Что такое генеративный AI

Объясняем, чем генеративный AI отличается от классических алгоритмов и почему LLM — это не поисковик и не база данных.

20 мин чтения2 вопроса в квизеГотовый промпт включёнВ работе

Практическое задание

Что сделать после урока

Откройте ChatGPT или Claude. Задайте один вопрос, ответ на который вы точно знаете. Оцените точность ответа. Затем задайте вопрос о чём-то узкоспециализированном в вашей сфере и проверьте ответ по собственным знаниям. Запишите, где модель ошиблась.

Проверка задания

Откройте ChatGPT или Claude. Задайте один вопрос, ответ на который вы точно знаете. Оцените точность ответа. Затем задайте вопрос о чём-то узкоспециализированном в вашей сфере и проверьте ответ по собственным знаниям. Запишите, где модель ошиблась.

Ваш ответ

Готовый промпт

Шаблон под задачу урока

Скопируйте и адаптируйте под свой контекст. Текст в треугольных скобках — то, что нужно заменить.

Объясни мне концепцию <тема> так, как будто я умный профессионал, но в этой области — полный новичок. Используй аналогии из повседневной жизни. После объяснения дай 3 вопроса, которые я должен задать, чтобы убедиться, что понял правильно.

Песочница промптов

Prompt

Типичные ошибки

На чём чаще всего спотыкаются

Принимают ответ модели за факт без проверки — особенно опасно в цифрах, датах, именах.

Генеративный AI: откуда взялось это название

Слово «генеративный» означает, что модель создаёт новый контент, а не просто ищет его в готовых записях. В отличие от классических алгоритмов (которые, например, фильтруют спам по заранее заданным правилам), генеративные модели обучаются на огромных массивах данных и учатся воспроизводить паттерны — в тексте, коде, изображениях, звуке.

Чем это отличается от классического AI

| Классический AI | Генеративный AI | |---|---| | Правила написаны вручную | Паттерны выучены из данных | | Отвечает «да/нет» или числом | Генерирует свободный текст/контент | | Хрупок при новых данных | Гибко обобщает на новые ситуации | | Прозрачен | Труднее объяснить, почему такой ответ |

Классический пример классического AI: фильтр спама, который смотрит на слова «выиграй», «бесплатно», «срочно» и блокирует письмо. Это работает, но добавьте одно новое слово-триггер — и нужно вручную обновлять правила.

Генеративная модель обучена на примерах «спам/не спам» и сама выявляет признаки — в том числе контекстные, которые человек не догадался бы прописать.

Что умеет генеративный AI сегодня

Текст: написать, переписать, перевести, резюмировать, ответить на вопрос

Код: сгенерировать, объяснить, отладить, написать тесты

Изображения: DALL-E, Midjourney, Stable Diffusion

Аудио: синтез речи, клонирование голоса

Видео: генерация коротких клипов (Sora, Runway)

Мультимодальность: принимать картинки/PDF на вход и давать текстовый ответ

Почему это не поисковик

Поисковик находит существующие страницы. LLM генерирует ответ на лету — по статистическим паттернам, усвоенным из обучающих данных. Это значит:

Ответ может не существовать нигде в интернете — модель его придумала

Ответ может быть правдоподобным, но ложным (галлюцинация)

Нет ссылки «это взято отсюда» по умолчанию — если нужны источники, нужно RAG или поиск

Практический вывод

Воспринимайте LLM как очень быстрого, начитанного коллегу, который прочитал почти всё, но иногда уверенно врёт. Его вклад ценен, но требует верификации в критических задачах.

Правильная установка: LLM = ускорение черновика + генерация идей + объяснение концептов НЕ = авторитетный источник фактов без проверки

Сообщить об ошибке