НЕ ВСЁ ИИ — ЭТО LLM: 8 типовых моделей, которые стоит знать в 2025

Часть 3: MLM и SAM

Завершаем наш ликбез по зоопарку AI-моделей. В предыдущих частях мы разобрали 1) флагманские LLM, быстрые LCM, агентные LAM, 2) экономичные MoE, мультимодальные VLM и компактные SLM. Сегодня на очереди два «невоспетых героя» — фундаментальные технологии, которые, оставаясь в тени, приводят в движение огромную часть современной AI-инфраструктуры. Поехали.

Если LLM — это блистательный солист на сцене, то MLM — это гениальный дирижер в оркестровой яме. Вы его не видите, но именно он заставляет музыку звучать осмысленно. До появления ChatGPT миром правил BERT, и его суперсила — это как раз технология MLM.

📌 В чём суть:

В отличие от LLM, которые как автозаполнение предсказывают следующее слово, MLM играет в «заполни пропуски». Модель берёт предложение, «маскирует» (прячет) случайное слово и пытается его восстановить, анализируя контекст с обеих сторон — и слева, и справа.

«Эйфелева башня находится в [MASK]». Чтобы вставить «Париже», нужно понять всё предложение целиком.

Такой двунаправленный подход даёт модели глубокое, почти интуитивное понимание синтаксиса, семантики и скрытых связей в языке. Это не генерация, это репрезентация.

📍 Сильные стороны:

— Глубочайшее понимание контекста.

— Идеальны для классификации, семантического поиска и анализа текста.

— Менее требовательны к ресурсам для обучения, чем гигантские LLM.

⚠ Недостатки:

— Не созданы для генерации длинных, связных текстов (эссе или кода). Их задача — анализ и представление данных.

⚙ Где применяют:

Это «рабочая лошадка» для множества систем, которыми мы пользуемся каждый день:

— Поисковые движки (когда Google «понимает» ваш сложный запрос, спасибо MLM).

— Классификация текстов (фильтры спама, анализ тональности отзывов).

— Named Entity Recognition (извлечение имён, дат, организаций из документов).

— Создание векторных представлений (embeddings) для баз данных.

Революция в компьютерном зрении от Meta (запрещена в РФ). Представьте, что вы загружаете любое изображение, а ИИ мгновенно и с хирургической точностью обводит контуром каждый объект на нём. Не просто находит «кота», а выделяет его форму до последнего пикселя. SAM — это как подарить машине сверхчеловеческое зрение.

📌 В чём суть:

В основе лежит «сегментация по запросу» (promptable segmentation). Вы просто указываете на объект точкой или рамкой, и SAM мгновенно его вырезает. Главный прорыв — zero-shot generalization. Модель сегментирует объекты, которые никогда раньше не видела и не знает, что это. Она не «знает», что такое лампа, она «видит» её границы и форму в визуальном пространстве.

Это как LEGO-кирпичик для компьютерного зрения: универсальный, быстрый и совместимый с чем угодно.

📍 Сильные стороны:

— Сегментирует абсолютно любые, даже незнакомые объекты.

— Невероятная точность и скорость.

— Интерактивность и модульность: легко встраивается в другие, более сложные системы.

⚠ Недостатки:

— SAM не знает, что именно он сегментирует. Он видит контуры, но не смысл. Для понимания («это кот породы мейн-кун») его нужно объединять с VLM-моделями.

⚙ Где применяют:

Потенциал огромен и уже меняет целые отрасли:

— Медицинская диагностика (выделение опухолей и органов на МРТ/КТ снимках).

— Робототехника (помогает роботам понимать форму объектов для захвата). — AR/VR (мгновенное взаимодействие с объектами реального мира).

— Видео- и фоторедакторы (удаление фона или изоляция объектов одним кликом).

— Научные исследования (анализ спутниковых снимков или клеток под микроскопом).

Мы использовали примерно это в системе для AR навигации Vision в Mapbox. Одна из первых презентаций от моего бывшего коллеги Тори Смита (он сейчас в Niantic возглавляет AI карты, про это напишу отдельно) — раз, видео работы — два (да, это Минск).

Подписывайтесь на Telegram Нейрократия.