Как заставить искусственный интеллект не просто выдавать информацию, а отвечать максимально четко и по существу? Процесс превращения сырых данных в интеллектуального собеседника — это сложнейшая работа, сочетающая в себе цифровизацию архивов и глубокую экспертизу живых людей. Об этих тонкостях обучения нейросетей рассказал в эфире «Радио Рмук» Петр Ермаков, занимающий пост бренд-директора по машинному обучению в «Яндексе».
По словам Ермакова, фундамент обучения — это первый этап, на котором специалисты целеналостно отбирают и подготавливают качественные массивы данных. Однако здесь разработчики сталкиваются с серьезным вызовом: огромный пласт полезной информации все еще не переведен в цифровой формат. Чтобы восполнить этот пробел, компания активно сотрудничает с библиотеками и университетами, занимаясь оцифровкой уникальных материалов.
Но данные — это лишь база. Второй, критически важный этап, — это работа профессиональных тренеров. В процесс обучения вовлекаются настоящие эксперты: доценты, учителя и доктора наук. Ярким примером такой глубокой настройки служит проект «нейроюрист». К работе привлекаются практикующие юристы, которые не просто проверяют ответы, а сами генерируют корректные вопросы и корректируют логику модели. Цель — научить систему отвечать максимально предметно и юридически грамотно.
Для проверки качества таких специализированных моделей планируется использовать уникальные наборы датасетов и контрольных вопросов, где каждый ответ должен строго соответствовать действующему законодательству. При этом масштаб и методы проверки напрямую зависят от размера самих моделей и того, сколько экспертов-людей способно физически обработать поток данных.
Стоит отметить, что «Яндекс» не только совершенствует точность, но и работает над скоростью вычислений. Так, в июле 2026 года на международной конференции ICML в Сеуле российские исследователи представили прорывную разработку. Благодаря новым программным модулям, оптимизирующим использование памяти видеокарт, вычисления графовых нейросетей удалось ускорить в 8,5 раз. Параллельно компания представила и другие исследования, посвященные ускорению обучения больших языковых моделей через подбор наиболее эффективных алгоритмов оптимизации.
