Зубков Андрей – Почему ИИ важен? (страница 5)

Если в тексте появляется лишняя конкретика, которую вы не давали (например, «доставка завтра» или «вернём деньги»), вы это убираете. ИИ здесь — генератор черновика, а ответственность за факты и обещания остаётся на вас.

Если бы это была задача «посчитай итоговую сумму по позициям», вы бы действовали иначе. Там вы не «выбираете лучший вариант», а требуете один ответ и проверяете его формулой. ИИ можно использовать, чтобы подсказать формулу или объяснить ошибку, но итог вы доверяете инструменту с жёсткими правилами.

Запомните простую настройку ожиданий. Если задача про точные факты и расчёты — относитесь к ИИ как к помощнику, который может ошибиться, и проверяйте результат внешним способом. Если задача про текст, идеи и структуру — относитесь к ИИ как к черновику и генератору вариантов: разные ответы на похожие запросы здесь не баг, а свойство.

Полезно унести с собой три ориентира:

- Жёсткие правила дают повторяемый результат; вероятностные ответы дают варианты, которые нужно выбирать и править.

- Разные ответы на похожие запросы возникают из-за неоднозначности, множества допустимых формулировок и небольшого «разброса» в генерации.

- Требуйте точность там, где есть один правильный ответ, а в остальных задачах требуйте ясность, структуру и возможность проверить ключевые факты.

Глава 7. Где вы уже сталкиваетесь с ИИ каждый день

Обычно ИИ представляют как отдельный «умный чат», с которым нужно специально работать. В обычной жизни кажется, что ничего не изменилось: вы просто ищете в интернете, листаете ленту, строите маршрут, отвечаете на письма. Из‑за этого появляется путаница: где именно там ИИ, что он делает за вас и почему иногда результат «как будто подстроен» — показаны не те новости, предложены странные товары или перевод звучит неестественно.

Ключевой принцип простой: ИИ чаще всего работает не как отдельная кнопка, а как невидимый слой внутри привычных сервисов. Этот слой выбирает, что вам показать или предложить дальше.

Обычно этот «слой» решает одну из двух задач: отбор или подсказка. Отбор — это когда система из множества вариантов выбирает несколько и ставит их выше остальных. Подсказка — когда система помогает сформулировать, исправить, продолжить или автоматически сделать часть работы.

В поиске ИИ участвует в том, как формулировка запроса превращается в список результатов. Он пытается угадать, что вы имели в виду, и подобрать страницы, которые «похожи» на ваш запрос. Плюс он может менять выдачу под контекст: местоположение, язык, историю запросов, популярность тем.

В итоге два человека могут получить разные ответы на «один и тот же» вопрос. Это не обязательно плохо, но важно помнить: выдача — не нейтральная полка в библиотеке, а отсортированный список, который кто‑то ранжировал.

Рекомендации в магазинах, видеосервисах и соцсетях — это тот же отбор, только вместо «страниц» выбираются товары, видео, посты и аккаунты. ИИ смотрит на сигналы: что вы открывали, сколько времени смотрели, на что реагировали, что пропускали, что покупали. На основе этого он решает, что показать дальше, чтобы вы с большей вероятностью кликнули, досмотрели или вернулись.

Лента новостей и реклама работают похожим образом: вам показывают не «всё важное», а то, что система считает подходящим именно вам. Поэтому иногда создаётся ощущение, что мир вокруг «сужается» до нескольких тем, а новые точки зрения встречаются реже.

Переводчики тоже используют ИИ, но здесь задача другая: не отобрать, а преобразовать текст. Современный перевод часто не «слово в слово», а попытка передать смысл и стиль. Это удобно, но и рискованно: модель может выбрать слишком уверенную формулировку, сгладить важные нюансы, перепутать термины или имена.

Чем короче и проще фраза — тем обычно лучше. Чем больше контекста, жаргона или двусмысленности — тем выше вероятность неточности.

Навигаторы используют ИИ, когда оценивают пробки, прогнозируют время в пути и предлагают маршрут. Система опирается на данные многих пользователей и исторические закономерности: где обычно замедление, в какие часы, как меняется поток. Поэтому маршрут — это не «единственно верный путь», а ставка на то, что в среднем так будет быстрее.

Иногда ставка не срабатывает: авария, перекрытие, погода, событие в городе. Полезно воспринимать навигатор как помощника, а не как истину.

Фильтры спама — ещё один пример отбора: они решают, что пропустить во «Входящие», а что спрятать. ИИ ищет признаки нежелательных писем: шаблонные фразы, подозрительные ссылки, массовую рассылку, несоответствие отправителя. Ошибки возможны в обе стороны: иногда спам попадает во входящие, а иногда важное письмо улетает в «Спам». Поэтому стоит время от времени проверять папку со спамом и настраивать правила, если сервис это позволяет.

Автодополнение текста в почте и мессенджерах — это подсказка. Система предлагает продолжение фразы, исправляет орфографию, подсказывает варианты ответа. Это экономит время, но может незаметно менять тон: сделать сообщение слишком сухим, слишком дружелюбным или слишком категоричным.

Особенно осторожно стоит относиться к автоподстановкам в деловой переписке: одна неудачная фраза может выглядеть как ваше осознанное решение.

Как же начать замечать ИИ в привычных сервисах осознанно, без паранойи и без лишней сложности? Помогает простой способ «остановка на секунду» — короткая проверка, что именно делает сервис.

Представьте обычный сценарий. Вы открываете видео‑платформу «на пять минут», а через полчаса понимаете, что смотрите уже третью тему подряд, хотя изначально хотели найти конкретный ролик «как составить резюме». Вы решаете действовать осознаннее.

Шаг 1 — отделяете цель от ленты. Цель: найти один‑два ролика по резюме. Лента: бесконечные рекомендации, которые пытаются удержать внимание.

Шаг 2 — замечаете, где именно работает отбор. Вы видите блок «Рекомендуемое» и понимаете: это не список «лучшего в мире», а персональная подборка под ваши прошлые просмотры. Чтобы не уехать в сторону, вы идёте в поиск и формулируете запрос точнее: «резюме без опыта пример», «резюме студент структура». Так вы переключаете сервис из режима «подсовывать» в режим «искать по запросу».

Шаг 3 — проверяете подсказки. Вы открываете найденный ролик, а потом пишете письмо знакомому с просьбой посмотреть черновик резюме. Почта предлагает автодополнение: «Буду признателен за обратную связь». Фраза нормальная, вы её оставляете. Но следующий вариант делает письмо слишком официальным, и вы его убираете. Вы не запрещаете подсказки, вы просто решаете, какие из них действительно ваши.

Шаг 4 — делаете маленькую настройку. Вы ставите напоминание «проверить время» или ограничение на просмотр, или просто закрываете рекомендации после того, как нашли нужное. Это не про силу воли, а про то, чтобы не отдавать управление полностью алгоритму.

После такого опыта становится проще переносить подход на другие сервисы: поиск, новости, магазин, навигатор, почту. Вы начинаете видеть, где вам помогают, а где вас ведут к чужой цели — чаще всего к клику, просмотру или покупке.

Стоит запомнить три вещи. Во‑первых, ИИ вокруг вас чаще всего занят отбором и подсказками, а не «размышлениями». Во‑вторых, поиск, ленты, рекомендации и реклама показывают не реальность целиком, а отсортированную версию, и она может отличаться у разных людей. В‑третьих, полезная привычка — на секунду спрашивать себя: «Это я выбираю или за меня выбирают?» и при необходимости переключаться в режим точного запроса, ручного выбора или простой проверки.

Глава 8. Основные типы задач, которые решает ИИ

Часто ИИ воспринимается как «умный собеседник», которому можно задать любой вопрос. Но в реальных задачах быстро появляется путаница: вы просите «помоги разобраться», а получаете длинный текст, который неясно как применить. Или наоборот: задача кажется слишком сложной для автоматизации, хотя на самом деле она довольно типовая. Чтобы использовать ИИ осмысленно, полезно уметь переводить свою просьбу на один из нескольких простых типов задач.

Ключевой принцип такой: почти любую бытовую задачу для ИИ можно свести к одному из четырёх типов — классификация, поиск похожего, прогноз или генерация. От этого зависит, чего ждать от результата и как его проверять.

Классификация — это «разложить по категориям». На входе у вас объект (письмо, отзыв, фото, строка в таблице), на выходе — метка из заранее понятного набора. Примеры из жизни: определить, спам это или нет; отнести обращение клиента к теме («доставка», «возврат», «оплата»); понять тон сообщения («нейтральный/раздражённый/довольный»). Важный признак классификации: вы заранее можете перечислить варианты ответа, и ИИ выбирает один (иногда с вероятностью или пояснением).

Поиск похожего — это «найти то, что максимально похоже на пример». Здесь вы не просите придумать новое, вы ищете совпадения по смыслу или форме. Бытовые примеры: найти похожие товары по описанию; подобрать похожие формулировки для письма; найти в базе знаний ответ на вопрос, который «звучит иначе, но про то же». Признак: у вас есть образец или запрос, и вы хотите список близких вариантов, чтобы выбрать.

Прогноз — это «оценить, что будет дальше» на основе прошлых данных или наблюдений. В быту это может быть простая оценка: сколько времени займёт задача, какой будет спрос, как изменится расход, какой риск просрочки. Признак: речь про будущее или неизвестный результат, который можно оценить числом, диапазоном или вероятностью. Важно помнить: прогноз не гарантирует точность, он даёт оценку. Её нужно сверять с реальностью на небольших ставках.