Генеративный ИИ для руководителя
Часть 2. Почему ИИ понимает нас лучше, чем поисковик
мы разобрали главный принцип: качество ответа искусственного интеллекта напрямую зависит от качества данных. Но возникает следующий вопрос: если языковая модель работает только с текстом, как она вообще понимает запросы человека?
Почему на фразу:
«Подготовь краткую справку по проекту» современный ИИ способен сформировать связный документ, а не просто показать список ссылок, как это сделал бы обычный поисковик?
Ответ кроется в том, как языковые модели воспринимают текст.
Сегодня генеративные модели становятся частью экономики, образования, науки и государственного управления. В России активно развиваются собственные ИИ-помощники и языковые модели, включая GigaChat и YandexGPT. Несмотря на различия между платформами, базовые принципы их работы во многом одинаковы.
Чтобы понимать возможности и ограничения таких систем, важно разобраться, как они воспринимают текст.
Человек читает текст словами, предложениями и смыслами. Языковая модель видит его иначе. Для нее текст состоит из специальных фрагментов — токенов. Токеном может быть слово, часть слова, знак препинания или даже отдельный символ. Именно из таких элементов модель собирает представление о запросе.
Например, человек воспринимает фразу:
«Подготовь справку по цифровой трансформации»как единый смысловой запрос.
Модель сначала разбивает ее на набор токенов, а затем анализирует связи между ними: какие элементы важнее, как они связаны друг с другом и какое продолжение текста будет наиболее вероятным.
Именно поэтому современные ИИ-помощники работают иначе, чем классический поиск. Они не просто ищут совпадения по словам, а анализируют взаимосвязи между фрагментами текста и учитывают контекст.
Но здесь есть важное ограничение.
ИИ не читает документ так, как это делает человек. Он не понимает юридический смысл нормы права, не знает политический контекст и не оценивает последствия управленческого решения. Он работает с закономерностями текста и статистическими связями между словами. Поэтому качество ответа зависит не только от самой модели, но и от контекста, который ей предоставили.
Если сотрудник просит подготовить проект ответа гражданину и прикладывает актуальные регламенты, нормативные документы и необходимые данные, результат может быть полезным.
Если информации недостаточно или она устарела, модель попытается заполнить пробелы наиболее вероятными вариантами. Так появляются неточности, которые часто называют «галлюцинациями» искусственного интеллекта.
Для руководителя из этого следует простой вывод: эффективность ИИ зависит не только от мощности модели, но и от качества постановки задачи. Чем точнее сформулирован запрос и чем надежнее исходные данные, тем выше качество результата.
Именно поэтому внедрение ИИ начинается не с выбора технологии, а с культуры работы с информацией внутри организации.
Токены позволяют модели работать с текстом, но сами по себе не делают ее умной.
Чтобы научиться готовить документы, отвечать на вопросы и поддерживать диалог, языковая модель проходит длительное обучение на огромных массивах данных.
О том, как современные ИИ-системы учатся находить закономерности в текстах и почему их иногда сравнивают с очень внимательным стажером, поговорим в следующей статье.
