Первые шаги в ИИ: от запроса до результата

Первые шаги в ИИ: от запроса до результата

© Оформление. ООО «Издательство Эксмо», 2026

Введение

Добро пожаловать в мир генеративного ИИ! Эта книга – одна из первых, созданных с активным использованием генеративных моделей и написанных в сотрудничестве с известным автором и профессиональным издательством. Я хочу сразу уточнить, что при написании использовались только модели GenAI только для исследований и черновиков. Несмотря на их впечатляющие возможности, они пока не способны создавать книги по профессиональным стандартам. Тем не менее, при правильном использовании они могут стать отличными помощниками.

Я не собираюсь углубляться в технические детали. Моя цель – помочь вам научиться не только справляться с синтетическими трудностями, но и создавать эффективный контент, отвечающий вашим требованиям. Надеюсь, эта книга вдохновит вас и станет полезным справочником для улучшения ваших навыков.

Если вы опасаетесь ИИ, в том числе генеративного, знайте: ваше недоверие вполне нормально. Эта технология изменит характер работы, но GenAI не отнимет рабочие места. Это сделает тот, кто умеет ею пользоваться. Будьте тем, кто пусть и скромно, но обладает знаниями и навыками! Вы можете освоить это. Это не так сложно, как кажется!

О книге

Хотя в сети много информации о различных моделях генеративного ИИ и их применении, эта книга уникальна. Здесь вы найдёте продвинутые приёмы генеративного ИИ для создания профессионального контента, независимо от используемой модели. Это всеобъемлющее руководство, которое поможет вам выйти за рамки базовых знаний и повысить свои навыки.

Для тех, кто уже имеет опыт работы с GenAI, в книге представлено множество советов и методик, которые помогут улучшить ваши результаты.

Как и в других книгах в духе «для чайников», цель состоит в том, чтобы быстро предоставлять нужную информацию, куда бы вы ни заглянули в книге. Основные правила, которые я использовал при написании:

1. Генеративный ИИ и GenAI используются как взаимозаменяемые понятия, однако я преимущественно использую сокращённый вариант – GenAI.

2. Упоминание моделей, подобных GPT, не всегда означает их техническое сходство с этими инструментами, поскольку книга охватывает широкий спектр генеративных опций.

3. При первом упоминании новых терминов я выделяю их курсивом и даю краткое определение.

Если вас интересуют адреса веб-сайтов, в книге они могут быть разделены на две строки. Если вы читаете в формате электронной книги, просто нажмите на ссылку.

Что следует учитывать

Эта книга предназначена для всех, кто хочет понять, использовать и улучшить своё взаимодействие с моделями и инструментами GenAI. Я предположил несколько вещей о вас, читатель:

• У вас есть базовые навыки работы с компьютером и веб-приложениями.

• Ваше понимание возможностей GenAI ограничено.

• Как и многие другие, вы, вероятно, испытываете разочарование из-за того, что результаты работы с GenAI не соответствуют вашим ожиданиям. Это может подтолкнуть вас к мысли о том, чтобы выбросить всё в окно или усомниться в своих силах.

• Вы умны и цените своё время, поэтому хотите, чтобы вся информация была содержательной и легко читаемой. Я надеюсь, что мне удалось этого добиться.

Подводя итоги

Эта книга – ваш проводник в мир генеративного ИИ. Она не только углубит ваши знания, но и поможет вам эффективно использовать новейшие технологии для вашего развития и достижения успеха. Присоединяйтесь, и давайте вместе откроем для себя возможности генеративного ИИ!

Глава 1. Ориентируемся в мире генеративного ИИ

Введение в генеративный ИИ

Добро пожаловать в захватывающий мир генеративного ИИ (GenAI)! Эта глава станет для вас отправной точкой для понимания обширного ландшафта GenAI и его преобразующих возможностей. Независимо от того, новичок вы или любитель, здесь вы найдете доступное руководство по основам GenAI. Вы сможете легко развивать свои навыки, регулярно практикуясь и используя ИИ-приложения или возвращаясь к этой книге, чтобы углубить свои знания.

Что такое генеративный ИИ?

Искусственный интеллект (ИИ) можно представить как крайне сложное программное обеспечение (ПО). Хотя он и не ведёт себя как любое другое программное обеспечение, это всё же программа. Иллюстрации ИИ в виде роботов лишь подчёркивают сложность визуализации ИИ-программного обеспечения так, чтобы это было мгновенно понятно всем. Реальность такова, что робот – это, по сути, бездумное железо, а ИИ – это «умное» программное обеспечение, которое заставляет его функционировать в желаемых умных форматах.

Технически говоря, GenAI – это подкатегория технологий искусственного интеллекта, которая использует сложные методы обработки естественного языка (NLP), нейронные сети и модели машинного обучения (ML) для создания уникального контента, похожего на человеческий. GenAI относится к классу больших языковых моделей (LLM), которые анализируют огромные объёмы данных на множестве языков, включая человеческие языки, программный код, математические уравнения и изображения.

LLM обычно имеют большое количество параметров, которые представляют собой числовые значения, используемые для назначения весов и определения связей между узлами в архитектуре нейронной сети. Параметры можно настраивать, изменяя веса различных значений, что, в свою очередь, меняет то, на что модель обращает внимание в запросе и данных, а также то, как она интерпретирует различные точки данных, слова и связи.

Представьте, что у вас есть рецепт торта, и этот рецепт – ваша модель GenAI. Ингредиенты, такие как: мука, сахар, яйца и масло – подобны точкам данных и словам в модели. Количество каждого ингредиента (сколько чашек муки, сколько сахара и так далее) похоже на вес различных значений в модели GenAI.

Точно так же, как вы можете изменить ингредиенты в своём торте, добавив больше сахара или ещё одно яйцо, чтобы сделать его слаще или пышнее, вы можете настраивать параметры модели GenAI, чтобы изменить то, на чём она фокусируется, и то, как она интерпретирует предоставленную информацию. Если вы хотите, чтобы ваш GenAI уделял больше внимания определённым словам или точкам данных, вы увеличиваете их вес, как добавляете шоколадную крошку в торт, если хотите, чтобы он был особенно шоколадным.

Итак, модели LLM используют параметры для предсказания следующего слова в последовательности. Они предсказывают слово, которое с наибольшей вероятностью следует за словами в вашем запросе, а затем то, что, скорее всего, следует за первым предсказанным словом, и так далее, пока модель не завершит наиболее вероятный шаблон. Они аналогичным образом генерируют изображения, предсказывая изображение, соответствующее вашему описанию. Модели способны выполнять этот процесс с невероятной скоростью. Например, такие LLM, как GPT–3 и GPT–4, разработанные компанией OpenAI, могут обрабатывать миллиарды слов в секунду. Именно скорость ответа, видимость тонкого понимания и плавное использование естественного языка придают взаимодействиям GenAI человеческий оттенок.

Однако GenAI и LLM не являются людьми и не думают – они предсказывают. Это очень сложный процесс предсказания. Тем не менее, это просто предсказание. И если произойдет что-то, нарушающее его предсказательные способности, это приведет к бессмысленной информации.

Раскрываем секрет успеха с GenAI

Если вы запомните только одно из прочитанного в этой книге, запомните этот раздел. Этот большой секрет – главный ключ к тому, чтобы модели GenAI работали на нужном вам уровне. Если вы этого не поймёте, GenAI, вероятно, покажется вам всего лишь интересной игрушкой или инструментом, который значительно отстаёт от ваших ожиданий.

В двух словах, GenAI генерирует результаты, которые выглядят как оригинальные мысли или изображения, но на самом деле являются результатом работы очень продвинутого программного обеспечения, предсказывающего контекст. GenAI извлекает слова или изображения из базы данных и перерабатывает их в новый ответ. Большой секрет заключается в том, что человеческое ощущение «разговора» – это иллюзия. Вы не беседуете с машиной, а ИИ не понимает ваших слов в запросе.

Современные модели GenAI не думают и не создают что-то новое в полном смысле этого слова. Они генерируют новые вещи из фрагментов старых данных, найденных в их базе данных. Выход GenAI – это лучшее предсказание того, что вы ищете. В упрощённом объяснении сложной технологии GenAI стремится завершить шаблон, который вы начали своим запросом – вопросом или командой, введённой в пользовательский интерфейс GenAI.

Подумайте о выводах GenAI, как о результате обработки информации, имеющейся в его доступных базах данных, включая:

• Данные, к которым она была допущена при обучении, а также любые дополнительные данные, предоставленные в процессе обучения.

• Данные, добавленные через системные сообщения и запросы.

• Данные, добавленные с помощью таких методов, как генерация с усилением извлечения (RAG), которая помогает повысить точность, актуальность и надёжность за счёт добавления внешних источников в базу данных GenAI.

RAG объединяет сильные стороны как ИИ для извлечения информации, так и GenAI. RAG можно рассматривать как GenAI, дополненный более традиционным ИИ для извлечения информации. Поскольку GenAI генерирует результаты, которые являются результатом переработки информации, у него нет понятия правды или лжи, фактов и вымысла. GenAI может точно определять эти термины, но не понимает их значения. Он не понимает ничего из того, что вы написали в запросе или в своём ответе. Это всего лишь иллюзия, и именно поэтому вам всегда нужно проверять факты.

Выводы GenAI ограничены рамками данных, к которым у него есть доступ. Проще говоря, если бы его обучающие данные представляли собой гору кубиков Лего без крышек, то GenAI собирал бы свои выводы без крышек, не зная об их существовании. Точно так же он не отличает факты от вымысла, если только такие метки не присваиваются конкретным данным в его наборе данных. Но если ложь обозначена как факт, GenAI безоговорочно примет её за истину. Он по-прежнему не понимает разницы.

Искусственный генеративный интеллект: понимание возможностей и ограничений

Характеристики и пределы генеративного ИИ

Генеративный ИИ (GenAI) способен обрабатывать и комбинировать только те данные, к которым у него есть доступ. Именно поэтому результаты его работы могут быть как очень надёжными, так и совершенно ошибочными или находиться где-то посередине. Самих данных может быть недостаточно для создания точного ответа.

Распространенными проблемами являются:

● Устаревшая информация из обучающих наборов данных.

● Данные, ограниченные недостаточным количеством точек зрения или примеров.

Когда (а не если) результаты оказываются ошибочными, люди называют их «галлюцинациями» (hallucinations). Непонятно, почему никто не называет их просто ложью, заблуждениями и ошибками. В любом случае, нельзя полагаться на выводы GenAI без серьезной фактической проверки.

Хотя GenAI учитывает контекст при анализе слов в вашем запросе, он не понимает вас или содержание запроса по-настоящему. Именно поэтому не следует путать GenAI с общим искусственным интеллектом, также известным как искусственный общий интеллект (AGI). AGI пока существует только в научно-фантастических фильмах, книгах и телешоу. Некоторые люди настолько поражены возможностями GenAI, что уверены: именно он захватит мир, как в фильмах! Но это не так.

Важно помнить: GenAI впечатляет, но его способность рассуждать ограничена. Настоящая магия происходит при взаимодействии человека и системы.

Понимание проблемы «лишних пальцев» и других особенностей GenAI

Самое удивительное в использовании GenAI – это тонкий баланс между человеком и машиной, порождающий нечто, чего ни один из них не смог бы создать в одиночку. Но после первых захватывающих моментов восхищения чудесами GenAI вы начнёте замечать определённые недостатки.

Например, для моделей GenAI типично изображать людей с 6 или более пальцами на одной руке. Это происходит потому, что в своих данных система видит паттерны с большим количеством пальцев на человеческой руке. Четкого паттерна с 5 пальцами не формируется, поэтому GenAI не может предсказать, сколько пальцев нужно сгенерировать.

По сути, GenAI просто повторяет ответ из своей базы данных. Он не понимает ни вопроса, ни ответа, а потому не знает, что должен нарисовать только 5 пальцев. Вместо этого он ищет шаблоны изображения рук в доступных ему наборах данных. Но шаблон общего количества пальцев неясен.

На изображениях в большинстве баз данных, используемых моделями GenAI, обычно показаны руки в разных положениях, где видны только некоторые пальцы или пальцы 2 и более рук переплетены. Поэтому GenAI не видит последовательного шаблона общего количества пальцев на руке. Однако, если вы спросите модель, сколько пальцев на руке, она почти всегда ответит, что 5. Даже давая правильный ответ о количестве пальцев, она не понимает собственного ответа и не знает правильного решения.

Несогласованность шаблонов данных и вытекающие из этого ошибки прогнозирования вероятностей – причина появления слишком большого или слишком малого количества пальцев на изображениях, созданных GenAI. Это часто является причиной и других проблем на изображениях и видео, созданных GenAI, таких как ошибки в тенях или движении.

Как работать с GenAI – всё дело в ваших промптах

Естественный человеческий язык стал компьютерным языком. В случае с GenAI это означает, что машина по-прежнему работает как машина, а человек – как человек, но теперь они могут взаимодействовать через компьютерный язык, понятный обычным людям, а не программистам.

Однако вам, человеку, всё равно нужно думать как машина, чтобы максимально использовать возможности GenAI. Программисты знают, насколько важно думать как машина при программировании – это верно независимо от выбранного языка программирования, будь то JavaScript, Java, HTML/CSS, SQL, Python, английский или русский.

Почему важно изменить образ мышления? Потому что вы не разговариваете с GenAI. Вы даёте инструкции (и да, даже если ваш запрос – это вопрос, это все равно инструкция) о том, что вы хотите получить от модели, подобно тому, как это делает любой программист. Вы должны мыслить глубже, чём на уровне языка, на уровне результата, который вы хотите получить. Ценность программиста заключается не в знании компьютерного языка, хотя это тоже важно, а в способности решать проблемы и преобразовывать решения в язык, дающий точный результат. Именно так нужно думать и работать с моделями GenAI.

Ваши промпты должны быть более чёткими и детализированными, чём обычные разговоры с другим человеком. Вы не можете предполагать, что собеседник автоматически заполнит общие детали, потому что GenAI часто не знает этих деталей. Несмотря на видимость, GenAI не думает и не понимает ваш промпт по-настоящему. Многие естественные предположения, которые вы делаете при общении с человеком, не будут работать при взаимодействии с этими моделями.

Формула успеха с GenAI: машина говорит как человек. Человек думает как машина. чём лучше вы научитесь объяснять GenAI, чего хотите, тем лучше он будет давать вам то, что вам нужно. Все дело в практике.

Почему GenAI кажется таким человечным

От составления предложений до создания изображений, музыки или синтетических данных – GenAI мастерски создаёт контент, который часто легко принять за созданный человеком.

Интересно, что его результаты в некотором смысле действительно созданы человеком. GenAI можно рассматривать как творческий инструмент, подобный краскам, карандашам и мелкам художника. Эти предметы создают образы, которые сначала возникают в воображении художника и воплощаются его рукой и мастерством. Точно так же GenAI предоставляет результаты в соответствии с видением пользователя и умелыми подсказками.

Кроме того, большая часть данных, на которых обучаются модели GenAI, генерируется людьми. Но он извлекает из этой информации гораздо больше, чём можно себе представить. Он также усваивает привычки, отношения, предубеждения и другие человеческие качества, стоящие за текстовыми, аудио– и графическими данными, которые он потребляет.

Например, модели GenAI известны своей «ленью» летом в период отпусков – они могут создавать меньше контента в ответ на запрос, чём обычно. GenAI может даже предложить пользователю самостоятельно найти информацию. Иногда модель реагирует медленнее обычного, сообщает о задержке или оправдывается.

Такие действия не связаны с ошибкой или дефектом системы. ИИ просто имитирует человеческое поведение. Модели изучают паттерны человеческого поведения наряду с паттернами данных из обучающего набора. Они не делают различий между ценностью информации и поведением, поэтому могут воспроизводить оба аспекта в своих результатах.