[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-neural-network::ru":3,"gloss-cluster-neural-network::ru":23,"gloss-next-neural-network::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"neural-network","core-ai","Нейронная сеть","Нейронная сеть — это функция, собранная из слоёв простых элементов, каждый из которых считает взвешенную сумму своих входов и пропускает результат через нелинейную активацию. Сложите несколько таких слоёв, и составная функция сможет приблизить зависимости, слишком запутанные, чтобы выписать их вручную; в этом вся математическая предпосылка. Биологическое название — историческая случайность и активно сбивает с толку: ничто в сети не моделирует синапс, а рассуждения по аналогии с мозгом дают худшую интуицию, чем взгляд на сеть как на дифференцируемую функцию с очень большим числом ручек. Самое интересное происходит при обучении. Вы задаёте функцию потерь — число, говорящее, насколько текущий вывод неверен, — затем методом обратного распространения считаете вклад каждого веса в эту ошибку и слегка сдвигаете каждый вес в сторону её уменьшения. Повторите на миллионах примеров, и сеть осядет в весах, дающих полезный вывод. Нелинейность важнее, чем кажется: без неё любой стек слоёв алгебраически сворачивается в одно линейное преобразование, и глубина не даёт ровным счётом ничего. Архитектура — это выбор того, как соединены слои, и она кодирует предположение о данных. Свёрточные сети разделяют веса между пространственными позициями, потому что кот остаётся котом, где бы он ни находился в кадре. Рекуррентные сети протаскивают скрытое состояние вдоль последовательности, потому что язык приходит по порядку. Трансформеры заменяют эту рекуррентность вниманием, позволяя каждой позиции смотреть напрямую на любую другую, — именно это сделало обучение параллелизуемым и потому сделало возможным современный масштаб моделей. Для разработчика практические следствия прозаичны и стоят усвоения. Вывод сети — это число, подогнанное так, чтобы коррелировать с верным ответом, а не его вывод из посылок; поэтому сеть может быть уверенно неправа, отразит любое смещение обучающих данных и тихо деградирует на входах, непохожих на виденное. Ничто из этого не лечится более аккуратным промптом: это свойство самой функции, и именно поэтому мониторинг и оценка — часть выпуска модели, а не необязательная добавка.","Нейросеть — это слои взвешенных сумм и нелинейностей, обученные обратным распространением: дифференцируемая функция с массой ручек, а не модель мозга.",null,[11,14,17,20],{"slug":12,"name":13},"activation","Активация",{"slug":15,"name":16},"deep-learning","Глубокое обучение",{"slug":18,"name":19},"machine-learning","Машинное обучение (ML)",{"slug":21,"name":22},"transformer","Трансформер",[24,28,32,36,39,42,45,48,51,54,57,58],{"slug":25,"category":5,"name":26,"updated_at":27},"agentic","Агентный AI (Agentic AI)","2026-08-24T02:46:36+00:00",{"slug":29,"category":5,"name":30,"updated_at":31},"alignment-tax","Налог на выравнивание (Alignment Tax)","2026-08-24T02:46:37+00:00",{"slug":33,"category":5,"name":34,"updated_at":35},"artificial-intelligence","Искусственный интеллект (ИИ)","2026-08-24T02:46:38+00:00",{"slug":37,"category":5,"name":38,"updated_at":27},"attention","Внимание (Attention)",{"slug":40,"category":5,"name":41,"updated_at":35},"beam-search","Лучевой поиск",{"slug":43,"category":5,"name":44,"updated_at":31},"benchmark-contamination","Загрязнение бенчмарка (Benchmark Contamination)",{"slug":46,"category":5,"name":47,"updated_at":31},"catastrophic-forgetting","Катастрофическое забывание (Catastrophic Forgetting)",{"slug":49,"category":5,"name":50,"updated_at":35},"computer-vision","Компьютерное зрение",{"slug":52,"category":5,"name":53,"updated_at":31},"constitutional-ai","Конституционный ИИ (Constitutional AI)",{"slug":55,"category":5,"name":56,"updated_at":27},"context-window","Контекстное окно",{"slug":15,"category":5,"name":16,"updated_at":35},{"slug":59,"category":5,"name":60,"updated_at":27},"diffusion-model","Диффузионная модель (Diffusion Model)"]