Предисловие
Эта книга не учит пользоваться нейросетями.
Она учит другому навыку: видеть, почему архитектура выглядит именно так — и какие ещё варианты можно было бы проверить.
На рынке полно специалистов, которые берут готовую модель, собирают датасет, обучают, внедряют. Это нормальная и нужная работа. Но есть другой уровень — когда человек смотрит на блок вроде CSP или Attention и понимает не «как вызвать», а «какую боль этот блок закрыл и чем за это заплатили».
Именно оттуда растут новые архитектуры. Не из желания «придумать что-то новое», а из ощущения, что старое решение перестало укладываться в ограничения.
Для кого это
Книга рассчитана на технического читателя:
- backend- и системных разработчиков;
- embedded- и FPGA-инженеров;
- DevOps и людей, которые живут latency и throughput;
- ML-инженеров, которые хотят выйти за пределы готовых чекпоинтов;
- студентов, которым важнее причинно-следственные связи, чем список слоёв.
Мы почти не будем объяснять через охотников и альпинистов.
Мы будем объяснять через инженерные аналогии: компилятор, который внезапно стал медленнее на большом проекте; протокол, который обменял универсальность на скорость; систему, в которой «добавить ещё один модуль» почему-то всё ухудшило.
Как устроена книга
Каждая глава — расследование.
Сначала проблема.
Потом гипотезы.
Потом эксперимент.
Потом компромисс.
И только в конце — имя решения, которое вошло в историю.
В конце многих глав будет раздел:
Если бы вы были автором статьи…
Там не будет правильного ответа внизу страницы. Будут вопросы, на которые позже ответит следующая глава — иногда подтверждением, иногда тупиком.
Главная мысль
Почти вся инженерия — это не поиск идеального решения.
Это поиск правильного обмена:
| Решение | Чем пожертвовали | Что получили |
|---|---|---|
| Свертка | Универсальностью полносвязного слоя | Локальность и экономию параметров |
| Residual | Простотой графа вычислений | Глубину без коллапса обучения |
| YOLO | Частью точности двухстадийных методов | Скорость, пригодную для реального времени |
| Transformer | Линейной сложностью по длине | Параллелизм и длинный контекст |
| FlashAttention | Простотой наивной реализации | Эффективную работу с памятью GPU |
Через пять лет названия моделей изменятся.
Логика останется: проблема → ограничения → гипотеза → эксперимент → компромисс → новое решение.
Именно эту логику мы и будем тренировать.