Топология для каждого — от одного нейрона до принципов, по которым работают агенты вроде Claude. Без чёрного ящика: разберём по слоям, с интерактивом и графикой, и покажем, где это реально оптимизирует процессы. Цель — перейти от «нажимаю кнопку» к «создаю с инструментом».
Финал серии сказал: базовое понимание ИИ должно быть у каждого. Не чтобы строить нейросети, а чтобы не быть слепым потребителем «чёрного ящика»: понимать, где модель сильна, где ошибается, какие вопросы ей задавать и как проверять ответ. Разберём всё по порядку — от одного нейрона до агентов вроде Claude.
Каждый вход $x_i$ умножается на свой вес $w_i$ (важность), всё складывается, добавляется сдвиг $b$, и результат проходит через «функцию активации» $f$ — она и решает, насколько сильно нейрон откликнется:
$y=f\!\left(w_1x_1+w_2x_2+w_3x_3+b\right)$
Поиграйте: нейрон ниже решает, хочется ли выйти на прогулку. Двигайте входы — и смотрите, как меняется отклик.
Заметьте: нейрон ничего не «знает» — он лишь складывает взвешенные доводы. Вся «магия» появляется, когда таких нейронов много и веса подобраны под задачу.
В распознавании изображений первые слои реагируют на простые грани, средние — на формы (глаз, колесо), последние — на целые объекты (лицо, машина). Никто не задаёт эти признаки вручную: сеть выстраивает их сама в ходе обучения.
Шаги одного «урока»:
Эта «сторона, где ошибка падает» — производная (градиент). Метод так и зовётся: градиентный спуск. А чтобы оценивать неопределённость ответа, нужна вероятность — фундамент, заложенный Колмогоровым.
Из жизни. Так повар доводит блюдо: попробовал (ошибка), добавил соли в нужную сторону (подстройка), снова попробовал — и так до вкуса. Сеть делает то же, только с миллионами «щепоток».
Модель вроде Claude — это трансформер. Он не хранит готовых ответов: он предсказывает следующий токен, опираясь на контекст. Чтобы понять, к чему относится слово «он», механизм внимания связывает его с нужным словом раньше:
Сложив миллиарды таких связей на огромных текстах, модель учится продолжать мысль осмысленно. Важно помнить: ответ — это вероятное продолжение, а не истина в последней инстанции. Поэтому модель бывает уверенно неправа — ровно как шаблон из главы о ЕГЭ.
Базовый «кирпич» агента — это языковая модель, усиленная инструментами, поиском и памятью: она сама формулирует запросы, выбирает подходящий инструмент и решает, что запомнить. В отличие от заранее прописанного сценария, агент сам направляет свой процесс и держит контроль над тем, как решает задачу.
Агент читает ошибку (видит) → предполагает причину и решает открыть файл (думает) → открывает и смотрит код (действует) → видит несовпадение сигнатуры (наблюдает) → правит, запускает тест, снова смотрит. Так работает Claude Code.
Модель сообщает, что задача решена; либо получен нужный результат; либо достигнут предел шагов. Хорошего агента строят на трёх принципах: простота, прозрачность шагов и аккуратно описанные инструменты.
Агент читает обращения, сортирует по теме и срочности, готовит черновик ответа, а сложное передаёт человеку. Очередь разбирается быстрее, люди занимаются нетиповым.
Из счетов и форм агент извлекает данные, заполняет систему и подсвечивает аномалии. Часы ручного ввода превращаются в минуты проверки.
Прогноз спроса и маршрутов оптимизирует запасы и логистику: меньше простоев и потерь, точнее закупки.
Во всех примерах работает одно правило: процесс сначала понимает и выстраивает человек, а агент берёт ставшую понятной рутину. Поручать модели то, чего сам не понимаешь, опасно — нечем проверить результат. Понимание топологии и есть то, что отличает «создаю с ИИ» от «слепо потребляю».
Соберём картину. Нейрон — взвешенное решение. Слои — лестница смыслов. Обучение — спуск по склону ошибки. Внимание — умение смотреть на важное. Агент — модель в цикле с инструментами и памятью. Под всем этим — школьная и чуть выше школьной математика: структура, функция, производная, вероятность.
Знать это не значит уметь строить ИИ. Это значит перестать быть перед ним беспомощным: задавать точные вопросы, проверять ответы и поручать рутину осознанно. Ровно то, к чему вела вся серия, — видеть, а не потреблять вслепую.
Цикл создателя и ИИ как ускоритель.
→ создавать с ИИчитать → ↩ Глава XIIПочему топология нейросети — грамотность каждого.
→ вывод сериичитать → в разработкеУглублениеАксиоматика Колмогорова как фундамент машинного обучения.
→ следующеескоро