Звук это колебания воздуха, которые мы воспринимаем как речь или музыку. Компьютер же записывает звук в виде цифрового сигнала последовательности чисел, где каждое число отражает амплитуду звуковой волны в конкретный момент времени.

Чтобы представить звук в виде данных, он записывается с определенной частотой (например, 44 100 измерений в секунду для аудиофайлов CD-качества). Полученный сигнал можно разложить на частоты, чтобы понять, какие ноты звучат в музыке или какие фонемы произносит человек. Именно так работают голосовые помощники: они анализируют звуковой сигнал, разбивают его на части и распознают слова.

Пример числового представления звука:

0.12, 0.15, 0.22, -0.05, -0.10, -0.08

Чем больше точек измерения, тем точнее представление звука, но тем сложнее его обработка.

Почему так важно переводить данные в числа? Потому что только так нейросети могут их анализировать. После преобразования данных в числа можно применять к ним математические операции: искать закономерности, выявлять шаблоны и делать предсказания.

Пример: если нейросеть обучили на миллионах изображений котов, она может найти общие признаки (уши, усы, глаза) и правильно определять котов на новых картинках.

То же самое работает и для текста: если нейросеть анализировала тысячи отзывов, она может определить, какие слова чаще встречаются в положительных или отрицательных комментариях, и предсказать настроение новых отзывов.

Чтобы нейросеть могла работать с изображениями, текстами и звуками, все эти данные нужно сначала превратить в числа. Это ключевой этап, без которого искусственный интеллект не смог бы анализировать мир. В следующих главах мы разберемся, как нейросети обрабатывают такие числовые данные и как на их основе принимаются решения.

Когда человек смотрит на мир, он видит его во всей сложности: цвета, тени, глубину, мельчайшие детали. Но для нейросетей реальность устроена иначе. Они не понимают мир так, как мы, а разлагают его на простейшие элементы линии, точки, текстуры. Такое упрощённое восприятие не делает их хуже, наоборот, оно помогает им эффективнее решать задачи. Давайте разберёмся, почему.

Представьте, что вы впервые оказались в чужом городе. Вы не сразу запоминаете все здания, улицы и вывески, но точно можете сказать, где дорога, где небо, а где находятся окна на домах. Вы выделяете ключевые элементы, которые помогают ориентироваться. Так же работает и нейросеть.

Когда компьютер анализирует изображение, он не видит его, как человек. Вместо этого изображение превращается в набор чисел, где каждый пиксель имеет своё значение. На первом этапе сеть пытается выделить простейшие элементы: прямые линии, углы, круги. Затем она ищет более сложные структуры например, формы глаз или очертания букв в тексте. Только после этого нейросеть переходит к пониманию общего смысла изображения.

Этот процесс можно сравнить с рисованием картины. Если художник хочет нарисовать портрет, он сначала делает набросок: несколько линий, которые указывают пропорции. Затем он добавляет детали, текстуры и оттенки. Нейросети работают так же от простого к сложному.

Люди не всегда обращают внимание на детали, которые важны для задачи. Например, если вам нужно узнать, кто изображён на фотографии, вас интересует лицо, а не фон. Нейросеть же автоматически выделяет самые значимые части картинки, игнорируя ненужные элементы.

Допустим, сеть обучают распознавать кошек на фотографиях. Она не анализирует каждый пиксель в кадре, а ищет определённые признаки: форму ушей, контуры глаз, длину усов. Даже если фон разный, кошка может быть узнана по ключевым чертам. Это похоже на то, как человек узнаёт знакомого в толпе, не обращая внимания на его одежду или прическу.