Что такое «Нейронная сеть»

Обычную программу пишут правилами: «если в письме есть слово X — это спам». Нейросеть правил не получает. Ей показывают тысячи писем с готовыми ответами, и она сама подбирает параметры так, чтобы ответы совпадали. Это удобно там, где правила сформулировать невозможно: распознать лицо, понять смысл вопроса, перевести текст.

Сеть состоит из слоёв. Входной слой получает данные — пиксели, слова, числа. Скрытые слои последовательно преобразуют их, а выходной выдаёт ответ. Каждый слой — набор нейронов, и выход одного слоя служит входом следующего. Сети с большим числом слоёв называют глубокими, а обучение их — глубоким обучением.

Как сеть учится

Сначала веса случайны, и ответы сети бессмысленны. Для каждого обучающего примера считают ошибку — насколько ответ отличается от правильного. Метод обратного распространения ошибки, популяризированный в 1986 году, вычисляет, как нужно сдвинуть каждый вес, чтобы ошибка уменьшилась. Градиентный спуск делает этот маленький шаг. Повторив его на миллионах примеров, сеть приходит к весам, которые хорошо работают и на данных, которых она не видела. Если данных мало, сеть запоминает примеры вместо закономерностей — это переобучение.

Основные архитектуры

  • Полносвязные — каждый нейрон слоя связан со всеми нейронами следующего; подходят для табличных данных.
  • Свёрточные (CNN) — ищут локальные шаблоны в изображениях; прорыв в распознавании картинок случился в начале 2010-х.
  • Рекуррентные (RNN, LSTM) — обрабатывали последовательности, например текст, по одному элементу.
  • Трансформеры — описаны в статье «Attention Is All You Need» 2017 года. Механизм внимания обрабатывает всю последовательность сразу; на них построены современные языковые модели.

Пример применения на сайте

Компании не нужно обучать сеть с нуля: крупные модели доступны по API. Типичный сценарий — входящая заявка с сайта уходит языковой модели с инструкцией определить тему, срочность и ответственного отдела. Модель возвращает ответ в JSON, и заявка сразу попадает в нужную воронку CRM. Другой вариант — поиск по базе знаний: тексты превращают в векторы, и бот отвечает клиенту по документам компании. Такие связки — предмет интеграции нейросетей в сайт и CRM; важно проверять ответы модели и не передавать ей лишних персональных данных.

Связанные термины

Обновлено: 10 октября 2026

Все термины раздела «Backend» ↗