Привет, Хабр! На сегодняшний день большинство из нас пользуется инструментами искусственного интеллекта и иногда могут даже не знать об этом. Но задумывались ли вы, что такое ИИ? Многие знают термин "Нейросети" и часто приравнивают его к ИИ, но это не так. Нейросети – это одна из разновидностей ИИ, о которых я расскажу в этой статье.
Прежде чем начать разбираться в том, как работают разные ИИ, и какие они вообще бывают, давайте разберемся, что вообще такое искусственный интеллект. Для начала, давайте определимся с основными понятиями.
"Техническая интеллектуальная система – система, обладающая интеллектом". Но что же такое этот ваш интеллект? Ответ можно сформулировать по-разному, но самым обобщенным будет что-то вроде этого: "Интеллект – способность решать поставленные задачи, учитывая внешние факторы".
Исходя из этих определений, мы можем сказать, что "Искусственный интеллект – техническая система, способная решать поставленные задачи, адаптируясь под внешние факторы".
То есть искусственным интеллектом можно назвать любую программу, которая может решать задачи определенного вида?
Почти. ИИ должен иметь возможность обучаться. Обучение – это возможность решать задачи нового типа (которые изначально модель решать не могла), путем добавления новых знаний без переписывания исходного кода. ИИ может быть обучаемым и самообучаемым. Обучаемому нужно давать знания вручную, а самообучаемый может найти их сам в данной ему подборке или при помощи интернета.
Но почему я говорю про какие-то знания, если обычно в информационных системах используются данные? Между ними есть одно простое отличие "данные – информация, обработанная и представленная в формализованном виде для дальнейшей обработки", а "знания – сведения, воспринимаемые человеком и (или) системой как отражение фактов материального или духовного мира в процессе коммуникации". Если упростить, то данные – это некоторая информация, которая может нести смысл или быть без него, также этот смысл может быть как истинным, так и ложным. А знания – это информация, которая принимается за истину.
Теперь, когда мы разобрались с определением самого ИИ, можно приступить к рассмотрению нескольких из его проявлений:
Нейронная сеть
Семантическая сеть
Эмерджентный подход
Экспертные системы
Давайте поговорим про каждый из них:
1. Нейронная сеть
Представь себе, что это попытка инженеров и ученых создать симуляцию мозга внутри программы. Конечно, это очень упрощенная модель, но именно такой была изначальная идея.
Нейронная сеть состоит из множества нейронов, которые соединены между собой. Каждый нейрон получает какую-то информацию, обрабатывает ее и передает дальше. Эти связи имеют веса. Веса – это коэффициенты, которые определяют, насколько сильно один нейрон влияет на другой.
Главное здесь – обучение. Мы скармливаем нейронке огромное количество данных, например, тысячи фотографий цифр и знания о том, какая цифра изображена на каждой из картинок. Нейронная сеть будет сначала видеть картинку, потом пытаться угадать, какая цифра на ней изображена, потом узнавать, насколько она ошиблась и корректировать веса. Изначально она будет ошибаться, путая их. Но после каждой корректировки весов точность будет возрастать. Она сама находит закономерности в данных, которые иногда (не в нашем примере) человеку было бы сложно или невозможно выделить.
Языковые модели, такие как ChatGPT, Gemini и подобные работают по такому же принципу, только вместо того, чтобы угадывать, какую цифру вы написали, они угадывают следующее слово в тексте. И так, слово за словом, пишут целые тексты.
Архитектур построения нейронов много, но в этой статье я хочу представить краткую выжимку разных видов ИИ, а не архитектур нейросетей. Так что рассказывать про это я здесь не буду, но можете прочитать подробнее в этой статье
Такой ИИ является самообучаемым, так как мы ему только даём данные для обучения (датасет), а учиться он сам.
Из его преимуществ можно выделить самообучаемость и гибкость, нейронные сети можно использовать в любой отрасли.
Из недостатков: черный ящик: мы не знаем, почему нейросеть сделала тот или иной выбор, нейросети склонны к галлюцинациям (придумывают несуществующую информацию и считают ее за истину), обучение и использование нейросетей требует огромных вычислительных мощностей, долго обучается, готовую модель нельзя дообучить чему-либо, так как тогда начнут искажаться веса, отвечающие за старые знания.
2. Семантическая сеть
Представьте, что семантическая сеть – это огромная карта знаний. На этой карте есть узлы, которые представляют собой понятия или объекты (например, квадрат, предметная область геометрических фигур, правильный четырехугольник). Эти узлы соединены между собой связями, которые показывают отношения между ними (например, квадрат является правильным четырехугольником, квадрат относится к предметной области геометрических фигур, квадрат является параллелограммом).
Основная идея семантических сетей – хранение знаний в виде графа, где узлы – это понятия, а ребра – отношения. Это позволяет компьютеру понимать взаимосвязи между различными объектами и делать выводы. Например, если система знает, что квадрат является параллелограммом, и стороны параллелограмма взаимнопараллельны, то она может логически вывести, что стороны квадрата взаимнопараллельны, даже если это явно не указано. Подобные графы знаний активно используются в современных поисковых системах для улучшения релевантности выдачи, позволяя им понимать не только ключевые слова, но и семантические связи между запросами и информацией в интернете.
Такой ИИ является обучаемым. Человек или другая система вручную формирует связи и понятия, добавляя новые знания в граф.
Из преимуществ можно выделить: прозрачность (мы всегда можем отследить, почему система сделала тот или иной вывод), объяснимость (система может объяснить свои рассуждения), легкость добавления новых знаний (мы можем добавить только часть знаний, а остальные ИИ выведет логическим путем (если, конечно, в базе знаний есть необходимые знания)), требует минимальных вычислительных мощностей для работы, время обучения зависит только от того, как быстро человек (или иная система) добавит знания в граф, модель можно дополнить новыми знаниями в любой момент.
Из недостатков: ограниченность в обработке неструктурированных данных (таких как изображения или звук), сложность построения больших и сложных семантических сетей вручную
3. Эмерджентный подход
Эмерджентный подход в ИИ – это когда сложное поведение возникает из взаимодействия множества простых элементов, каждый из которых следует своим простым правилам. Нет единого центрального мозга, который диктует всем, что делать. Каждый элемент выполняет свое простое действие.
В этом подходе интеллект не программируется напрямую, а возникает из коллективного поведения множества модулей. Примерами могут быть системы роевого интеллекта (Swarm Intelligence), имитирующие поведение стай птиц, косяков рыб или тех же муравьев. Такие системы часто используются для решения задач оптимизации или распределенных вычислений. Еще одним классическим примером эмерджентного подхода являются клеточные автоматы, такие как "Игра Жизни". В них из простых правил взаимодействия соседних клеток рождаются удивительно сложные и непредсказуемые паттерны.
Эмерджентный ИИ может быть как обучаемым, так и самообучаемым, в зависимости от того, насколько гибко настроены правила поведения отдельных элементов и как они адаптируются к новой информации.
Из преимуществ: устойчивость к сбоям (выход из строя одного элемента не разрушает всю систему), способность к самоорганизации и адаптации к изменяющейся среде, возможность решения сложных задач без явного программирования сложного поведения.
Из недостатков: сложность предсказания и контроля конечного поведения системы, трудности в отладке и понимании, почему возникло то или иное поведение, а также часто требуется большое количество элементов для проявления разумного поведения.
4. Экспертные системы
Экспертные системы – это один из старейших подходов в ИИ, разработанный для имитации процесса принятия решений человеком-экспертом в конкретной предметной области. Они состоят из двух основных компонентов:
База знаний: содержит факты и правила, сформулированные экспертами. Например, "ЕСЛИ у пациента температура ВЫШЕ 38 И кашель ЕСТЬ, ТО ВОЗМОЖНО простуда".
Машина вывода: Использует базу знаний для вывода новых фактов или рекомендаций на основе предоставленных данных. Она как бы "рассуждает", применяя правила к имеющимся фактам.
Такие системы являются обучаемыми, поскольку их база знаний формируется и пополняется экспертами.
Преимущества: прозрачность и объяснимость (можно отследить цепочку рассуждений), возможность формализации знаний в узких областях, низкие вычислительные требования.
Недостатки: сложность создания и поддержки больших баз знаний, хрупкость (неспособность к обобщению за пределами своей предметной области), трудоемкость актуализации знаний.
Заключение
Как мы видим, искусственный интеллект – это не какая-то определенная технология, а обширная область, включающая в себя множество разнообразных подходов и методов. От имитации человеческого мозга в нейронных сетях до формализации знаний в семантических и экспертных системах, и до возникновения сложного поведения из простого взаимодействия в эмерджентных системах – каждый подход имеет свои сильные стороны и области применения.
В современном мире часто используются гибридные системы, которые комбинируют преимущества различных видов ИИ, чтобы решать еще более сложные задачи. Понимание этих фундаментальных различий позволяет глубже оценить возможности и ограничения ИИ, а также его потенциал для будущего.
Комментарии (23)
Sollita
18.04.2026 20:12Вы написали некорректные определения терминов и в результате назвали искусственным интеллектом то, что вообще не является интеллектом.
"Интеллект – способность решать поставленные задачи, учитывая внешние факторы”.
На самом деле “Интеллект — это качество психики, обеспечивающее способность адаптироваться к новым ситуациям, обучаться на основе опыта, понимать абстрактные концепции и использовать знания для управления окружающей средой. Это способность мыслить, решать сложные задачи, анализировать информацию и эффективно действовать в меняющихся условиях.”
Т.е. можно Ваше определение сделать более корректным: “Интеллект - способность анализировать реальные ситуации, видеть проблемы, ставить перед собой задачи по их решению и решать их, учитывая внешние факторы, а также умение самостоятельно находить ошибки в своих рассуждениях и учиться на своём опыте.”
И, исходя из этого определения, ничто из перечисленного Вами интеллектом не является.
Ну и до кучи ещё одно Ваше некорректное определение:
"знания – сведения, воспринимаемые человеком и (или) системой как отражение фактов материального или духовного мира в процессе коммуникации”.
А вот научное определение: "Знание — это полученная определённым способом и упорядоченная некоторым образом информация, которая с различной степенью достоверности и объективности отражает в сознании человека те или иные свойства существующей действительности.”
Разница этих определений в том, что человек разумный знания получает не только в процессе коммуникации, но и в процессе самостоятельного исследования окружающего мира и анализа полученной информации :)
Вот когда хоть какой-нибудь ИИ научится делать то же самое, тогда и он тоже наконец-то станет интеллектом.
kulity
18.04.2026 20:12А можно, пожалуйста, хотя бы один аргумент, почему ваше определение интеллекта и вытекающие из него выводы корректнее тех, что даны в статье?
Sollita
18.04.2026 20:12А Вы его перечитайте внимательно и никакие дополнительные аргументы не понадобятся. ;)
Определения, которые я привела, точно и исчерпывающе описывают явления. А определения в статье - местами и частично, поэтому и определениями терминов считаться не могут.
kretoffer Автор
18.04.2026 20:12Как я написал в самой статье, понятие интеллекта может быть интерпритировано по разному, особенно в зависимости от контекста, и вообще этот вопрос можно назвать филосовским. То определение которое привели вы, абсолютно верно. Однако мое тоже отражает основную суть интеллекта и больше подходит под то, что в современном мире называют ИИ. Вы сами заметили, что исходя из вашего определения, ничего из ныне существующих технических решений нельзя назвать интеллектом, по этому в сфере ИИ это определние на данном моменте развития технологий можно упростить.
По поводу определения знаний, я соглашусь, что человек может получать их не только из коммуникации, но еще и из взаимодействия с внешним миром. Возможно об этом стоило упоминуть в статье, но в контексте технических систем эта недосказанность не имеет никакого смысла, потому что ИИ не может получать знания из взаимодействия с внешним миром, он может получать знания только из коммуникации с людьми и другими системами.
и по поводу этого
Вот когда хоть какой-нибудь ИИ научится делать то же самое, тогда и он тоже наконец-то станет интеллектом. ИИ классифицируется на ANI (узкий или слабый ИИ), AGI (общий ИИ, гипотетическая модель) и ASI (гипотетический ИИ, превосходящий человека). Сейчас, когда речь идет про существующий ИИ, предполагается ANI (потому что остальные модели на данный момент только гипотетические). А то что описали вы больше похоже на AGI
Sollita
18.04.2026 20:12Нет, Ваше определение не отражает основную суть интеллекта. Но, действительно, подходит под то, что называют сейчас ИИ, как и под программу множества приборов. Например, мой газовый котёл включается и выключается в зависимости от температуры в комнате. ;)
Но это только доказывает ещё раз, что то, что называют сейчас ИИ, никаким интеллектом не является :)
Возможно об этом стоило упоминуть в статье, но в контексте технических систем эта недосказанность не имеет никакого смысла, потому что ИИ не может получать знания из взаимодействия с внешним миром, он может получать знания только из коммуникации с людьми и другими системами.
Вот именно, что это имеет огромное значение, потому что именно возможность самостоятельного получения знаний на основе своего опыта и его анализа - это одно из важнейших свойств интеллекта. И если ИИ не может этого делать, значит ИИ не является интеллектом.
А то что описали вы больше похоже на AGI
Согласна, AGI больше всего похож на настоящий интеллект, но и ему до интеллекта очень далеко.
kretoffer Автор
18.04.2026 20:12как и под программу множества приборов. Например, мой газовый котёл включается и выключается в зависимости от температуры в комнате. ;)
Прошу заметить, что помимо определения интеллекта, в статье упоминался ключевой фактор искусственного интеллекта – обучаемость.
То есть искусственным интеллектом можно назвать любую программу, которая может решать задачи определенного вида? Почти. ИИ должен иметь возможность обучаться. Обучение – это возможность решать задачи нового типа (которые изначально модель решать не могла), путем добавления новых знаний без переписывания исходного кода.
Именно по этому мое определение не попадает под простую программу приборов
Sollita
18.04.2026 20:12Вы лукавите. Ваше определение:
"Интеллект – способность решать поставленные задачи, учитывая внешние факторы”.
И в каком месте этого определения есть слово "обучаемость"? ;) Так что Ваше определение подходит таки множеству простых приборов. :)
Но мало того, Вы и определение термина "обучение" написали от балды. :)
На самом деле:
Обуче́ние (в науке) — деятельность по изменению и адаптации поведения субъекта обучения с целями выживания, развития, совершенствования.
Обуче́ние (в педагогике) — целенаправленный педагогический процесс организации и стимулирования активной учебно-познавательной деятельности учащихся по овладению знаниями, умениями и навыками, развитию творческих способностей и нравственных этических взглядов.
Т.е. обучение - это формирование у субъекта знаний, умений и навыков в т.ч. формирование мыслительных операций (анализ, синтез, сравнение, абстрагирование, ассоциация и пр.), логического и абстрактного мышления. А не просто загрузка в память контента и/или пар "ситуация - требуемое решение", как Вы это себе представляете.
Если вы используете 70 лет термин "машинное обучение" это вовсе не значит, что "машинное обучение" имеет хоть какое-то отношение к обучению. "Органы чувств" тоже не имеют никакого отношения к чувствам, но никому же и не приходит в голову убеждать кого-то в обратном.
GidraVydra
18.04.2026 20:12Присоединюсь к предыдущему комментатору: на каком основании вы считаете свои определения более корректными, чем приведенные в статье? Я уж не говорю о том, что ваши определения неконструктивны, т.к. ссылаются на не менее неопределенные объекты, категории и понятия, такие как "психика", "сложные задачи", "эффективно действовать" и прочая субъективщина.
Кстати, вы всерьез считаете, что интеллектом обладают только те люди, которые в состоянии решать сложные задачи?
Sollita
18.04.2026 20:12Приведённые мною определения точно и исчерпывающе описывают явления обозначенные этими терминами. В отличие от определений автора статьи.
ваши определения неконструктивны, т.к. ссылаются на не менее неопределенные объекты, категории и понятия, такие как "психика", "сложные задачи", "эффективно действовать" и прочая субъективщина.
Если Вы не знаете, что такое "психика", это не значит, что это неопределённое понятие ;) А эффективность действий вполне можно измерить, так что это конкретное понятие.
В моём определении словосочетания "сложные задачи" нет вообще. Оно есть в цитате. Но могу объяснить, что это значит. :)
Простые задачи животные и даже растения благополучно решают на автопилоте не имея никакого интеллекта. А сложные задачи, например, читать, писать, изобретать, играть в шашки, решать математические, физические, химические задачи и т.п. без развитого интеллекта решить не получится.
Кстати, вы всерьез считаете, что интеллектом обладают только те люди, которые в состоянии решать сложные задачи?
Люди обладают интеллектом разного уровня. И это видно на кривой распределения интеллекта. Но если уровень интеллекта ниже 70, то такой человек мало чем в интеллектуальном плане отличается от животных, к сожалению. Он не может решать сложные задачи, хотя и обладает интеллектом. Проблема в том, что такого уровня интеллекта недостаточно для решения сложных задач.
kretoffer Автор
18.04.2026 20:12Простые задачи животные и даже растения благополучно решают на автопилоте не имея никакого интеллекта.
Этим предложением вы однозначно говорите, что у животных нет никакого интеллекта, но ведь это не так. Уже давно ученые доказали, что многие виды животных способны обучаться, использовать орудия труда, запоминать события и обладать социальной структурой. По этому они тоже обладают интеллектом.
если уровень интеллекта ниже 70, то такой человек мало чем в интеллектуальном плане отличается от животных, к сожалению. Он не может решать сложные задачи, хотя и обладает интеллектом.
Только что вы сказали, что животные не имеют никакого интеллекта, а потом сравниваете интеллект человека и животных. А еще недавно вы говори, что умение решать сложные задачи и является интеллектом, а здесь говорите что человек обладает интеллектом, даже если не умеет решать сложных задач.
Вы сами себе противоречите, пожалуйста, закончите эту дискуссию
Sollita
18.04.2026 20:12Вы путаете обучение и формирование рефлексов. Это даже близко не одно и то же. Но Вы же не знаете, ни что такое "обучение", ни что такое "рефлекс", поэтому в этом нет ничего удивительного.
Дарю:
"Механизм реакции на внутренние и внешние изменения у различных живых существ отличается.
У растений и простейших(одноклеточных организмов) - биохимический механизм, кинезис и таксисы (у растений - тропизмы). “Врожденные формы поведения (таксисы, рефлексы, инстинкты) являются полезными реакциями организма, сформировавшимися и закрепленными в генотипе в результате действия естественного отбора.” “кинезис: ненаправленное движение в ответ на стимул. Ортокинез — это увеличение или уменьшение скорости движения организма в ответ на стимул. Например, мокрицы увеличивают скорость движения при воздействии высоких или низких температур. Это движение, хотя и случайное, увеличивает вероятность того, что насекомое проведет меньше времени в неблагоприятной среде. Другим примером является клинокинез, увеличение поворотного поведения. Он проявляется у бактерий, таких как E. coli , который в сочетании с ортокинезом помогает организмам случайным образом находить более гостеприимную среду.” “Та́ксисы — двигательные реакции в ответ на односторонне действующий стимул, свойственные свободно передвигающимся организмам, некоторым клеткам и органоидам. Источниками раздражения могут быть свет, температура, влага, химические вещества и другие.”
У многоклеточных животных используются следующие механизмы: биохимический, кинезис и таксис, рефлекторный и инстинктивный. “У животных с развитой центральной нервной системой и симметрично расположенными органами чувств возможен, кроме того, активный выбор направления передвижения и сохранение этого направления (топотаксисы). Они являются постоянными компонентами даже наиболее сложных форм поведения.”
Всё это не имеет никакого отношения к наличию интеллекта. И учёные это знают. ;)
Только что вы сказали, что животные не имеют никакого интеллекта, а потом сравниваете интеллект человека и животных. А еще недавно вы говори, что умение решать сложные задачи и является интеллектом, а здесь говорите что человек обладает интеллектом, даже если не умеет решать сложных задач.
Это не я себе противоречу, а у Вас проблема с логическим мышлением и пониманием смысла текста.
Я сравнивала не интеллект людей и животных, а только возможности людей с низким уровнем интеллекта и животных, у которых отсутствует интеллект. Эти возможности почти одинаковые.
Вы солгали, я нигде не писала, что "умение решать сложные задачи и является интеллектом".
Я не писала также, что каждый человек обладает интеллектом, даже если не умеет решать сложных задач, потому что например, если ребёнок воспитывается животными, как "дети-маугли", то у них и интеллект не формируется, потому что без речи ни логическое, ни абстрактное мышление сформироваться не могут, а дети-маугли не могут научиться говорить.
nakesreong
18.04.2026 20:12ну да, ну да. а самолёт крыльями не машет и яйца не несёт, значит и летает не по-настоящему ))
Sollita
18.04.2026 20:12Не вижу аналогии.
Самолёт летает-таки, в отличие от курицы, а современный ИИ не может мыслить, не способен к самостоятельному обучению на основе опыта, не способен понимать и применять абстрактные концепции и т.п. Это значит, что у ИИ нет никакого интеллекта.
FixicusMaximus
18.04.2026 20:12Эволюционные вычисления забыли.
kretoffer Автор
18.04.2026 20:12Я рассказал про 4 основные разновидности ИИ, а эволюционные вычисления относятся к эмерджентному подходу.
Эволюционные вычисления относятся к эмерджентному подходу, так как:
У них нету базы знаний, система сама находит путь к цели
Сложное поведение выстраивается из простых элементов
Правда сейчас, все более часто вижу, как люди выносят категорию «Вычислительный интеллект» (Computational Intelligence), куда включают:
Нейронные сети.
Эволюционные вычисления.
Нечеткую логику.
и там эволюционные вычисления считаются за отдельную разновидность, но лично я считаю их подвидом эмерджентного подхода
Постараюсь в ближайшее время написать еще несколько статей в которых более подробно будут разбираться отдельные категории ИИ, их подвиды, приемущества и недостатки
FixicusMaximus
18.04.2026 20:12но лично я считаю их подвидом эмерджентного подхода
Вы не правы, почитайте побольше про ЭВ.
Darth_Biomech
18.04.2026 20:12ИИ должен иметь возможность обучаться. Обучение – это возможность решать задачи нового типа (которые изначально модель решать не могла), путем добавления новых знаний без переписывания исходного кода
Хм. Тогда получается что, скажем, игровой ИИ - не ИИ?
kretoffer Автор
18.04.2026 20:12Игровой ИИ тоже обучается, просто делает он это в момент разработки игры
Darth_Biomech
18.04.2026 20:12Эм, я ещё не встречал таких реализаций игрового ИИ. Все принципы, которые я припоминаю (SM, BT, GOAP, и т.д.) именно что пишутся и дорабатываются вручную.
ALT0105
18.04.2026 20:12Главная причина всех споров - отсутствие общепринятых определений используемых терминов, и в первую очередь - определения интеллекта. Мне кажется, что интеллект - это в первую очередь умение (возможность) ставить цели, а не решать задачи. Машины, начиная с калькулятора и до тех, которые называются ИИ, способны решать задачи, которые человек решить не может, а вот поставить цель пока может только человек.
azTotMD
18.04.2026 20:12Кажется в этом обзоре не хватает самого главного - как все эти методы обучаются. Например, классические нейронные сети обучаются методом градиентного спуска. Это значит, что ошибка сети должна быть выражена какой-то дифференцируемой функцией от входных данных, без этого ничего не получится. А вот экспертные системы обычаются совсем по-другому.
Elshan007
Очень познавательно. Особенно удивило про Экспертные системы. Не знал про это. Спасибо за статью. Попробую применить эту систему в своей разработке.