Kitobni o'qish: «Разберись в ИИ и нейросетях: как они работают, где помогают и где ошибаются»

© Зарубина А.А., текст, иллюстрации, 2026

© Оформление. ООО «Издательство «Эксмо», 2026

Как ориентироваться в книге

В книге вы встретите полезные вставки, которые помогут быстрее разобраться и сразу применить знания на практике.

Интересная информация

Короткое объяснение темы или важное уточнение, которое помогает лучше понять материал.

Готовый промпт

Запрос, который можно сразу использовать в работе с ИИ.

Пример результата

Примеры текстов, изображений или диалогов с ИИ.

Важно и ошибки

На что обратить внимание и чего лучше избегать.

О чем эта книга

Мы живем в эпоху, когда фантастика перестала быть просто жанром. Еще вчера мы с улыбкой смотрели фильмы о разумных машинах и всемогущих ассистентах, а сегодня искусственный интеллект (ИИ) стал нашей реальностью. Помните ли вы тот момент, когда впервые задали ему вопрос? Возможно, это было из любопытства, а может быть, из практической необходимости. Кто-то искал рецепт ужина, кто-то просил помощи с кодом, а кто-то пытался понять сложную научную концепцию. И вот ответ появляется на экране – связный, осмысленный, иногда даже остроумный. В этот момент многие из нас испытали странное чувство: смесь восхищения, удивления и легкой тревоги. Машина, которая умеет думать… или слишком убедительно делает вид, что умеет.

Появление общедоступного искусственного интеллекта стало одним из самых значимых событий последних лет. ChatGPT, Grok, Gemini, GigaChat – эти названия стали частью нашей повседневной лексики так же быстро, как когда-то Google или Yandex. Сейчас их стало так много, что разобраться в этом хороводе имен – задачка не из легких.

Эта книга – ваш путеводитель в мире искусственного интеллекта. Не технический справочник, переполненный формулами (хотя немного математики нам все же придется коснуться), и не манифест о восстании машин. Скорее попытка создать целостную картину мира ИИ и рассказать о том, что это такое, откуда он взялся и как работает.

Что вы найдете в этой книге

Первая часть – это путешествие во времени. Понимание прошлого необходимо, чтобы не повторять ошибки и трезво оценивать сегодняшнюю шумиху вокруг технологий.

Начнем мы с задумок Леонардо да Винчи, пройдем через работы Алана Тьюринга и создание первых нейронных сетей, переживем все сложности и выйдем к современности, где ИИ уже не экзотика, а повседневность. Вы узнаете, почему наступает «зима искусственного интеллекта», при чем здесь Бернард Шоу и почему шахматы имеют очень большое значение.

Мы поговорим о том, как искусственный интеллект развивался в разных частях мира – от Китая с его специфическим подходом до конкуренции между гигантами индустрии. Обсудим изображение ИИ в массовой культуре и как эти образы влияют на наши ожидания и страхи.

В конце мы уделим особое внимание обзору современных ИИ-систем и сделаем честное сравнение, которое поможет вам выбрать инструмент под свои задачи.

Во второй части обратим внимание на техническую сторону вопроса и разберемся, как на самом деле работает современный ИИ. Признайтесь, вы когда-нибудь ловили себя на мысли, что общаетесь с ChatGPT или Алисой как с живым человеком? Или, наоборот, ругали «тупую нейросеть» за выдуманные факты? Здесь мы посмотрим, что происходит внутри, попытаемся объяснить сложное простыми словами и научимся эффективно общаться с ИИ. Вы узнаете о принципах составления промптов (запросов), о структурировании задач, критическом мышлении и как извлекать максимум пользы из общения с искусственным интеллектом.

Третья часть более практическая. Здесь мы рассмотрим конкретные сценарии использования ИИ в самых разных сферах: от профессиональной до повседневного быта. Вы узнаете, как оптимизировать свое время, этично ли ИИ-творчество и как выучить новый язык самостоятельно. По ходу повествования вас будут ждать примеры промптов в формате шаблонов, в которые достаточно лишь добавить свои данные перед отправкой вашему привычному ИИ (если такого еще нет, используйте любой из перечисленных в 6 главе из части 1).

Последняя, но не по значимости, четвертая часть расскажет вам о рисках, которые несет в себе искусственный интеллект, о чем нужно знать, прежде чем полностью доверить свою жизнь алгоритмам. Вы сторонник теории о восстании машин и не доверяете ИИ? Мы разберем, насколько реальна эта перспектива и стоит ли опасаться (спойлер: немножко надо, но не везде). Вы уже много слышали о зависимости от ИИ, а в новостях вновь твердят о мошенничестве с применением дипфейков? Здесь мы узнаем, как защитить себя и близких. В самом конце взглянем на юридическую ситуацию в разных странах, как регулируется ИИ и кто несет за него ответственность.

Для кого эта книга

Эта книга написана для всех, кто интересуется искусственным интеллектом, но не обязательно имеет техническое образование. Вы можете быть студентом, предпринимателем, творческим работником, учителем, родителем подростка или просто любознательным человеком. Единственное, что от вас требуется, – это желание узнать новое.

Если вы уже используете ИИ, эта книга поможет вам делать это эффективнее. Если вы только присматриваетесь и не знаете, с чего начать, вы найдете здесь ориентиры. А если вы настроены скептически и считаете, что решать задачи привычным способом надежнее, возможно, вы измените свое мнение или, по крайней мере, ваш скепсис станет более информированным.

Я постараюсь не просто научить вас пользоваться ChatGPT или DeepSeek, а дать вам компас, чтобы вы могли уверенно и осознанно ориентироваться в новом мире, используя его возможности и отделяя реальные риски от вымысла.

Несколько важных оговорок

Во-первых, мир ИИ меняется невероятно быстро. Возможно, к моменту, когда вы будете читать эту книгу, появятся новые модели, новые возможности, новые споры и новые методы регулирования. Однако фундаментальные принципы, история развития и основы работы с ИИ останутся актуальными. Я намеренно буду избегать технических аспектов, которые стремительно меняются. Нет смысла говорить об отсутствии какой-то возможности у конкретной модели, если она может появиться буквально завтра. Уточняйте актуальную сейчас информацию на официальных сайтах компаний-разработчиков.

Во-вторых, ИИ – это не только технология, но и поле идеологических, этических и политических дискуссий. Вы сможете представить разные точки зрения, но и автор имеет свои взгляды и убеждения, которые неизбежно проявятся в тексте.

В-третьих, эта книга не научит вас программировать нейронные сети или создавать собственные языковые модели. Для этого существует большое количество специализированной литературы и курсов. Здесь же цель скромнее, но не менее важная: дать понимание того, что такое ИИ, как он устроен и как с ним работать.

Почему это важно

Искусственный интеллект уже изменил нашу жизнь, он сейчас есть везде: от рекомендаций в соцсетях до медицинской диагностики. А это еще только начало. В ближайшие годы ИИ будет все глубже проникать в образование, здравоохранение, творчество, право, политику. Вопрос не в том, случится ли это, а в том, будете ли вы знать правила игры, когда это произойдет.

ИИ уже стал частью нашей реальности, и игнорировать его или бездумно им восхищаться одинаково опасно. Единственный разумный путь – понять его. Научиться различать реальные возможности и преувеличения, видеть не только перспективы, но и риски, уметь задавать правильные вопросы.

Эта книга подтолкнет вас задуматься о том, какое будущее мы хотим построить с помощью искусственного интеллекта и как не позволить этому будущему построить себя без нашего участия.

Приятного чтения!

Часть 1
Что такое ИИ

Глава 1
История искусственного интеллекта

Времена, когда для выполнения сложных задач приходилось разбирать огромное количество информации, были совсем недавно, однако человек быстро привыкает к удобным вещам, и уже сейчас искусственный интеллект кажется чем-то таким естественным. Давайте разберемся, откуда вообще он взялся, кому пришла идея его создания.

Условно историю развития искусственного интеллекта можно разделить на несколько периодов, и самый ранний из них был задолго до ChatGPT и даже Алана Тьюринга.

1.1. Начало и первые фантазии

Испокон веков умы ученых будоражила мысль о создании машины, обладающей «живым» сознанием, а писатели и поэты охотно вторили им, рисуя фантастические картины жизни рука об руку с разумными механизмами всех мастей. В этот период была предпринята масса попыток сымитировать сознание под металлическим корпусом, но ввиду многих ограничений ничего из этого не было похоже на ИИ в современном нашем понимании. Ведь все открытия будут позже, а здесь достаточно было верить, что это возможно.

Еще в XVI веке Леонардо да Винчи спроектировал своего знаменитого «Механического льва», а следом за ним, в XVII веке, Декарт предложил рассматривать тела животных не более чем как сложные механизмы. В продолжение Декартового предположения в XVIII веке произошел расцвет развития механических игрушек, поражающих современников своей реалистичностью и сложностью. Виданное ли дело, чтобы механическая утка сама клевала зерно, махала крыльями и пила воду, словно живая! А утка Жака де Вокансона была именно такой. Она содержала более 400 различных мелких деталей и сложную систему трубок и рычагов. Утка произвела настоящий фурор и встала у истоков развития робототехники.

Однако для нас более интересным будет другой механизм. В 1796 году венгерский инженер Вольфганг фон Кемпелен создал устройство для игры в шахматы под названием «Турок». Это был автомат в виде мужчины в восточной одежде, сидящего за деревянным столиком с шахматной доской. Каждая партия с ним проходила безупречно, словно это был не механизм, а настоящий шахматист под тяжелой маской с бесстрастным лицом. Однако фон Кемпелен с удовольствием демонстрировал шкаф под столом у механизма, в котором скрывался лишь хитроумный узор из шестеренок и валов. Изначально изобретение преследовало только цели произвести впечатление и развлечь императорский двор, но вместо этого снискало всемирную известность, принеся своему изобретателю не только славу, но и массу сложностей.

Восемьдесят лет вокруг автомата ходило множество споров, он стал персонажем историй и анекдотов, а пересуды о нем варьировались от беспощадной критики до откровенного вымысла. Современному человеку очевидно, что на том этапе развития создать настолько точный интеллектуальный механизм попросту было невозможно, но нам действительно раскрыли секрет, создав точную копию, лишь спустя 200 лет после смерти барона фон Кемпелена. «Шахматного турка» и сейчас можно увидеть в музее Хайнца Никсдорфа в Падерборне. Разумеется, тайна крылась в человеке, умостившемся за задней крышкой шкафа. Напоминает современные шутки про искусственный интеллект и целый офис рабочих (конечно, из Индии) за его ярким фронтендом, не так ли?

В следующий раз мы вспомним игру в шахматы не скоро, но зато сможем провести замечательное сравнение. В процессе работы над изобретением настоящего искусственного интеллекта ученые не единожды обращались к этой классической игре, используя ее как некий маркер «разумности» механизма. Мы же сейчас переместимся дальше по хронологии прямо в XIX век.

1.2. Математическая база, тест Тьюринга и законы робототехники

Именно тогда открытия в механике более явно начали сопровождаться формированием прочной математической базы. Среди множества трудов и формализаций для нас наиболее примечательны двое ученых: Готлоб Фреге и Джордж Буль. Фамилия одного из них многим из вас уже прекрасно знакома, сложно представить, чтобы кто-то не слышал о «Булевой алгебре» или о «Булевых переменных» – в зависимости от сферы интересов. И не зря. Ведь именно он написал «Законы мышления», используя двоичную логическую систему. Готлоб Фреге же на основе этой системы формализовал пропозициональную логику и заложил основные принципы анализа как сложных, так и простых высказываний, уточненные и дополненные Альфредом Нортом Уайтхедом и Бертраном Расселом в книге «Математические начала».

В этот момент уже можно зевнуть и спросить, возможно даже с неким недовольством, зачем нам нужны эти математики и их скучные теории? Мы ведь хотим узнать про искусственный интеллект! Хорошо-хорошо, давайте перейдем к самой интересной части. А именно в XX век, прямо к 1936 году, когда на основе уже сформулированных принципов и законов логики Алан Тьюринг разработал инновационную модель универсальной машины, ставшей основой теории вычислений. Мы не будем сейчас разбирать подробно ее устройство. Если кратко, это абстрактная модель машины с бесконечной лентой, на которой изображены символы. Машина читает символ и в зависимости от его значения меняет состояние, двигается влево или вправо, после чего записывает новый символ. Теоретически такая машина способна выполнить любой вычислимый алгоритм. Если раньше алгоритм был лишь на уровне интуитивного понимания, Алан Тьюринг формализовал это понятие, показав, что любой алгоритм не только можно выполнить с помощью простых операций, но и что для этого нужна всего одна машина. Напоминает что-то? Конечно! Это же современный компьютер.

Менее десяти лет спустя, в 1943 году, Уоррен Маккалок и Уолтер Питтс публикуют статью «Логическое исчисление идей, имманентных нервной деятельности», что стало первой ступенью на длинном пути развития искусственного интеллекта в том виде, в котором мы его знаем сейчас. Нейропсихиатр Маккалок и математик Питтс предложили провести аналогию между Булевой логикой с ее двоичной системой и нервной деятельностью человеческого мозга, также осуществляемой по принципу «все или ничего». В своей статье они сконструировали гипотетические сети нейронов, принимающих два состояния (возбуждающие нейроны и тормозящие), и описали подобие этих сетей с пропозициональной логикой, доказав тем самым возможность моделирования основных нейрофизиологических функций при помощи формальной логики.

Эти разработки по-настоящему взбудоражили весь ученый мир. Многие умы были заняты поисками пути создания программы, работающей по принципу человеческого мозга. Однако они не забывали и об этической составляющей, и о методах оценки «интеллектуальности» этого программного интеллекта и, наученные опытом барона фон Кемпелена, задавались вопросом: как определить, действительно это разумная машина или вместо нее выполняет задачи живой человек?

ТРИ ЗАКОНА РОБОТОТЕХНИКИ АЗИМОВА

Эти законы до сих пор обсуждаются в контексте этики ИИ, хотя были придуманы писателем-фантастом!

1. Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред.

2. Робот должен повиноваться приказам человека, кроме случаев, когда они противоречат Первому Закону.

3. Робот должен заботиться о своей безопасности, если это не противоречит Первому и Второму Законам.

Тогда в 1950 году Алан Тьюринг предложил эксперимент по оценке искусственного интеллекта, известный сейчас как тест Тьюринга¹. Его суть была в задавании определенных вопросов и определении уровня схожести ответов с человеческими.

После этого в 1956 году в Дартмуте была созвана конференция, предметом обсуждения на которой стала возможность моделирования рассуждений и творческих процессов программными методами. Именно там собрались вместе все энтузиасты, ранее работавшие в одиночестве и оказавшие впоследствии наибольшее влияние на развитие искусственного интеллекта. Кстати, именно на Дартмутской конференции был предложен этот термин.

1.3. Расцвет

Дальше наступил поистине золотой период для ИИ. Всего за десять лет совместными усилиями многих ученых и разработчиков был сделан огромный шаг. Давайте по порядку.

Ученые со всего мира сконцентрировали усилия на вопросах механизации мыслительных процессов. Герб Гелернтер и Натан Рочестер описали семантическую модель, способную доказывать «типичные» геометрические теоремы. Следом Джеймс Слэгл из Массачусетского технологического института написал первую программу, способную решать задачи по исчислению на уровне первокурсника. Через пару лет, в 1963 году, программа Томаса Эванса ANALOGY сделала скачок от разработки Джеймса Слэгла и математических вычислений в более абстрактную тогда еще сторону, продемонстрировав способность компьютеров решать не только вычислительные задачи, но и задачи на аналогию, те самые, которые встречаются в тестах на IQ. А в 1964 году Дэнни Боброу в своей диссертации показал, что теперь компьютеры могут понимать естественный язык на уровне, позволяющем решать текстовые алгебраические задачи. То есть буквально за пять лет ИИ прошел путь от описания теоретической модели, знающей общие формулы, до понимания естественного языка. Конечно, оно было еще не на таком уровне, как сейчас, но тогда это был поистине прорыв.

Тогда же многие ученые поняли основное направление для ИИ и сконцентрировались на обработке естественных языков. В 1965 году Джозеф Вайценбаум создал ELIZA² – программу, способную вести диалог на английском языке. Наиболее известной стала ее версия, симулирующая диалог с психотерапевтом. Долгое время исходный код программы был утерян, и лишь в 2023 году удалось ее вновь запустить. По отзывам исследователей, в общении она превосходит современные чат-боты, создавая более яркое впечатление общения с живым собеседником, стремящимся поддерживать разговор, а тест Тьюринга дал показатель в 27 %, гораздо выше, чем у GPT‐3.5.

Именно ELIZA и последующие за ней исследования подняли планку настолько, что от разработчиков начали ждать по меньшей мере волшебства, на которое технологии того времени были неспособны. В 1960-е разработка ИИ была на подъеме, но скоро пришло понимание ограниченности возможностей, и постепенно интерес к теме ИИ стал угасать. Даже энтузиастам начало казаться, что системы, которые работают по четко заданным алгоритмам и не справляются с нестандартными ситуациями, слишком далеки от настоящей «думающей машины». А потом вышел отчет Дж. Лайтхилла, оказавший на всю сферу поистине разгромное влияние, финансирование начало падать, и все это ознаменовало наступление так называемой «зимы» искусственного интеллекта.

1.4. «Зима»

На самом деле «зима» ИИ была не одна – их было две. Первая пришлась на 1970-е, а вторая – на конец 1980-х – начало 1990-х.

Сам термин возник по аналогии с «ядерной зимой», возникающей вследствие крупномасштабной ядерной войны. Здесь так же: все происходит не резко и не внезапно, а по цепочке. Сперва развитие наращивает темпы, формируя завышенные ожидания, затем выходит на своеобразное «плато», в это время эксперты высказывают свое мнение относительно прогноза, а его уже подхватывает пресса и неуклонно множит. Общее доверие падает, как и финансирование, что, как мы понимаем, точно не идет на пользу и так неустойчивому положению.

В 1973 году Дж. Лайтхилл провел крупный анализ разработки в сфере искусственного интеллекта³. Условно он разделил его применение на три области:

♦ A (Advanced Automation) – возможность ИИ заменить человека в некоторых областях, прикладная автоматизация;

♦ C (Computer-based CNS studies) – исследования ЦНС (центральной нервной системы) при помощи ИИ;

♦ B (Building Robots) – «мост», соединяющий категории A и C, создание роботов, что, по мнению Лайтхилла, должно серьезно продвинуть исследования в первых двух категориях.

Вердикт его был неутешителен. Несмотря на то что он отметил некоторые достижения (например, система автоматической посадки, которая справлялась лучше человека), он указал на слишком узкую применимость отдельных моделей, невозможность создания универсального ИИ, а области распознавания текста и машинного перевода и вовсе назвал разочаровывающими, «где были потрачены огромные суммы, но достигнуты лишь незначительные полезные результаты»⁴.

В действительности Лайтхилл был прав, исследования на тот момент уперлись в технический потолок, не достигнув результатов, которые ожидались. Он не только подтвердил наблюдения Консультативного комитета по автоматической обработке языка ALPAC (Automatic Language Processing Advisory Committee) от 1966 года⁵ касательно машинного перевода, но и подсветил другие слабые на тот момент точки.

После этого все силы были брошены на развитие экспертных (узкоспециализированных) систем, а идея разработки AGI (Artificial General Intelligence – универсального ИИ) оказалась заброшена в долгий ящик.

В 1980-х Япония запускает широкомасштабную программу FGCS (Fifth Generation Computer Systems) по созданию нового, пятого, поколения компьютеров, использующих технологии ИИ. Под нее начинают выделяться миллиарды, перспективы рисуются заоблачные, кажется, наконец-то «зима» закончилась.

Однако спустя одиннадцать лет программа завершилась полным провалом, не оправдав ожиданий⁶. Тогда же у инвесторов начал иссякать интерес и к экспертным ИИ. Оказалось, что для их работы, чтобы они могли выполнять более сложные задачи, необходимо слишком большое количество условий, обеспечить которые не всегда представлялось возможным.

В то же время компании, производившие дорогие специализированные компьютеры для ИИ (Lisp-машины), начали массово разоряться. Ведь персональные компьютеры стали достаточно мощными и гораздо дешевле.

Наступила вторая «зима» искусственного интеллекта. И продлилась она на этот раз аж до 1990-х годов. Общая картина того времени показана на рисунке 1.1.

Рис. 1.1. «Зимы» искусственного интеллекта

Думаю, вы обратили внимание на один факт, объединяющий основные причины наступления обеих «зим». Завышенные ожидания от ИИ, сформированные людьми, далекими от самой разработки. Искусственный интеллект в самом деле производит впечатление «всемогущей машины», а некоторые прорывы в разработке так хочется экстраполировать на все обозримое будущее. Но насколько это близко к реальности?

1.5. Снова шахматы

У наступления очередной «весны» нет конкретной даты, она приходила постепенной оттепелью. Экспертные ИИ продолжали приносить пользу в некоторых областях, алгоритмы внедрялись, а исследования шли своим чередом. Только громкие термины пропали из маркетинга.

Отмечу самые основные достижения.

В Массачусетском технологическом институте (MIT) запускают проект COG⁷, объединяющий множество участников целью создать гуманоидного робота. «Humanoid intelligence requires humanoid interactions with the world»⁸, – утверждали они и конструировали сенсорные и моторные системы для робота, снабжали его способностью реагировать на чужие движения и учили контролировать свои. Интеллект его был на уровне младенца, обучающегося у окружающих. Сейчас этот робот находится в музее MIT. Именно он показал важность социального взаимодействия при обучении ИИ (а также оказал огромное влияние на робототехнику).

Изучается уровень эффективности обучения с подкреплением. Говоря иначе, это обучение ИИ на опыте: он получает награду или штраф, условные +1 или –1, за каждый результат, а цель его – максимизировать совокупное значение. Сейчас такой метод применяется во множестве областей, включающих в себя автономные системы, промышленность и даже здравоохранение, а в 1990-х он был изучен на примере обычной игры в нарды. Программа TD-Gammon, написанная Джерри Тесауро, начав играть с состояния полной случайности, обучившись, стала успешно конкурировать с игроками мирового класса.

НАСА в рамках программы Mars Pathfinder выводит на поверхность Марса «Соджорнер» – для анализа химического состава пород. Он стабильно работал около трех месяцев, после чего перестал отвечать на сигналы, несмотря на то что находился в рабочем состоянии. До сих пор его местонахождение неизвестно, но вклад в науку он сделал неоспоримый. Анализ атмосферы и пород мы оставим специалистам и посмотрим на одну из фотографий, сделанную ИИ-исследователем (рис. 1.2).

Рис. 1.2. Фотография марсианского горизонта, сделанная «Соджорнером»⁹

Но все это знали те, кто следил за новостями, а вот 11 мая 1997 года ИИ снова выходит из тени по-настоящему. Deep Blue, суперкомпьютер от компании IBM, сошелся в матче-реванше с действующим чемпионом мира по шахматам и одержал победу. И дело здесь не только в шахматах. Deep Blue стал первым в истории ИИ, сумевшим выдержать конкуренцию с человеческим мозгом (вспомним первую попытку сымитировать игру в шахматы с «ИИ» в 1796 году). Турнир освещали в СМИ, и отношение общественности оказалось спорным, варьируясь от страха перед гипотетическим «восстанием машин» до откровенного недоверия и стремления уличить в жульничестве. Но результат был достигнут. Победа Deep Blue стала громким заявлением о том, что ИИ еще слишком рано списывать со счетов, и сделала огромный пиар IBM.

1.6. Начало 2000-х

Постепенно ИИ начинает проникать во многие сферы более явно. Пока еще не касается непосредственно жизни большинства людей, конечно. Но уже активно:

♦ ориентируется в интернете, помогая с извлечением информации с помощью веб-сканеров;

♦ управляет игрушечными роботами-питомцами, которые вскоре становятся коммерчески доступными (у разработчиков явно остался профессиональный незакрытый гештальт с XVIII века);

♦ побеждает в автомобильных гонках – Стэнли (Stanley), созданный командой из Стэнфордского университета, получает Гран-при на DARPA Grand Challenge¹⁰ в октябре 2005 года;

♦ исследует отдаленные районы Антарктиды в поисках метеоритов – робот Nomad от CMU (Carnegie Mellon University), который стал одним из первых обладателей сферического зрения и возможности ориентироваться на далеких расстояниях.

Вместе с тем MIT работает над крупным проектом Oxygen¹¹, направленным на повсеместное использование ИИ, чтобы технологии стали вровень с «кислородом», невидимо окружая человека и улучшая его жизнь. Сейчас концепции этого проекта находят свое отражение в IoT (Internet of things, «Интернет вещей»). А вы не задумывались, включая радио на колонке или управляя холодильником через приложение, о том, что это не ново и уже было запланировано больше двадцати лет назад?

1.7. «Сейчас вы находитесь здесь»

Неуклонно продолжается превращение ИИ из сложной и недоступной научной концепции в инструмент. Мы уже обсудили, как завоевали популярность экспертные модели, однако очевидно, что для формирования целой экосистемы их нужно столько, что не то что сконструировать – просчитать невозможно. Нужно было что-то новое. Только представьте: не надо вручную прописывать инструкции, вы лишь загружаете большой массив данных, а модель сама ищет взаимосвязи, простраивает логику и выдает вам готовый результат. Неужели так бывает? Да! И это одно из направлений искусственного интеллекта – машинное обучение (ML, Machine Learning).

Взрыв его популярности пришелся на 2000–2010-е годы и стал действительно глотком весеннего воздуха после двух «зим». Теперь модели могли практически без участия человека прогнозировать и принимать решения. Их начали внедрять в различные сферы от финансовых организаций (например, кредитный скоринг) до стриминговых сервисов (рекомендательные системы).

А вскоре появился новый термин глубокое обучение (DL, Deep Learning). По сути это подмножество машинного обучения. Модели, использующие многослойные нейронные сети (а это буквально все известные нам ИИ), требуют гораздо больше вычислительных мощностей и данных для обучения, но при этом предоставляют собой гораздо более высокую точность результата, а еще умеют работать с необработанными данными (в то время как для классического ML нужны выделенные человеком признаки, нейросети выделяют их самостоятельно).

Уровень интереса к ИИ растет экспоненциально (рис. 1.3). Тогда же начинают все чаще звучать уже знакомые нам сейчас названия.

Рис. 1.3. Рост интереса к ИИ после 2010 года

1.7.1. OpenAI

«Мы создаем безопасный и полезный AGI, но также будем считать свою миссию выполненной, если наша работа поможет другим достичь этого результата».

Некоммерческая организация, сформированная в 2015 году. В числе основателей ее состоят Илон Маск и Сэм Альтман. Главная миссия компании «в обеспечении того, чтобы искусственный общий интеллект (AGI) – под которым мы подразумеваем высокоавтономные системы, превосходящие человека в большинстве экономически ценных видов работы, – приносил пользу всему человечеству». Самые известные продукты – ChatGPT (языковая модель), DALL-E (генерация изображений), Sora¹² (генерация видео), Whisper (распознавание голоса). Сейчас OpenAI – лидер в сфере искусственного интеллекта, а ChatGPT – самый популярный в мире чат-бот.

1.7.2. Google DeepMind

«Решить задачу интеллекта, а затем использовать его, чтобы решить все остальное».

Основана в 2010 году, изначально британская компания DeepMind Technologies в 2014 году была выкуплена Google и обрела свое нынешнее название. Основная миссия: «ответственно создавать искусственный интеллект на благо человечества». Генеральный директор и основатель, Демис Хассабис, придерживается точечного воздействия на «корневые узлы», которые в сумме будут двигать научный прогресс вперед. Их усилия сконцентрированы не только на внедрении технологий, но и на изучении мозга человека (сам Хассабис – не только исследователь ИИ, но и нейробиолог). В 2015 году компания представила модель AlphaGo, повторившую успех DeepBlue, но только в игре го, считающейся наиболее сложной задачей для ИИ. По словам разработчиков, «AlphaGo на десятилетие опередила свое время». Сейчас разработки Google DeepMind приносят пользу в огромном разнообразии сфер (придерживаясь той самой схемы «корневых узов»). Работа с 3D-моделями белковых структур, предсказание погоды, управление плазмой в термоядерных реакторах и так далее. Конечно, они не забыли и сферу игр, только теперь их усилия больше направлены на компьютерные (AlphaStar в 2019 году одержала победу над топовым игроком в StarCraft II). Мы сейчас тоже используем их разработки: Gemini (языковая модель), Veo (генерация видео), Nano Banana (генерация изображений). И даже просто открывая поиск Google, вы уже используете технологии Google DeepMind.

Ах, да, это именно в рамках их проекта Google Brain была разработана инновационная архитектура «Трансформер» (Transformer). Позже мы рассмотрим, что это такое, а здесь просто запомните название и поверьте на слово, что она стала действительно очень важной для развития ИИ.

1.7.3. xAI

«Мы создаем ИИ для того, чтобы расширить понимание и возможности человека».

Основана Илоном Маском в 2023 году после его ухода из OpenAI (не будем углубляться в причины и подробности этого), по факту сейчас является дочерней компанией SpaceX (с февраля 2026 года). Основной ИИ-продукт Grok. Миссия компании – это «понять истинную природу Вселенной». В то время как все остальные сосредоточены на «земных» целях, планы SpaceX настолько же грандиозны, насколько амбициозны. Они хотят соединить в единую систему искусственный интеллект, космические исследования и людей, используя самую масштабную в мире платформу для обмена информацией. «Безумству храбрых поем мы славу!» – хочется сказать в ответ, но ведь и сама идея искусственного интеллекта когда-то звучала фантастически, а результаты, показываемые xAI, действительно поражают. В рекордно короткие сроки компания достигла такого уровня, что теперь оправданно позиционирует себя как основной конкурент OpenAI и Google. Для обучения ИИ они создали самый мощный в мире суперкомпьютер Colossus, а после объединения ресурсов xAI с ресурсами SpaceX их перспективы поистине космические.

1.7.4. Общая картина

Вскоре в эту гонку начали включаться другие игроки: DeepSeek, «Яндекс», Anthropic и так далее (чуть позже мы рассмотрим некоторые подробнее). Но именно на примере этих трех «китов» можно понять основные направления, сформировавшиеся для ИИ.

♦ OpenAI – про бытовое использование, про помощь обычным людям в различной деятельности.

♦ Google DeepMind – про поддержку более основополагающих систем жизнедеятельности.

♦ xAI – про далекие перспективы и взгляд в будущее.

Конечно, как это обычно бывает, в процессе все смешалось, и сейчас они не дополняют друг друга, а конкурируют.

Итак, постепенно мы прошли длинный маршрут от самых истоков до настоящего времени. Что же будет дальше? Чего нам ждать?

1.8. Путешествие за болотными огоньками или новая «зима»?

Нельзя с полной уверенностью утверждать, как повернется ситуация. Мы можем лишь узнать мнения на этот счет у тех, кто «стоит у руля», и немного проанализировать ситуацию на основе опыта.

Конечно, взгляд в будущее у многих находится между чрезмерной амбициозностью и осознанием реальных рисков.

Демис Хассабис: «Это будет в 10 раз больше, чем промышленная революция, – и, возможно, в 10 раз быстрее». Он предрекает появление AGI, обладающего всеми когнитивными способностями человека, и возможность в будущем вылечить все существующие болезни. Конечно, все сейчас упирается в ресурсы и энергию, но, по его мнению, ИИ сейчас на том этапе, когда сам способен помочь с оптимизацией. При этом Хассабис акцентирует внимание на риске причинения вреда психическому здоровью человека при бесконтрольном внедрении ИИ, на чрезмерной автономности ИИ в принятии решений, а также подчеркивает необходимость защиты от злоумышленников, которые будут использовать мощный инструмент в своих целях.

Дарио Амодей: «50 % джуниоров потеряют работу за 5 лет». CEO¹³ компании Anthropic (Claude) делает акцент на сокращении офисных рабочих мест начального уровня, ведь все простые задачи сможет выполнять ИИ. Но при этом подчеркивает риски возрастания количества и эффективности киберугроз, реализуемых при помощи ИИ, ведь меры безопасности сейчас не успевают за техническим прогрессом.

Илона Маска темпы развития ИИ на данный момент пугают. Люди не успевают адаптироваться к изменениям, а их все больше и больше. Он предсказывает, что вскоре ИИ станет умнее любого человека в мире, и солидарен с Дарио Амодеем насчет неизбежного сокращения рабочих мест, что породит социальную нестабильность.

Сэм Альтман считает, что со временем «сверхразумный» ИИ приведет человечество к процветанию, взяв на себя самые сложные задачи вплоть до проблем с изменением климата. Однако он также подчеркивает риски бесконтрольного использования ИИ и его возможной чрезмерной автономности.

Сейчас основная проблема ИИ заключается в том, что развитие упирается в нехватку ресурсов. Модели становятся крупнее, дата-центры для их обучения потребляют колоссальное количество электроэнергии, а прогресс в области графических процессоров (GPU) откровенно не успевает за усложнением ИИ. При этом, несмотря на бо́льшие потребности в ресурсах, качество моделей увеличивается незначительно, они все так же ошибаются и галлюцинируют (чуть позже разберемся, что это значит), что существенно ограничивает их применение, а инвесторы не видят соизмеримой отдачи. Сейчас развитие ИИ движется по плато. А мы помним, что это значило в прошлом: наступала «зима».

Будет ли она сейчас? Менее вероятно, ведь основные игроки уже могут оставаться в строю не за счет внешних инвестиций, а благодаря своей основной деятельности. Однако некоторое «похолодание» нельзя исключать полностью. Вероятнее всего, индустрия будет сохранять баланс между реалистичностью и амбициями, а «плато» лишь вновь подстегнет развитие экспертных ИИ. А точнее – ИИ-агентов, тенденцию в этом направлении уже ясно видно. При этом, очевидно, попытки разработать полноценный AGI не прекратятся. Мы находимся на пороге, и ближайшие 2–3 года прояснят очень многое.

Глава 2
Китайский путь развития

Отдельно хочется поговорить о том, что происходило параллельно всеобщей суматохе. Для Китая ИИ стал масштабным государственным проектом по улучшению качества жизни населения и экономической ситуации в стране после реформ Дэн Сяопина в 1978 году.

Изначально развитие было затруднено. Слишком мало ученых, способных разобраться в новой и сложной теме, и слишком консервативное отношение общества. Правительство решало эти проблемы, обучая специалистов за границей и выделяя средства на исследования. К 2006 году количество спонсируемых государством проектов значительно выросло, а сама индустрия ИИ стала частью «Национального среднесрочного и долгосрочного плана развития науки и технологий».

Такой подход имеет как плюсы, так и минусы. Очевидно, при поддержке государства отрасли не грозит суровая «зима», но при этом на нее накладываются определенные ограничения и предъявляются требования гораздо выше, чем просто окупаемость и маркетинговая ценность. Однако в Китае он сработал наилучшим образом.

Сейчас на Китай приходится около 60 % патентов в сфере ИИ во всем мире, а по количеству публикаций научных работ он опережает даже США – признанных лидеров индустрии на текущий момент. Когда-то китайские модели считались более доступной, дешевой, но слабой альтернативой, однако сейчас они уже составляют конкуренцию даже продуктам OpenAI.

Ведущие компании – Alibaba, Baidu, Tensent и DeepSeek. Наверняка вы уже слышали эти названия, а возможно, даже пользовались их продуктами. Конечно, это неполный перечень. Есть еще больше десятка других, и за каждой, согласно правительственному плану, закреплена отдельная отрасль для применения ИИ-технологий: кто-то занимается медициной, кто-то бытовой автоматизацией и так далее.

В целом Китай показывает интересный и уникальный опыт внедрения ИИ в экономическое развитие страны. Он уверенно стремится к лидерству, однако темпы развития очень сильно тормозятся не только ресурсными ограничениями, как у западных коллег, но и накладываемыми законодательством страны рамками.

Раньше исследователи сами избегали «серых зон», а с недавнего времени еще и власти начали ввод конкретных стандартов для ИИ. При этом на их стороне идеальный баланс между государственным финансированием и частными компаниями и уже успешный опыт внедрения новых технологий раньше всех в мире.

Куда это все приведет? Время покажет. По крайней мере, план у Китая составлен, и движутся они даже с опережением, а имеющимися в открытом доступе моделями (DeepSeek, Qwen) мы уже можем успешно пользоваться как разумной альтернативой привычным.

Глава 3
От Терминатора до J.A.R.V.I.S

Насколько же вдохновляет образ помощника, который всегда рядом и готов взять на себя любую работу, настолько же и пугает неконтролируемая сила, способная стереть с лица земли все человечество. Современные массмедиа дают нам удовольствие взглянуть на все стороны искусственного интеллекта.

Самый популярный сюжет, конечно, сопряжен со страхом. Людей всегда пугает что-то новое и неопознанное. Так получилось и с ИИ. «Матрица», «Терминатор», «Я, робот» – все эти фильмы объединяет драматичная концепция ИИ, вышедшего из-под контроля своих создателей. Сюжет в таких картинах разворачивается вокруг рационального подхода ИИ к существованию, как правило, он ставит эффективность на порядок выше человеческой жизни, а нередко и вовсе воспринимает людей как системные ошибки, не поддающиеся исправлению. Автономия машин пугает, но в то же время показывает нам их несовершенство, ведь мир вокруг этого гораздо больше, чем чуждая человеческой природе холодная алгоритмизация.

Второй вариант – это когда ИИ выступает разумным партнером человека. Он учится жить и чувствовать. Здесь он все так же автономен, как и в предыдущем случае, но уже не стремится стать выше людей или уничтожить их вовсе. Для него люди – недостижимый идеал. Он мечтает пройти по пути Пиноккио, но обычно либо на своем пути он доказывает, что человечность заключается отнюдь не в плоти и крови, либо то, что ИИ никогда не сможет стать человеком и по-настоящему понять нас, будучи запертым под тысячами строк кода. Прекрасный пример – «A. I. Искусственный разум» Стивена Спилберга.

А теперь давайте перейдем к менее фантастическим сюжетам. Многие картины, например, к таким относятся «Черное зеркало» или «Призрак в доспехах», поднимают в том числе и описанные ранее вопросы, но цель их в другом. Они призваны заставить нас задуматься об экзистенциальных вопросах сознания, об ответственности и границах, об отношении к технологиям и необходимом уровне их контроля. Показывают, как недостаточность знаний у самого человека может стать для него роковой. Здесь ИИ уже не пугает и не вызывает сочувствия, а является или своеобразным ящиком Пандоры, или мерилом человеческой безответственности. Кажется, оказаться в подобном сюжете уже скоро будет возможно даже в реальности.

И самое, наверное, обыденное представление ИИ – ассистент, полностью подчиненный человеку. Сразу приходит в голову J.A.R.V.I.S. из Marvel, роботы из «Интерстеллара», Дейта из сериала «Звездный путь» и множество других ИИ-помощников, встречающихся почти везде, где есть космический корабль или иные атрибуты фантастического сюжета. К подобным относится и Великий Думатель из «Автостопом по галактике», который пусть и не был ассистентом в повседневных задачах, все же оставался ИИ-помощником. Здесь уже вокруг ИИ не разворачиваются драматичные события и не поднимаются философские вопросы бытия искусственного разума. Он существует и облегчает жизнь остальных персонажей. Можно даже сказать, что это самое реалистичное развитие событий из всех.

Неудивительно, что массмедиа стремится приукрасить возможности ИИ, ведь «думающая» машина – отличная почва для огромного количества сюжетов от самых напряженных и трагических до легких и забавных. Посредством ИИ можно поднять разнообразные темы и даже создать своеобразное «зеркало» для человека, а чистым абсолютным злом, которое не ведает пощады, легко напугать.

Кино формирует ожидания гораздо сильнее, чем научные статьи. Люди ждут J.A.R.V.I.S.а, а получают чат-бот. Сейчас ИИ умеет работать только в рамках заданных ему данных и поставленных целей и, конечно, не обладает самосознанием, а чувства и мечты для него всего лишь «что-то на человеческом».

Глава 4
Новая обыденность

Обилие красочных сюжетов с участием ИИ, конечно, влияет на представление людей о нем. К сожалению, не всегда в положительном ключе.

ИИ пробуждает интерес к технологиям, большое количество нынешних разработчиков выросли, мечтая победить Скайнет (или же, наоборот, самим поучаствовать в его создании). Как и в прошлом, наука нередко вдохновляется творчеством и фантазиями на тему ИИ, разделяя, что нельзя, а что можно попробовать реализовать.

Но также такая популяризация пробуждает иррациональный страх перед технологиями. Как перед гипотетическим «автономным осознанным ИИ», который только и ждет момента, когда получится вырваться на свободу, так и даже просто перед обычным компьютером.

Можно проследить закономерность, как со временем граница между представлениями об ИИ и реальностью постепенно становится тоньше, как сюжеты становятся все менее апокалиптичными, а ИИ предстает частью обыденности. И вот уже нас учат не смело сражаться в неравном бою за победу, цена которой – жизнь, а правильному общению с ИИ-ассистентом и приватности в Сети, причем не менее героически. И это правильно, ведь мы уже подошли вплотную к временам, когда страх перед ИИ начинает доставлять настоящий дискомфорт, ведь он уже не просто помощник и точно не «технология только для специалистов», а часть нашей жизни, как интернет или смартфон.

Про ИИ сейчас можно услышать абсолютно везде. Фильмы и сериалы, новости, короткие видео, даже мемы. Обучиться работе с ним также сейчас проще простого из-за обилия доступной информации. Многие компании включают ИИ в повседневные задачи, а блогеры показывают, как сгенерировать для себя целую ИИ-фотосессию. Каждый так или иначе сталкивается с новыми технологиями из любопытства или необходимости.

Однако такая широкая популяризация, помимо очевидно позитивных последствий, несет в себе и негативные. Во-первых, трансформируется рынок труда. Возможно, не так быстро, но заметно. Требования меняются, а ценности перестраиваются, и соискателю остается лишь успевать адаптироваться. Во-вторых, снижается уровень критического мышления, появляется полное доверие ИИ, а нередко и полная зависимость от него. Зачем думать, если можно просто задать вопрос? Когда-то искали в книгах, потом перебирали ссылки в поисковике, а теперь стало еще удобнее! Конечно, это иллюзия. Мы с вами разберем далее, почему нельзя безоговорочно доверять ИИ, и поймем, что навык анализа информации будет актуален еще очень долго.

Условно популяризацию ИИ можно разделить на несколько этапов.

1. XX век. ИИ – персонаж фантастических фильмов и романов. Для людей он абстрактен, подавляющее большинство даже не знает о ведущихся разработках, для них ИИ по уровню реалистичности находится примерно на одном уровне с привидениями.

2. Начало XXI века. ИИ уже появляется в повседневных инструментах, например в поисковых системах, но его наличие не афишируется. Он все еще очень сложная технология, подвластная лишь специалистам.

3. Вторая половина 2010-х. Появление ИИ-ассистентов. Siri, Алиса, Alexa – эти имена начинают произносить все чаще, обращаясь при этом не к девушкам, а к смартфону или колонке. Многие начинают узнавать про алгоритмы рекомендаций в соцсетях и музыкальных сервисах. ИИ становится помощником, но только для намеренно интересующихся людей. Совсем не знать про ИИ уже немного странно, но не пользоваться им активно – совершенно нормально.

4. Наше время. ИИ прочно вошел в жизнь. С его помощью учатся, работают и занимаются творчеством. Мы общаемся с ИИ-ассистентом, когда хотим связаться с сотовым оператором, а соцсети пестрят, словно живыми, моделями, демонстрирующими нишевые предметы гардероба. Уже совершенно ясно, что ИИ – не мимолетный тренд, а технология, без которой сложно представить будущее. Сейчас невозможно ничего не знать про ИИ, а не пользоваться им – намеренно усложнять себе жизнь.

5. Что же дальше? А дальше еще более глубокая нормализация ИИ. Превращение его в неотъемлемую часть как быта, так и работы. Адаптация всех сфер жизни под умеющих пользоваться им людей. Это как изобретение авторучки: вы можете продолжать писать гусиным пером, но теперь подстраиваться под скорость и качество должны вы. Не пользоваться ИИ уже будет эксцентрично.

Глава 5
Как эксклюзив стал массовым

Доступность ИИ для широкого круга – это результат долгого процесса, называемого демократизацией ИИ. Сейчас для работы с нейросетями нет необходимости получать ученую степень по математике и собирать мощный компьютер. Достаточно ноутбука или даже обычного смартфона с выходом в интернет, чтобы возможности ИИ были к вашим услугам.

Что же изменилось?

Во-первых, развитие облачных вычислений. Раньше нужно было иметь мощное и дорогостоящее оборудование непосредственно у себя в пользовании, сейчас же благодаря облачным гигантам, таким как AWS, Google Cloud, Microsoft Azure, Yandex Cloud, VK Cloud, Cloud.ru, MTC Web Services, Selectel и так далее, можно за сравнительно небольшую плату арендовать вычислительные мощности или даже использовать их бесплатно через веб-браузер (разумеется, с определенными ограничениями).

Во-вторых, архитектура «Трансформер» (Transformer). Эта технология помогает нейросетям лучше понимать смысл текста и учитывать контекст. Раньше модели ориентировались только на уже обработанную информацию и могли терять важные детали. Сейчас они анализируют каждую часть текста более точно и «связывают» ее с остальными. Благодаря этому нейросеть лучше понимает, о чем вы говорите, и может поддерживать разговор почти как человек. Это же позволяет формулировать запросы проще – не нужно объяснять каждую мелочь, ИИ сам достраивает недостающий контекст.

В-третьих, предобученные модели. Если для узкоспециализированной задачи не подходит общедоступная модель на сайте, то можно получить доступ через API, встраиваемый в создаваемый вами инструмент. Или даже взять уже готовую обученную базу и дообучить ее на специфичных для задачи данных, обеспечивая тем самым гораздо бóльшую точность.

В-четвертых, открытый исходный код. Исследователи и компании (например, Институт искусственного интеллекта AIRI) предоставляют в открытый доступ свои наработки, что создает конкуренцию и снижает стоимость технологий. Если платная модель станет слишком дорогой, пользователи смогут воспользоваться аналогом с открытым исходным кодом.

И, возможно, самое приметное для пользователя – это удобный интерфейс. Вряд ли ИИ получил бы настолько широкое распространение, если бы не его выход из консольного режима в привычный для нас формат приложений: как чат-ботов (ChatGPT, YandexGPT, DeepSeek и так далее), так и no-code платформ (Zapier или Bubble).

Глава 6
Кто есть кто в мире алгоритмов

Легко запутаться в нынешнем разнообразии. На первый взгляд и вовсе кажется, что ИИ и есть ИИ, какая вообще разница, какой использовать. Но на самом деле они все отличаются друг от друга. У них разные технические особенности, разные сильные и слабые стороны и даже разный характер.

Ситуация меняется очень быстро, новые названия на рынке появляются и исчезают. Чтобы описать абсолютно все ИИ, известные сейчас, понадобится очень много времени и букв. Поэтому давайте обзорно посмотрим на те ИИ, которые на первый взгляд очень похожи между собой из-за их многопрофильного подхода. Здесь не будет узкоспециализированных сервисов вроде Veo (видео) или Midjorney (изображения). Но важно держать в голове, что все ИИ, так похожие на AGI (универсальные), по сути своей – «винегрет» из этих сервисов. Каждый сервис – отдельная нейросеть, использующаяся как дополнительный инструмент для реализации какой-то функции (например, сам ChatGPT, а точнее модель GPT, не умеет генерировать изображения, зато прекрасно «дружит» с DALL-E).

Отмечу, что все эти ИИ в своей основе имеют большие языковые модели (LLM, Large Language Models), что означает их общие способности к всесторонней работе с текстами (написание, аннотирование, перевод и так далее) и к ведению текстового диалога на любую тему, а также все они умеют выполнять веб-поиск, поэтому не будем заострять внимание на этом, а посмотрим на их уникальные особенности.

6.1. ChatGPT¹⁴

Начнем, конечно, с нашумевшего. ChatGPT (рис. 1.4), представленный компанией OpenAI 30 ноября 2022 года, мгновенно произвел фурор, став самым быстрорастущим приложением в истории. Всего за два месяца после выхода чат-бота число пользователей перевалило за 100 миллионов. Однако его история началось гораздо раньше:

♦ GPT‐1 (2018) – модель уже могла дописывать тексты, но делала это очень примитивно;

♦ GPT‐2 (2019) – уже получалось генерировать длинные тексты, первая модель, которая напугала своей «живостью»;

♦ GPT‐3 (2020) – хорошо держала контекст, правильно и развернуто отвечала на вопросы, умела писать код и имитировать различные стили;

♦ GPT‐3.5 (2022) – упрощенная версия GPT‐3, больше направленная на поддержание живого диалога, на основе нее вышел ChatGPT;

♦ GPT‐4 (2023) – добавление мультимодальности: изображения и текст, хорошее понимание длинного контекста, способность строить связные рассуждения;

♦ GPT‐4.1 / GPT‐4o (2024) – более быстрая модель, работает с многоформатными запросами почти в реальном времени, фокус больше не на рассуждения, а на живой диалог;

♦ GPT‐5 (2025) – лучшее понимание сложных задач и более длинного контекста, меньше ошибок, хороший механизм самопроверки.

Рис. 1.4. ChatGPT

Давайте подробнее посмотрим, что же интересного нам сейчас предлагает ChatGPT¹⁵.

♦ Умеет работать с различными форматами, но с одним ограничением: размер файла должен быть до ~20–25 МБ.

♦ Работает с кодом: может находить ошибки, писать код по вашему промпту, проверять выполнимость, описывать принцип работы и так далее. Давайте попробуем запустить в среде ChatGPT простой код для анализа таблицы (рис. 1.5 и 1.6).

Рис. 1.5. Отправим ChatGPT код

Рис. 1.6. Получим готовую таблицу и небольшой анализ

♦ Умеет делать анализ данных: строить графики, производить вычисления и так далее (рис. 1.7).

♦ Работает с изображениями: анализ содержимого загруженной картинки, генерация и редактирование по текстовому описанию. Например, на рис. 1.8 то, как ChatGPT «видит» супергероев из примера.

Рис. 1.7. График супергероев от ChatGPT

Рис. 1.8. Как выглядят супергерои из примера

♦ Умеет принимать голосовые запросы и отвечать вслух. На рис. 1.9 показано расположение кнопки микрофона и кнопки включения голосового режима. В чем разница? Микрофон – для ваших голосовых команд, но отвечать ИИ будет в обычном режиме. Кнопка голосового режима также включает ваш микрофон и переключает сам ИИ на выдачу голосовых ответов.

Рис. 1.9. Голосовой режим в ChatGPT

♦ Умеет персонализировать ответы. При включенной памяти он будет запоминать ваше имя, интересы и предпочтения.

♦ Создает собственные структурированные проекты, в которых будет отдельно сохраняться вся необходимая информация: файлы, текст, полученные результаты и так далее.

Отдельно хочется отметить создание собственного ИИ-помощника. По сути – это ваш собственный узкоспециализированный GPT, для которого вы загружаете необходимые данные и файлы для обучения, настраиваете поведение и инструменты, которые он будет использовать. Вам даже не нужно быть программистом – все делается через визуальный интерфейс (рис. 1.10).

Предыдущие возможности есть в открытом доступе в приложении и веб-версии (ограничение разве что в виде лимита на количество запросов, который сбрасывается раз в сутки), а создание ИИ-ассистента – только в платных тарифных планах, но именно это раскрывает максимум возможностей модели, ведь в этом случае к нему можно подключать внешние API для интеграции GPT с вашими сервисами и позволить ему делать что-либо в реальном мире.

Рис. 1.10. Создание своего GPT

На бесплатном тарифе можно использовать уже созданные другими GPT из GPT-Store¹⁶ (есть как платные, так и бесплатные варианты). Например, давайте поищем что-то, что поможет нам наконец-то понять математику (рис. 1.11). Первая ссылка отправляет нас на покупку, но вот вторая – уже бесплатный бот (рис. 1.12). Технически это все тот же ChatGPT, но его ответы будут содержать меньше пустых рассуждений и больше объяснений логики при решении задач, и даже при потере контекста он быстрее «сориентируется», что диалог шел именно о математике.

Рис. 1.11. Поиск пользовательских GPT

Рис. 1.12. Пример использования GPT

Еще ChatGPT умеет интегрироваться c приложениями для расширения функциональности, можно добавить календарь, почту или даже Photoshop. Полный список доступен на официальном сайте. Давайте попробуем добавить приложение Flixor, обещают, что оно поможет нам с выбором фильма (рис. 1.13). Теперь, когда мы вводим символ @, появляется список наших приложений (рис. 1.14). Для начала спросим, что вообще мы теперь можем делать, введя «@ Flixor функции» (обратите внимание на появившуюся иконку у поля ввода: когда она есть, вам не нужно каждый раз вводить название с @ в начале), а затем проверим, как оно работает. На запрос «Подбери сериалы, похожие на Dark» он выдает категоризированный список названий с объяснениями (рис. 1.15).

Рис. 1.13. Пример интеграции

Рис. 1.14. Отметка о подключенном приложении

Рис. 1.15. Результат использования

Также с недавнего времени добавлен сервис Codex (рис. 1.16) – платформа для разработки программного обеспечения, интегрирующаяся с GitHub и вашей системой разработки (IDE).

И это далеко не все, что может старый добрый ChatGPT на данный момент. Актуальный функционал пополняется с каждым обновлением, поэтому обязательно заглядывайте в список возможностей на официальном сайте OpenAI.

Рис. 1.16. Интерфейс Codex

Как можно заметить, нам предоставляется достаточно большой функционал на бесплатном тарифе – пусть и с некоторыми лимитами, на платных – больше возможностей, выше версия модели, способность справляться с более сложными задачами. Также есть тарифы вроде Business и Enterprise, предназначенные специально для компаний и совместных проектов.