А ты действительно шаришь, чувак?
Сейчас я работаю на компанию из США, которая занимается разработкой большого проекта с помощью ИИ (что мы делаем - коммерческая тайна, бе бе бе ). Сейчас это моя основная работа, и у меня есть отличная возможность на своем опыте (а самое главное - за деньги компании) посмотреть на современные модели и на подходы к ИИ-разработке. Я каждый день вижу, какие модели сейчас в тренде, как с ними работают, какие приемы используют в большом проекте и что из этого получается на практике.
Параллельно я разрабатываю свои проекты на ИИ. Я не забрасываю проект code.mu и по-прежнему выпускаю новые учебники. Новые учебники я пишу с помощью ИИ: продумываю структуру, пишу уроки вместе с ИИ, и довожу все до готового вида. ИИ ускоряет написание учебников в десятки раз. И это очень круто! Всего за 1-2 дня работы на сайте появляется новый учебник, по которому уже можно заниматься.
Моя ежедневная работа связана с ИИ. По сути я каждый день нахожусь на фронтире - на самом пике современной разработки: я использую самые крутые новейшие модели, пробую на практике различные хитрые приемы ИИ-разработки и все это в рамках большого живого проекта! За это время я насмотрелся на кучу рабочих ситуаций и вынес оттуда большой ценный опыт, которым и буду делиться с вами:)
Погнали!
Сейчас я работаю на компанию из США, которая занимается разработкой большого проекта с помощью ИИ (
Параллельно я разрабатываю свои проекты на ИИ. Я не забрасываю проект code.mu и по-прежнему выпускаю новые учебники. Новые учебники я пишу с помощью ИИ: продумываю структуру, пишу уроки вместе с ИИ, и довожу все до готового вида. ИИ ускоряет написание учебников в десятки раз. И это очень круто! Всего за 1-2 дня работы на сайте появляется новый учебник, по которому уже можно заниматься.
Моя ежедневная работа связана с ИИ. По сути я каждый день нахожусь на фронтире - на самом пике современной разработки: я использую самые крутые новейшие модели, пробую на практике различные хитрые приемы ИИ-разработки и все это в рамках большого живого проекта! За это время я насмотрелся на кучу рабочих ситуаций и вынес оттуда большой ценный опыт, которым и буду делиться с вами:)
Погнали!
❤4
Расшифровка скучных терминов
В разговорах мы используем следующие близкие слова: ИИ и нейросеть. Разберемся, в чем же разница. Итак:
1.
ИИ расшифровывается как искусственный интеллект.
Искусственный - потому что это не человек и не живой разум, а программа, которую сделали люди. Интеллект - потому что она берет задачи, для которых человеку нужно думать: ответить на вопрос, написать текст, объяснить ошибку, собрать код.
Название появилось в 1956 году. Тогда поставили цель сделать машину, которая справляется с такими задачами. В то время с этой задачей не справились (не удивительно!), но слово прижилось.
2.
Нейросеть - это альтернативное название ИИ. Давайте разберемся, откуда взялось это название. Тут дело в том, что ИИ - это не просто программа. Точнее совсем и не программа! Обычные программы действуют по алгоритму и делают именно то, что написано в коде. Это и хорошо, и плохо. Хорошо тем, что обычная программа делает то, что ей сказали (и не делает другого!). А плохо то, что обычная программа не способна делать вещи, в которых нужно думать.
А вот ИИ способен решать такие задачи. Потому что внутри ИИ работает аналогично человеческому мозгу. Вы конечно же знаете, что мозг состоит из нейронов (если не спали на уроках биологии, как это делал я). Нейроны - это такие маленькие штучки в мозге, из которых тянутся нервы-проводки, по которым бегают электрические сигналы. И за счет этого у человека есть сознание, память, способность рассуждать и другие подобные способности.
По такому же принципу устроена и программа для ИИ. Конечно же, там нет реально существующих нейронов - их работу просто имитирует программа. Инженеры, как это часто бывает, не придумывали фичу сами, а подсмотрели как это сделано у природы.
Внутри ИИ не один нейрон, а целая сеть. Отсюда и название нейросеть. В обычной жизни сказать ИИ или сказать нейросеть - это практически одно и тоже.
В разговорах мы используем следующие близкие слова: ИИ и нейросеть. Разберемся, в чем же разница. Итак:
1.
ИИ расшифровывается как искусственный интеллект.
Искусственный - потому что это не человек и не живой разум, а программа, которую сделали люди. Интеллект - потому что она берет задачи, для которых человеку нужно думать: ответить на вопрос, написать текст, объяснить ошибку, собрать код.
Название появилось в 1956 году. Тогда поставили цель сделать машину, которая справляется с такими задачами. В то время с этой задачей не справились (не удивительно!), но слово прижилось.
2.
Нейросеть - это альтернативное название ИИ. Давайте разберемся, откуда взялось это название. Тут дело в том, что ИИ - это не просто программа. Точнее совсем и не программа! Обычные программы действуют по алгоритму и делают именно то, что написано в коде. Это и хорошо, и плохо. Хорошо тем, что обычная программа делает то, что ей сказали (и не делает другого!). А плохо то, что обычная программа не способна делать вещи, в которых нужно думать.
А вот ИИ способен решать такие задачи. Потому что внутри ИИ работает аналогично человеческому мозгу. Вы конечно же знаете, что мозг состоит из нейронов (если не спали на уроках биологии, как это делал я). Нейроны - это такие маленькие штучки в мозге, из которых тянутся нервы-проводки, по которым бегают электрические сигналы. И за счет этого у человека есть сознание, память, способность рассуждать и другие подобные способности.
По такому же принципу устроена и программа для ИИ. Конечно же, там нет реально существующих нейронов - их работу просто имитирует программа. Инженеры, как это часто бывает, не придумывали фичу сами, а подсмотрели как это сделано у природы.
Внутри ИИ не один нейрон, а целая сеть. Отсюда и название нейросеть. В обычной жизни сказать ИИ или сказать нейросеть - это практически одно и тоже.
🫡3
Еще более скучные термины
В прошлый раз мы разобрались, что ИИ и нейросеть - это почти одно и то же. Но если копнуть глубже, то всплывают еще более скучные слова: модель, LLM, GPT. Давайте разберемся и с ними.
Но сначала - небольшая аналогия.
Человек рождается с уже готовым набором нейронов. Но младенцы, как вы знаете, глупенькие: они не умеют ни говорить, ни ходить, ни решать задачки по математике. Просто набор нейронов ничего не дает - его нужно обучить. Родители, садик, школа, институт, жизненный опыт - и только тогда из младенца получается что-то путное (и то не факт).
С ИИ ровно та же история. Нейросеть «рождается» глупой. Это просто набор математических формул, которые имитируют нейроны. Сами по себе они не умеют ничего. Чтобы ИИ начал отвечать на вопросы и писать тексты, его нужно обучить. Показать миллионы примеров, дать ему «прочитать» горы текстов, поправить ошибки - и только после этого он начинает что-то уметь.
А теперь к скучным терминам.
1. Модель
Над созданием ИИ работают разные компании. Среди них: OpenAI, Anthropic, Google, xAI, Meta, DeepSeek. Каждая компания создает свой ИИ, обучает его и выпускает на рынок.
Вот этот конкретный обученный ИИ от конкретной компании и называется модель.
Например:
- OpenAI выпустила модель ChatGPT.
- Anthropic выпустила Claude.
- Google выпустила Gemini.
- xAI выпустила Grok.
- Meta выпустила Llama.
- DeepSeek выпустила DeepSeek.
Догадайтесь, у кого в этом ряду плохо с фантазией!
То есть когда мы говорим «я пользуюсь ChatGPT» или «я спросил у Claude», мы имеем в виду конкретную модель.
Но есть и второй смысл. Компания обучила модель, выпустила ее на рынок - и тут же начинает работать над следующей, более умной версией. У ChatGPT были версии: GPT-3, GPT-3.5, GPT-4, GPT-4o и так далее. Каждый такой выпуск - это тоже модель.
Получается, слово «модель» живет в двух смыслах:
- в широком: модель - это конкретный ИИ от конкретной компании (ChatGPT, Claude, Gemini).
- в узком: модель - это конкретная обученная версия этого ИИ (GPT-4, GPT-4o, Claude 3.5 Sonnet).
2. LLM
LLM расшифровывается как Large Language Model - «большая языковая модель».
Разберем по словам:
- Large - большая. Потому что внутри такой модели миллиарды, а то и триллионы параметров. Это как миллиарды «ручек», которые можно крутить, чтобы настроить модель на нужное поведение.
- Language - языковая. Потому что она работает с языком: текстом, словами, предложениями.
- Model - модель. Ну, тут мы уже разобрались.
Проще говоря, LLM - это уточнение. Не просто модель, а именно языковая модель, которая умеет работать с текстом. ChatGPT, Claude, Gemini - все это LLM.
3. GPT
GPT расшифровывается как Generative Pre-trained Transformer - «генеративный предобученный трансформер».
Звучит страшно, но давайте по частям:
- Generative - генеративный. То есть модель не просто выбирает ответ из готового списка, а генерирует его: составляет текст слово за словом.
- Pre-trained - предобученный. То есть модель сначала обучают на огромном количестве текстов, прежде чем выпустить. Это как «базовое образование», которое получает любой ИИ.
- Transformer - трансформер. Это название архитектуры нейросети. В 2017 году вышла статья «Attention is All You Need», где предложили эту архитектуру. Она оказалась настолько удачной, что почти все современные LLM построены на ней.
Итак, GPT - это не просто модель, а модель конкретного типа: генеративная, предобученная и построенная на трансформерах. ChatGPT - это продукт от OpenAI, который работает на моделях семейства GPT.
Итого:
- Модель - конкретный обученный ИИ от конкретной компании (ChatGPT, Claude, Gemini).
- LLM - большая языковая модель, то есть модель, которая работает с текстом.
- GPT - генеративная предобученная модель на архитектуре трансформер.
Если в прошлый раз мы выяснили, что ИИ и нейросеть - это почти одно и то же, то теперь можно сказать так: ChatGPT - это модель, которая является LLM, построенной на архитектуре GPT.
В прошлый раз мы разобрались, что ИИ и нейросеть - это почти одно и то же. Но если копнуть глубже, то всплывают еще более скучные слова: модель, LLM, GPT. Давайте разберемся и с ними.
Но сначала - небольшая аналогия.
Человек рождается с уже готовым набором нейронов. Но младенцы, как вы знаете, глупенькие: они не умеют ни говорить, ни ходить, ни решать задачки по математике. Просто набор нейронов ничего не дает - его нужно обучить. Родители, садик, школа, институт, жизненный опыт - и только тогда из младенца получается что-то путное (и то не факт).
С ИИ ровно та же история. Нейросеть «рождается» глупой. Это просто набор математических формул, которые имитируют нейроны. Сами по себе они не умеют ничего. Чтобы ИИ начал отвечать на вопросы и писать тексты, его нужно обучить. Показать миллионы примеров, дать ему «прочитать» горы текстов, поправить ошибки - и только после этого он начинает что-то уметь.
А теперь к скучным терминам.
1. Модель
Над созданием ИИ работают разные компании. Среди них: OpenAI, Anthropic, Google, xAI, Meta, DeepSeek. Каждая компания создает свой ИИ, обучает его и выпускает на рынок.
Вот этот конкретный обученный ИИ от конкретной компании и называется модель.
Например:
- OpenAI выпустила модель ChatGPT.
- Anthropic выпустила Claude.
- Google выпустила Gemini.
- xAI выпустила Grok.
- Meta выпустила Llama.
- DeepSeek выпустила DeepSeek.
То есть когда мы говорим «я пользуюсь ChatGPT» или «я спросил у Claude», мы имеем в виду конкретную модель.
Но есть и второй смысл. Компания обучила модель, выпустила ее на рынок - и тут же начинает работать над следующей, более умной версией. У ChatGPT были версии: GPT-3, GPT-3.5, GPT-4, GPT-4o и так далее. Каждый такой выпуск - это тоже модель.
Получается, слово «модель» живет в двух смыслах:
- в широком: модель - это конкретный ИИ от конкретной компании (ChatGPT, Claude, Gemini).
- в узком: модель - это конкретная обученная версия этого ИИ (GPT-4, GPT-4o, Claude 3.5 Sonnet).
2. LLM
LLM расшифровывается как Large Language Model - «большая языковая модель».
Разберем по словам:
- Large - большая. Потому что внутри такой модели миллиарды, а то и триллионы параметров. Это как миллиарды «ручек», которые можно крутить, чтобы настроить модель на нужное поведение.
- Language - языковая. Потому что она работает с языком: текстом, словами, предложениями.
- Model - модель. Ну, тут мы уже разобрались.
Проще говоря, LLM - это уточнение. Не просто модель, а именно языковая модель, которая умеет работать с текстом. ChatGPT, Claude, Gemini - все это LLM.
3. GPT
GPT расшифровывается как Generative Pre-trained Transformer - «генеративный предобученный трансформер».
Звучит страшно, но давайте по частям:
- Generative - генеративный. То есть модель не просто выбирает ответ из готового списка, а генерирует его: составляет текст слово за словом.
- Pre-trained - предобученный. То есть модель сначала обучают на огромном количестве текстов, прежде чем выпустить. Это как «базовое образование», которое получает любой ИИ.
- Transformer - трансформер. Это название архитектуры нейросети. В 2017 году вышла статья «Attention is All You Need», где предложили эту архитектуру. Она оказалась настолько удачной, что почти все современные LLM построены на ней.
Итак, GPT - это не просто модель, а модель конкретного типа: генеративная, предобученная и построенная на трансформерах. ChatGPT - это продукт от OpenAI, который работает на моделях семейства GPT.
Итого:
- Модель - конкретный обученный ИИ от конкретной компании (ChatGPT, Claude, Gemini).
- LLM - большая языковая модель, то есть модель, которая работает с текстом.
- GPT - генеративная предобученная модель на архитектуре трансформер.
Если в прошлый раз мы выяснили, что ИИ и нейросеть - это почти одно и то же, то теперь можно сказать так: ChatGPT - это модель, которая является LLM, построенной на архитектуре GPT.
❤2🕊2
Немного интерактива!
А теперь проверим, внимательно ли вы прочитали! Ниже - несколько вопросов по мотивам прошлых постов. Отвечайте в комментариях, не подглядывая! Так мы и узнаем, кто разглядывал картинки, а кто читал умные слова!
Ха-ха-ха, а вы думали вы будете просто читать и чилить? Вы же меня знаете, я мастер по составлению задачек! Дальше будет еще веселее!!
Итак, вопросы:
1.
ИИ и нейросеть - это одно и то же или нет?
2.
ИИ и модель - это одно и то же или нет?
3.
Модель и LLM - это одно и то же или нет?
4.
LLM и GPT - это одно и то же или нет?
5.
Какая компания сделала модель ChatGPT?
6.
Какая компания сделала модель Claude?
7.
Какая компания сделала модель Gemini?
8.
Какая компания сделала модель Grok?
9.
Какая компания сделала модель DeepSeek?
10.
ChatGPT - это GPT?
11.
Claude - это GPT?
12.
Что такое LLM?
13.
Что такое GPT?
14.
GPT-4o - это модель в широком или в узком смысле?
15.
Может ли обычная программа, без ИИ, решить задачу, в которой нужно думать?
16.
Что появилось раньше: термин «искусственный интеллект» или архитектура трансформер?
17.
Нейросеть состоит из реальных нейронов или из их имитации?
18.
В каком году появился термин «искусственный интеллект»?
19.
Найдите лишнее: OpenAI, Anthropic, Google, ChatGPT, xAI, DeepSeek.
20.
Что означает буква L в аббревиатуре LLM?
21.
Что означает буква L в аббревиатуре LLM?
22.
Что означает буква M в аббревиатуре LLM?
23.
Что означает буква G в аббревиатуре GPT?
22.
Может ли набор нейронов без обучения отвечать на вопросы?
23.
Чем модель в широком смысле отличается от модели в узком смысле?
---
Пишите свои ответы в комментариях!
А теперь проверим, внимательно ли вы прочитали! Ниже - несколько вопросов по мотивам прошлых постов. Отвечайте в комментариях, не подглядывая! Так мы и узнаем, кто разглядывал картинки, а кто читал умные слова!
Итак, вопросы:
1.
ИИ и нейросеть - это одно и то же или нет?
2.
ИИ и модель - это одно и то же или нет?
3.
Модель и LLM - это одно и то же или нет?
4.
LLM и GPT - это одно и то же или нет?
5.
Какая компания сделала модель ChatGPT?
6.
Какая компания сделала модель Claude?
7.
Какая компания сделала модель Gemini?
8.
Какая компания сделала модель Grok?
9.
Какая компания сделала модель DeepSeek?
10.
ChatGPT - это GPT?
11.
Claude - это GPT?
12.
Что такое LLM?
13.
Что такое GPT?
14.
GPT-4o - это модель в широком или в узком смысле?
15.
Может ли обычная программа, без ИИ, решить задачу, в которой нужно думать?
16.
Что появилось раньше: термин «искусственный интеллект» или архитектура трансформер?
17.
Нейросеть состоит из реальных нейронов или из их имитации?
18.
В каком году появился термин «искусственный интеллект»?
19.
Найдите лишнее: OpenAI, Anthropic, Google, ChatGPT, xAI, DeepSeek.
20.
Что означает буква L в аббревиатуре LLM?
21.
Что означает буква L в аббревиатуре LLM?
22.
Что означает буква M в аббревиатуре LLM?
23.
Что означает буква G в аббревиатуре GPT?
22.
Может ли набор нейронов без обучения отвечать на вопросы?
23.
Чем модель в широком смысле отличается от модели в узком смысле?
---
Пишите свои ответы в комментариях!
🤗3
Знайте героев в лицо!
Вот вы читаете в новостях: «Сэм Альтман придумал...», «Илон Маск запустил...», «Цукерберг выкатил...». И тут возникает резонный вопрос: а кто все эти люди и к каким компаниям они относятся?
Теперь у вас есть шпаргалка. Почитайте, чтобы в следующий раз, когда увидите новость про очередной ИИ, вы сразу понимали, о ком речь и какую модель они выпустили.
Вот наши герои:
- Сэм Альтман - компания OpenAI, модель ChatGPT.
- Дарио Амодей - компания Anthropic, модель Claude.
- Сундар Пичаи - компания Google, модель Gemini.
- Илон Маск - компания xAI, модель Grok.
- Марк Цукерберг - компания Meta, модель Llama.
- Лян Вэньфэн - компания DeepSeek, модель DeepSeek.
Вот вы читаете в новостях: «Сэм Альтман придумал...», «Илон Маск запустил...», «Цукерберг выкатил...». И тут возникает резонный вопрос: а кто все эти люди и к каким компаниям они относятся?
Теперь у вас есть шпаргалка. Почитайте, чтобы в следующий раз, когда увидите новость про очередной ИИ, вы сразу понимали, о ком речь и какую модель они выпустили.
Вот наши герои:
- Сэм Альтман - компания OpenAI, модель ChatGPT.
- Дарио Амодей - компания Anthropic, модель Claude.
- Сундар Пичаи - компания Google, модель Gemini.
- Илон Маск - компания xAI, модель Grok.
- Марк Цукерберг - компания Meta, модель Llama.
- Лян Вэньфэн - компания DeepSeek, модель DeepSeek.
🔥3
Что такое промт?
Промт - это ваш запрос к ИИ. Когда вы что-то пишете в чате ИИ и просите его что-то сделать, это и есть промт. Слово происходит от английского слова «prompt» и буквально так и переводится - «запрос».
То есть мы общаемся с ИИ промтами. Мы ему запрос - он нам ответ. Если ответ нам не понравился, мы корректируем его следующим промтом и так далее.
Собственно промт - это основа всего. И составлять промты это целое искусство, которому нужно учится (и далее на канале мы постепенно и будем это делать). Если промт правильно составлен, то вероятность того, что ИИ решит вашу задачу с первого раза высока. А если промт очень короткий или, хуже того, противоречит сам себе, то и результат будет аналогичный.
Давайте пока не будем глубоко вникать в искусство промтинга, а пока просто посмотрим на примеры промтов, чтобы понимать о чем речь.
Вот несколько вариантов:
Слабые промты
Это то, что пишет большинство людей. Коротко, по делу, без лишних деталей.
- «Расскажи анекдот про кота»
- «Объясни, почему небо голубое»
- «Напиши поздравление с днем рождения»
- «Переведи на английский: я хочу спать»
Такие промты работают. ИИ что-то ответит. Но результат будет непредсказуемым: может быть хорошо, а может быть так себе. Потому что вы не сказали, чего именно хотите.
Сильные промты
Это когда вы подробно объясняете, что вам нужно. Чем больше деталей, тем лучше результат.
Например, вместо «напиши текст про кота» можно написать:
«Напиши смешной текст про кота на 3 абзаца. Стиль - как у блогера. Кот должен быть ленивым, но при этом считать себя гением. Добавь диалог с хозяином».
Разница очевидна. В первом случае ИИ сам додумывает, что вы имели в виду. Во втором - вы уже задали рамки, и ему проще попасть в цель.
Программистские промты
Пример простого программистского промта:
«Напиши функцию на Python, которая складывает два числа».
ИИ напишет. Но это будет базовый вариант.
А теперь сложный промт:
«Напиши функцию на Python, которая принимает список чисел и возвращает их сумму. Функция должна обрабатывать пустой список и возвращать 0. Добавь обработку ошибок, если на вход пришел не список. Напиши docstring и пример использования. Код должен соответствовать PEP 8».
Чувствуете разницу? Во втором случае вы не просто просите код, а ставите конкретные требования. И ИИ выдает именно то, что нужно.
Еще пример. Вместо «почему мой код не работает» лучше написать:
«У меня есть код на Python. Он должен считать факториал числа, но выдает ошибку. Вот код: [код]. Объясни, в чем ошибка, и предложи исправленный вариант».
Так ИИ не будет гадать, что у вас там за код. Он увидит его и сразу даст ответ.
Промт - это ваш запрос к ИИ. Когда вы что-то пишете в чате ИИ и просите его что-то сделать, это и есть промт. Слово происходит от английского слова «prompt» и буквально так и переводится - «запрос».
То есть мы общаемся с ИИ промтами. Мы ему запрос - он нам ответ. Если ответ нам не понравился, мы корректируем его следующим промтом и так далее.
Собственно промт - это основа всего. И составлять промты это целое искусство, которому нужно учится (и далее на канале мы постепенно и будем это делать). Если промт правильно составлен, то вероятность того, что ИИ решит вашу задачу с первого раза высока. А если промт очень короткий или, хуже того, противоречит сам себе, то и результат будет аналогичный.
Давайте пока не будем глубоко вникать в искусство промтинга, а пока просто посмотрим на примеры промтов, чтобы понимать о чем речь.
Вот несколько вариантов:
Слабые промты
Это то, что пишет большинство людей. Коротко, по делу, без лишних деталей.
- «Расскажи анекдот про кота»
- «Объясни, почему небо голубое»
- «Напиши поздравление с днем рождения»
- «Переведи на английский: я хочу спать»
Такие промты работают. ИИ что-то ответит. Но результат будет непредсказуемым: может быть хорошо, а может быть так себе. Потому что вы не сказали, чего именно хотите.
Сильные промты
Это когда вы подробно объясняете, что вам нужно. Чем больше деталей, тем лучше результат.
Например, вместо «напиши текст про кота» можно написать:
«Напиши смешной текст про кота на 3 абзаца. Стиль - как у блогера. Кот должен быть ленивым, но при этом считать себя гением. Добавь диалог с хозяином».
Разница очевидна. В первом случае ИИ сам додумывает, что вы имели в виду. Во втором - вы уже задали рамки, и ему проще попасть в цель.
Программистские промты
Пример простого программистского промта:
«Напиши функцию на Python, которая складывает два числа».
ИИ напишет. Но это будет базовый вариант.
А теперь сложный промт:
«Напиши функцию на Python, которая принимает список чисел и возвращает их сумму. Функция должна обрабатывать пустой список и возвращать 0. Добавь обработку ошибок, если на вход пришел не список. Напиши docstring и пример использования. Код должен соответствовать PEP 8».
Чувствуете разницу? Во втором случае вы не просто просите код, а ставите конкретные требования. И ИИ выдает именно то, что нужно.
Еще пример. Вместо «почему мой код не работает» лучше написать:
«У меня есть код на Python. Он должен считать факториал числа, но выдает ошибку. Вот код: [код]. Объясни, в чем ошибка, и предложи исправленный вариант».
Так ИИ не будет гадать, что у вас там за код. Он увидит его и сразу даст ответ.
👌3👍2❤1
Проблемы промтов
Кажется, что любую задачу можно решить с первого раза, просто написав очень точный промт. К сожалению, в настоящее время это не так. Все ИИ имеют фундаментальную проблему: они ленятся. Если что-то написано в вашем промте, далеко не факт что это будет сделано. ИИ может тупо проигнорировать часть промта. А может применить промт не во всех местах, где нужно. При этом он бодро отрапартует, что все, дескать, сделал!
В этом отличие ИИ от обычных программ. В обычной программе, если ты написал команду - она точно будет выполнена. Если же ты дашь команду ИИ, то он может выполнит ее, а может и нет. Под настроение:)
Знакомая ситуация?) Напишите в комментариях!
Кажется, что любую задачу можно решить с первого раза, просто написав очень точный промт. К сожалению, в настоящее время это не так. Все ИИ имеют фундаментальную проблему: они ленятся. Если что-то написано в вашем промте, далеко не факт что это будет сделано. ИИ может тупо проигнорировать часть промта. А может применить промт не во всех местах, где нужно. При этом он бодро отрапартует, что все, дескать, сделал!
В этом отличие ИИ от обычных программ. В обычной программе, если ты написал команду - она точно будет выполнена. Если же ты дашь команду ИИ, то он может выполнит ее, а может и нет. Под настроение:)
Знакомая ситуация?) Напишите в комментариях!
👎1
СЛАБЫЙ ПРОМТ vs СИЛЬНЫЙ ПРОМТ
Начнем тренироваться составлять более подробные промты. Ниже вам будут предложены задачи со слабыми промтами, а вам нужно будет переделать их в сильные и проверить в чате с реальным ИИ.
Пример слабого промта:
«сделай логотип»
Переделаем на сильный:
«Разработай концепцию логотипа для детской пекарни. Стиль - минимализм, тёплые цвета (бежевый, коралловый). Основной элемент — крендель в виде улыбки. Логотип должен вызывать чувство уюта и доверия. Опиши 3 варианта с обоснованием».
А теперь попробуйте сами:
1. Дан промт: «напиши текст про кота». Автор промта хотел: получить смешной пост для соцсетей от лица кота-философа. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
2. Дан промт: «сделай сайт». Автор промта хотел: одностраничник для кофейни с меню и формой записи. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
3. Дан промт: «напиши пост». Автор промта хотел: пост в LinkedIn о запуске стартапа в формате истории с выводом. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
4. Дан промт: «составь план тренировок». Автор промта хотел: план на месяц для новичка, 3 раза в неделю, дома, без оборудования. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
5. Дан промт: «переведи текст». Автор промта хотел: перевод статьи с английского на русский с сохранением научного стиля и терминов. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
6. Дан промт: «придумай имя». Автор промта хотел: название для бренда экологичной косметики, женское, звучное, не занятое. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
7. Дан промт: «напиши письмо». Автор промта хотел: вежливый отказ клиенту с предложением альтернативы. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
8. Дан промт: «сделай конспект». Автор промта хотел: краткий конспект лекции на 1 страницу с выделением ключевых терминов. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
9. Дан промт: «напиши сценарий». Автор промта хотел: сценарий рекламного ролика на 30 секунд для фитнес-клуба. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
10. Дан промт: «составь меню». Автор промта хотел: меню на неделю для семьи из 4 человек с бюджетом 5000 рублей. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
11. Дан промт: «объясни тему». Автор промта хотел: объяснение фотосинтеза для школьника 10 лет с примерами из жизни. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
12. Дан промт: «напиши отзыв». Автор промта хотел: честный отзыв о книге в 3 абзаца с плюсами и минусами. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
13. Дан промт: «придумай вопрос». Автор промта хотел: 5 вопросов для интервью с дизайнером интерьеров. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
14. Дан промт: «сделай описание товара». Автор промта хотел: описание беспроводных наушников для маркетплейса с акцентом на преимущества. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
15. Дан промт: «напиши поздравление». Автор промта хотел: поздравление коллеге с юбилеем в стихах, доброе и с юмором. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
Напишите ваши ответы в комментариях!
Начнем тренироваться составлять более подробные промты. Ниже вам будут предложены задачи со слабыми промтами, а вам нужно будет переделать их в сильные и проверить в чате с реальным ИИ.
Пример слабого промта:
«сделай логотип»
Переделаем на сильный:
«Разработай концепцию логотипа для детской пекарни. Стиль - минимализм, тёплые цвета (бежевый, коралловый). Основной элемент — крендель в виде улыбки. Логотип должен вызывать чувство уюта и доверия. Опиши 3 варианта с обоснованием».
А теперь попробуйте сами:
1. Дан промт: «напиши текст про кота». Автор промта хотел: получить смешной пост для соцсетей от лица кота-философа. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
2. Дан промт: «сделай сайт». Автор промта хотел: одностраничник для кофейни с меню и формой записи. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
3. Дан промт: «напиши пост». Автор промта хотел: пост в LinkedIn о запуске стартапа в формате истории с выводом. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
4. Дан промт: «составь план тренировок». Автор промта хотел: план на месяц для новичка, 3 раза в неделю, дома, без оборудования. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
5. Дан промт: «переведи текст». Автор промта хотел: перевод статьи с английского на русский с сохранением научного стиля и терминов. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
6. Дан промт: «придумай имя». Автор промта хотел: название для бренда экологичной косметики, женское, звучное, не занятое. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
7. Дан промт: «напиши письмо». Автор промта хотел: вежливый отказ клиенту с предложением альтернативы. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
8. Дан промт: «сделай конспект». Автор промта хотел: краткий конспект лекции на 1 страницу с выделением ключевых терминов. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
9. Дан промт: «напиши сценарий». Автор промта хотел: сценарий рекламного ролика на 30 секунд для фитнес-клуба. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
10. Дан промт: «составь меню». Автор промта хотел: меню на неделю для семьи из 4 человек с бюджетом 5000 рублей. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
11. Дан промт: «объясни тему». Автор промта хотел: объяснение фотосинтеза для школьника 10 лет с примерами из жизни. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
12. Дан промт: «напиши отзыв». Автор промта хотел: честный отзыв о книге в 3 абзаца с плюсами и минусами. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
13. Дан промт: «придумай вопрос». Автор промта хотел: 5 вопросов для интервью с дизайнером интерьеров. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
14. Дан промт: «сделай описание товара». Автор промта хотел: описание беспроводных наушников для маркетплейса с акцентом на преимущества. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
15. Дан промт: «напиши поздравление». Автор промта хотел: поздравление коллеге с юбилеем в стихах, доброе и с юмором. Доработайте промт, чтобы он лучше соответствовал тому, что хотел автор. Проверьте ваш промт в чате с ИИ.
Напишите ваши ответы в комментариях!
🔥1