Чему вы научитесь

Расчётное время: 20 минут

К концу этого урока вы сможете:

• Различать генеративный ИИ и классификационный ИИ и ИИ-прогнозирование, с которыми вы сталкиваетесь ежедневно
• Понимать, что свойства генеративного ИИ существуют на континууме от возможностей до ограничений
• Ознакомиться с четырьмя основными свойствами, которые вы подробно изучите: предсказание следующего токена, знания, оперативная память и управляемость

Что мы имеем в виду под генеративным ИИ

(4 минуты)

Большинство ИИ-систем в мире (спамерские фильтры, рекомендации, обнаружение мошенничества) не являются генеративными. Этот курс посвящён именно генеративному ИИ: трансформерным текстовым моделям, которые создают новый контент токен за токеном.

Построение ментальной модели машины

Концептуальная модель возможностей и ограничений ИИ

Четыре свойства, которые определяют, что ИИ может и не может делать для вас. Каждое из них находится на спектре — чем дальше вправо, тем больше вам следует проверять и компенсировать.

Возможность

Ограничение

Предсказание следующего токена

Откуда берутся ответы ИИ?

Хорошо проторенные пути: суммирование, переформатирование, объяснение распространённых концепций

Новая территория, редкие шаблоны, «правда vs. звучит правдоподобно»

Знания

Что ИИ на самом деле знает?

Частые, актуальные в обучающей выборке, последовательные: основные темы, популярные языки

Редкие, появившиеся после обучения, нишевые, локальные или спорные темы

Оперативная память

На что ИИ обращает внимание прямо сейчас?

Материал укладывается в текущий контекст, сессия актуальна, вы предоставляете релевантный контекст

Очень длинные документы/разговоры, ожидание сквозной непрерывности (обрыв)

Управляемость

Насколько я контролирую процесс?

Краткие, конкретные, проверяемые инструкции («ответь в виде таблицы», «менее 100 слов»)

Длинные цепочки рассуждений, абстрактные запросы, высокая точность

Основные выводы

• Генеративный ИИ создаёт новый контент, а не классифицирует существующий.
• ИИ не одинаково надёжен или ненадёжен. Он силен и слаб по четырём предсказуемым направлениям: предсказание следующего токена, знания, оперативная память и управляемость.
• Каждое свойство — это континуум. Один и тот же механизм даёт вам как возможности, так и ограничения.
• Калиброванное доверие означает определение вашей задачи на континууме, а не полное доверие или недоверие.

Упражнения

Упражнение: Генеративный или нет?

Зачем? Вы только что узнали, что генеративный ИИ принципиально отличается от ИИ, который фильтрует спам и рекомендует ваши следующие видео. Теперь вы примените это различие к своему опыту.

• Перечислите пять ИИ-функций, с которыми вы взаимодействовали на этой неделе. Не ограничивайтесь узким кругом: автозаполнение, тегирование фото, фильтрация спама, ответы чат-ботов, перевод, рекомендации товаров, голосовые помощники.
• Для каждой из них запишите своё решение: создаёт ли она новый контент или сортирует, ранжирует и классифицирует существующий?
• Поделитесь своим списком с ИИ и попросите его проверить ваши решения. Для тех, в которых вы ошиблись (или не были уверены), попросите объяснить различие в одном предложении. Затем спросите: «Какая из этих пяти функций с наибольшей вероятностью имеет режим отказа, который поможет мне понять этот курс?»
• Вернитесь к списку задач из Урока 1. Для каждой задачи отметьте вопрос о свойстве, который кажется наиболее актуальным прямо сейчас:

• Откуда берутся ответы? (Предсказание следующего токена)
• Что он знает? (Знания)
• На что он обращает внимание? (Оперативная память)
• Насколько я контролирую процесс? (Управляемость)

Вы не обязаны отвечать правильно. Вы создаёте прогнозы, которые будете проверять в течение следующих четырёх уроков.

Рефлексия по уроку

• Изменило ли различие между генеративным и классификационным ИИ ваше восприятие инструментов, которые вы используете?
• Посмотрите, как вы отметили свой список задач. Какая-то задача показалась вам подходящей более чем под одно свойство?

Что дальше

Прежде чем углубляться в четыре свойства, мы посвятим один урок тому, как у ИИ-системы вообще появляется «личность». Почему она вежливая, полезная, честная, почему иногда слишком легко соглашается и отказывается от определённых вещей. Этот процесс формирования оставляет отпечаток на всём, что следует далее.

Обратная связь

По мере прохождения курса мы будем рады узнать, как вы применяете полученные знания в своей работе, а также получить ваши отзывы. Поделитесь своими отзывами [здесь](#).

Благодарности и лицензия

Copyright 2026 Anthropic. Оригинальная работа построена на основе концепции AI Fluency Framework, разработанной профессором Риком Даканом (Ringling College of Art and Design) и профессором Джозефом Феллером (Университетский колледж Корка). Распространяется по лицензии CC BY-NC-SA 4.0.