Главная мысль и результат урока
Всё занятие работает на одну мысль. Если к 90-й минуте слушатели унесут только её — урок удался.
ИИ даёт не правду, а наиболее вероятное продолжение текста. Поэтому ему нужны чёткое ТЗ, чистый контекст, разрешённые данные и проверка человеком.
К концу урока слушатель может
- Объяснить простыми словами, почему LLM генерирует вероятное продолжение, а не находит истину.
- Составить учебный MEGA-промпт: роль, контекст, задача, ограничения, формат.
- Заметить перегрузку диалога и применить три правила работы с контекстом.
- Выбрать класс инструмента и сервис по данным, объёму и задаче, а не по рейтингу.
- Отличить допустимые учебные данные от запрещённых и проверить черновик ИИ по карточке.
Видимый результат слушателя
Безопасный MEGA-промпт для одной условной рабочей задачи и заполненная карточка проверки ответа: «выдумки — формат — выгода по времени».
Тон урока. Без хайпа: на каждую возможность — названная граница. Термин всегда рядом с метафорой, а не вместо неё. Никаких обещаний «ИИ заменит отдел».
Аудитория. Сотрудники производственного предприятия без технической подготовки: инженеры, технологи, руководители, документоведы.
Как читать блок конспекта
Перед занятием ⏱ за 15 минут до начала
Урок держится на демонстрациях: 20 интерактивов на странице и два внешних сервиса. Проверьте их до прихода группы — во время занятия на это не будет времени. Отметки сохраняются в этом браузере.
Чек-лист подготовки
🔒 Правило курса — произнести в первые две минутыВсе примеры — синтетические и обезличенные. Реальные документы предприятия, персональные данные, ТТХ изделий и служебная переписка во внешние сервисы не загружаются. Не просите группу открывать рабочие файлы и не собирайте их в чат занятия.
Открытие: курс, команда, правило данных ⏱ 00–02 мин · 2 минуты
Задать рамку: сегодня разбираемся не с кнопками, а с устройством технологии. Назвать маршрут урока и правило данных.
Из устройства нейросети следуют и её возможности, и её ошибки — поэтому начинаем не с кнопок, а с того, как она работает.
ДПО-1 учит пяти навыкам: ставить понятные задачи ИИ, проверять ответы, работать с контекстом, выбирать инструмент и получать полезный черновой результат — инструкцию, таблицу, протокол, аналитическую справку или проект письма.
Сложные темы — разработка, внедрение в закрытый контур, агенты и программирование — будут отдельными последующими ДПО. Если спросят про них, честный ответ: «будет, но не сегодня».
Маршрут урока: история → как устроена модель → почему она ошибается → как поставить задачу → контекст → выбор инструмента → проверка ответа → домашнее задание.
«За эти 90 минут разберёмся, почему современные нейросети умеют работать с текстом, но могут ошибаться, что именно мы передаём модели и как не перегружать диалог. Все примеры — вымышленные: учебные заявки, короткие отчёты, условия выбора. Реальные документы предприятия во внешние сервисы мы не передаём».
💬 Рекомендуемая реплика❓ Вопрос аудитории
- «Где в вашей работе появляется много текста, который сначала нужен как черновик?»Собрать 2–3 ответа без обсуждения закрытых деталей. К этим задачам вернёмся в домашнем задании.
- Поднять руки: «Кто за последний месяц писал протокол совещания? Служебную записку? Сравнивал коммерческие предложения?»
- Дать заготовку: «Обычно называют протоколы, инструкции для новичков, письма поставщикам и сводки по журналам отказов».
- Если кто-то начинает рассказывать детали реального проекта — мягко остановить: «Давайте без названий и цифр, только тип задачи».
Переход: «Чтобы понять, почему нейросеть уверенно ошибается, начнём с истории: каждый её этап объясняет одну из сегодняшних возможностей или ограничений».
История ИИ: от Тьюринга до ChatGPT ⏱ 02–14 мин · 12 минут
Четыре части по 2–3 минуты: идеи → разочарование и возрождение → прорывы → эра больших языковых моделей. Цель — не список дат, а понимание, что технология развивалась скачками и каждый скачок держался на трёх двигателях.
Каждый прорыв ИИ — это три двигателя сразу: новые алгоритмы, мощность «железа» (GPU) и объёмы данных; сегодня технология впервые вышла из лабораторий в повседневную работу.
Суть. Вместо спора «может ли машина мыслить» Алан Тьюринг предложил практическую проверку.
Простыми словами. Если в текстовой переписке нельзя отличить машину от человека — машина прошла тест.
Факт. Сам Тьюринг назвал это «игрой в имитацию» и предполагал, что к 2000 году машина будет вводить в заблуждение примерно 30% собеседников за пять минут разговора.
Суть. Официальная точка отсчёта ИИ как науки: Джон Маккарти, Марвин Минский и коллеги собрались на летний семинар.
Простыми словами. Маккарти придумал сам термин «искусственный интеллект», чтобы объединить разные направления исследований.
Факт. Авторы заявки надеялись на существенный прорыв за одно лето силами небольшой группы учёных. На деле понадобились десятилетия.
Суть. Фрэнк Розенблатт создал «Марк-1» — аппарат, имитировавший работу нейронных связей.
Простыми словами. Первая система, которую не программировали правилами, а обучали распознавать простые фигуры.
Факт. В 1958 году газеты писали, что «зародыш компьютера» сможет ходить, говорить, видеть и осознавать себя. Так начался первый хайп вокруг ИИ.
Суть. Джозеф Вейценбаум из MIT написал программу, пародировавшую беседу с психотерапевтом.
Простыми словами. ELIZA не понимала смысла: цеплялась за ключевые слова и превращала их в вопрос — «Мне грустно» → «Почему вам грустно?».
Факт. Люди знали, что это программа, но делились с ней личным; секретарь Вейценбаума попросила оставить её с «Элизой» наедине. Это и есть эффект Элизы — приписывать программе понимание.
Суть. Разочарование, урезанное финансирование, скепсис правительств и инвесторов.
Простыми словами. Ожидания были завышены, а компьютеры — медленными, с крошечной памятью; машинный перевод не удался.
Факт. Термин «зима ИИ» появился в 1984 году как предупреждение учёных: очередной необоснованный хайп обернётся новым разочарованием.
Суть. Возрождение: коммерческие программы-справочники для инженеров и врачей и популяризация алгоритма обратного распространения ошибки.
Простыми словами. Нейросеть делает предсказание, смотрит, насколько ошиблась, и «прокатывает» ошибку назад, подкручивая веса, — учится на ошибках.
Факт. Экспертные системы стоили дорого: сотни тысяч правил «если А, то Б» записывали вручную со слов специалистов.
Суть. Суперкомпьютер IBM выиграл у чемпиона мира матч из шести партий.
Простыми словами. Это не нейросеть, а огромная вычислительная машина: перебирала до 200 миллионов позиций в секунду по правилам, заданным людьми.
Факт. Каспаров после матча подозревал, что машине помогал человек-гроссмейстер.
Суть. Нейросеть Алекса Крижевского, Ильи Суцкевера и Джеффри Хинтона с большим отрывом выиграла конкурс распознавания изображений ImageNet.
Простыми словами. Нейросетям не хватало больших данных и мощности. Появился интернет с миллионами картинок, а обучать сеть догадались на видеокартах (GPU).
Факт. С этого момента начался бум глубокого обучения — лучший пример «трёх двигателей» сразу.
Суть. Программа DeepMind выиграла у Ли Седоля — одного из сильнейших игроков в го — со счётом 4:1.
Простыми словами. В го перебором не победить: возможных позиций больше, чем атомов во Вселенной. Программе пришлось выработать «интуицию» через обучение с подкреплением.
Факт. Ход 37 во второй партии эксперты сначала сочли ошибкой, а потом — гениальным.
Суть. Исследователи Google опубликовали статью «Attention Is All You Need» — архитектуру, на которой построены современные LLM.
Простыми словами. Раньше алгоритмы читали текст слово за словом и забывали начало. Механизм внимания видит весь текст сразу и связывает слова на любом расстоянии.
Факт. Все восемь авторов статьи со временем ушли из Google, многие основали собственные компании.
Суть. OpenAI открыла публичный чат на модели GPT-3.5.
Простыми словами. ИИ перестал быть инструментом учёных: с ним может разговаривать любой человек.
Факт. Около 100 миллионов пользователей примерно за два месяца — это оценка аналитиков UBS, а не официальная цифра компании.
«История нужна нам не ради дат. Она объясняет, почему современные модели так хорошо работают с языком — и почему они всё равно не становятся надёжным экспертом. Смотрите, как каждый раз прорыв возникает, когда сходятся три вещи: алгоритм, вычисления и данные».
💬 Рекомендуемая репликаЧто показать
- Слайд 1950 — Тьюринг, затем «Лента истории»: листайте стрелками вручную, не включайте автопоказ, пока рассказываете. Остановитесь подробнее на 1966 (ELIZA), 2012 (AlexNet), 2017 (Transformer) и 2022 (ChatGPT), остальные вехи — по одной фразе.
- Слайд «Эволюция теста Тьюринга» — с оговоркой из блока «Где не перегибать».
- Слайд «Три двигателя прогресса» — подвести итог блока.
- Демо «Сбор и очистка данных» оставьте на самостоятельное изучение или на резерв: оно раскрывает двигатель «данные» и объясняет «английский акцент» моделей.
❓ Вопросы аудитории
- «Было ли у вас, что вы на секунду забыли, что переписываетесь с ботом?»Задать на вехе 1966 — мостик к эффекту Элизы.
- «Почему Deep Blue — ещё не нейросеть в современном смысле?»Задать на вехе 1997.
- «Что обычно ограничивает новую технологию: алгоритм, вычисления или данные?»Задать перед слайдом «Три двигателя».
- Руки вместо слов: «Кто хоть раз писал чат-боту “спасибо”?» Обычно рук много — это и есть эффект Элизы в миниатюре.
- Про Deep Blue — подсказка: «Он учился или считал? Правила шахмат ему дали люди, а сам он перебирал позиции».
- Про три двигателя — заготовка на примере AlexNet: «Идея нейросетей была с 1950-х. Что изменилось к 2012-му? Интернет дал картинки, видеокарты дали скорость».
Ключ преподавателя · история открыть после ответов группы
- Эффект Элизы: люди приписывают программе понимание, если она гладко отвечает. Сегодня это главный риск: гладкий текст ещё не значит, что модель «знает».
- Deep Blue: перебор позиций по заданным людьми правилам и оценкам, а не обучение на данных.
- Три двигателя: ограничивает то, чего не хватает; прорыв случается, когда сходятся все три. AlexNet — данные и GPU; Transformer — новый алгоритм; ChatGPT — всё вместе плюс удобный интерфейс.
Итог блока: каждый прорыв — это новые алгоритмы, мощность «железа» и данные одновременно.
⚠️ Где не перегибать
- Проценты на слайде «Эволюция теста Тьюринга» получены в разных экспериментах с разной методикой — это не одна линейка прогресса. Пройденный тест — умение имитировать разговор, а не понимание или сознание.
- «100 млн пользователей за 2 месяца» — оценка аналитиков, а не официальная статистика.
- Не уходите в даты и имена: на весь блок — 12 минут. Лента остаётся на странице для самостоятельного просмотра.
Переход: «Для нас важнее всего 2017 год. Посмотрим, что прячется внутри трёх букв GPT».
Как устроен трансформер: что прячется в буквах GPT ⏱ 14–21 мин · 7 минут
Три шага работы модели: текст → числа, связи между словами через внимание, генерация ответа. Метафоры важнее формул: «карта смыслов» и «нити внимания».
Трансформер превращает текст в числа, связывает слова механизмом внимания и по контексту сочиняет ответ шаг за шагом — он не достаёт готовый ответ из базы.
G · Generative
Генеративная: не выдаёт заготовку, а каждый раз заново вычисляет, какое слово логичнее поставить следующим, и «сочиняет» ответ на ваших глазах.
P · Pre-trained
Предварительно обученная: как человек, прочитавший огромную библиотеку. Не заучивает факты наизусть, а усваивает закономерности языка.
T · Transformer
Архитектура с механизмом внимания: удерживает нить разговора и понимает, как слова связаны между собой во всём тексте.
Шаг 1. Токенизация и эмбеддинги
Компьютер не читает слова так, как мы: для него текст — набор символов. Поэтому модель режет предложение на кусочки — токены (целые слова или их части). Но этого мало: чтобы работать со смыслом, каждый токен превращается в эмбеддинг — вектор, набор чисел-координат в многомерном пространстве. После этого шага предложение — уже не текст, а набор точек, с которыми можно считать.
В демо «Карта смыслов» у слов всего шесть подписанных признаков. В настоящей модели измерений сотни и тысячи, они выучены из текстов и понятных подписей не имеют. Принцип тот же: близкие точки — близкие смыслы.
Контекст сдвигает смысл
У многозначного слова эмбеддинг сначала «усреднённый». Соседние слова притягивают его к нужному значению: «Рыцарь въехал в старый замок» — крепость, «Слесарь сменил дверной замок» — механизм. Буквы одинаковые, а точки на карте в противоположных углах.
Шаг 2. Механизм внимания (Self-Attention)
Раньше нейросети читали текст по порядку, слово за словом, и к концу длинного предложения «забывали» начало. Трансформер смотрит на всё предложение целиком и сразу: прокладывает связи между всеми словами и оценивает, насколько они важны друг для друга. Во фразе «Заяц убежал от волка, потому что он был быстрым» самая сильная нить — между «он» и «заяц». Добавьте одно «не» — и нить переходит к «волку».
Раз внимание видит всё сразу, оно само по себе не знает порядка слов. Поэтому к каждому токену добавляют метку позиции. В русском языке роли слов подсказывают ещё и окончания: «Человека укусила собака» понятно без порядка, а «Мать любит дочь» — только по нему.
Шаг 3. Генерация ответа
Пройдя через десятки слоёв внимания, отдельные слова и связи складываются в общее представление контекста. На его основе модель вычисляет вероятность следующего слова и строит ответ — продолжение статьи, перевод или код. Цепочка «разбить на векторы → найти связи → сгенерировать» лежит в основе всех современных больших языковых моделей.
«Компьютер не читает слова — для него это символы. Поэтому сначала текст режут на кусочки и превращают в точки на карте смыслов. Потом модель натягивает между словами нити и понимает, кто что сделал. И только потом начинает писать ответ — слово за словом».
💬 Рекомендуемая репликаЧто показать
- Карта смыслов (2 мин). Нажмите «Кошка» — соседи подсветятся жёлтым. Спросите, где окажется «Экскаватор», и нажмите его. Смените ось Z на «Опасность» — хищники и дракон уйдут в сторону.
- Слово в контексте (1,5 мин). «Замок» → «Рыцарь и крепость» → «Прочитать всё». Затем «Слесарь и дверь» — точка уходит в противоположный угол.
- Механизм внимания (2 мин). Предложение А, слово «он» — нить к «заяц». Предложение Б «Заяц не убежал…» — нить переходит к «волку».
- Порядок слов — только если опережаете: «Мать любит дочь» с метками и без них.
❓ Вопросы аудитории
- «Где на карте окажется “экскаватор”?»До нажатия на слово.
- «А теперь кто был быстрым?»Перед переключением на предложение Б.
- «Как вы сами поняли, что “замок” — это крепость, а не механизм?»После демо «Слово в контексте».
- Подсказка про экскаватор: «Он живой или техника? Крупный или мелкий? Дома стоит?» — зал сам соберёт координаты.
- Про зайца и волка: «Если заяц не убежал, значит, кто-то оказался быстрее. Кто?»
- Про замок: «Вы тоже не знали значение, пока не прочитали соседние слова. Модель делает то же, только числами».
Ключ преподавателя · трансформер открыть после ответов
- Экскаватор — на другом краю карты: техника, крупный, вне дома. Кошка и собака — рядом, потому что похожи почти по всем признакам.
- Предложение Б: быстрым был волк. Одно слово «не» перестроило связи — модель учитывает весь контекст, а не отдельные слова.
- Замок: по соседям — «рыцарь», «въехал», «старый». Это и есть работа внимания: соседние слова сдвигают смысл.
Вывод блока: LLM не извлекает готовый ответ из базы — она пошагово генерирует его, опираясь на контекст.
⚠️ Где не перегибать
- Веса внимания и координаты в демо условные: в реальной модели десятки слоёв и «голов» внимания, каждая смотрит на связи по-своему.
- Не уходите в математику (Query · Key · Value): для этой аудитории достаточно карты и нитей.
- «Понимает» — в кавычках: модель выучила статистические связи между словами, это не человеческое понимание.
Переход: «Модель не ищет, а сочиняет. А что будет, если фактов у неё нет?»
LLM — генератор вероятностей, а не поисковик ⏱ 21–27 мин · 6 минут
Главный риск урока: модель не ищет документ, а досочиняет ответ. Показать, как из одного механизма получается и верный ответ, и уверенная выдумка, и разные ответы на один запрос.
ИИ даёт не правду, а наиболее вероятное продолжение вашего текста: спросите о том, чего нет, — и вместо «я не знаю» получите то, что звучит максимально правдоподобно.
Как это устроено — четыре опоры
- Вход: ваши инструкции и исходные факты — контекст.
- Процесс: токенизация (текст → числа) → расчёт вероятностей → генерация по шагам.
- Главный риск: галлюцинации — модель стремится заполнить пустоту любой ценой.
- Правило работы: модель не проверяет факты в реальном времени, если к ней явно не подключён поиск.
Разбор примера: биография несуществующего профессора
- Вход. Запрос с выдуманным фактом: «Напиши биографию профессора Алексея Веселовского, который изобрёл квантовый опреснитель воды в Тюмени в 2018 году».
- Процесс. Модель знает, как устроены биографии: после имени идут годы жизни, вуз, награды, изобретение. Каждое следующее слово она выбирает по принципу «что звучит правдоподобнее дальше»: «родился в…» → город; «возглавил лабораторию в…» → вероятный вуз; «опреснитель работает на принципе…» → научные термины.
- Результат. Три гладких абзаца в научном стиле, с датами и названиями институтов. Такого профессора и изобретения не существует.
- Почему так. Модель не заглянула в энциклопедию и реестр патентов. Она увидела команду «напиши биографию» и контекст «квантовый опреснитель» и построила статистически идеальный текст.
Почему один запрос даёт разные ответы
Модель не всегда берёт самое вероятное слово. Оценки кандидатов переводятся в проценты, и следующий токен выбирается жребием: чем больше процент, тем шире сектор на рулетке. Поэтому «перегенерировать» даёт другой текст. Насколько смело тянуть жребий, задаёт температура: низкая — предсказуемые ответы, высокая — разнообразные, вплоть до бессмыслицы. В обычных веб-чатах её не настроить — это параметр API.
Почему модель редко говорит «не знаю»
После предобучения модель дообучают на примерах и на оценках людей. Если оценщики и тесты награждают гладкий ответ больше, чем честное «не знаю», модель привыкает угадывать. Этот механизм разбирают в исследовании «Why Language Models Hallucinate» (Kalai и соавторы, 2025). Разработчики специально поощряют честность, поэтому новые модели чаще признают незнание — но не всегда.
«Представьте супер-Т9, который прочитал огромную часть интернета. Он не ищет ответ — он предлагает самое правдоподобное продолжение. Если фактов нет, он не признается, а красиво их додумает. Поэтому главное правило сегодняшнего дня: ИИ даёт не правду, а вероятное продолжение вашего текста».
💬 Рекомендуемая репликаЧто показать
- Как LLM досочиняет ответ (3 мин). Вкладка «Следующее слово»: «Какой день после вторника?» — «среда», самый вероятный вариант совпал с правдой. Затем вкладка «Галлюцинация по шагам»: биография профессора. Итог не открывайте сразу — сначала вопрос залу.
- Бросок кубика (2 мин). «Бросить кубик» 2–3 раза — выпадают разные слова. Затем «Бросить 20 раз»: лидер выпадает чаще, но не всегда.
- Для любознательных — «Рычаги генерации» и «Почему модель редко говорит “не знаю”»: на резерв или самостоятельно.
❓ Вопросы аудитории
- «Убедительно? Кто вставил бы эту биографию в отчёт?»До того как открыть разоблачение.
- «Что здесь нужно проверить первым?»
- «Почему на один и тот же вопрос нейросеть отвечает по-разному?»Перед демо «Бросок кубика».
- Голосование руками: «Кто поверил бы, если бы увидел этот текст в служебной записке коллеги?» Обычно поднимают руки — это и есть демонстрация риска.
- Заготовка на «что проверить»: «Сначала — существует ли вообще такой человек и такое изобретение. Не год и не город, а само событие».
- Про разные ответы: «Представьте рулетку, где у слова “среда” сектор в полкруга. Чаще выпадает она, но иногда — “пятница”».
Ключ преподавателя · вероятности открыть после обсуждения
- Порядок проверки выдумки: существует ли событие → есть ли первоисточник → подходит ли источник для рабочего документа.
- Почему поверили: научный стиль, даты и названия создают ощущение достоверности. Стиль ≠ достоверность.
- Разные ответы: следующий токен выбирается жребием с учётом вероятностей; поэтому два запуска одного промпта дают разные тексты.
Ключевая фраза: «ИИ даёт не правду, а наиболее вероятное продолжение вашего текста».
⚠️ Где не перегибать
- Подключённый поиск или загруженные документы снижают риск выдумки, но не отменяют проверку: модель может неверно пересказать и настоящий источник.
- Не говорите «ИИ врёт» — у модели нет намерения. Корректнее: «уверенно достраивает текст».
- Во вкладке «Следующее слово» модель берёт самый вероятный вариант — это упрощение; «Бросок кубика» показывает, как на самом деле.
Переход: «Модель — генератор текста. А если задача не текстовая: схема, аудиозапись, свежий норматив?»
Экосистема ИИ: формат задачи определяет класс инструмента ⏱ 27–31 мин · 4 минуты
Короткий блок-мост: прежде чем говорить о промпте, понять, что не каждая задача решается текстовым чатом. Сначала смотрим на входные данные и операцию — потом выбираем класс инструмента.
Формат исходных данных и операция определяют класс инструмента: текст — языковая модель, свежие факты — поиск, звук — распознавание речи, «посмотри и объясни» — мультимодальная модель.
| Входной формат | Задача | Класс инструмента |
|---|---|---|
| Текст | Резюме, письмо, код | LLM — текстовые модели |
| Поиск | Свежие факты, ссылки | RAG / поиск по источникам; бывает встроенной функцией LLM |
| Изображение | Схема, дизайн, визуализация | Диффузионные модели (генерация) / Vision AI (распознавание) |
| Аудио | Протокол встречи, подкаст | Speech-to-Text (распознавание) / TTS (синтез речи) |
| Мультимодальный ввод | «Посмотри на график и объясни» | Мультимодальная LLM |
RAG (Retrieval-Augmented Generation) — «генерация с подсказкой из источников». Сначала система находит нужные фрагменты документов, потом модель отвечает по ним. Простыми словами — экзамен с открытой книгой: отвечать можно, но только по учебнику, и со ссылкой на страницу.
Класс выбирают по операции: текстовую записку сокращает языковая модель; для поиска первоисточника нужен доступ к источникам; аудиозапись сначала распознают в текст, а уже потом оформляют протокол. Мультимодальная система умеет принимать разные типы данных, но это не значит, что все функции одинаково качественные.
Слайд «Самые популярные нейросети»: цифры аудитории — данные самих компаний, одни раскрывают недельную аудиторию, другие месячную, поэтому напрямую их сравнивать нельзя. Большинство сервисов со слайда официально недоступны из РФ. Упоминая Meta, оговорить: компания признана экстремистской организацией и запрещена в России.
«Прежде чем писать запрос, посмотрите на исходник. Это текст, запись разговора, картинка или нужен свежий норматив? От ответа зависит, какой инструмент брать. Универсальный чат удобен, но швейцарским ножом доски не пилят».
💬 Рекомендуемая репликаЧто показать
- Таблица-матрица на странице урока — пройти по строкам за минуту.
- Тренажёр «Какой инструмент нужен» (2 мин). Вживую — две задачи голосованием руками: «Найти действующую редакцию ГОСТа со ссылкой» и «Протокол по аудиозаписи совещания». Остальные шесть — самостоятельно.
❓ Вопросы аудитории
- «Какая у вас задача на этой неделе и какой у неё входной формат?»Выслушать 1–2 ответа.
- «Почему для ГОСТа обычный чат без поиска — плохой выбор?»
- Заготовка: «Совещание записали на диктофон — какой первый шаг? Сначала превратить звук в текст».
- Про ГОСТ: «Чат без поиска помнит только то, что читал при обучении, а редакции меняются. Он может уверенно назвать номер, которого нет».
Ключ преподавателя · тренажёр 8 задач
- Сократить служебную записку → LLM.
- Действующая редакция ГОСТа со ссылкой → поиск / RAG.
- Протокол по аудиозаписи → распознавание речи, затем LLM (подходит и мультимодальная модель, если сервис принимает аудио).
- Иллюстрация для слайда → генерация изображений.
- Объяснить график на скриншоте → мультимодальная LLM.
- Ответы по регламенту на 300 страниц со ссылками → RAG (или LLM с большим окном — ссылки проверять).
- Озвучить инструкцию → синтез речи (TTS).
- Прочитать надписи на фото таблички → Vision / распознавание (или мультимодальная LLM).
⚠️ Где не перегибатьКнопка «загрузить файл» в интерфейсе не даёт разрешения загружать производственные материалы. Даже подходящий инструмент — только после светофора данных. Не рекламируйте конкретные сервисы: разговор о выборе — в блоке 8.
Переход: «Большинство наших рабочих задач — текстовые. Значит, главный рычаг качества — то, как мы ставим задачу».
Промпт и токены: как управлять результатом ⏱ 31–42 мин · 11 минут
Два понятия, на которых держится практика: токен — единица «чтения» и бюджет диалога; промпт — техническое задание для модели. В конце — виды промптов и режим рассуждения.
Промпт — это ТЗ, а не вопрос: роль, контекст, задача, ограничения и формат; а токены — бюджет диалога, и русский текст расходует его быстрее английского.
Что такое токен
Токен — базовая единица текста, на которую модель разбивает информацию для чтения и генерации. Это может быть целое слово, его часть, символ или знак препинания; каждый токен получает числовой код.
- Короткие частые слова («дом», «apple», «ок») — обычно 1 токен.
- Редкие и длинные слова дробятся: «непредусмотрительность» — 3–6 токенов.
- Пробелы, знаки, цифры и эмодзи — отдельные токены или их части.
- Английский: 1 токен ≈ 4 символа (≈ 0,75 слова). Русский: обычное слово чаще всего 2–4 токена.
Почему кириллица «дороже»
Словарь токенов строят алгоритмом BPE: он раз за разом склеивает самые частые пары символов в обучающих текстах. Английских текстов в вебе больше — английские слова быстро становятся одним токеном, русские остаются кусочками. У новых моделей словари больше, поэтому разрыв заметно меньше, но он зависит от токенизатора.
На что влияют токены
- Память модели: у каждой модели есть предел токенов в одном диалоге — контекстное окно (следующий блок).
- Стоимость: в платных API оплачиваются и входящие токены (запрос), и исходящие (ответ).
Формула MEGA-промпта
- Роль: «Ты — главный технолог производственного предприятия».
- Контекст: «Запускаем новую линию упаковки, бюджет ограничен».
- Задача: «Составь перечень потенциальных рисков при запуске».
- Ограничения: «Без вводных слов и абстракций, опирайся только на производственные факты».
- Формат: «Таблица из 3 колонок: Риск | Вероятность | Мера защиты».
Виды промптов
- Zero-shot — прямой запрос без примеров: «Объясни, что такое фотосинтез».
- Few-shot — с образцами нужного результата: «Вот пример тональности: […]. Напиши так же».
- Chain-of-Thought — цепочка рассуждений: «Рассуждай шаг за шагом, потом дай финальный ответ».
Система 1 и Система 2
Обычный режим отвечает сразу — как интуиция («Система 1»). Режим рассуждения («Система 2», например DeepThink в DeepSeek) сначала пишет черновик мыслей и проверяет себя. Он помогает в расчётах, логике и задачах из нескольких условий, но отвечает дольше, стоит дороже и не проверяет факты в мире: модель может безупречно рассуждать от выдуманной предпосылки.
Бизнес-выгода
Сотрудник получает рабочий документ с первой попытки, а не тратит время на переделку. Команда пишет отчёты и записки в едином стандарте. Меньше «воды» — меньше токенов и затрат в API.
«Промпт — это не вопрос, а техническое задание. Вспомните повара: скажете “сделай вкусно” — получите устрицы при аллергии. Дадите роль, контекст, задачу, ограничения и формат — получите то, что нужно, с первого раза».
💬 Рекомендуемая репликаЧто показать
- Учебный токенизатор (2 мин). Пример «Встреча» → «Запомнить как A» → «+ поручение» → сравнить счёт. Вручную ничего не считаем: важно увидеть, что исходник, поручение и история занимают место.
- Словарь токенов BPE (1 мин, можно пропустить). При 20 склейках на «английском» корпусе: английская фраза — 3 токена, русская — 17. Переключить корпус на «поровну».
- Конструктор MEGA-промпта (3 мин). «Размытый запрос» — элементы серые → пресет «Письмо о задержке» — полное ТЗ. Можно сразу заполнить с группой пресет «ДЗ: чек-лист приёмки».
- Система 1 и Система 2 (2 мин). Задача «Овцы фермера» с полным временем на рассуждение, затем уменьшить до «мало».
Ты — опытный клиентский менеджер в B2G-сегменте. Наша компания задерживает поставку станка на 3 дня из-за логистики. Напиши вежливое, эмпатичное служебное письмо директору завода. Объясни причину и предложи компенсацию — бесплатное сервисное обслуживание на месяц. Формат: готовый черновик письма с темой.
❓ Вопросы аудитории
- «Каких элементов формулы не хватает в запросе “Напиши письмо клиенту о задержке поставки”?»Показать размытый запрос в конструкторе.
- «Сколько овец осталось у фермера?»Спросить до запуска демо — зал часто отвечает «7».
- «Для каких ваших задач стоит включать режим рассуждения, а для каких — нет?»
- Про элементы: «Кому пишем? Почему задержка? Что предлагаем взамен? В каком виде нужен результат?» — каждый вопрос = недостающий элемент.
- Про овец — поднять руки: «Кто за 7? Кто за 8?» Затем запустить демо.
- Про режим рассуждения — заготовка: «Расчёт сметы или логическая задача — да. Вежливое письмо — нет, только время потеряете».
Ключ преподавателя · промпт и токены открыть после обсуждения
- Размытый запрос содержит только задачу. Не хватает роли (кто пишет), контекста (причина, срок, получатель), ограничений (тон, без канцелярита) и формата (черновик с темой).
- Овцы: 8. «Все, кроме 8, убежали» — значит, 8 остались. Быстрый ответ «7» — ловушка интуиции.
- Режим рассуждения — для расчётов, логики и многошаговых условий; для простых текстов он не нужен. Результат всё равно проверяет человек.
Формула урока: Роль · Контекст · Задача · Ограничения · Формат.
⚠️ Где не перегибать
- Учебный токенизатор и BPE-демо — упрощённые модели: их счёт не совпадает с реальными сервисами. Точный подсчёт — во внешних токенизаторах со страницы урока.
- Хороший промпт снижает риск ошибок, но не делает факты верными.
- Никакой промпт не делает допустимой загрузку служебных данных во внешний сервис.
Переход: «Промпт — только часть того, что лежит у модели на столе. Что там ещё и что будет, если стол переполнен?»
Контекстное окно: рабочий стол модели ⏱ 42–54 мин · 12 минут
Опорная точка автора урока: контекстное окно — 42–54 минуты. Три опорных определения, из чего складывается объём, демонстрация трёх состояний, потеря в середине и три правила работы.
Контекстное окно — ограниченный рабочий стол модели: всё, что не поместилось или утонуло в середине стопки, для ответа почти не существует.
ПРОМПТ
Поручение и данные для задачи.
ТОКЕН
Единица обработки текста — не обязательно слово.
КОНТЕКСТ
Сведения, доступные модели при ответе.
Из чего складывается объём контекста
Окно заполняет не только последнее сообщение. Точный состав определяет сервис, но обычно это сумма четырёх частей:
- Системный промпт — скрытые базовые инструкции от разработчиков или компании.
- История диалога — предыдущие вопросы и ответы в ветке или та их часть, которую передаёт сервис.
- Загруженные файлы — тексты, таблицы и документы, часто в обработанном виде.
- Текущий запрос — новое сообщение.
При каждом новом ответе модель заново обрабатывает весь переданный контекст. Чем длиннее чат, тем больше ресурсов уходит на каждый ответ и тем ближе модель к пределу «стола».
Условная схема 100 → 130 → 100
A: 10 инструкции + 45 история + 25 материалы + 20 резерв ответа = 100. B: добавили материал — 10 + 45 + 55 + 20 = 130, превышение 30. C: сократили историю до проверенного резюме — 10 + 15 + 55 + 20 = 100. Это учебная арифметика, не лимит конкретной модели. В реальности превышение приводит к отказу, сокращению или обрезке истории — у разных сервисов по-разному.
Ловушка второй части демо: старое сообщение «Встреча во вторник в 10:00», актуальный исходник «перенесена на среду 14:00, кабинет 205». Ошибочное резюме «вторник, 14:00, кабинет 205» смешало старый день с новым временем. Короче — не значит лучше: резюме сверяют по смыслу.
Эффект «Lost in the Middle» — потеря в середине
Внимание модели распределено неравномерно. Лучше всего она учитывает начало контекста (правила, роль) и конец (последний запрос). Факты из середины документа или чата на 50–100 страниц склонны «растворяться». Основание — исследование Liu и соавторов (2023); у новых моделей эффект бывает слабее, но правило «главное — в конец» по-прежнему полезно.
Три симптома перегруза
- Потеря в середине: модель пропускает цифры и условия из середины и начинает додумывать.
- Долгое ожидание ответа: перед первым словом модель обрабатывает весь контекст — вместо долей секунды можно ждать десятки секунд (TTFT — Time to First Token).
- Перерасход бюджета: в API платят за каждый входящий токен; длинная история в каждом запросе делает короткий вопрос в разы дороже.
Три правила для сотрудника
- Один чат — одна задача. Закончили отчёт — закройте диалог и начните новый.
- Главное — в конец. Загружаете большой документ — ставьте задачу и ограничения в самом конце промпта.
- Промежуточная выжимка. В длинном проекте попросите выжимку решений и условий, проверьте её по смыслу и перенесите в новый чат.
Сколько помещается в окно
Стандартом стали окна около 1 млн токенов. Рекорд на слайде — Llama 4 Scout (апрель 2025): 10 млн токенов, по грубой оценке до 20 000 страниц. Это цифра разработчика; уместиться в окно не значит одинаково хорошо учесть каждую страницу. Компания Meta признана экстремистской организацией и запрещена в России.
«Представьте рабочий стол мастера. Принесли две-три нужные папки — работа идёт быстро. Свалили архив за пять лет — мастер путается и теряет листы посередине. С нейросетью так же: чем больше лишнего в чате, тем выше шанс, что важное условие потеряется».
💬 Рекомендуемая репликаЧто показать
- Три состояния контекстного окна (5 мин). «Следующее состояние»: A = 100 → B = 130 (превышение 30) → C = 100. Затем часть 2 — «Найдите ошибку в резюме»: день недели взят старый, время — новое.
- Потеря в середине (3 мин). Документ на 100 страниц, условие — на середине, «Прогнать 10 запросов». Затем включить «Повторить условие в конце промпта» — шанс растёт до ≈9 из 10.
- Слайд «Топ контекстных окон» — одной фразой, с оговоркой о цифрах разработчика.
Сделай краткую выжимку нашего диалога для продолжения работы в новом чате. Включи: цель задачи, принятые решения, действующие условия и ограничения, открытые вопросы. Если какие-то условия менялись — укажи только актуальные и отметь, что было отменено. Не добавляй сведений, которых не было в диалоге. Формат: нумерованный список, не больше 10 пунктов.
<документ> [ВСТАВЬТЕ ОБЕЗЛИЧЕННЫЙ ИЛИ ОТКРЫТЫЙ ТЕКСТ] </документ> Задача: [что сделать с документом]. Обязательно учти: [ключевое условие, даже если оно есть в документе]. Ограничения: опирайся только на текст документа; если данных нет — напиши «в документе не указано». Формат: [таблица / список / черновик].
❓ Вопросы аудитории
- «Резюме поместилось в окно. Значит, стало лучше?»Когда в демо выбрано состояние C.
- «Куда поставить важное условие, если вы загружаете длинный документ?»
- «Почему модель “забыла”, о чём договорились в начале длинного чата?»
- Про резюме — прочитать вслух оба варианта: «Встреча в среду в 14:00» и «Встреча во вторник в 14:00». «Кто придёт не в тот день?»
- Про условие — руки: «Кто поставил бы важное условие в начало? В середину? В конец?» Затем показать кривую в демо.
- Заготовка про «забыла»: «История не поместилась в окно или утонула в середине. Лечится выжимкой и новым чатом».
Ключ преподавателя · контекст открыть после обсуждения
- Короче ≠ лучше. Сокращение помогает вместить данные, но резюме нужно сверять по смыслу: старые и новые указания могут смешаться, важное условие — потеряться.
- Важное условие — в конец промпта, рядом с задачей; при необходимости — продублировать.
- «Забыла договорённость» — история вышла за окно или потерялась в середине. Правила: один чат — одна задача; выжимка → новый чат.
Три правила: один чат — одна задача · главное — в конец · длинную историю — в проверенную выжимку.
⚠️ Где не перегибать
- 100 / 130 / 100 и кривая потери в середине — условные учебные схемы, не лимиты и не прогноз для конкретного сервиса.
- Исследование «Lost in the Middle» — 2023 год; у новых моделей эффект слабее. Не обещайте, что модель «точно потеряет» середину.
- 10 млн токенов у Llama 4 Scout — цифра разработчика. Упоминая Meta — оговорка о запрете в РФ.
Переход: «Размер стола у моделей разный, как и условия доступа. Как выбрать нейросеть под задачу — и не по рейтингу?»
Выбираем инструмент по задаче, а не по рейтингу ⏱ 54–65 мин · 11 минут
ChatGPT · DeepSeek · GigaChat · Qwen · Gemini · YandexGPT. Три вопроса перед тем, как открыть чат, два кейса «до/после» и доступ из РФ. Справочник сервисов — на самостоятельное чтение.
Идеальной нейросети «для всего» нет: выбирают по категории данных, объёму и типу задачи — и категория данных важнее двух остальных.
Три вопроса перед тем, как открыть чат
- Какая категория у моих данных? Персональные данные, коммерческая тайна, служебные материалы — только разрешённые в организации сервисы или локальные модели внутри контура. Открытые данные и шаблоны — выбор шире.
- Какой объём нужно обработать за раз? Короткий текст или письмо — подойдёт большинство чатов. Книга, архив за год, часовая запись — нужна модель с большим окном или деление на части с проверенными выжимками.
- Что за задача? Логика, расчёты, код — модели и режимы с рассуждением. Работа строго на русском с отечественной спецификой — российские модели.
Кейсы «до / после»
- ❌ PDF-отчёт на 400 страниц загружают в чат с небольшим окном — ошибка лимита или анализ части файла. ✅ Открытый отчёт анализируют в модели, чьё окно вмещает документ целиком, или делят на части с проверенными выжимками.
- ❌ Юрист отправляет черновик реального договора с ПДн в зарубежный публичный чат-бот «проверить орфографию». ✅ Разрешённый в организации российский сервис или локальная модель внутри контура.
Доступ из РФ — на 13 сентября 2026 года
- ChatGPT, Gemini — РФ официально не поддерживают; VPN не гарантирует доступ и не отменяет ограничений.
- GigaChat, Алиса AI / YandexGPT — российские сервисы, VPN не нужен.
- DeepSeek, Qwen — обычно открываются без VPN, но официальной гарантии для любой сети нет.
Перед первым использованием любого сервиса
Официальный адрес, а не посредник с похожим названием. Проверка на несекретном примере. «Без VPN» не значит «локально» — все веб-чаты облачные. Агентам — минимальные права.
«Лидер мирового рейтинга не обязательно ваш инструмент. Перед тем как открыть чат, задайте три вопроса: что за данные, сколько их и что за задача. И первый вопрос всегда главный: если данные нельзя выносить — рейтинг уже не важен».
💬 Рекомендуемая репликаЧто показать
- Алгоритм выбора нейросети (5 мин). Пройти вслух два сценария: 🛑 данные с ПДн (любой объём) и 🟢 открытые данные + большой объём. Обратить внимание на оговорки в карточке результата.
- Кейсы «до / после» — прочитать с экрана.
- Таблицу-справочник и настройки сервисов не разбирать построчно: показать, где она, и оставить на самостоятельное чтение.
❓ Вопросы аудитории
- «Какие из ваших рабочих материалов попадают в “красную” категорию?»Без названий документов — только типы.
- «Российский сервис — значит, туда можно загружать служебные документы?»
- Заготовка «красного»: «Реквизиты договоров, списки сотрудников, чертежи, ТТХ, служебная переписка. Узнаёте свои папки?»
- Провокация: «Сервис открылся без VPN — значит, данные остались на предприятии?» Ответ: нет, это облако.
Ключ преподавателя · выбор открыть после обсуждения
- «Красная» категория: ПДн, коммерческая тайна, документы с грифом, закрытые чертежи и ТТХ, служебная переписка.
- Российский сервис ≠ разрешение. Для ПДн и служебных материалов нужны согласие организации и подходящие условия обработки; риск снижается, но не становится нулевым.
Порядок вопросов: данные → объём → задача. Категория данных важнее остальных.
⚠️ Где не перегибать
- Не советовать обход блокировок. Курс опирается на официально доступные сервисы.
- Возможности, тарифы и доступ меняются: сведения на странице — на 13.09.2026. Перед занятием проверьте доступ из сети площадки.
- Если отстаёте — справочник и настройки сервисов оставьте на самостоятельное чтение.
Переход: «Допустим, у нас два подходящих кандидата. Как честно понять, какой лучше справляется с нашей задачей?»
Один запрос в двух моделях: слепое сравнение в LLM Arena ⏱ 65–74 мин · 9 минут
Методика честного сравнения: один промпт, две анонимные модели, оценка по пяти критериям. Имена открываются только после голосования.
Модели сравнивают вслепую, на своей обезличенной задаче и по пяти критериям — а не по бренду и чужому рейтингу.
Пять критериев сравнения — с вопросом к каждому
- Точность и фактология. Есть ли выдуманные цифры, несуществующие законы, логические ошибки?
- Следование ограничениям. Просили таблицу из трёх колонок без вводных слов — модель так и сделала? Игнорирование формата — главный грех слабых моделей.
- Глубина и проработка. Поверхностная «вода» или разбор с конкретными шагами?
- Структура и читаемость. Можно отправить руководителю без ручной правки?
- Лаконичность. Нет ли пяти абзацев вежливых расшаркиваний перед сутью?
Кейс урока: лизинг против кредита
Единый промпт: «Ты — финансовый аналитик. Сравни лизинг и кредит: ровно 3 главных различия, таблица из 3 колонок, без вступлений и заключений». Модель А пишет приветствие, выдаёт список вместо таблицы и добавляет выводы — нарушены ограничения по формату. Модель Б сразу даёт таблицу из трёх строк — полное соблюдение ТЗ.
Зачем бизнесу внутренние A/B-тесты
Можно выяснить, что для первичной сортировки писем дорогая модель не нужна — справится модель в разы дешевле. Сотрудники перестают спорить, какая нейросеть «моднее», и выбирают по измеримому качеству. Публичный рейтинг арены отражает вкусы тысяч людей на их задачах, а не на ваших.
«Когда мы видим знакомое название, мы уже наполовину решили, кто лучше. Поэтому сравниваем вслепую: один запрос, два ответа без имён и пять критериев. И смотрим не на то, чей ответ длиннее, а на то, чей черновик можно отправить без правки».
💬 Рекомендуемая репликаЧто показать
- Слепое сравнение (6 мин). Зачитать промпт про лизинг и кредит. Группа голосует руками по каждому критерию, затем «Победил А / Б» и раскрытие.
- Если arena.ai открывается из сети площадки — отправить туда один обезличенный запрос и показать, как открываются имена после голоса. Не открывается — достаточно демо.
Ты — финансовый аналитик. Сравни два варианта покупки оборудования: лизинг и кредит. Напиши ровно 3 главных различия. Оформи в виде таблицы из 3 колонок: Критерий | Лизинг | Кредит. Не пиши никаких вступлений и заключений, сразу выдавай таблицу.
❓ Вопросы аудитории
- «По какому критерию ответ А проиграл сильнее всего?»
- «Какой ответ длиннее — и значит ли это, что он лучше?»
- Голосование по одному критерию за раз: «Кто считает, что А лучше соблюл формат? Кто за Б?»
- Подсказка: «Мы просили таблицу без вступлений. Что сделал А?»
Ключ преподавателя · арена открыть после голосования
- Главный проигрыш А — следование ограничениям: вступление, список вместо таблицы, лишние выводы.
- В ответ А намеренно вставлена фактическая ошибка («лизинг всегда выгоднее») — назовите её при разборе критерия «точность».
- Длиннее ≠ лучше: лаконичность — отдельный критерий, лишний текст стоит времени читателю и токенов в API.
Победа одной модели в примере не доказывает, что она всегда лучше: сравнивайте на своих типовых обезличенных задачах.
⚠️ Где не перегибатьТаблица про лизинг и кредит — иллюстрация методики, а не финансовая консультация. Доступ к arena.ai из РФ не проверялся; рабочие данные туда не отправлять.
Переход: «Осталось собрать всё в одно рабочее действие. Это и будет домашнее задание — но сначала правило, которое важнее любого промпта».
Итоги и домашнее задание ⏱ 74–84 мин · 10 минут
Светофор данных, выбор одной из трёх рабочих задач и три шага задания. Задание собирает весь урок: промпт по формуле, запуск или сравнение, проверка результата как эксперт.
Результат домашнего задания — не текст от нейросети, а ваша карточка проверки: что исправлено, соответствует ли формат ТЗ и сколько времени сэкономлено.
🛑 НельзяРеальные ТТХ изделий, закрытые чертежи, служебная переписка и документы с грифом, персональные данные, коммерческая тайна.
🟡 Сначала обезличитьРабочий текст, где секретна не суть, а детали: имена, номера, названия — заменить на условные. Только если правила организации это допускают.
🟢 МожноСинтетические данные, обезличенные описания стандартного оборудования («насосная станция № 3», «условный блок питания БП-12»), учебные фрагменты ГОСТов, открытые регламенты.
Выбрать одну из трёх рабочих задач
- Инженерно-технологическая: проект инструкции или методики проверки условного узла; анализ типового журнала сбоев оборудования.
- Документационная / управленческая: сырые заметки с технического совещания → структурированный протокол с задачами и сроками.
- Аналитическая: сравнение двух вариантов комплектующих или материалов по заданным критериям — в виде таблицы.
Шаг 1. Собрать MEGA-промпт
Роль — «Ты — главный специалист по контролю качества на производстве электронных блоков». Контекст — «Нужно подготовить краткий чек-лист проверки условного блока коммутации перед приёмкой». Задача — «Сформируй пошаговый алгоритм осмотра из 5 пунктов». Ограничения — «Деловой стиль, без общих фраз, понятные технические критерии, не придумывай несуществующие параметры». Формат — «Таблица: № этапа | Что проверяем | Нормативное значение | Действие при отклонении».
Шаг 2. Запустить и сравнить
Запустить промпт в выбранной нейросети или сравнить ответы двух доступных систем по пяти критериям арены. При необходимости уточнить запрос: убрать «воду», сосредоточиться на рисках. Длинная переписка — выжимка и новый чат.
Шаг 3. Проверить как эксперт — карточка проверки
- Есть ли в ответе выдумки или некорректные формулировки? Что именно исправлено?
- Соответствует ли формат исходному ТЗ?
- Какую выгоду по времени дал запрос? Например: вручную — 40 минут, ИИ — 30 секунд, правка — 3 минуты.
Критерии зачёта
- В промпте есть все пять элементов формулы.
- В данных нет ничего из «красной» зоны; «жёлтые» данные обезличены.
- Карточка проверки заполнена по всем трём вопросам, исправления названы конкретно.
Что показать
- Тренажёр «Светофор данных» (4 мин). 3–4 карточки голосованием руками: «Фрагмент открытого ГОСТа» (🟢), «Таблица реальных ТТХ» (🛑), «Заметки с совещания с фамилиями» (🟡), «Черновик договора с реквизитами» (🛑).
- Задание по шагам и шаблон промпта — кнопка «Копировать» на странице урока (3 мин).
- Чек-лист урока — показать, что отметки сохраняются, и попросить пройти его перед выполнением ДЗ.
- Файлы с синтетическими примерами — показать, где скачать (ниже на этой странице и на главной).
«Домашнее задание проверяет не нейросеть, а вас. Сдаёте не текст, который она написала, а карточку проверки: что вы в нём нашли и исправили, совпал ли формат с ТЗ и сколько времени сэкономили. И до первого запроса — светофор: ничего реального, только учебные данные».
💬 Рекомендуемая репликаРоль: Ты — [должность и экспертиза]. Контекст: [ситуация и обезличенные учебные данные]. Задача: [что конкретно сделать]. Ограничения: [чего делать нельзя; не придумывай параметры, которых нет в контексте]. Формат: [таблица / список / документ — с названиями колонок или разделов].
❓ Вопросы аудитории
- «Можно ли отправить заметки совещания, где упомянуты фамилии и поставщик?»Карточка «Заметки с совещания» в тренажёре.
- «Что сдаём по итогам задания?»
- Голосование тремя цветами: поднять руку «красный / жёлтый / зелёный» на каждую карточку.
- Про заметки — подсказка: «Суть задачи — сделать протокол. Нужны ли для этого настоящие фамилии?»
- Если группа сомневается в карточке — правило: «Сомневаетесь — считайте красным и спросите ответственного за безопасность».
Ключ преподавателя · ДЗ и светофор 10 карточек тренажёра
- 🟢 Фрагмент открытого ГОСТа · выдуманный журнал сбоев «насосной станции № 3» · шаблон письма без имён и реквизитов.
- 🟡 Заметки совещания с фамилиями и поставщиком · жалоба клиента с ФИО и номером заказа — обезличить и отправлять, только если правила организации допускают.
- 🛑 Реальные ТТХ из техпаспорта · скан записки с грифом «ДСП» · список сотрудников с телефонами и датами рождения · фото закрытого чертежа · договор с реальными реквизитами и суммами.
- Что сдаём: MEGA-промпт и заполненную карточку проверки из трёх вопросов.
Ловушки в синтетических файлах — на что смотреть в карточках проверки:
- Заметки совещания (промпт p10): решение менять подшипник своими силами в четверг отменено; ответственный за заявку на ремкомплект не назначен; цифр вибрации и бюджета на датчик в заметках нет. Если ИИ вписал отменённое решение, фамилию или цифры — это и есть найденная выдумка.
- Блок питания БП-12 (промпт p09): сопротивление изоляции и масса в описании не указаны. ИИ часто подставляет «типовые» значения или номер ГОСТа — такие места слушатель должен отметить.
- Сравнение реле (промпт p11): вариант Б дешевле и быстрее, но не проходит ТЗ по ресурсу (60 000 < 80 000) и нижней температуре (−25 при требовании −40). Если ИИ рекомендует Б как «оптимальный» — ошибка.
⚠️ Что остаётся за человекомНейросеть готовит черновик. Решение, проверка фактов и нормативов, ответственность за документ — у сотрудника. Ответ, который «звучит убедительно», — ещё не проверенный ответ. «Жёлтая зона» — только в рамках правил вашей организации.
Переход: «Проверим, что осталось в голове: три вопроса — голосуем руками».
Квиз, exit ticket и финал ⏱ 84–90 мин · 6 минут
Три вопроса квиза — вживую голосованием руками, остальные семь — самостоятельно после занятия. Затем одна фраза письменно и финальная реплика.
Что сделать
- Вживую (3 мин): вопрос 1 (что делает LLM), вопрос 8 (почему ответы разные), вопрос 10 (заметки с фамилиями). Голосование руками, затем «Проверить» на странице.
- Exit ticket (1 мин): письменно, в чат или на стикер — закончить фразу «Перед следующим запросом к нейросети я сначала…». Зачитать три первых ответа.
- Финал (1 мин): пять выводов «Что забрать с собой» и финальная реплика.
- Вопросы группы — оставшееся время.
«Нейросеть — быстрый, но фантазирующий стажёр. Ставьте ему чёткое ТЗ, не давайте секретов и проверяйте результат — тогда 40 минут ручной работы превращаются в 3 минуты правки».
💬 Финальная репликаКлюч преподавателя · ответы на квиз 10 вопросов
- LLM шаг за шагом выбирает наиболее вероятное продолжение текста — поэтому, если фактов нет, уверенно их додумывает.
- Три фактора прорывов: новые алгоритмы, мощность «железа» (GPU) и объёмы данных. Пример — AlexNet.
- Модели обучали в основном на английском, словари токенов лучше приспособлены к нему, и русские слова чаще дробятся. Шрифт ни при чём.
- Контекстное окно — ограниченный объём информации в токенах, который модель учитывает в одном диалоге: системные инструкции, история, файлы, запрос.
- Ключевую задачу и ограничения ставим в самый конец промпта — эффект «Lost in the Middle».
- Для договора с ПДн — разрешённый в организации российский сервис или локальная модель внутри контура. «Без VPN» ≠ «в контуре».
- Названия моделей в арене скрывают, чтобы оценка шла по качеству ответа, а не по бренду.
- Одинаковый промпт даёт разные ответы, потому что следующий токен выбирается жребием с учётом вероятностей.
- Близость в пространстве эмбеддингов — близость по смыслу: слова встречались в похожих контекстах.
- Заметки с фамилиями и названием поставщика — «жёлтая зона»: заменить на условные обозначения и отправлять, только если правила организации это допускают. Просьба «не запоминать» данные не защищает.
Если опережаете или отстаёте
План рассчитан на 90 минут без перерыва. Резервные демо уже есть на странице урока в блоках «Для любознательных» — их не нужно готовить отдельно.
⏩ Опережаете — добавить (по 2–3 минуты)
- Блок 4: «Как модель становится ассистентом», вкладка «Оценки людей» — голосование залом за ответ А или Б (+3 мин).
- Блок 4: «Рычаги генерации» — пресеты «Документы» и «Хаос» (+3 мин).
- Блок 3: «Порядок слов» — «Мать любит дочь» без меток позиций (+2 мин).
- Блок 5: оставшиеся задачи тренажёра «Какой инструмент нужен» (+3 мин).
- Блок 2: «Сбор и очистка данных» — откуда «английский акцент» (+2 мин).
⏪ Отстаёте — сократить
- Блок 2: вехи 1956, 1957, 1974 и 1980-е — одной фразой на всё (−3 мин).
- Блок 6: пропустить «Словарь токенов BPE» (−1 мин), «Систему 1 и 2» показать только с полным временем (−1 мин).
- Блок 8: справочник и настройки сервисов — только показать, где они (−3 мин).
- Блок 9: голосовать по двум критериям — формат и точность (−2 мин).
- Блок 10: светофор — две карточки (ТТХ и заметки совещания) (−2 мин).
- Блок 11: квиз целиком — самостоятельно после занятия (−3 мин).
Частые вопросы слушателей — и короткие ответы
Ответы в тоне урока: честно, без хайпа и с названной границей.
- «Можно загрузить наш регламент или отчёт в GigaChat?»
- Только открытый документ — или при разрешении организации и подходящих условиях обработки. Российский сервис не отменяет правил работы со служебной информацией. На курсе — только синтетика.
- «ИИ понимает, что пишет?»
- Модель вычисляет вероятности на основе закономерностей в текстах. Тест Тьюринга проверяет умение имитировать диалог, а не понимание. Отсюда и уверенные ошибки.
- «Почему на один и тот же вопрос ответы разные?»
- Следующий токен выбирается жребием с учётом вероятностей, а не всегда самый вероятный. Насколько смело — задаёт температура; в обычном чате её не настроить, это параметр API.
- «Если поставить низкую температуру, ответ станет правдивым?»
- Нет. Он станет предсказуемым: если фактов нет, модель будет раз за разом повторять одну и ту же выдумку.
- «Режим рассуждения включил — теперь можно не проверять?»
- Нет. Рассуждение помогает в логике и расчётах, но не подключает поиск и не проверяет факты: модель может безупречно рассуждать от выдуманной предпосылки.
- «Почему модель не говорит “я не знаю”?»
- Её учили на оценках, где гладкий полный ответ часто выигрывал у честного «не знаю». Новые модели признают незнание чаще, но не всегда. Помогает прямо написать в промпте: «если данных нет — так и скажи».
- «Почему модель забыла, о чём мы договорились в начале чата?»
- Длинная история не поместилась в контекстное окно или «потерялась в середине». Лечится выжимкой договорённостей и новым чатом.
- «Нейросеть учится на том, что я ей пишу?»
- Зависит от сервиса и настроек: у некоторых чатов есть параметры использования данных. Но правило курса не зависит от настроек — служебное и личное во внешние сервисы не отправляем.
- «А если ChatGPT не открывается?»
- Курс опирается на официально доступные сервисы, обход ограничений не рекомендуем. Для задач урока и ДЗ хватает GigaChat, Алисы AI и демо на странице.
- «ИИ заменит сотрудников?»
- На курсе ИИ готовит черновик, а решение, проверка и ответственность остаются за человеком. Выгода — в сэкономленных часах на черновик, а не в отказе от проверки.
- «Сколько это стоит?»
- В чатах — тариф сервиса. В API платят за входящие и исходящие токены: длинная история в каждом запросе заметно увеличивает расход.
Файлы для занятия и домашнего задания
Все данные синтетические: условные объекты, выдуманные параметры, обезличенные участники. Их можно загружать во внешние сервисы для учебных задач.