Чему вы научитесь

По итогам этого урока вы сможете:

• Определять основные возможности и ограничения современного генеративного ИИ

Возможности и ограничения

(7 минут)

В этом видео рассматривается, что генеративный ИИ может и не может эффективно делать на данный момент. Мы подчеркиваем универсальность генеративного ИИ в языковых задачах, способность поддерживать беседу и возможность переключаться между различными задачами без дополнительного обучения. Также мы затрагиваем ограничения, включая даты отсечения знаний, галлюцинации (фактически неверные выводы), ограничения контекстного окна и сложности с рассуждениями. Мы подчеркиваем, что область быстро развивается, и объясняем, что наиболее эффективные приложения сочетают сильные стороны человека и ИИ, работающих вместе.

Основные выводы

• Генеративный ИИ создает новый контент (текст, изображения, код), а не просто анализирует существующие данные

• Современные системы, такие как LLM, стали возможны благодаря трем ключевым разработкам:

• Прорывы в алгоритмах и архитектуре (особенно архитектура трансформеров)

• Огромные объемы цифровых обучающих данных

• Резкое увеличение вычислительных мощностей

• Генеративный ИИ обучается в два этапа: предварительное обучение (анализ шаблонов на миллиардах примеров) и дообучение (обучение следованию инструкциям и предоставлению полезных ответов)

• Текущие возможности включают универсальность в решении задач, понимание контекста беседы и возможность интеграции с внешними инструментами

• Текущие ограничения включают даты отсечения знаний, вероятность галлюцинаций, ограничения контекстного окна и сложности с комплексными рассуждениями

• Наиболее эффективные приложения сочетают сильные стороны человека и ИИ, где человек обеспечивает критическое мышление, суждения, креативность и этическое наблюдение

Упражнения

Рефлексия

Прежде чем двигаться дальше, уделите время и подумайте:

• Как понимание технических основ генеративного ИИ (например, обучающих данных и этапов предварительного обучения/дообучения) меняет ваше представление о работе с такими системами?

• Какие этические соображения приходят вам на ум после изучения принципов работы этих систем и их текущих ограничений?

Что дальше

В следующем уроке мы подробнее рассмотрим первую из 4D-компетенций: Делегирование. Вы узнаете, как принимать стратегические решения о распределении задач между собой и ИИ, опираясь на понимание своих целей и возможностей ИИ. Эти знания помогут вам осознанно определять, когда и как внедрять ИИ в свои творческие процессы и решение задач.

Обратная связь

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

Благодарности и лицензия

Copyright 2025 Rick Dakan, Joseph Feller и Anthropic. Распространяется по лицензии CC BY-NC-SA 4.0. Этот курс основан на «Рамке компетенций в области ИИ» (The AI Fluency Framework) от Dakan и Feller. Частично поддерживается Ирландским управлением высшего образования (Higher Education Authority, Ireland) через Национальный форум по повышению качества преподавания и обучения (National Forum for the Enhancement of Teaching and Learning).