Искусственный интеллект помогает понять содержание статьи с Инфостарта

11.01.25

Интеграция - Нейросети

Иногда читаешь статью на Инфостарте и понимаешь, что для тебя это слишком сложно. К счастью, сейчас есть искусственный интеллект. Искусственный интеллект разберет статью на тезисы и ответит на вопросы о непонятом. Можно, конечно, задать вопрос автору статьи, но есть проблема. Всегда есть вероятность, что твой вопрос окажется «глупым». С искусственным интеллектом можно не стесняться и задавать любые вопросы. Хочу рассказать, как я осмысливал сложную статью с Инфостарта с помощью языковой модели O1 от OpenAI.

Прочитал статью ChatGPT в помощь 1С-разработчику: мост между языками программирования и понял, что теоретическая часть мне непонятна. Там где про искусственный нейрон и виды нейросетей. Тогда я зашел на сайт https://openai01.net/ru и стал "терзать" искусственный интеллект вопросами по теоретической части статьи. Весь чат с языковой моделью O1 можно посмотреть здесь.  Там довольно длинная "простыня".

Самое главное об этом сайте. Сайт https://openai01.net разрешает задавать только 1 вопрос в день, но тут есть лайфхак. Нужно зайти на страницу Мои кредиты, скопировать реферальную ссылку и попросить друга по ней перейти. Друг задаст нейросети вопрос и вам начислится 30 кредитов. То есть вы сможете еще 15 вопросов задать.

Итак, я скопировал теоретическую часть статьи (кроме истории нейросетей) в чат с O1 и попросил ее вкратце пересказать содержание.


 

Ответ нейросети: 

Статья представляет собой введение в основы нейронных сетей. Она начинается с объяснения работы искусственного нейрона, основного элемента любой нейросети. Описывается процесс обработки входных данных: умножение входных значений на веса, суммирование результатов, добавление смещения и применение функции активации (например, ReLU).

Далее автор подчеркивает важность весов в обучении нейросетей и приводит пример с моделью Llama от Meta, иллюстрируя различия между закрытыми и открытыми весами.

Статья также рассматривает пример «Hello, World!» для нейросетей — задачу распознавания рукописных цифр с использованием библиотеки TensorFlow/Keras. Описывается структура простой модели нейронной сети, процесс обучения и достижение высокой точности распознавания.

Затем автор описывает три типа нейронных сетей:

  1. Полносвязные сети — используются для классификации и регрессии.
  2. Сверточные сети — применяются для анализа изображений и видео, распознавая различные уровни детализации.
  3. Рекуррентные сети — предназначены для обработки последовательностей, таких как текст, но имеют ограничения по скорости и запоминанию длинных последовательностей.

В завершение статья рассказывает о трансформерах, новой архитектуре нейросетей, которая преодолевает ограничения рекуррентных сетей благодаря параллельной обработке и механизму внимания. Это позволяет эффективно обрабатывать большие объемы информации и учитывать взаимосвязи между всеми элементами входных данных.

Таким образом, статья предоставляет общее понимание основ нейронных сетей, их типов и применения, а также современных достижений в области архитектуры.

Немножко стало попроще, но все равно непонятно. Дальше я стал "забрасывать" нейросеть вопросами. Приведу, с моей точки зрения, самые интересные пары вопрос-ответ.

 

Давай начнем с этого абзаца "Она начинается с объяснения работы искусственного нейрона, основного элемента любой нейросети. Описывается процесс обработки входных данных: умножение входных значений на веса, суммирование результатов, добавление смещения и применение функции активации (например, ReLU)."

Нужен какой-то пример из жизни. Как я понял, в искусственный нейрон что-то вкладывают и он что-то выдает в ответ. И он как-то учится и что-то запоминает? Давай по порядку.

Представьте, что искусственный нейрон – это некий «мини-решатель задач». Он принимает на вход несколько чисел, обрабатывает их по определенным правилам и выдает одно число на выходе. Чтобы понять это на житейском примере, можно сравнить нейрон с человеком, принимающим решение о покупке продуктов.

Пример из жизни:
Допустим, вы решаете, купить ли в магазине молоко. Какие факторы вы учитываете?

  • Сколько молока осталось в холодильнике (например, литр)?
  • Собираетесь ли вы сегодня готовить блюдо, в котором понадобится молоко?
  • Есть ли скидка на молоко в магазине?
  • Далеко ли идти до магазина?

Каждый из этих факторов – это как входное число для нашего искусственного нейрона. Представьте, что мы назначили каждый фактору некоторую значимость, или «вес». Например, нехватка молока дома может иметь большой вес, а расстояние до магазина – поменьше, если вы любите прогулки.

 

Таким образом, процесс обучения заключается в постоянном подборе правильных весов? Чтобы при разных входных данных получался правильный результат?

Да, вы правильно поняли. Процесс обучения нейронной сети действительно заключается в постоянном подборе и корректировке весов, чтобы при различных входных данных нейросеть выдавала правильные или максимально точные результаты. 

 

Вот этот абзац объясни, пож-та. "Например, когда компания Meta представила первую версию своей нейросети Llama, веса модели оставались закрытыми – модель можно было потрогать, но ее нельзя было дообучить. Но в июле 2023 года, при выпуске второй версии Llama 2 в формате open source, Meta сделала веса открытыми, и с этой моделью уже можно работать более плотно".

Что значит Meta сделала веса открытыми? Можно было загрузить базу данных нейросети Llama к себе на компьютер и дообучить какими-то своими данными? Насколько это трудоемко? Какие нужны вычислительные мощности?

Можно ли было загрузить базу данных нейросети Llama к себе на компьютер и дообучить её?

Да, с выпуском Llama 2 как open source модели, пользователи получили возможность:

  1. Скачать модель и её веса на свой компьютер или сервер.
  2. Использовать готовую модель для выполнения задач (например, генерации текста, классификации).
  3. Дообучать модель на специфических данных для улучшения её производительности в определённых задачах (например, в медицинской сфере, юриспруденции и т.д.).

 

Вот это меня еще смутило в статье, там где рассказывается про простую нейронную сеть распознающую цифры:

"Входной слой (зеленый) содержит 784 нейрона – по числу пикселей (28?28).

Скрытый слой (синий) состоит из 100 нейронов.

Выходной слой (красный) содержит 10 нейронов – цифры от 0 до 9."

Почему автор апеллирует к цветам RGB? Меня это наталкивает на мысль что нейронная сеть еще и цвета распознает. Хотя в твоем примере речь только про яркость пикселей, никаких цветов в твоем примере нет. Что мог иметь ввиду автор?

Цвета, упомянутые автором, служат исключительно для визуального разделения и идентификации различных слоёв нейронной сети на иллюстрациях или диаграммах. Они не указывают на то, что нейросеть обрабатывает цветовую информацию (RGB) в данном примере. В случае с распознаванием рукописных цифр используются градации яркости пикселей, а не цветовые данные.

 

Когда говорят о дообучении нейросети, то что имеется ввиду? Например, я прошу нейросеть написать запрос на языке 1С. Получить ФИО физических лиц из регистра сведений ФИОФизическихЛиц. Нейросеть пишет запрос неправильно, без использования виртуальной таблицы СрезПоследних. Я прошу исправить, нейросеть опять пишет неправильный запрос, после этого я прошу исправить и т.д. На каком-то этапе переписки нейросеть уже начинает писать запрос так как я хочу, с использованием виртуальной таблицы СрезПоследних. Можно ли этот процесс назвать дообучением?

Нет, данный процесс не является дообучением в техническом смысле. Вот почему:

  1. Статичность модели:

    • Модель, с которой вы взаимодействуете (например, ChatGPT), не изменяет свои веса или параметры в ходе индивидуальных сессий с пользователями. Она использует заранее обученные веса и алгоритмы для генерации ответов.
  2. Временная адаптация:

    • Хотя модель может "учитывать" контекст текущей беседы и корректировать ответы на основе ваших указаний, это происходит динамически и временно, без постоянного изменения её внутренней структуры.
  3. Отсутствие постоянного хранения:

    • Модель не сохраняет информацию о ваших корректировках для использования в будущих взаимодействиях. Каждая сессия рассматривается независимо.

Что происходит на самом деле?

Когда вы взаимодействуете с моделью и просите её исправить ответы:

  1. Контекст беседы:

    • Модель использует текущий контекст беседы для генерации более точного ответа. Она анализирует ваши предыдущие сообщения и пытается соответствовать вашим ожиданиям.
  2. Алгоритмы генерации:

    • На основе предоставленной информации модель выбирает наиболее вероятные продолжения, которые соответствуют вашим указаниям.
  3. Нет изменения весов:

    • Несмотря на то, что модель генерирует более точные ответы, её основные параметры и веса остаются неизменными.

Как происходит настоящее дообучение?

Если бы вы хотели действительно дообучить модель на конкретных примерах запросов 1С, процесс выглядел бы следующим образом:

  1. Сбор данных:

    • Собираются примеры корректных и некорректных запросов на языке 1С.
  2. Подготовка данных:

    • Данные очищаются, форматируются и аннотируются для обучения.
  3. Обучение модели:

    • Модель проходит дополнительный этап обучения на этих данных, что позволяет ей лучше понимать специфику языка 1С и генерировать правильные запросы.
  4. Валидация и тестирование:

    • Проверяется, насколько хорошо модель справляется с новыми примерами, и вносятся необходимые коррективы.

Необходимые вычислительные мощности для дообучения

Дообучение крупных моделей, таких как трансформеры, требует значительных вычислительных ресурсов:

  1. Аппаратные требования:

    • GPU: Мощные графические процессоры (например, NVIDIA RTX 3090, A100) с большим объёмом VRAM (16 ГБ и более).
    • CPU: Высокопроизводительные многоядерные процессоры.
    • Память (RAM): Не менее 32 ГБ, предпочтительно 64 ГБ или больше.
    • Хранилище: Быстрые SSD-диски для хранения больших объёмов данных и моделей.
  2. Облачные сервисы:

    • Для большинства пользователей доступ к таким мощностям может быть ограничен, поэтому часто используются облачные платформы (AWS, Google Cloud, Azure), предоставляющие аренду вычислительных ресурсов.
  3. Технические навыки:

    • Понимание работы с фреймворками машинного обучения (например, PyTorch, TensorFlow).
    • Навыки настройки и оптимизации моделей.

Я не стал приводить ответы полностью, чтобы не загружать читателя лишней информацией. Попробуйте задать свои вопросы, напишите в комментариях ссылки на заданные вопросы. В конце страницы с перепиской с нейросетью можно скопировать ссылку на заданный вопрос. Почитаем вместе, будет интересно.


Вступайте в нашу телеграмм-группу Инфостарт

ChatGPT искусственный интеллект нейросети психология

Вы можете заказать платную адаптацию этой статьи под ваши задачи на «Бирже заказов».

  • 0% комиссии — оплата напрямую исполнителю;
  • Исполнители любого масштаба — от отдельных специалистов до команд под проект;
  • Прямой обмен контактами между заказчиком и исполнителем;
  • Безопасная сделка — при необходимости;
  • Рейтинги, кейсы и прозрачная система откликов.

См. также

Нейросети Системный администратор Разработчик Аналитик Бухгалтер Пользователь Руководитель проекта 1С 8.3 1С:Документооборот 1С:Бухгалтерия 3.0 1С:Зарплата и Управление Персоналом 3.x Россия Платные (руб)

Подключите ИИ к 1С и решайте рабочие задачи обычными словами. От работы с данными до доработки конфигурации через расширения, всё в привычном чате с ИИ-помощником. Теперь с поддержкой DeepSeek Harness, Kimi Code и Kimi Work, доступных в России без VPN.

15990 руб.

30.07.2026    20989    45    4    

40

SALE! %

Банковские операции Обмен с интернет-банком Мастера заполнения Нейросети Разработчик Бухгалтер Пользователь 1С:Предприятие 8 1C:ERP 1С:Бухгалтерия 3.0 1С:ERP Управление предприятием 2 1С:Управление холдингом 1С:ERP. Управление холдингом 1С:Комплексная автоматизация 2.х 1С:Управление нашей фирмой 3.0 1С:Управление торговлей 11 1С:Розница 3.0 Платные (руб)

Корректируйте банковские документы быстро и легко! Создайте правило обработки — и оно автоматически применится при загрузке выписки (отбор по любому реквизиту или регулярному выражению). Решение заполняет расшифровку платежа, комиссию эквайринга, подбирает ведомости на выплату зарплаты, помечает дубли из банка на удаление и многое другое. Доплачивать за алгоритмы не нужно — они включены в решение. Обработка работает при загрузке из файлов клиент-банка и через DirectBank. Новое — искусственный интеллект: модель приводит нестандартные назначения платежа к виду, понятному алгоритмам, а ИИ-ассистент прямо в 1С консультирует по решению и разбирает код правил и алгоритмов. Поддерживаются локальные и облачные OpenAI-совместимые модели — данные могут не покидать ваш контур.

17500 14450 руб.

20.12.2024    22056    107    32    

90

Инструментарий разработчика Нейросети Платные (руб)

Первые попытки разработки на 1С с использованием больших языковых моделей (LLM) могут разочаровать. LLMки сильно галлюцинируют, потому что не знают устройства конфигураций 1С, не знают нюансов синтаксиса. Но если дать им подсказки с помощью MCP, то результат получается кардинально лучше. Далее в публикации: MCP для поиска по метаданным 1С, справке синтакс-помощника и проверки синтаксиса.

15250 руб.

25.08.2025    78493    149    41    

154

SALE! 30%

Нейросети 1С 8.3 1С:Бухгалтерия 2.0 1С:Бухгалтерия 1.6 1С:Бухгалтерия 3.0 1С:Управление холдингом 1С:Управление нашей фирмой 1.6 1С:Управление нашей фирмой 3.0 1С:Управление торговлей 10 1С:Управление торговлей 11 1С:Документооборот Россия Платные (руб)

Расширение добавляет в 1С чат с ИИ-агентом. Пользователь спрашивает словами: «какие УПД не подписаны?», «какой НДС к уплате за квартал?», «что правили задним числом?», а агент сам строит запросы к базе с правами этого пользователя и отвечает цифрами, таблицей, диаграммой или файлом Excel. Нужный отчёт можно поставить на расписание: агент пришлёт его в Telegram или MAX каждое утро, по будням или раз в неделю. Плитки «Аналитик», «Бухгалтер» и «Руководитель» дают сводку по базе одной кнопкой. В расширении 67 готовых инструментов: ЭДО, маркировка, НДС и счета-фактуры, прогноз закупок, сверка прайса, Документооборот. Ключи API и VPN не нужны, модель уже в цене, персональные данные заменяются метками до отправки, в базу агент ничего не пишет. Работает в УТ 11, КА 2, ERP 2, БП 3.0, УНФ 3.0, Документооборот 3.0 и Альфа-Авто 6 при режиме совместимости от 8.3.9; для старых баз на обычных формах есть отдельный вариант.

18300 руб.

05.10.2026    4633    17    9    

17

Распознавание документов и образов Нейросети 1С:Предприятие 8 1С 8.3 1С 8.5 1C:Бухгалтерия 1С:Зарплата и Управление Персоналом 3.x Беларусь Россия Казахстан Армения Платные (руб)

ИИ-сканер документов с REST API для интеграции с 1С и корпоративными системами. Извлекайте данные из счетов, паспортов, дипломов, патентов и трудовых книжек за секунды. Точность человека - скорость машины. Приложение поддерживает восемь типов документов, четырех провайдеров ИИ (имеется возможность использования локальных ИИ), локальный REST API и экспорт в JSON. Важно! модель должна поддерживать функцию Vision (распознавание файлов и картинок). Запускайте используя локальные ИИ, без подписок и ограничений

6100 руб.

24.08.2026    1655    3    0    

2

Инструментарий разработчика Нейросети Системный администратор Разработчик Руководитель проекта 1С 8.3 Платные (руб)

Обработка заменяет ФИО, организации, ИНН, ИИН, БИН, ОГРН, КПП, БИК, счета и IBAN, паспорта, СНИЛС, адреса, телефоны, почту и суммы на правдоподобные выдуманные перед отправкой данных в ChatGPT, Claude или YandexGPT, а потом расшифровывает ответ модели обратно, подставляя настоящие имена и настоящие числа. Возвращаются и те итоги, которые модель посчитала сама: суммы масштабируются одним коэффициентом, поэтому пропорции и доли переживают обезличивание. Словарь замен хранится в самой базе и подхватывается автоматически, даже если обработку закрывали. Реквизиты России и Казахстана, любая конфигурация от 8.3.24, без единой зависимости.

14640 руб.

07.08.2026    2393    3    0    

3

Нейросети 1С:Предприятие 8 1С:Управление торговлей 11 Платные (руб)

Устали вручную разбирать сотни писем в 1С? Доверьте рутину искусственному интеллекту! «По полочкам» — это готовое расширение для 1С, которое само читает входящие email, понимает их суть и мгновенно раскладывает по нужным категориям.

9028 руб.

15.10.2026    351    1    0    

1

Нейросети Разработчик 1С:Предприятие 8 1С:ERP Управление предприятием 2 Бесплатно (free)

Мы десятилетиями совершенствовали интерфейсы 1С: добавляли формы, отчёты, обработки, рабочие места, настройки и кнопки. А теперь выясняется, что значительная часть всего этого, возможно, вообще не нужна пользователю. Научить ChatGPT создавать заказ в 1С — несложно. Правда, пользователь может сделать это быстрее. Поздравляю, мы изобрели более дорогой способ нажать кнопку! Но, возможно, мы вообще неправильно оцениваем возможности AI. Что, если вместо очередного интерфейса для ввода документов появится инструмент, который понимает бизнес-задачи, самостоятельно работает с данными ERP, объединяет разные источники информации и предлагает решения? Разберём рабочие места от кассира до генерального директора и попробуем понять, где LLM+ MCP способен изменить саму организацию работы, а где старая добрая 1С ещё даст ему фору.

13.11.2026    10939    informa1555    21    

15
Комментарии
Подписаться на ответы Инфостарт бот Сортировка: Древо развёрнутое
Свернуть все
1. Recoversit 26.12.24 07:59 Сейчас в теме
"Когда отвечая на глупый вопрос - начинаешь глупеть сам"
2. SlavaKron 21.01.25 11:41 Сейчас в теме
(1) Не бывает глупых вопросов.
Для отправки сообщения требуется регистрация/авторизация