AI Expert
Тема

Мифы об ИИ и ментальные модели

Понять, что делает ИИ, где он ошибается и какие мифы мешают работе.

24 материала (11 статей · 13 видео)

Начните здесь

Несколько хороших первых материалов перед полной лентой.

6 мин чтения
Статья

Что такое AI на самом деле и чем он не является: объяснение без хайпа

AI в 2026 году для большинства людей означает одну конкретную вещь, и это не то, что показывали в кино. Простое объяснение того, что происходит на самом деле, что AI делает хорошо и чего он не делает.

Объяснить, что делают LLM, где они полезны и когда нужно проверять output до действия.

Новичок в ИИ
6 мин чтения
Статья

Как ИИ генерирует ответы: ментальная модель, после которой промптинг становится понятным

ИИ не думает как человек. Он генерирует вероятные продолжения из контекста. Простая ментальная модель делает почти все советы по промптингу гораздо понятнее.

Использовать ментальную модель следующего токена, чтобы писать лучшие промпты без предположения, что модели думают как люди.

Новичок в ИИ
7 мин чтения
Статья

Десять мифов об ИИ, которые мешают разумному внедрению

Устойчивые убеждения об ИИ мешают даже умным взрослым людям попробовать его в работе. Каждый миф разобран честно: что в нём правда, что преувеличено и что с этим делать.

Отделять реалистичные возможности ИИ от популярных мифов, чтобы решения о внедрении были спокойнее и точнее.

Новичок в ИИ

Еще по этой теме

48 мин
Видео

Как строить надёжных AI-агентов: контекст и evals

Arize AI. Объясняет, почему агенты в продакшене ломаются без правильного контекста, данных для оценки, трассировки и доменной экспертизы. Это хорошо ложится на реестр отказов из статьи: отделяйте поиск от рассуждения, определяйте ожидаемые результаты, оценивайте вызовы инструментов и трассируйте ошибки до смены модели.
Эксперт
10 мин чтения
Статья

Сбои production AI: что ломается после демо

AI-системы обычно ломаются предсказуемо: hallucination, stale context, sycophancy, prompt injection, unsafe tool use, schema drift и weak fallbacks. Реестр production failure modes для команд, которые запускают реальные workflows.

Построить production AI failure-mode register с контролями для hallucination, stale context, prompt injection, unsafe tool use и weak fallbacks.

Эксперт
11 мин чтения
Статья

Чанкинг, переранжирование и гибридный поиск: как заставить RAG реально работать

Большинство RAG-реализаций работают плохо, потому что неправильно делают три вещи. Практический гид по чанкингу документов, переранжированию результатов и сочетанию ключевого поиска с семантическим — без необходимости становиться поисковым инженером.

Оценить архитектурный подход, возможные сбои и защитные меры до разработки.

Уверенный
10 мин чтения
Статья

Prompt engineering для reasoning-моделей (o3, R1, Claude extended thinking)

Reasoning-модели — это не быстрые модели с лишними шагами. Они вознаграждают другое промптование, игнорируют часть привычных паттернов и имеют свои подвохи. Практическое руководство по работе с ними.

Оценить архитектурный подход, возможные сбои и защитные меры до разработки.

Уверенный
10 мин чтения
Статья

Chain-of-thought, self-critique, tree-of-thoughts — когда что использовать

Три техники рассуждений, которые действительно улучшают результаты AI на сложных задачах, — и арифметика их издержек и выгод. С конкретными промптами, сравнениями бок-о-бок и подвохами, которые приносят современные reasoning-модели.

Оценить архитектурный подход, возможные сбои и защитные меры до разработки.

Уверенный
7 мин чтения
Статья

Выбираем правильную модель под задачу: шпаргалка по решениям на 2026 год

За какой моделью тянуться, в зависимости от типа задачи. GPT, Claude, Gemini, reasoning-модели и open-weights варианты — отсортированы по тому, в чём они на самом деле сильны, с простыми правилами выбора.

Превратить рабочий процесс в небольшой практический эксперимент с понятной проверкой качества.

Начинающий
8 мин чтения
Статья

Анатомия промпта: роль, контекст, задача, ограничения, формат

Шаблон из пяти частей, который поднимает качество ответа с «так себе» до «полезно» — в любом промпте и любом ИИ-инструменте. С разобранными примерами, типичными ошибками и порядком, который имеет значение.

Строить промпты через роль, контекст, задачу, ограничения, примеры и формат вывода, а не полагаться на разовые словесные трюки.

Начинающий
6 мин чтения
Статья

AI против Google: когда искать, а когда спрашивать

Поиск и AI-ассистенты — не взаимозаменяемы. Практическое руководство о том, какой инструмент подходит для какого вопроса, с примерами в сравнении и случаями, где стоит использовать оба.

Понять идею настолько, чтобы безопасно попробовать её в низкорисковой ситуации.

Новичок в ИИ
6 мин чтения
Статья

Почему ИИ уверенно ошибается: гид по галлюцинациям для начинающих

ИИ не обманывает намеренно, как человек. Модель может генерировать гладкие, но ложные детали, потому что правдоподобие и проверка фактов — разные задачи. Вот что происходит, почему это случается и как не обжечься.

Распознавать задачи с риском галлюцинаций и использовать проверку, поиск или работу с источниками до того, как полагаться на конкретные утверждения.

Новичок в ИИ
3 мин
Видео

Building OpenAI o1

OpenAI. Три минуты с командой o1, которая описывает момент, когда модель начала ставить под сомнение собственные рассуждения во время RL-обучения. Полезно как первоисточник к утверждению статьи, что chain-of-thought теперь происходит внутри модели, а не в вашем промпте.
Уверенный
28 мин
Видео

o1 - What is Going On? Why o1 is a 3rd Paradigm of Model + 10 Things You Might Not Know

AI Explained. Самое ясное объяснение без хайпа того, почему o1 (и по аналогии o3, R1, Claude extended thinking) обучен на корректность, а не на предсказание следующего токена, и что это значит для того, как с ним разговаривать. Посмотрите это, и совет статьи «перестаньте говорить think step by step, начните писать спецификацию» перестанет казаться произвольным.
Уверенный
29 мин
Видео

Tree of Thoughts: Deliberate Problem Solving with Large Language Models (Full Paper Review)

Yannic Kilcher. Янник проходится по оригинальной статье Tree-of-Thoughts из Princeton/DeepMind — циклу generate-score-prune-backtrack, почему он поднимает точность на Game of 24 с 4% до 74% и где техника перестаёт быть оправданной при её 10-кратной стоимости в токенах. Полезно ровно тем, что заставляет увидеть ToT как алгоритм поиска, а не как магический префикс к промпту.
Уверенный
25 мин
Видео

Prompting 101

Anthropic. Два человека из команды Applied AI в Anthropic вживую собирают реальный промпт, послойно добавляя роль, структурированные секции и явные шаги размышления. Это самая авторитетная демонстрация на YouTube «как использовать chain-of-thought, не превращая его в ритуал», и она делает тезис статьи «перестаньте вставлять во всё “Let's think step by step”» конкретным.
Уверенный
10 мин
Видео

Learn 80% of Perplexity in under 10 minutes!

Jeff Su. Джефф открывает с того самого спектра, на котором держится статья: ChatGPT и Gemini на «творческом» конце, Perplexity и Google Search на «точном, актуальном, с источниками», — а потом показывает третий вариант в действии. Сравнение медалей Олимпиады в середине — самое чистое демо «вот когда вы спрашиваете чат-бота, а вот когда гуглите», что мы видели. После просмотра у вас будет третий инструмент в вашем поисковом распорядке и рабочее правило, как выбирать между тремя.
Новичок в ИИ
34 мин
Видео

"Generative AI" is not what you think it is

Acerola. Разработчик-эссеист терпеливо проходит троицу мифов «ИИ — это просто шлак / ИИ — это магия / ИИ — это воровство» с кодом на экране. Если миф №4 или №7 из статьи («это просто плагиат», «это просто плагиат, но для искусства») вас задевал, это видео — то, которое заслуживает право с вами не соглашаться.
Новичок в ИИ
12 мин
Видео

What We Get Wrong About AI (feat. former Google CEO)

Cleo Abram. Клео Абрам проходит между крайностями «оно нас всех убьёт» и «оно глубже, чем огонь», задаёт Эрику Шмидту неудобные вопросы и приземляется на трезвую середину. Рамка «мы живём внутри проблемы вагонетки» — ровно дух статьи: не отмахиваться от технологии и не катастрофизировать её, а просто понять, что она такое.
Новичок в ИИ
132 мин
Видео

How I use LLMs

Andrej Karpathy. Продолжение, где Карпатый реально садится перед ChatGPT, Claude, Gemini и Perplexity и пользуется ими как продвинутый пользователь. Посмотрите его после статьи и его же «Intro» — вы увидите ментальную модель в действии в реальном времени, включая мелкие выборы (какая модель, какой режим, когда вставлять, а когда загружать файлом), которые отделяют разочарованных новичков от людей, получающих полезные ответы с первой попытки.
Новичок в ИИ
36 мин
Видео

ChatGPT with Rob Miles - Computerphile

Computerphile. Долгая, спокойная беседа с исследователем безопасности ИИ Робом Майлзом о том, почему модель, обученная предсказывать правдоподобный текст, всегда — структурно — будет иногда выдумывать факты. Запись начала 2023-го, но базовый механизм, который она объясняет, не изменился, и эта рамка до сих пор — самый чистый способ усвоить «это движок беглости, а не движок истины».
Новичок в ИИ
10 мин
Видео

Why Large Language Models Hallucinate

IBM Technology. Мартин Кин сортирует галлюцинации по четырём именованным категориям — противоречия внутри предложения, противоречия промпту, фактические ошибки, бессмыслица — и разбирает каждую на световой доске. После того как статья даёт вам «почему», это видео даёт словарь, чтобы распознавать тип ошибки в живой природе и решать, насколько доверять конкретному ответу.
Новичок в ИИ
36 мин
Видео

Andrew Ng: Opportunities in AI - 2023

Stanford Online. Эндрю Ын, один из тех, кто реально строил эту отрасль, спокойно говорит о том, в чём ИИ хорош, в чём нет и где находятся реалистичные возможности. Полезный противовес мнениям из соцсетей — тот же спокойный тон без хайпа, что и в статье, только с большей глубиной по вопросу «куда это всё на самом деле движется».
Новичок в ИИ
8 мин
Видео

Large Language Models explained briefly

3Blue1Brown. Самая аккуратная восьмиминутная ментальная модель LLM на YouTube. Грант Сандерсон разбирает «предсказание следующего слова», параметры, обучение и обучение с подкреплением на основе обратной связи от человека, ни разу не скатываясь в хайп. Посмотрите его сразу после статьи — и фраза «ИИ — это просто автодополнение на стероидах» перестаёт быть лозунгом и становится полезным сокращением.
Новичок в ИИ