Нейросеть на пальцах

Шесть интерактивных демонстраций: что на самом деле происходит внутри ИИ. Без формул, на примерах из бухгалтерии.

Нейросеть не читает слова. Она читает номера

Любой текст сначала режется на кусочки (токены), и каждому кусочку присвоен номер из словаря. Дальше модель работает только с числами. Введите свою фразу и посмотрите, как она развалится.

Символов: 0Токенов: 0Слов: 0

Почему это важно бухгалтеру. Нейросети берут оплату за токены, а русский текст и числа режутся на более мелкие куски, чем английский. Длинный номер счёта или ИНН для модели — это несколько «слов». Поэтому ИИ иногда путает цифры: он видит не число 122 000, а отдельные кусочки «122» и «000».

Нарезка здесь упрощённая. Настоящие токенизаторы режут текст по частоте сочетаний букв, но принцип тот же.

Вся магия: угадать следующее слово

Модель не «знает ответ». На каждом шаге она считает вероятности для всех слов словаря и выбирает одно. Потом снова. Нажимайте «Следующий шаг» и смотрите, как рождается фраза.

Творчество0.2

«Творчество» (temperature). При нуле модель всегда берёт самое вероятное слово и отвечает одинаково. Чем выше, тем чаще она выбирает маловероятные варианты. Для бухгалтерских задач ставьте низко: нужна предсказуемость, а не фантазия. Отсюда же берутся «галлюцинации»: модель выбирает правдоподобное слово, а не проверенный факт.

Как модель понимает смысл: слова как точки на карте

Каждое слово превращается в набор чисел — координаты на «карте смыслов». В реальной модели этих чисел тысячи, здесь два, чтобы можно было нарисовать. Похожие по смыслу слова оказываются рядом. Наведите курсор или коснитесь точки.

Налоги и отчётностьДокументыДеньгиНе из нашей темы

Что это даёт. Модель никто не учил, что «УПД» и «счёт-фактура» близки. Она увидела миллионы текстов, где эти слова стоят в похожих местах, и сама расположила их рядом. Поэтому ИИ понимает запрос «найди первичку» даже без слова «документы». И поэтому же может перепутать близкие понятия: «аванс» и «предоплата» для него почти одно и то же.

Внимание: на какие слова модель смотрит

Читая слово, модель «оглядывается» на все остальные и решает, какие из них важны прямо сейчас. Наведите курсор или коснитесь любого слова: чем ярче другое слово, тем сильнее на него смотрит модель.

Зачем это бухгалтеру. Слово «его» само по себе ничего не значит. Модель связывает «его» с «поставщиком» именно через внимание. Так же она связывает «сумму» с «НДС» в длинном договоре. Но если документ слишком длинный, внимание «размазывается», и модель начинает терять связи. Отсюда совет: большие документы делите на части.

Что внутри: слои, связи и числа

Нейросеть — это слои «нейронов», соединённых связями. У каждой связи есть вес: насколько сильно передавать сигнал. Числа входят слева, проходят через слои и превращаются в ответ справа. Нажмите «Пропустить сигнал».

Связей в этой игрушке: . В больших моделях вроде Claude и GPT их сотни миллиардов и больше — точные цифры компании держат в секрете.

Главная мысль. Никаких правил «если НДС, то 22%» внутри нет. Есть только миллиарды чисел-весов. «Обучить модель» значит подобрать эти числа так, чтобы на правильные вопросы получались правильные ответы. Как это происходит — на следующей вкладке.

Обучение вживую: сеть учится отличать подозрительные платежи

Задача, понятная любому бухгалтеру: по двум признакам — сумме и сроку до оплаты — решить, платёж обычный или требует проверки. У сети 120 размеченных примеров. Сначала она отвечает наугад. Нажмите «Учить» и смотрите, как граница решения сама встаёт на место.

обычный платёжнужна проверкаФон: что сейчас думает сеть

Шагов: 0Ошибка: —Точность: —

Угадать. Сеть выдаёт ответ со случайными весами.
Сравнить с правильным. Считаем, насколько ошиблась — красная линия на графике.
Чуть подправить веса в сторону меньшей ошибки. Повторить тысячи раз.

Это настоящая нейросеть, а не мультик: 2 входа, 8 нейронов в скрытом слое, 1 выход, обучение градиентным спуском прямо в вашем браузере. Большие модели устроены так же, только входов миллионы, а примеров триллионы. Сеть никогда не увидит правило в явном виде — она просто находит границу, которая лучше всего разделяет примеры. Если примеры были плохие, граница тоже будет плохая.

Коротко о частых вопросах

Почему ИИ ошибается в цифрах?: Числа режутся на куски-токены, а модель предсказывает следующий кусок, а не считает. Вкладки 1 и 2
Он «понимает» или «притворяется»?: Он уловил, какие слова встречаются в похожих контекстах, и для многих задач этого хватает. Вкладка 3
Почему теряет детали в длинных документах?: На тысячах слов внимание размазывается. Вкладка 4
Где внутри хранятся правила учёта?: Нигде. Есть только веса, подобранные на примерах. Вкладки 5 и 6
Можно ли доучить модель на наших данных?: Да, это и есть обучение: показать примеры и подвинуть веса. Но чаще проще и дешевле дать модели доступ к вашим документам, чтобы она отвечала по ним. Вкладка 6

Хотите, чтобы ИИ работал в вашей компании?

Пособие подготовил Вячеслав Супонин, SVS Systems. Помогаем внедрять ИИ в бизнес и бухгалтерию: обучаем команды, автоматизируем рутину, строим собственные инструменты под ваши задачи.

Все услуги SVS Systems