L0 Открытый урок · Введение
L0.1. Карта AI: AI, ML, DL, GenAI, LLM и агент
Как вложены друг в друга AI, ML, глубокое обучение, GenAI и LLM, чем агент отличается от модели и почему AI-система вероятностна. Практикум на 10 продуктах.
- Объём
- 2 урока · 3 часа
- Компетенции
- AI-FUND-01·F, AI-FUND-02·F
Слова, которые путают чаще всего
Эти понятия вложены друг в друга, как матрёшки:
| Понятие | Что это | Пример |
|---|---|---|
| AI (искусственный интеллект) | любая система, решающая задачи, которые обычно требуют человеческого мышления | шахматная программа, навигатор, чат-ассистент |
| ML (машинное обучение) | часть AI: правила не пишут вручную, а извлекают из данных | спам-фильтр, который научился на миллионах писем |
| DL (глубокое обучение) | часть ML: нейросети из многих слоёв | распознавание лиц в телефоне |
| GenAI (генеративный AI) | модели, которые создают новое: текст, картинки, звук, код | генератор изображений, чат-ассистент |
| Foundation model (базовая модель) | большая модель, обученная на огромном объёме данных «для всего»; на её основе делают продукты | модель, на которой построено множество чат-ботов |
| LLM (большая языковая модель) | базовая модель для текста: по началу текста предсказывает продолжение | модель внутри чат-ассистента |
| AI-агент | система, которая не только отвечает, но и действует: выбирает инструменты, делает шаги, проверяет результат | ассистент, который сам ищет в интернете, заполняет таблицу и отправляет отчёт |
Запомните одну цепочку: AI ⊃ ML ⊃ DL ⊃ GenAI, а LLM — самый известный вид GenAI. Агент — это не новый вид модели, а система вокруг модели: модель + инструменты + цикл «подумать → сделать → проверить».
Где кончается обычная программа
Обычная программа детерминирована: один и тот же вход — один и тот же выход. Калькулятор на 2 + 2 всегда ответит 4. Если ответил иначе — это ошибка, её можно найти и исправить в коде.
AI-система вероятностна: она выдаёт наиболее правдоподобный ответ, а не «вычисленный». Задайте чат-ассистенту один вопрос дважды — формулировки будут разными. Это не поломка, а свойство.
Отсюда три следствия, которые пройдут через весь курс:
- Данные — это спецификация. Поведение ML-системы определяется не только кодом, но и тем, на чём она училась. Плохие данные — плохая система, даже при идеальном коде.
- Проверка «равно эталону» не работает. Правильных ответов на «напиши письмо» много. Поэтому качество AI измеряют иначе — набором проверок (это называется evals, вы их встретите на уровне L3).
- Ошибки неизбежны. Вопрос не «ошибается ли», а «как часто, в чём и что мы делаем, когда ошибается».
Практикум: классифицируйте 10 продуктов
Для каждого пункта ответьте: это AI или нет? Если да — ML, DL, GenAI/LLM или агент? Одной фразой — почему.
- Спам-фильтр в почте
- Калькулятор ипотеки на сайте банка
- Чат-ассистент, отвечающий на вопросы
- Онлайн-переводчик
- Разблокировка телефона по лицу
- Генератор картинок по описанию
- Будильник, звонящий в 7:00
- Подборка «вам может понравиться» в видеосервисе
- Ассистент, который по просьбе «найди три отеля и сравни цены» сам открывает сайты и собирает таблицу
- Автодополнение кода в редакторе программиста
Подсказка: в списке есть пункты, которые не являются AI, и спорные случаи. Важна логика обоснования, а не ярлык. Разбор ответов — на занятии с преподавателем.