Что мы понимаем под ИИ

⏱️ Примерное время: ~12 минут · 🎯 Урок 2 курса «Возможности и ограничения ИИ» · 🎬 видео

Чему вы научитесь

Примерное время: 20 минут

К концу этого урока вы сможете:

Отличать генеративный ИИ от ИИ-классификации и ИИ-предсказания, с которыми вы уже сталкиваетесь каждый день
Понимать, что свойства генеративного ИИ располагаются на непрерывной шкале — от возможности до ограничения
Получить предварительное представление о четырёх ключевых свойствах, которые вы подробно изучите далее: предсказание следующего токена, знания, рабочая память и управляемость

Что мы понимаем под генеративным ИИ

(4 минуты)

Большая часть ИИ в мире (спам-фильтры, рекомендации, выявление мошенничества) не является генеративной. Этот курс посвящён той разновидности, которая ею является: текстовым моделям на основе трансформеров, которые создают новый контент по одному токену за раз.

Строим мысленную модель машины

Четыре свойства, которые определяют, что ИИ может и чего не может сделать для вас. Каждое из них находится на своём спектре — и чем правее, тем больше вам следует проверять и компенсировать.

Откуда берутся ответы ИИ?

Что на самом деле знает ИИ?

На что ИИ обращает внимание прямо сейчас?

Насколько я контролирую ситуацию?

Ключевые выводы

Генеративный ИИ создаёт новый контент, а не классифицирует уже существующий.
ИИ не является ни равномерно способным, ни равномерно ненадёжным. Он силён и слаб вдоль четырёх предсказуемых осей: предсказание следующего токена, знания, рабочая память и управляемость.
Каждое свойство — это непрерывная шкала. Один и тот же механизм даёт вам как возможность, так и ограничение.
Калиброванное доверие означает, что вы определяете место своей задачи на этой шкале, а не выдаёте или отзываете доверие целиком.

Упражнения

Практика: генеративный ИИ или нет?

Зачем? Вы только что узнали, что генеративный ИИ принципиально отличается от того ИИ, который фильтрует ваш спам и рекомендует вам следующее видео. Теперь вы примените это различие к собственному опыту.

Перечислите пять функций на основе ИИ, с которыми вы взаимодействовали на этой неделе. Закиньте сеть пошире: автодополнение, распознавание лиц на фото, фильтрация спама, ответы чат-бота, перевод, рекомендации товаров, голосовые помощники.
Для каждой из них запишите своё суждение: создаёт ли она новый контент или же сортирует, ранжирует и классифицирует уже существующий?
Поделитесь своим списком с ИИ и попросите его проверить ваши суждения. Для тех, где вы ошиблись (или не были уверены), попросите объяснить различие одним предложением. Затем спросите: «Какая из этих пяти функций с наибольшей вероятностью имеет режим отказа, который этот курс поможет мне понять?»
Вернитесь к списку задач из Урока 1. Для каждой задачи отметьте тот вопрос-свойство, который ощущается сейчас наиболее уместным: откуда берутся ответы? (предсказание следующего токена) Что он знает? (знания) На что он обращает внимание? (рабочая память) Насколько я контролирую ситуацию? (управляемость)
Откуда берутся ответы? (предсказание следующего токена)
Что он знает? (знания)
На что он обращает внимание? (рабочая память)
Насколько я контролирую ситуацию? (управляемость)

От вас не ждут, что вы ответите правильно. Вы создаёте предположения, которые будете проверять на протяжении следующих четырёх уроков.

Размышления над уроком

Изменило ли различие между генеративным и классифицирующим ИИ то, как вы думаете о каком-либо из инструментов, которыми пользуетесь?
Посмотрите, как вы пометили список своих задач. Не показалось ли вам, что какая-то задача может относиться сразу к нескольким свойствам?

Что дальше

Прежде чем мы углубимся в четыре свойства, мы посвятим один урок тому, как у системы ИИ вообще появляется характер. Почему она вежлива, полезна, честна; почему иногда слишком легко соглашается; почему отказывается делать определённые вещи. Этот процесс формирования оставляет свои отпечатки на всём, что следует далее.

Обратная связь

По мере прохождения курса нам было бы очень интересно услышать от вас, как вы применяете идеи курса в своей работе, а также любые отзывы, которые у вас есть. Поделитесь своей обратной связью здесь.

Благодарности и лицензия

Copyright 2026 Anthropic. Оригинальная работа основана на фреймворке AI Fluency, разработанном проф. Риком Дэйканом (Ringling College of Art and Design) и проф. Джозефом Феллером (University College Cork). Выпущено под лицензией CC BY-NC-SA 4.0.