Чему вы научитесь

Ориентировочное время: 25 минут

К концу этого урока вы сможете:

• Определить генеративный ИИ и чем он отличается от других типов ИИ

• Распознать ключевые характеристики и технологические основы генеративного ИИ

• Определить основные возможности и ограничения современного генеративного ИИ

Что такое генеративный ИИ?

(12 минут)

Это видео рассказывает, как строятся и обучаются большие языковые модели вроде Claude, и что это значит для того, что они могут — и не могут — надёжно делать, когда вы применяете их в своём бизнесе.

Ключевые выводы

• Генеративный ИИ создаёт новый контент, а не просто анализирует существующие данные.

• Три разработки сделали современные LLM возможными: архитектура трансформеров, огромные обучающие данные и массивные вычисления.

• Обучение идёт в два этапа: предобучение (изучение паттернов на миллиардах примеров) и файнтюнинг (обучение полезно следовать инструкциям).

• Текущие сильные стороны включают универсальность в задачах, естественный ход беседы и подключение к внешним инструментам.

• Текущие ограничения включают границу знаний, галлюцинации, размер контекстного окна и сложное многошаговое рассуждение.

• Лучшие применения сочетают сильные стороны человека и ИИ — ваше суждение, креативность и надзор вместе со скоростью и масштабом ИИ.

Упражнение

Проверка границ

Это упражнение даёт вам из первых рук свидетельства того, что генеративный ИИ делает хорошо, а где отстаёт. Вы зондируете несколько конкретных возможностей и ограничений из видео в безопасном формате с низкими ставками, используя контент из вашей собственной предметной области, — чтобы у вас была конкретная внутренняя проверка, построенная на собственных наблюдениях, при решении, что доверить ИИ.

Часть I: Само-рефлексия (самостоятельно)

Выберите область, которую хорошо знаете, где сразу заметите ошибку, если её допустит поставщик, подрядчик или клиент. Запишите:

• Тему (например, ваши расчёты маржи прибыли, ваши местные правила зонирования или отраслевые лицензионные требования)

• Два-три факта о ней, которые любой приличный источник должен дать правильно

• Одно распространённое заблуждение о ней

• Одну вещь о ней, которую действительно трудно хорошо объяснить

Это ваш полигон. Вы увидите, как ИИ справляется с тем, что вы реально можете проверить.

Часть II: Сотрудничество (с ИИ)

Откройте беседу с Claude (или любым ИИ-ассистентом на ваш выбор) и проведите три быстрых чата. После каждого записывайте, что заметили.

• Тест универсальности. Попросите ИИ объяснить вашу тему тремя разными способами в одном ответе: один раз для клиента, который ничего не знает о вашей услуге, один раз для потенциального бизнес-партнёра и один раз для нового сотрудника, которого вы онбордите. Сработали ли сдвиги аудитории на самом деле, или он просто сменил словарь? Какая версия была сильнее?

• Тест галлюцинаций. Попросите ИИ порекомендовать два-три конкретных ресурса по вашей теме — торговую ассоциацию, отраслевое издание, регулирующий орган или известного поставщика. Затем проверьте хотя бы один. Организация существует? Сайт правильный? Контактная информация точна? (Здесь вы увидите, будет ли ИИ уверенно выдумывать источник, звучащий правдоподобно, но не реальный.)

• Проверка границы знаний + рассуждений. Спросите ИИ что-то чувствительное ко времени или локальное: недавнее регуляторное изменение в вашей отрасли, текущие ценовые тренды на ключевой материал или местное лицензионное требование. Скажет ли он, что его информация может быть устаревшей? Он оговаривается, гадает или подаёт устаревшую информацию как актуальную — то, что могло бы стоить вам денег, действуй вы по ней? Затем попросите его разобрать распространённое заблуждение, которое вы записали в части I. Он разобрал реальную путаницу или просто пересказал правильный факт?

Часть III: Рефлексия

Какая возможность из видео проявилась яснее всего в том, что вы увидели? Какое ограничение проявилось — и поймали бы вы его, если бы это была не тема, которую вы хорошо знаете? Исходя из этого, какую одну задачу вы спокойно поручили бы ИИ прямо сейчас, а за какой хотели бы присматривать пристальнее?

Дополнительная цель: прогоните ту же тему через второй ИИ-инструмент (другую модель или платформу). Ошибки и сильные стороны были теми же?

Рефлексия по уроку

• Как знание о том, как эти системы обучаются, меняет то, как вы будете с ними работать?

• Какие этические соображения приходят в голову, учитывая, как работает генеративный ИИ и где он отстаёт?

Что дальше

Дальше — практическая активность, исследующая, как языковые модели реально генерируют текст, чтобы оживить то, что вы только что изучили.

Обратная связь

По мере прохождения курса нам будет приятно услышать от вас, как вы используете концепции курса в своей работе, а также любые ваши отзывы. Поделитесь отзывом здесь.

Благодарности и лицензия

Copyright 2026 Anthropic. Этот курс разработан в партнёрстве с PayPal, Prospect Butcher и MAKS Enterprises TIPM Rebuilders на основе фреймворка ИИ-грамотности, разработанного проф. Риком Даканом (Ringling College of Art and Design) и проф. Джозефом Феллером (University College Cork). Выпущено под лицензией CC BY-NC-SA 4.0.