16 терминов, чтобы лучше разбираться в нейро­сетях

Конкретная версия нейросети. Например, сервис ChatGPT работает на двух разных моделях: стандартной GPT-3.5 и более продвинутой GPT-4

Данные, на которых обучили модель, — набор текстов, изображений или видео. От датасета зависит результат, который выдает нейросеть. Если ее учили на аниме, она будет рисовать аниме. Чем больше датасет, тем лучше результат

Состоит из двух частей: первая создает контент, а вторая сравнивает его с образцом и отбраковывает плохие генерации. Во время состязания обе части учатся лучше справляться со своей задачей

Создает изображения из случайного шума. Сначала нейросеть добавляет его к настоящим фото и делает их неразличимыми, а затем учится восстанавливать исходные картинки. После обучения она будет создавать уже уникальные изображения

Область связана с созданием программ, которые выполняют задачи аналогично человеческому интеллекту. Это более общее понятие, чем нейросеть: в одном ИИ их может быть несколько

«Узкие» ИИ выполняют конкретную задачу, тогда как общий искусственный интеллект может рассуждать, творить и воспринимать информацию на уровне человека. AGI — пока только теоретический концепт. Это что-то близкое к ИИ из фантастики, который умеет все

Программа, которая сама общается с пользователем в чате. У обычных чат-ботов за реплики отвечают более примитивные алгоритмы и прописанные фразы. А в основе ИИ-чат-ботов — нейросети. Продвинутые версии запоминают контекст разговора и имитируют эмоции

Запрос к нейросети — инструкция, где вы формулируете задачу и говорите, какой результат хотите получить. Например, текстовое описание картинки, которую нужно нарисовать

Машинное обучение — раздел ИИ, связанный с разработкой алгоритмов, которые позволяют компьютерам учиться на данных и принимать решения на их основе. Оно не ограничивается нейросетями. Глубокое обучение затрагивает сложные по структуре нейросети и большие объемы данных

Показатели, которые нейросеть настраивает в процессе своего обучения. Они определяют то, с какой силой один вычислительный элемент влияет на другой, и иные нюансы их взаимодействия. Цель — приблизить результат нейросети к заданному эталонному

Дополнительная настройка уже обученной модели на новом наборе данных, которую проводит ML-специалист. Например, чтобы адаптировать под свой стиль нейросеть, которая генерирует картинки. В процессе тюнинга модель сохраняет знания из общего датасета, но лучше разбирается в конкретной задаче

Процесс, когда нейросеть глючит и с уверенным видом выдает бред. Галлюцинацией может быть выдуманный исторический факт, ошибка в вычислении, подмена понятий. Эту проблему пока не решили, так что ответы нейросетей стоит проверять

Способы взаимодействия с нейросетями. Первое слово — входные данные, то, что нейросети нужно от вас. Второе — выходные данные, то, чем она ответит. Например, вы пишете запрос текстом и по нему получаете изображение — это text-to-image

Может обрабатывать разные типы данных: текст, изображения, звук, видео. Такие нейросети могут решать больше задач, например распознавать образы, отвечать на вопросы по картинке или на голосовое сообщение одновременно

При инпейнтинге нейросеть как бы дорисовывает картинку на основе существующей внутри ее границ. При аутпейнтинге, напротив, выходит за границы изображения. Обе технологии учитывают контекст — новые участки сочетаются с имеющимися

Алгоритмы, которые обрабатывают визуальную информацию — например, с камер видеонаблюдения. Они распознают, что изображено на загруженных кадрах, и дальше работают с этой информацией: анализируют КТ-снимок или угрозы на дороге

В нашей рассылке «Капча». Рассказываем, как пользоваться нейросетями и с их помощью экономить время на работе и в повседневной жизни