Что такое ИИ простыми словами и как он работает

Разбираю, чем ИИ отличается от обычной программы, почему его вечно сравнивают с человеком и как он дорос от чат-окна до скиллов и агентов. Без кино и магии.

Введение

С ИИ сейчас странная история.

О нём говорят вообще все, но в головах живут 2 картинки: либо Терминатор, либо чат-окно, которое пишет за тебя текст.

Обе мимо.

Первая делает из ИИ страшилку. Вторая — кнопку. Одни ждут сознания, другие видят умное автодополнение, а потом удивляются, почему реальность не сходится с ожиданиями.

ИИ сегодня — это не одна программа и не один продукт. Это целый класс систем: на вход идут данные, система что-то в них распознаёт, делает вывод и выдаёт результат — прогноз, текст, рекомендацию, решение.1

Навигатор, который ведёт в объезд пробки, — это ИИ. И лента рекомендаций в магазине. Антиспам в почте. ChatGPT, Claude, Gemini. Кодовый агент в редакторе, который сам читает код, дёргает инструменты и делает несколько шагов к цели, — тоже он.

Сама путаница — ладно. Хуже, что из-за неё люди криво строят ожидания и работают с ИИ хуже, чем могли бы: одни ждут от него сознания, другие недооценивают.

Что мы вообще называем искусственным интеллектом

Короче, ИИ получает сигнал из мира, находит в нём закономерности и выдаёт осмысленный выход.

Банк считает риск по заявке на кредит. Камера в телефоне отделяет лицо от фона. Навигатор предсказывает, где ты потеряешь 20 минут на пробке. А модель в чате продолжает мысль, пишет текст, ищет ошибку в коде, собирает ответ из десятка источников.

Логика одна: на входе данные, внутри модель, на выходе результат.

А вот с обычной программой ИИ путать не надо.

Обычная программа делает ровно то, что ей прописали по шагам. Нажал сюда — открылось окно. Пришло А — сделала Б. Калькулятор не угадывает, он считает по жёстким правилам.

У ИИ внутри модель, которая обучилась на данных и по входу выбирает самый вероятный класс, слово, действие. Поэтому антиспам ловит новые странные письма, хотя никто не выписывал руками все схемы мошенничества. Обратная сторона та же: модель иногда ошибается там, где обычная программа была бы предсказуемой на сто процентов.

Полезный вопрос про ИИ не «чувствует ли он себя живым», а что он берёт на вход и что отдаёт на выходе.

В 1950 году Алан Тьюринг ставил его жёстко: «Могут ли машины мыслить?»2 А в 1956-м на конференции в Дартмуте, откуда отсчитывают рождение ИИ как области, исходили из гипотезы: свойства обучения и интеллекта можно описать так точно, чтобы машина их симулировала.3

То есть ИИ с самого начала обсуждали не как умный калькулятор, а как попытку воспроизвести отдельные свойства мышления в машинной форме.

И вот здесь люди чаще всего улетают в мистику.

Никакой цифровой души внутри нет. Он не просыпается по утрам, не хочет кофе и не страдает от экзистенциального кризиса в три ночи. Но он делает то, что раньше считалось чисто человеческой территорией: распознаёт речь, пишет текст, переводит, классифицирует, находит паттерны, выбирает следующий шаг.

И этого хватает, чтобы поменять кучу процессов вокруг.

Чем он похож на естественный интеллект

ИИ постоянно сравнивают с человеческим интеллектом, и правильно делают. Аккуратно только надо.

Модель не думает как человек, забудь про это. Но и человек, и ИИ работают с одним и тем же: вход, контекст, память, опыт, ошибки, обратная связь.

Дай человеку мутную постановку — он с высокой вероятностью сделает не то. Не описал критерии приёмки — будет угадывать. Не дал обратную связь — ошибка повторится. Кинул задачу без контекста — получишь что-то поверхностное.

С ИИ всё то же самое.

Любой интеллект, хоть биологический, хоть машинный, не работает из ниоткуда. Нужен вход, рамка и цель. Без них он не знает, что считать хорошим результатом.

Поэтому с ИИ бессмысленно носиться как с магией. Работай с ним как с интеллектом.

Не очеловечивать. Управлять по тем же принципам, что и любым сложным мыслительным трудом.

Плохо описал задачу — получишь мусор, даже если он выглядит правдоподобно.

Мысль неприятная. Я сам хочу волшебную кнопку. Её нет.

Но равными их назвать нельзя.

У человека есть тело, биография, мотивы, социальный опыт, страх, интуиция, усталость, личные интересы. У модели ничего этого нет. Она не живёт в мире, не проживает опыт и не понимает смысл так, как понимаем его мы.

И до полноценного человеческого интеллекта в машине отсюда далеко. Не только я так думаю — Stanford AI100 в 2021-м писал о том же.4

Сходство есть, но оно функциональное. ИИ похож на интеллект, а человеком не стал.

Как понятие ИИ менялось

Когда обычный человек слышал про искусственный интеллект 20–30 лет назад, он чаще всего представлял что-то из поп-культуры. Терминатор. Матрица. Машину, которая вот-вот начнёт жить своей жизнью.

Реальная история скучнее.

Сначала ИИ был чистой теорией: Тьюринг, Дартмут, споры, можно ли вообще описать мышление как процесс.23 Потом — набор узких систем: экспертные системы, поиск, распознавание, классификация. Где-то работало, где-то разваливалось, стоило миру стать грязнее лабораторного.

В 2012 году AlexNet резко сдвинул вперёд компьютерное зрение и снова заставил индустрию поверить в deep learning — подход, где большие нейросети учатся на огромных объёмах данных, а не на наборе вручную прописанных правил.5

В 2016 AlphaGo победил профессионального игрока в го. Символ был понятный: машина зашла на территорию, которую раньше считали слишком сложной для алгоритмов.6

И тут важна поправка по датам: разговор с машиной придумали не вчера. ELIZA, один из самых ранних диалоговых ботов, вышла ещё в 1966 году.7

Сама идея поговорить с программой текстом — старая.

Новый этап начался позже.

В 2017 выходит Transformer — архитектура, на которой потом выросла большая часть современной LLM-эпохи, то есть эпохи больших языковых моделей.8

В 2020 GPT-3 показывает, что большая языковая модель может решать задачи через few-shot, то есть несколько примеров прямо в запросе, и инструкцию в тексте, без отдельного дообучения под каждую мелочь.9 Вот тут уже стало интересно.

А дальше — перелом, который проспать было невозможно.

30 ноября 2022 года OpenAI запускает ChatGPT.10 И ИИ приходит к людям не роботом и не суперразумом из фильма — обычным окном диалога, куда пишешь задачу обычным языком.

И вот с этого момента образ ИИ в головах меняется всерьёз. Не железный человек из будущего, а интерфейс, в который ты пишешь задачу словами.

Промпт не исчез. Он вырос

Кажется, что всё свелось к промптингу. Типа раньше был ИИ, а теперь есть только умение правильно написать запрос в чатик.

Нет. Слишком плоско.

Промпт не исчез. Он вырос.

Сначала был один запрос. Написал текст, получил ответ.

Потом к нему добавились постоянные инструкции: роль, стиль, ограничения, формат ответа, правила поведения. То, что раньше жило в голове пользователя, переехало в системную инструкцию — постоянный верхний слой правил, который модель учитывает в каждом ответе.

Дальше появилась память. Не магическое сознание — просто сохранение контекста между шагами: что уже обсудили, какие есть предпочтения, что нельзя терять.

Потом — tool use, то есть способность модели вызывать внешние инструменты. Модель перестала быть просто генератором текста и получила доступ к веб-поиску, файлам, коду, браузеру, API.

Ещё в 2023 OpenAI прикрутил к этому Assistants API — модель с инструкциями, своими знаниями и инструментами.11 А к 2025-му собрал вокруг этого целую агентную платформу.12

За этим пришёл workflow — заранее заданная цепочка шагов. Не один запрос, а процесс: собрать данные, проверить факты, написать черновик, прогнать валидацию, вернуть результат в нужном формате.

А поверх — агент. Система, у которой есть цель, набор инструкций, память, инструменты и возможность самой сделать несколько шагов подряд.

Граница тут не только моя выдумка: Anthropic в 2024-м отдельно разводит workflows и agents — одни идут по заданной схеме, другие действуют автономнее.1314

Если сложить слоями: модель генерирует варианты, инструкция задаёт правила, память держит состояние между шагами, tools дают доступ к внешнему миру, workflow задаёт порядок, а агент рулит всем этим ради твоей цели.

Мысль простая. Промпт стал слишком большим, важным и повторяемым, чтобы оставаться просто промптом.

Сначала он превратился в инструкцию. Инструкцию упаковали в скилл, скилл — в workflow, а исполнять всё это стал агент.

А поверх появилась инфраструктура вроде MCP — открытого стандарта, который помогает подключать модели к внешним данным и системам без зоопарка кастомных интеграций.15

То есть промпт мы не бросили. Мы просто выросли из одноразового промпта в упакованную систему.

Но это не значит, что всем теперь срочно нужен агент.

Иногда хватает одного хорошего запроса. Жёсткий workflow без автономности — тоже часто достаточно. Агент нужен там, где задачу правда надо разложить на шаги, дать инструменты и вернуть результат под внятные критерии.

Если задача разовая, простая или плохо проверяемая, агент только добавит шума.

Что это меняет в работе человека

ИИ не отменяет думать. Он забирает ручную рутину — одни и те же шаги, которые ты раньше повторял каждый раз.

Раньше ты сам искал, сам писал, сам перепроверял и сам таскал результат между инструментами. Сейчас часть этого можно отдать модели, скиллу, workflow, агенту.

Но не бесплатно.

Руками ты исполняешь всё меньше. Всё больше — ставишь задачу, задаёшь критерии, принимаешь результат и чинишь систему после ошибок.

Работа с ИИ всё больше похожа на работу с сильным и быстрым, но очень буквальным исполнителем.

Не устаёт, не ноет, не просит отпуск. За час делает то, на что у тебя ушёл бы день.

Но есть цена.

Сформулируешь мутно — на выходе мути меньше не станет. Не заложил проверку — он с высокой скоростью произведёт мусор.

И этот мусор бывает очень разным.

То галлюцинирует факт — уверенно выдумывает то, чего не было. То тянет устаревшие данные. Дёргает не тот инструмент. Или выдаёт правдоподобный ответ, который просто не про твою задачу.

Поэтому ревью — обязательная часть, а не галочка.

Интеллектуальная работа никуда не делась, она сместилась на уровень выше: не сделать руками, а спроектировать систему, которая делает.

Например. Даю агенту задачу: «почини баг в импорте CSV». Плохая постановка. Агент может переписать полмодуля, сломать формат даты и всё равно отрапортовать, что задача решена.

Нормально — вот так: «почини импорт CSV так, чтобы пустая строка в колонке email не падала с exception; публичный API не менять; существующие тесты должны пройти; добавь один регрессионный тест».

Тут уже есть контекст, границы и критерии приёмки.

Или отдаёшь модели 20 интервью с пользователями. Плохо: «сделай выводы». Нормально: «собери 5 повторяющихся проблем, к каждой дай 2–3 цитаты из интервью, отдели факт от интерпретации, отдельно выпиши идеи, где данных пока не хватает».

Никакой магии — обычная постановка задачи, как для человека.

ИИ не заменяет твою голову. Он усиливает то, как ты управляешь.

Твоя работа всё реже — самому писать каждый текст и руками разгребать каждый документ. Всё чаще — собрать процесс, где агент или скилл забирает рутину, а ты держишь постановку, ревью и улучшение.

И да — после каждой новой ошибки ты дописываешь инструкцию, уточняешь критерии, подключаешь новый tool. Добавляешь проверку. Меняешь порядок шагов. Так, по чуть-чуть.

И сырой промпт постепенно превращается в рабочий скилл.

Не идеальный — идеальных не бывает. Достаточно надёжный под твой процесс.

Скучно, но работает.

Коротко

• ИИ — не один чат-бот, а класс систем: получают вход, делают вывод, выдают результат.
• С человеком его сравнивают не потому, что машина стала человеком. А потому, что обоим нужны контекст, цель, память и обратная связь — дай мутную постановку, получишь мут в обоих случаях.
• Образ ИИ в головах реально поехал: от киношного страха и узких алгоритмов к чат-интерфейсам, а потом к скиллам, workflow и агентам.
• Промпт никуда не делся — он вырос в инструкцию, память, tool use, workflow и агента.
• Твоя работа уходит от ручного исполнения к постановке задачи, ревью и починке системы.

Короче, никакой магии. Система, которую ты собираешь под себя и докручиваешь после каждой ошибки. Всё.

Источники

1. Updates to the OECD’s definition of an AI system explained — обновлённое определение AI system от OECD, включая цели, входы, выходы, автономность и адаптивность.
2. Computing Machinery and Intelligence — статья Алана Тьюринга 1950 года.
3. Artificial Intelligence (AI) Coined at Dartmouth — краткая историческая справка о Dartmouth Summer Research Project 1956 года.
4. Gathering Strength, Gathering Storms: AI100 2021 Study Panel Report — Conclusions — позиция Stanford AI100 о текущем состоянии ИИ и его ограничениях.
5. ImageNet Classification with Deep Convolutional Neural Networks — AlexNet и перелом в computer vision.
6. Mastering the game of Go with deep neural networks and tree search — статья про AlphaGo.
7. ELIZA—a computer program for the study of natural language communication between man and machine — публикация Джозефа Вайценбаума о ELIZA, 1966.
8. Attention is All You Need — статья про Transformer, 2017.
9. Language Models are Few-Shot Learners — статья про GPT-3, 2020.
10. Introducing ChatGPT — запуск ChatGPT, 30 ноября 2022.
11. New models and developer products announced at DevDay — GPTs, Assistants API, persistent threads, tools.
12. New tools for building agents — Responses API, built-in tools, Agents SDK.
13. Building effective agents — различие между workflows и agents.
14. What is an Agent? · Hugging Face — практическое определение агента как системы, которая использует модель для достижения цели через взаимодействие со средой.
15. Introducing the Model Context Protocol — MCP как открытый стандарт для подключения AI systems к данным и инструментам.

Читать также