Какие бывают нейросети и ИИ: виды и примеры

ChatGPT, Midjourney, Алиса, оплата проезда по лицу в метро, подборка «вам может понравиться» на маркетплейсе — все это называют искусственным интеллектом или нейросетями. Но внутри это очень разные технологии.

Ниже — понятная карта: какие бывают ИИ, какие бывают нейросети по устройству и что они умеют — с примерами сервисов.

Какие ИИ существуют: три уровня

Самая распространенная классификация делит искусственный интеллект по тому, насколько широк круг задач, с которыми он справляется.

Уровень	Что умеет	Существует ли
Узкий (слабый) ИИ	Решает одну задачу или узкий круг задач: переводит, распознает лица, пишет тексты	Да, это весь ИИ, который есть сейчас
Общий (сильный) ИИ, AGI	Справляется с любой интеллектуальной задачей не хуже человека	Нет, это цель исследований
Сверхинтеллект	Превосходит человека во всем	Нет, это гипотеза

Слово «слабый» не значит «глупый». ChatGPT пишет код и стихи, Алиса понимает речь, шахматные программы давно обыгрывают чемпионов мира. Но каждая из этих систем сильна только в своей области. Попросите шахматную программу перевести письмо — она не поймет, о чем речь.

Создание общего ИИ некоторые компании, например OpenAI, прямо называют своей целью. Когда и получится ли — вопрос открытый, и прогнозы исследователей сильно расходятся.

Есть и другая известная классификация — по тому, как ИИ работает с памятью и «пониманием». Ее предложил исследователь Аренд Хинце в 2016 году:

1. Реактивные машины — реагируют только на текущую ситуацию, без памяти. Пример — шахматный компьютер Deep Blue.
2. ИИ с ограниченной памятью — учитывает недавний опыт и данные. Сюда относится почти весь современный ИИ: автопилоты, чат-боты, рекомендации.
3. Теория разума — ИИ, который понимает чувства и намерения людей. Пока не создан.
4. Самосознание — ИИ, который осознает себя. Пока существует только в фантастике.

Что относится к технологиям искусственного интеллекта

Если уровни описывают, насколько ИИ «умный», то технологии описывают, чем он занимается. Вот основные направления:

• Машинное обучение — системы, которые учатся на данных: прогноз спроса, оценка кредитных рисков, выявление мошенничества.
• Компьютерное зрение — понимание изображений и видео: разблокировка телефона по лицу, распознавание номеров машин, анализ медицинских снимков.
• Обработка естественного языка — понимание и создание текста: переводчики, чат-боты, проверка грамотности.
• Распознавание и синтез речи — голосовые помощники, расшифровка звонков, озвучка текста.
• Рекомендательные системы — подборки товаров, фильмов, музыки и постов в ленте.
• Генеративный ИИ — создание нового контента: текстов, картинок, видео, музыки.
• Экспертные системы — программы на правилах «если — то», составленных специалистами.
• Робототехника — роботы-пылесосы, складские роботы, беспилотники.
• ИИ-агенты — системы, которые сами выполняют задачу из нескольких шагов: находят информацию, заполняют формы, пишут и запускают код.

Многие из этих технологий работают на нейросетях, но не все. Подробнее о том, чем ИИ отличается от нейросети, — в отдельной статье.

Где искусственный интеллект: примеры вокруг вас

Скорее всего, вы пользуетесь ИИ десятки раз в день и не замечаете этого:

• Телефон: разблокировка по лицу, ночной режим камеры, подсказки клавиатуры.
• Почта: фильтр спама и сортировка писем.
• Навигатор: прогноз пробок и времени в пути.
• Банк: блокировка подозрительных операций.
• Маркетплейсы и стриминги: «вам может понравиться», «с этим товаром покупают».
• Голосовые помощники: Алиса, Маруся, Siri.
• Метро: оплата проезда по лицу.
• Переводчики: перевод текста, фото и речи на лету.

Виды нейросетей по устройству

Теперь заглянем внутрь. Нейросети различаются архитектурой — тем, как устроены и соединены их «нейроны». От архитектуры зависит, с какими данными сеть работает лучше всего.

Тип нейросети	С чем работает	Где применяют
Полносвязная (перцептрон)	Таблицы, числа	Кредитный скоринг, прогнозы
Сверточная (CNN)	Изображения, видео	Распознавание лиц, медснимки, автопилоты
Рекуррентная (RNN, LSTM)	Последовательности	Прогноз временных рядов, раньше — перевод и речь
Трансформер	Текст, а также картинки, звук, код	ChatGPT, GigaChat, переводчики
GAN	Изображения	Генерация лиц, улучшение фото, дипфейки
Диффузионная	Изображения, видео	Генераторы картинок и видео
Автоэнкодер	Любые данные	Сжатие, поиск аномалий

Полносвязные нейросети и перцептрон

Самый простой и старый тип. Первую такую сеть — перцептрон — Фрэнк Розенблатт создал в 1958 году. Каждый нейрон одного слоя связан со всеми нейронами следующего.

Хорошо работают с табличными данными. Например, банк оценивает надежность заемщика по доходу, возрасту и кредитной истории.

Сверточные нейросети (CNN)

Созданы для картинок. Сеть «скользит» по изображению небольшими окнами и ищет признаки: сначала простые — линии и углы, потом сложнее — глаза, колеса, буквы.

Как сверточная сеть узнает лицо на фото

1. Вход

   Пиксели фотографии

3. Первые слои

   линииуглыпятна

5. Средние слои

   глазносконтур лица

7. Ответ

   На фото — лицо

Пример — распознавание лиц, поиск опухолей на снимках, контроль брака на конвейере, распознавание дорожных знаков в автомобиле.

Рекуррентные нейросети (RNN и LSTM)

Умеют работать с последовательностями, где важен порядок: текст, речь, курсы валют. У них есть «память» о предыдущих шагах. Улучшенную версию LSTM, которая помнит дольше, предложили еще в 1997 году.

Несколько лет назад рекуррентные сети были главными в переводе и распознавании речи. Сейчас в этих задачах их почти полностью вытеснили трансформеры.

Трансформеры

Главная архитектура сегодняшнего дня. Исследователи Google описали ее в 2017 году. Трансформер смотрит на весь текст сразу и сам решает, какие слова важны друг для друга, — этот механизм называется «внимание».

На трансформерах построены ChatGPT, Claude, Gemini, GigaChat, YandexGPT и почти все современные переводчики. Их применяют и к картинкам, звуку, коду.

Генеративно-состязательные сети (GAN)

Две нейросети соревнуются друг с другом. Одна — «фальшивомонетчик» — рисует подделки. Другая — «эксперт» — пытается отличить подделку от настоящего изображения. Обе постепенно становятся все лучше.

Самый известный пример — сайт «This Person Does Not Exist» 2019 года: при каждом обновлении он показывал фото человека, которого не существует. GAN используют для улучшения качества фото, создания текстур в играх и, к сожалению, дипфейков.

Диффузионные модели

На них работает большинство современных генераторов изображений и видео. Модель учится постепенно убирать шум с картинки — как будто изображение проявляется из тумана, шаг за шагом, по вашему описанию.

Как диффузионная модель рисует картинку

1. Описание

   «Маяк на скале в шторм»

3. Старт

   Случайный шум, как помехи на старом телевизоре

5. Шаг за шагом

   пятна цветаконтурыдетали

7. Результат

   Готовое изображение

Открытая модель Stable Diffusion, вышедшая в 2022 году, сделала этот подход массовым. Сейчас на диффузии или близких к ней подходах работают Flux, Kandinsky и многие другие генераторы.

Автоэнкодеры

Сжимают данные до самого главного, а потом восстанавливают. Если восстановить не получается — значит, в данных что-то необычное. Так ищут аномалии: подозрительные банковские операции, неисправности оборудования. Еще автоэнкодеры используют для очистки фото и звука от шумов.

Какие нейросети бывают и что умеют

Пользователю обычно неважно, какая архитектура внутри. Важно другое — какую задачу решает сервис. Вот основные виды нейросетей по применению, с примерами.

Задача	Примеры нейросетей	Что умеют
Текст и диалог	ChatGPT, Claude, Gemini, DeepSeek, GigaChat, YandexGPT	Писать и редактировать тексты, отвечать на вопросы, анализировать документы
Изображения	Midjourney, GPT Image, Nano Banana, Flux, Kandinsky, Шедеврум	Рисовать по описанию, редактировать фото, делать иллюстрации
Видео	Kling, Veo, Sora	Создавать ролики по тексту или оживлять картинку
Музыка и голос	Suno, синтез речи в голосовых помощниках	Писать песни, озвучивать текст, клонировать голос
Код	GitHub Copilot, Cursor, Claude Code	Писать, объяснять и исправлять программы
Распознавание	Системы распознавания лиц, речи, документов	Находить объекты на фото, расшифровывать аудио, извлекать данные из сканов

Многие сервисы уже умеют несколько вещей сразу. Например, ChatGPT и Gemini понимают текст, картинки и голос — такие модели называют мультимодальными.

Чтобы не регистрироваться в десятке сервисов, их удобно пробовать через агрегаторы нейросетей. Например, в SYNTX.AI в одном окне собраны ChatGPT, Claude и Gemini для текста, GPT Image, Nano Banana и Flux для картинок, Kling и Veo для видео.

Как выбрать нейросеть под задачу

Самый частый вопрос — «какая нейросеть лучшая?». Честный ответ: лучшей нет. Есть подходящая под конкретную задачу.

Я бы шел от задачи, а не от модного названия:

1. Сформулируйте задачу одной фразой. «Писать посты для соцсетей», «делать картинки для карточек товаров», «отвечать клиентам в чате».
2. Выберите вид нейросети по таблице выше — текстовая, для изображений, для видео.
3. Проверьте 2–3 сервиса на своих реальных примерах. Одинаковый запрос в разных нейросетях дает очень разный результат.
4. Учтите практические ограничения: работает ли сервис без VPN, есть ли оплата в рублях, можно ли загружать в него данные компании.

Если нейросеть нужна не для разовых задач, а как часть бизнеса — ассистент, который отвечает клиентам, или автоматизация рутины, — с этим я помогаю: AI-ассистенты и автоматизация.