Главная мысль
- Большие языковые модели это системы распознавания закономерностей (Pattern Recognition Systems), а не искусственный интеллект в бытовом понимании; именно неверный фрейминг с 1968 года порождает провалы бизнеса при внедрении.
- Когда предпринимателям объясняют суть LLM через термин pattern recognition, они начинают применять модели в задачах, где сильна их реальная суперсила — поиск паттернов.
- Относитесь к любой LLM как к «молотку для забивания гвоздей», а не как к «самостроителю домов»: так сразу видно, где инструмент даст точную пользу, а где бесполезен.
Ошибка, которой больше 50 лет
Уже третий год я прохожу бизнес-программы Кембриджского университета, и в рамках этой программы в этом году я выбрал курс по искусственному интеллекту. И после первой серии лекций меня посетил инсайт, который кардинально изменил моё отношение к искусственному интеллекту.
Короткое предисловие. Учёные в Кембридже опросили огромное количество бизнесов для того, чтобы выявить, с какими проблемами в использовании искусственного интеллекта бизнесы сталкивались. Они составили список основных проблем и дальше начали думать, почему все эти проблемы возникли. И оказалось, что они возникли не потому, что системы искусственного интеллекта плохие, или люди глупые, или бизнесы не такие.
Основная причина, почему возникали проблемы, — в неправильном понимании сути систем больших языковых моделей, Large Language Models. И оказалось, что ошибка возникла ещё в 1968 году. Много-много десятков лет назад. Когда учёные, которые работали над кибернетическими системами, ещё тогда, ещё когда не было больших языковых моделей, когда они работали над системами предсказания данных. И систему, которую следовало бы назвать Pattern Recognition System, или система распознавания закономерностей, из-за амбиций учёных было названо искусственным интеллектом.
И вот спустя более чем 50 лет мы имеем мощные современные системы распознавания закономерностей. Pattern Recognition Systems. Вы знаете эти системы. Это ChatGPT, Gemini, Perplexity, Claude, DeepSeek и так далее.
Но из-за амбициозности учёных, которые назвали прототип своего изобретения громче, чем следовало бы, мы называем эти системы системами искусственного интеллекта. И это название так прижилось, что мы этим системам предъявляем требования, как будто бы к искусственному интеллекту. И отсюда начинаются проблемы, когда бизнес думает: ну это же интеллект, значит, пусть он с моими клиентами общается. Это же интеллект, значит, пусть он продаёт за меня. Это же интеллект, значит, пусть он сам анализирует.
Но на самом деле, фундаментально, и даже если мы посмотрим описание языковых моделей, это не что иное, как система распознавания паттернов. Система распознавания закономерностей в тексте, аудио, видео, коде, цифрах, в чём угодно.
Что меняется, когда называешь вещи своими именами
И когда эти же кембриджские учёные провели второй раунд опроса предпринимателей, в котором заменили слова «искусственный интеллект» на pattern recognition system, систему распознавания закономерностей, и задали вопрос, как бы вы её использовали в бизнесе, — оказалось, что при правильном понимании сути инструмента люди начинают применять его в тех сферах, в которых он даёт максимальную эффективность.
То есть смотрите, что произошло. Вот у нас есть, скажем, молоток и гвозди. Но представьте, что по какой-то причине люди назвали молоток и гвозди «самостроителем». Что это инструмент, который сам строит дома. И вот приходит новое поколение людей, которые не знали об этом нюансе. Берут в руки молоток-гвозди и, не зная, как его применять, начинают молотки ложить вместо кирпичей. Ну, он же называется «самостроитель». Или кидают молоток вверх и ждут, что что-то произойдёт, построится дом. То есть они, не зная, как использовать, используют этот инструмент по его названию. «Самостроитель дома». А дом не строится. И ничего не получается.
Но как только этим людям говорят: «Друзья, это не самостроитель дома. Это, на самом деле, молоток, которым забивать гвозди нужно», — тогда всё становится на свои места. И сразу находится оптимальное применение этого самого инструмента.
Точно так же с искусственным интеллектом. Уж раз мы его уже так называем, давайте называть. Но всегда помни, что это система распознавания закономерностей. И именно эта суперсила даёт возможность использовать нам с вами, предпринимателям, любую LLM-систему как усилитель нашего бизнеса. Это та система, которая может найти паттерны, закономерности в поведении наших пользователей. В том, как они покупают. В том, как наши конкуренты действуют. Как рынок действует.
Где эта суперсила действительно работает
Именно на основе системы распознавания закономерностей построены такие корпоративные системы, как оракулы. Которые позволяют анализировать работу рынка в целом. Но, согласитесь, ведь систему распознавания закономерностей мы бы не стали давать ей возможность общаться с нашими клиентами или продавать наши товары. Ведь это всего лишь система распознавания закономерностей. А систему искусственного интеллекта, конечно же, мы бы поставили.
Поэтому мой главный инсайт из первого цикла лекций, который прямо очень явно продемонстрировал корень большинства проблем. Называйте, как хотите, ChatGPT, искусственным интеллектом, большой языковой моделью, как угодно. Но всегда помните, что это всего-навсего система распознавания закономерностей на стероидах. Или, как на английском её называют, pattern recognition system on steroids. И тогда способы, мысли, которые у нас возникают, чтобы эту систему использовать, становятся более ясными, точными. И мы сразу же начинаем понимать, где с максимальной хирургической точностью эта система нам поможет. А где она станет бесполезной.
Числа из выпуска
- 138 — номер выпуска
- 3 — третий год обучения по бизнес-программе Кембриджского университета
- 1968 — год, когда систему распознавания закономерностей назвали искусственным интеллектом
- 50+ — более пятидесяти лет прошло до появления современных LLM
Слушать дальше: 130. Искусственный интеллект как катализатор маркетинга · 133. AI революция в маркетинге · 140. Большая ложь про AI: что на самом деле умеют нейросети?