Что такое нейросеть простыми словами: как она устроена внутри

Нейросеть — это программа, которая не выполняет заранее написанные правила, а угадывает ответ на основе примеров, которые видела при обучении. Ей не объясняют «кошка — это животное с усами и хвостом». Ей показывают миллион картинок с подписью «кошка», и она сама выводит, что общего у всех кошек. Тем же способом работают и ChatGPT, и YandexGPT, и DeepSeek — только вместо картинок они «насмотрелись» текста.

Снаружи это выглядит как собеседник, который умеет превращать один текст в другой за секунды: длинную запись созвона — в страницу конспекта, поток мыслей голосом — в план по пунктам, чужой канцелярский документ — в человеческое объяснение, вопрос «что тут про сроки?» — в цитату нужного пункта. Всё, что вы раньше делали с текстом руками, она делает быстрее. Не всегда лучше вас, но всегда быстрее.

Дальше — самое интересное: почему она вообще на это способна и откуда берутся её промахи. Заглянем внутрь.

Бытовая аналогия

Представьте дегустатора, который за жизнь попробовал десятки тысяч вин. Он не помнит формулы и не считает молекулы. Но когда ему наливают новый бокал, он мгновенно говорит: «Юг Франции, лет пять выдержки». Не потому что прочитал этикетку, а потому что чутьё, натренированное тысячами примеров, само сопоставило вкус с тем, что он пробовал раньше.

Нейросеть — такой же дегустатор, только для данных. Внутри нет базы фактов и нет свода правил. Есть натренированное чутьё: какое слово обычно идёт за каким, какой пиксель — рядом с каким. Всё «понимание» модели — это очень хорошо настроенная интуиция, а не логический вывод по учебнику.

Внутри нет магии — только арифметика

Слово «нейрон» сбивает с толку — рисуется что-то живое, мыслящее. На деле нейрон в нейросети — это просто ячейка с числом. А вся сеть — это огромные таблицы таких чисел, которые перемножаются друг на друга, как таблицы в Экселе. Числа называют весами, или параметрами: они и есть то самое «чутьё», которое настроилось при обучении.

Когда говорят, что в модели «500 миллиардов параметров», речь именно про эти числа в таблицах. И с каждым поколением их всё больше: у первой модели GPT в 2018 году было около 117 миллионов параметров, через два года у GPT-3 — уже 175 миллиардов, а у самых больших современных моделей счёт идёт на сотни миллиардов и переваливает за триллион (у китайской DeepSeek, к примеру, 671 миллиард). За семь лет — рост в тысячи раз.

Обучение — это долгий подбор: модели показывают пример, она ошибается, числа чуть-чуть подкручиваются, чтобы в следующий раз ошибка была меньше. Повторите это триллионы раз — и таблицы настроятся так, что модель начнёт связно отвечать.

Вывод, который стоит запомнить: внутри нет «разума». Есть сложение и умножение — в непостижимо большом количестве. Сложность нейросети не в хитрости операций, а в их масштабе.

Главный секрет: всё превращается в векторы

Вот место, которое почти всегда пропускают в объяснениях, — а без него не понять ничего. Нейросеть не работает со словами. Первым делом она переводит каждое слово (а точнее, кусочек слова) в набор чисел — вектор. Этот перевод называют эмбеддингом.

Проще всего представить вектор как координаты на карте смыслов. У обычной карты две координаты — широта и долгота. У карты смыслов их сотни или тысячи, но идея та же: каждое слово получает своё место в пространстве, и близкие по смыслу слова оказываются рядом.

«Кофе» и «чай» будут соседями. «Кофе» и «бетон» — на разных концах карты. Модель нигде не хранит определение слова «кофе»; она хранит его координаты — и этого достаточно, чтобы понять, что кофе ближе к чаю, чем к бетону.

Именно поэтому нейросеть улавливает смысл, а не буквы. Спросите её синоним — она найдёт слово, чьи координаты рядом. Попросите перевести — переведёт смысл, а не подставит слова из словаря. Вся «семантика», всё «понимание» модели живёт в геометрии этого пространства: смысл — это расстояние и направление.

Кстати, ровно на векторах держится и поиск по вашим документам: RAG находит нужный фрагмент не по совпадению слов, а по близости смыслов — то есть по близости векторов. Вы спрашиваете «сколько мы должны поставщику», а система находит абзац про «задолженность по договору», хотя ни одного общего слова в них нет.

Откуда это взялось: 2017 год и слово «внимание»

У современных нейросетей есть точная дата рождения. В 2017 году исследователи Google опубликовали статью с дерзким названием «Attention Is All You Need» — «Внимание — это всё, что нужно». В ней они предложили архитектуру, которую назвали трансформером, и один ключевой механизм — внимание. На нём стоят сегодня все чат-боты без исключения.

Здесь важно развеять частое заблуждение: трансформеры придумал не OpenAI и не ChatGPT. Их придумала исследовательская лаборатория Google. OpenAI взял эту архитектуру и довёл до продукта: в конце 2022 года на её основе вышел ChatGPT — и именно он превратил лабораторную технологию в то, чем сегодня пользуются десятки миллионов людей. А в 2024-м появилось следующее поколение — модели, которые не просто продолжают текст, а «рассуждают» пошагово перед ответом.

Что же такого сделало внимание? До него нейросети читали текст слово за словом, как по узкой трубочке, и к концу длинной фразы забывали её начало. Трансформер устроен иначе: он видит всю фразу целиком и сам решает, какие слова в ней связаны между собой. Отсюда — скачок в качестве, с которого и началась вся нынешняя история ИИ.

Посмотреть своими глазами: NanoGPT

Всё это перестаёт быть абстракцией, если посмотреть на настоящий, но крошечный трансформер. Такой есть: NanoGPT — учебная мини-модель, которую собрал Андрей Карпатый, один из основателей OpenAI, чтобы показать устройство без лишней сложности. У него внутри те же самые блоки, что у больших моделей, только маленькие — их можно разглядеть целиком: как слова превращаются в векторы, как внимание связывает их друг с другом, как в конце всё это переводится обратно в буквы.

У внимания есть предел дальнобойности — сколько текста модель способна удержать «в поле зрения» разом. Это контекстное окно, и оно объясняет, почему в длинном разговоре нейросеть постепенно забывает, с чего всё начиналось.

Чем за это платят: железо, электричество и качественный текст

Устройство мы разобрали. Осталось сказать, чего стоит такую конструкцию построить, — потому что от этой цены зависит и то, сколько вы платите за подписку, и то, куда технология двинется дальше.

Чтобы триллионы раз подкрутить сотни миллиардов чисел, нужны три вещи: специальные видеокарты, электричество и текст, на котором учиться. Каждая из трёх сейчас в дефиците.

Железо. Обычный процессор перемножает числа по очереди, видеокарта — тысячами разом, и именно поэтому обучение идёт на них. Делает эти карты в основном одна компания — Nvidia: на неё приходится почти девять из десяти ускорителей, купленных в мире для ИИ-задач в дата-центрах. Отсюда факт, который выглядит как курьёз, а на деле прямое следствие устройства нейросетей: производитель видеокарт стал самой дорогой компанией планеты, обогнав по капитализации и нефтяные корпорации, и производителей телефонов. Не потому что все вдруг стали играть в игры, а потому что весь ИИ мира считается на его чипах.

Электричество. Дата-центры под ИИ едят на порядок больше энергии, чем обычные: одна стойка с ускорителями потребляет в 6–20 раз больше, чем стойка классических серверов. Мировая мощность дата-центров за десятилетие выросла в 3,7 раза — до 114 гигаватт, — и к 2030 году должна удвоиться. Больше половины этого спроса уже сегодня создаёт искусственный интеллект.

И вот здесь технология упирается в физику. Дело даже не в том, что энергии мало, — её не успевают доставить. В США в очереди на подключение к сетям стоят проекты общей мощностью около 2 300 гигаватт, ждать подключения приходится до семи лет. Одни только дата-центры уже потребляют больше 5% всего электричества страны. Компании перестали спорить, чья модель умнее, и принялись скупать электростанции: заключают контракты с АЭС, строят собственную генерацию, ставят площадки там, где есть свободные мощности, а не там, где удобно. Капитальные вложения четырёх крупнейших игроков на 2026 год превысят 725 миллиардов долларов, и три четверти этих денег — в инфраструктуру под ИИ.

Качественный текст. Третий дефицит — самый неожиданный. Нейросеть учится на примерах, и от их качества напрямую зависит, что за «чутьё» у неё вырастет. На форумной перепалке модель научится спорить, на учебниках и хороших книгах — объяснять. Проблема в том, что качественные тексты в интернете почти закончились: приличную часть написанного человечеством большие модели уже прочитали, а новое всё чаще пишут сами нейросети — и учиться на этом всё равно что копировать копию.

Отсюда разворот, который уже видно: гонка сместилась с «сделать модель больше» на «выжать больше из того же» — и для вас это значит, что ИИ дешевеет. А редкий текст, которого нет в открытом интернете, — например ваш личный архив — становится ценнее общего.

Что из этого следует на практике

Всё устройство, которое мы разобрали, — не теория ради теории. Из него напрямую вытекает, как нейросеть себя ведёт: и в чём она сильна, и где промахивается.

Раз это угадывание по вероятностям — она уверенно врёт, когда не знает. Внутри нет базы фактов, есть чутьё на «какое слово обычно идёт следующим». Когда чутьё подводит, модель не молчит и не говорит «не знаю» — она с той же уверенностью сочиняет правдоподобный ответ. Это называют галлюцинацией, и это цена, которую мы платим за беглость. Отсюда практическое правило: факты, цифры и цитаты за моделью всегда проверяйте.

Раз её знания вшиты в веса — она всегда немного из прошлого. Обучение закончилось в конкретный месяц конкретного года, и с этого момента таблицы заморожены: новая версия закона, свежая цена, сменившийся руководитель — для модели всего этого просто нет, но говорит она о них тем же ровным тоном, что и обо всём остальном. Переучивать модель ради обновления никто не станет — это снова видеокарты, электричество и месяцы работы. Поэтому свежесть добирают иначе: чат-бот перед ответом идёт в интернет, читает страницы и отвечает уже с ними в контексте. Тот же приём работает и с вашими файлами — он называется RAG. Правило: если вопрос про свежее или про ваше личное — проверьте, что у модели есть доступ к источнику, а не только к памяти.

Раз её память — это контекстное окно — она забывает начало длинного разговора. Никакого «понимания вообще» у неё нет, есть только тот кусок текста, что помещается в поле зрения. Как только диалог перерастает окно, самое старое выпадает. Поэтому важное лучше повторять и держать под рукой, а не надеяться, что «она же помнит».

Раз она живёт смыслами, а не буквами — важно, как вы ставите задачу. Модель ловит не ключевые слова, а направление и намерение. Расплывчатый запрос она поймёт расплывчато; чёткий — чётко. Поэтому качество ответа во многом определяется тем, как вы формулируете, — про это есть отдельная статья «Что такое промпт и как его писать».

Раз её сила — синтез по тому, что ей дали — её место над вашей базой знаний. Модель, отвечающая «из головы», говорит общими словами. Модель, которой дали ваши конспекты, заметки и расшифровки, отвечает по вашей жизни: что обсуждали на планёрке в марте, какие цифры называл спикер на конференции, что вы сами обещали клиенту.

Ровно это делает ЗАРУБКА: собирает видео, голосовые, статьи и заметки в одну папку смыслов, по которой нейросеть уже умеет спрашивать и отвечать. Как перевести материалы в текст — в статье «Как перевести видео в текст»; как собрать из этого единую систему — в статье «Как собрать второй мозг».

Разборы новых моделей и что у них с русским языком — в канале «Очередная нейросеть».