я буду использовать термины «LLM» и «нейронная сеть» и больше сложных терминов приводить не буду, только образы сравнения.

 

LLM это предсказатель, и предсказывает она следующее слова в предложении которое лучшим образом подходит по смыслу. Но обо всем по порядку.

 

Будем использовать пример. Если попросить нейронную сеть дописать фразу: «Мама мыла, ….», нейронная сеть ответит «раму».

 

Если подумать вариантов завершения фразы может быть множество и завершающим словом может быть: «Ваню», «пол», «окно», «Милу» в конце концов. Как нейронная сеть понимает, что нужно ответить нужно «раму»?

 

Мне очень понравился объяснение на примере кадра фильма, и я буду его использовать.

 

Перед вами кадр из известного советского мультфильма:

 

Если вы, как и я, успели застать советское время и любите мультфильмы, то глядя на картинку в голове представляете не один, а множество кадров. Вы знаете, что было до этого кадра, что будет дальше. Вы даже способны вспомнить звук велосипедного звонка, который звонил, когда велосипед ударялся об асфальт. Тем более с легкостью вспомните голос Анатолия Папанова и Клары Румяновой.

 

Если у вас всплыли эти воспоминания ставьте лайк и пишите комментарии.

 

Интересно, не правда ли? В вашем сознании всплывают звуки и движущиеся объекты.

 

Но для кого-то это будет просто картинка с волком в розовых шортах в кадре. Остановимся на том, что это шорты, для тех, кто не в курсе.

 

Если попросить такого человека описать дальнейший ход событий, он начнет выдумывать, галлюцинировать.

 

Именно это и является ключом к пониманию принципа работы LLM. Предыдущее поколение нейронных сетей обрабатывала слова последовательно, одно за другим, без понимания общего смысла фразы, забывая все что было на предыдущем шаге.

 

Представьте, вы читаете книгу и забываете все, что вы читали на прошлой станице. Поэтому они не могли генерировать длинные тексты, забывая все, о чем наговорили в самом начале.

 

Разбираемся дальше с обработкой запроса: «Мама мыла …»

 

Первым делом, при получении вопроса, нейронная сеть переводит ее в свой внутренний универсальный язык, векторный. Помните, в старших классах школы мы изучали вектора и использовали координаты X и Y. Здесь тоже самое, фраза превращается в набор координат, только их не две, а значительно больше, и похоже это на перечень чисел. Но продолжать погружаться в математику не будем.

 

На следующем шаге нейронная сеть фиксирует положение слов.

 

Согласитесь, что выражения «Мама мыла раму» и «Рама мыла маму» несут совершенно разный смысл. Поэтому важно знать какое слово за каким следует.

 

Далее нейронная сеть переходит к создание связей между словами. Этот шаг посложнее предыдущих двух.

 

Представьте, что вы идете по дороге и заметили двух знакомых, с которыми виделись час назад. Они о чем то, негромко говорят. Вы подходите к ним и слышите последнюю фразу «он такой дурак». Вы начинаете додумывать, выдумывать, фантанировать идеями. Кстати, многие сразу переключаются на негативный сценарий, и воспринимают это как будто говорили о нем, и дурак именно он. Не стоит расстраиваться, так устроен наш мозг. Слово «он» в услышанной фразе может иметь разный смысл и контекст, который зависит от других слов. Что если, скажем услышанная фраза была «он такой красивый». Контекст и ваше отношение к фразе сразу меняется. Вот эту зависимость от других слов и требуется определить.

 

Но и это не все. Теперь представим, что у нас не одна, а несколько голов, которые умеют думать отдельно друг от друга. Этакий трехголовый Змей Горыныч. Каждая голова Горыныча ищет связи между разными словами. Первая голова ищет связи между подлежащими и сказуемыми, Вторая голова следит за прилагательными и существительными, Третья голова обращает внимание на наречия и местоимения. И каждая строит свои предположения.

 

Связи определены, двигаемся дальше. А дальше все головы объединяют свои наблюдения в единый образ чтобы получить глубокое понимание смысла анализируемой фразы. За это отвечает отдельный мыслитель, ему передается все, что смогли собрать на предыдущих шагах и этот мыслитель пытается понять смысл. Некая Кузинатра дающая смысл.

 

На последнем шаге проводится нормализация. Тут для образа хорошо подходит дирижер, только благодаря ему все инструменты играют единую музыку, состоящую из мелодий множества инструментов. Без дирижера музыки не будет. Каждый инструмент будет играть свою мелодию, кто-то громче, кто-то тише, кто-то в свой такт, не обращая внимания на других.

 

Полученная в результате этого сложного процесса музыка и есть то, следующее слово, которое, лучшим образом, подходит в качестве следующего слова в предложении. В нашем примере лучшим будет слово «раму».

 

Чтобы добавить еще одно слово, после «раму» нейронная сеть снова пройдет весь этот путь поиска лучшего слова.

 

Вот таким образом нейронная сеть предсказывает каким должно быть следующее слово в предложении.

 

Надеюсь, мне удалось доступно объяснить вам процесс работы нейронной сети.

 

Нейронная сеть всегда пытается предсказать следующее слово и поскольку она не способна выдать «пусто» она выдаст либо то, что знает, либо придумает что-то свое, новое. Нейронная сеть обучается на специальных данных.  Поэтому под словом «знает» я понимаю те данные, которые нейронная сеть получала в процессе обучения.

 

Для того чтобы вовремя остановить бурную фантазию нейронной сети существуют другие механизмы, о которых мы поговорим позже, если тема окажется интересной.

 

А вот и результат на наш запрос «Мама мыла …» выданный LLM DeepSeek:

 

 

Широков Павел, руководитель компании ИПС г. Казань

Оставить заявку