К основному содержимому

01 · Видео · 36 мин

Полный roadmap по искусственному интеллекту: от моделей к практике

Карта мира ИИ: как работают модели, из чего состоит инфраструктура, чем отличаются чат и агент и как выбрать процесс для автоматизации.

Коротко

  1. История от перцептрона до трансформеров помогает связать термины: обучение, веса модели, токены, контекст и рассуждение.
  2. Уверенный ответ модели может содержать ошибку. Важные факты проверяют по источникам, а результат работы — по заранее заданным критериям.
  3. В авторской карте семь слоёв: чипы, дата-центры, энергия, лаборатории и модели, API-посредники, приложения и люди, которые внедряют ИИ.
  4. Чат помогает получить ответ, агент выполняет последовательность действий, автоматизация повторяет настроенный процесс по событию или расписанию.
  5. Для первого внедрения выбери понятный рабочий процесс, зафиксируй исходные затраты и сравни результат после подключения ИИ.

Навигация по видео

Выбери главу: видео выше начнётся с нужного момента.

Как пользоваться этой картой

Это обзор, записанный в ноябре 2026 года: он связывает устройство моделей, рынок инструментов и применение в работе. Его можно посмотреть целиком, а затем выбрать одну тему для практики. Результат просмотра — понимание, какую задачу ты хочешь решить и какой инструмент для этого нужен. Если термины пока незнакомы, после обзора пройди короткие уроки курса «Основы ИИ».

От перцептрона к языковой модели

В начале видео разобраны три опорные точки: идея обучаемого нейрона, успех нейросетей в распознавании изображений и появление трансформеров. Свяжи их с современной работой модели: на этапе обучения меняются параметры, а во время запроса модель использует доступный контекст, чтобы продолжить последовательность токенов. Приложение вокруг неё добавляет инструменты, файлы и цикл выполнения задачи.

Восемь идей, которые пригодятся в работе

  • Токены: объём текста для модели отличается от числа слов. Длинный документ занимает часть доступного контекста.
  • Следующий токен: ответы строятся последовательно и могут различаться между запусками. Сравни несколько вариантов на одной задаче.
  • Предобучение: общие знания модели зависят от данных обучения. Свежие сведения нужно приносить из источников.
  • Дообучение: модель учат отвечать полезнее, но приятный и уверенный ответ ещё не доказывает его правильность.
  • Рассуждение: сложная задача может потребовать промежуточной работы и большего времени. Проверяй итог, а не убедительность объяснения.
  • Окно контекста: модель видит ограниченный набор инструкций, истории и документов. Давай сведения, которые нужны текущей задаче.
  • Галлюцинации: ссылки, цифры и важные утверждения сверяй с первоисточниками.
  • Поведение после обучения: одного успешного ответа мало. Повтори проверку на нескольких примерах из своей работы.

Семь слоёв: где находится твоя задача

В авторской схеме чипы дают вычисления, дата-центры объединяют оборудование, а энергия обеспечивает его работу. Лаборатории разрабатывают модели; API-провайдеры организуют доступ к ним; приложения и агентские среды превращают этот доступ в рабочие действия. Последний слой — люди и компании, которые внедряют инструмент в свой процесс. Когда читаешь новость, сначала определи её слой: новая модель и новая программа для работы с моделями требуют разных решений от пользователя.

Лаборатории, конкуренция и прогнозы

В ролике сравниваются направления развития OpenAI, Anthropic, Google DeepMind, Meta и xAI и обсуждается идея рекурсивного самоулучшения: ИИ помогает исследовать и улучшать следующие модели. Автор сопоставляет оптимистичные сценарии и аргументы скептиков. Прогнозы вроде AI 2027 стоит читать как сценарии с допущениями. Для своей работы полезнее проверять доступный инструмент на конкретной задаче, чем строить процесс только на обещании будущих возможностей.

Выбери инструмент под результат

  • Нужен ответ, черновик или объяснение — начни с чата. Проверь факты и отредактируй результат.
  • Нужно прочитать файлы, изменить проект и проверить работу — выбери агента с подходящими инструментами.
  • Нужно повторять устойчивую последовательность по событию или расписанию — опиши автоматизацию и способ заметить ошибку.
  • Для первой задачи возьми один-два инструмента и сравни их на одинаковых исходных данных. Расширяй набор после понятного результата.

Делегирование: цель, рамки и данные

Вместо длинного набора общих пожеланий сформулируй результат, который можно проверить. Объясни продукт, аудиторию, ограничения и срок. Подключи нужные документы или рабочую историю. Сам по себе доступ к базе знаний не гарантирует успех: агенту всё равно нужны условия приёмки и обратная связь. Подробный разбор этой схемы есть в соседнем материале про делегирование.

Где искать первый процесс для внедрения

Автор предлагает начать с процесса, который уже даёт полезный результат: обработка заявок, подготовка контента, работа с продуктом. В своём примере он сокращает ручные этапы монтажа, подготовки превью и описаний YouTube-роликов. Перенеси этот подход на свою работу: запиши текущие шаги, выбери один повторяющийся участок и измерь его. Эффект внедрения виден по времени, качеству и затратам, включая исправление ошибок.

Карточка первого эксперимента с ИИ

Процесс: [что регулярно делаю].
Полезный результат: [кому и зачем он нужен].
Как работаю сейчас: [шаги и затраты времени].
Один участок для ИИ: [конкретная задача].
Инструмент: [чат, агент или автоматизация].
Исходные данные: [документы, примеры, источники].
Критерии приёмки: [как проверю результат].
Сравнение до/после: [время, качество, стоимость].
Решение после прогона: [повторить, изменить или отказаться].

Практика

Попробуй на своей задаче

Выбери один повторяющийся процесс из своей работы, заполни карточку эксперимента и выполни один пробный прогон с ИИ. Объясни, почему для него подходит чат, агент или автоматизация.

Как понять, что готово

Есть исходный способ работы, конкретный участок для ИИ, проверяемый результат и сравнение до/после. По результатам прогона принято решение: продолжать, изменить подход или оставить процесс человеку.

Что дальше

Собери с ИИ решение для своей задачи

Клуб «Незаменимые» — практический AI-клуб для тех, кто создаёт сам. Разбираем, как устроены Claude Code, Codex и Hermes, и собираем с ними решения для своей работы, продукта и клиентов. Рядом — уроки, материалы под задачу и участники, которые показывают, что собрали.

Уже в клубе? Продолжай в своём аккаунте. Войти в аккаунт →

Другие разделы