Что такое искусственный интеллект на самом деле

Из истории ты знаешь: победила идея «не программировать знания, а учить на примерах». Разберём, что это значит на практике — это фундамент всего курса.

Обычная программа: мир жёстких правил

Классическая программа — это инструкция, написанная человеком: «если нажата кнопка — открой окно», «если сумма больше 1000 — попроси подтверждение». Программа никогда не сделает того, чего нет в её правилах. Это её сила (предсказуемость) и её потолок: попробуй-ка написать правила, отличающие кошку от собаки на фото. Форма ушей? У пород по-разному. Усы? Не всегда видны. Люди 30 лет пытались — не вышло.

ИИ: мир примеров

Машинное обучение перевернуло подход: вместо тысячи правил «как выглядит кошка» модели показывают миллион фотографий с ответами «кошка/не кошка» — и она сама находит закономерности: сочетания форм, текстур, пропорций, которые человек даже не сумел бы сформулировать словами. Это и называется машинным обучением (machine learning) — фундамент всего современного ИИ.

Сократовский вопрос: если модель выучила закономерности из примеров — что будет, если показать ей то, чего в примерах не было? Запомни свой ответ — проверим его в уроке про галлюцинации.

Ты пользуешься ИИ давно — просто не замечал

• 📱 Разблокировка по лицу — нейросеть узнаёт тебя, хотя ты каждый день выглядишь чуть по-разному.
• 🎵 Рекомендации музыки и видео — модель выучила твой вкус на истории прослушиваний.
• 📧 Папка «Спам» — ИИ, обученный на миллиардах писем: правилами спам не поймать, он мутирует.
• 🗺️ Пробки в навигаторе — предсказание по данным тысяч машин.
• 📷 Камера телефона — «ночной режим» и портретное размытие — тоже нейросети.

Заметь общее: везде задачи, для которых невозможно написать правила, но легко собрать примеры.

Шахматы против го: живая иллюстрация двух подходов

В 1997-м компьютер Deep Blue обыграл чемпиона мира по шахматам Гарри Каспарова — и это был триумф старого подхода: армия программистов и гроссмейстеров вручную заложила в машину шахматные знания, а дальше она побеждала перебором миллионов позиций в секунду. С го этот фокус не прошёл: позиций там больше, чем атомов во Вселенной, перебор бессилен, а «правила хорошего хода» не смог сформулировать ни один мастер. Поэтому го двадцать лет считалась неприступной — пока AlphaGo не выучилась на миллионах партий и играх против самой себя. Один рубеж взяли правила, второй — только обучение. Запомни эту пару: она мгновенно объясняет, где какой подход уместен.

Три вида ИИ, которые ты встретишь

• Распознающий: смотрит на данные и отвечает «что это» — лицо на фото, спам в письме, брак на конвейере.
• Предсказывающий: оценивает «что будет» — пробки через час, отток клиента, следующее слово твоего сообщения в клавиатуре.
• Генеративный: создаёт новое — тексты, картинки, музыку, код. Именно он взорвался в 2022-м, и ему посвящена большая часть курса.

Частые мифы (закроем сразу)

• «ИИ — это робот». Робот — тело, ИИ — «мозг». Почти весь современный ИИ живёт без тела: в телефоне, браузере, сервере.
• «ИИ думает как человек». Нет: он находит статистические закономерности. Иногда результат неотличим от мышления, но механизм другой — и его отличия (вроде галлюцинаций) мы разберём.
• «У ИИ есть цели и желания». У модели есть математическая задача, поставленная людьми. Опасения про ИИ стоит обсуждать всерьёз, но начинать надо с фактов, а не киносюжетов.

Главная формула курса

Выучи одно противопоставление — оно объясняет 90% поведения ИИ:

Обычная программа: человек пишет правила → машина исполняет → предсказуемо, но ограничено написанным.
ИИ: человек даёт примеры → машина сама выводит правила → справляется с задачами «без правил», но её выводы — статистика, а не гарантия.

Отсюда обе стороны медали. Суперспособность: ИИ решает задачи, которые никто не смог запрограммировать (речь, зрение, перевод, диалог). Слабость: он может ошибаться уверенно и без предупреждения — его «правила» выведены из примеров, и на редких или новых случаях статистика подводит.

Сделай сейчас

Найди в своём телефоне три функции, работающие на ИИ (подсказки выше). Для каждой ответь: на каких примерах это могло учиться? Привычка видеть «на чём училось» — первый шаг к профессиональному пониманию ИИ.