Содержание

 

1. Введение

Когда мы слышим слова «нейронная сеть» или «глубокое обучение», кажется, что речь о чем-то новом, сложном и недосягаемом. На самом деле – нет. Всё началось с попытки понять, как работает человеческий мозг.

И если вы психолог, то именно вам ближе всех смысл этих моделей: ведь каждая из них – это метафора психики, памяти, обучения и восприятия.

История нейросетей – это не просто хронология технологий. Это история человеческих попыток смоделировать мышление, а значит, она напрямую касается психологии.

Этап 1. Кибернетика: нейроны как логические клетки мозга

Всё началось в 1943 году, когда нейрофизиолог Уоррен Мак-Каллок и логик Уолтер Питтс опубликовали статью о математической модели нейрона.

Идея была проста: мозг – это сеть элементов, каждый из которых получает сигналы, сравнивает их с порогом и решает – «активироваться или нет».

Звучит как «возбуждение–торможение» из психофизиологии, вы не ошиблись. Модель Мак-Каллока–Питтса строилась на тех же принципах.

Но важное отличие – она не училась. Это была статичная схема. Как будто психика без опыта, без пластичности.

Психологическая параллель: в те годы ученые пытались свести мышление к логическим операциям – вроде «А и В». Но без обучения эта модель не могла «расти» и адаптироваться – то, что мы назвали бы отсутствием личностного опыта.

Этап 2. Перцептрон и первая зима: первая попытка обучить «мозг»

Через 15 лет после Мак-Каллока появляется молодой энтузиаст – Фрэнк Розенблатт. Он создает «перцептрон» – модель, которая может учиться.

Перцептрон показывали изображения, он сравнивал ответ с правильным и корректировал свои «веса» – усиливая связи, если угадал, и ослабляя, если ошибся. Похоже на процесс психологии поведения – подкрепление, корректировка реакции, формирование новой привычки.

Розенблатт мечтал, что его машина научится видеть и понимать. И действительно – она различала фигуры, буквы, простые изображения.

Но вскоре энтузиазм сменился холодом. В 1969 году вышла книга Марвина Минского и Сеймура Пейперта, где доказали: перцептрон не способен решать задачи, требующие абстрактного мышления (например, различать противоположности).
Наступила первая зима – финансирование прекратили, энтузиазм угас.

Для психологии это как история метода, который обещал «вылечить всё», но оказался ограниченным. Опыт важен – но без способности осмыслять связи и символы обучение застревает.

Этап 3. Коннекционизм: психология встречает ИИ

1980-е. Вновь возникает интерес к моделям, напоминающим мозг.

В это время в психологии появляется когнитивная революция – внимание смещается к памяти, мышлению и обучению.
На стыке этих идей рождается коннекционизм – направление, в котором память и мышление понимаются как паттерны активации множества взаимосвязанных нейронов.

Исследователи Румельхарт и Хинтон в 1986 году предложили алгоритм, который позволил обучать многослойные сети – то есть сети, где информация проходит через несколько уровней переработки.
Если провести аналогию с психикой – это как многослойное восприятие: от ощущений → к восприятию → к смыслу.

Так ИИ и когнитивная психология сошлись: обе изучали, как из простых элементов рождается осознанное действие.

Модели стали способны распознавать слова, понимать контекст, различать паттерны. Это был настоящий научный подъём – и новый шаг к моделированию психики.

Этап 4. Современное глубокое обучение: от образов к смыслу

С 2000-х начинается эра глубокого обучения.

Появляются мощные видеокарты, интернет, миллионы данных. Машины наконец могут учиться по-настоящему долго и глубоко.

В 2012 году модель AlexNet научилась распознавать изображения почти как человек.

А в 2017 году появились трансформеры – архитектуры, которые стали основой современных моделей вроде ChatGPT.

Если говорить языком психологии – нейросети научились удерживать контекст, извлекать смысл, обобщать опыт.

Всё это напоминает когнитивные функции: память, внимание, прогнозирование.

Но важно помнить – это не сознание, не мышление в человеческом смысле.
Модель не «понимает» – она предсказывает. Она не чувствует, а вычисляет вероятности.
Впрочем, и наш мозг делает нечто похожее, просто в другом измерении.