Глава 1. ChatGPT и LLM

Глава 1. ChatGPT и LLM: как работают большие языковые модели

1.1. Введение: Зачем это знать автору нон-фикшн

Когда вы садитесь за руль автомобиля, вам не обязательно знать, как работает двигатель — но чем больше вы понимаете, тем увереннее и свободнее чувствуете себя на дороге.
То же самое с LLM — большими языковыми моделями вроде ChatGPT. Вам не нужно становиться инженером искусственного интеллекта, но базовое понимание принципов работы модели может радикально изменить процесс создания вашей книги.

🤯 Почему это важно?

Автор деловой или экспертной книги, работающий с ИИ, — это не просто пользователь. Это куратор смысла. И чем лучше вы понимаете, что происходит «под капотом», тем точнее и продуктивнее будет ваш диалог с моделью.

Вы сможете:

• отличать случайную генерацию от осмысленного ответа;
• понимать, почему LLM ошибается — и как это исправить;
• задавать более точные и эффективные промпты;
• использовать сильные стороны модели и избегать ловушек.

❌ Ошибки, которые делают новички

• «ИИ понимает меня плохо» → потому что вы даёте слишком общий запрос.
• «Он не умеет логически думать» → да, потому что он не думает, а предсказывает.
• «Он самовлюблённо повторяется» → потому что вы не уточняете стиль, длину, структуру.
• «Я не знаю, как использовать это дальше» → потому что вы не различаете режимы работы: генерация, редактирование, развитие.

Многие авторы бросают ИИ после первых неудачных попыток, думая, что «он не работает». Но на самом деле — нужно просто понять, как он устроен, и начать использовать его правильно.

🌱 Осознанность вместо магии

В этой главе мы объясним:

• как работает языковая модель — без математики и сложностей;
• чем LLM отличается от человека (и почему это хорошо);
• как интерпретировать ответы ИИ;
• и как сделать так, чтобы он стал вашим инструментом, а не источником разочарования.

Знание — это не балласт. Это топливо для уверенности.

В следующих разделах мы разберём, что такое LLM, как они «понимают» текст, и что это означает для вас как автора деловой книги.

Готов? Поехали.

1.2. Что такое LLM (Large Language Model)

Большая языковая модель — это не волшебник, не разум и не универсальный гений. Это мощный алгоритм, обученный на гигантском объёме текстов, который умеет предсказывать, какое слово с наибольшей вероятностью должно быть следующим. И всё.
Звучит просто? Но именно из этой простой операции рождаются тезисы, аргументы, объяснения, структуры разделов и целые книги.

🧠 Простое определение

LLM (Large Language Model) — это тип искусственного интеллекта, который:

• обучен на миллиардах фрагментов текста (книги, статьи, сайты, отчёты, документация и т.д.);
• умеет генерировать осмысленные фразы, абзацы, разделы — на основе вашего запроса;
• не понимает текст в человеческом смысле, но очень хорошо угадывает, что вы от него хотите (если правильно спросить).

Ты пишешь:

«Сформулируй ключевой тезис для главы о тайм-менеджменте…»
Модель не «знает», что такое тайм-менеджмент. Но она видела много примеров, где встречаются такие слова — и по статистике предсказывает вероятный, подходящий ответ.
И зачастую — он оказывается полезным и точным.

🔍 Чем LLM не является

• Это не поисковик. Она не ищет готовые ответы в интернете, а создаёт текст заново, каждый раз.
• Это не человек. У неё нет сознания, интуиции, собственного опыта или вкуса.
• Это не универсальная истина. Модель может «галлюцинировать» — придумывать несуществующие факты, имена, источники, исследования. В деловой и экспертной книге это особенно опасно: с фактами надо быть очень осторожным.

🤖 Примеры популярных LLM

На момент написания этой книги, вот ключевые игроки:

Ты можешь использовать одну или несколько моделей, сравнивать ответы, тестировать разные стили и подходы. Главное — понимать, с кем ты разговариваешь.

📎 Простой способ это запомнить:

LLM — это предсказатель текста, а не его автор.
Но ты можешь сделать его своим соавтором — если научишься управлять этим предсказанием.

1.3. Как LLM «понимают» текст

Один из главных мифов про искусственный интеллект: будто он понимает то, о чём пишет.
На самом деле — нет.
LLM не понимают текст, как это делает человек. У них нет намерений, чувств, мышления или контекста в нашем смысле.
Но они имитируют понимание — настолько хорошо, что мы, люди, часто забываем, с кем разговариваем.

🧠 Как работает языковая модель?

В основе — простая идея:
предсказание следующего слова (или точнее — токена).

Ты пишешь:

«Главная причина прокрастинации — это…»

Модель оценивает:

• какие слова наиболее вероятны в этом контексте;
• что чаще всего встречалось после таких фраз в обучающих текстах;
• и выдаёт, скажем: «страх неудачи».

Потому что в книгах по психологии, статьях и руководствах это часто — логическое продолжение мысли.

Она не знает, что такое «прокрастинация», почему «страх» и при чём здесь «неудача» — она просто хорошо угадывает.

🔄 Понимание без осознания

LLM не опирается на смысл — она опирается на вероятности.
Она не знает, что Париж — это город. Но видела тысячи фраз вроде «Париж — столица Франции», и научилась продолжать эти цепочки.

Это как писать вслепую, но очень начитанной рукой.

🧩 Почему это всё равно работает?

Потому что язык внутренне структурирован.
Если натренировать модель на миллиардах примеров, она уловит закономерности:

• как строится аргумент;
• что обычно идёт за тезисом — обоснование, пример, вывод;
• какие слова сочетаются со стилем научпопа или делового руководства.

Вот почему LLM может:

• дописывать за вас абзац;
• формулировать убедительный аргумент;
• «вживаться» в стиль ясного делового изложения, академической строгости или дружелюбного коучингового тона.

⚠️ Но… это не настоящее мышление

Важно помнить:

• LLM не знает, что вы хотите сказать. Она предлагает, основываясь на шаблонах.
• Она не проверяет логику. Можно получить гладко написанный, убедительно звучащий, но логически несостоятельный аргумент.
• Её «понимание» — это глубоко статистическая симуляция.

📌 Что это значит для автора нон-фикшн?

• Вы — архитектор смысла. Модель не знает, что важно, пока вы не подскажете.
• Промпт = намерение. Чем яснее запрос, тем ближе результат к желаемому.
• Будьте редактором. Модель создаёт черновики, а вы придаёте им точность и логику.

В следующем разделе — простое объяснение того, как устроена архитектура трансформеров, без формул и головной боли.

Готов двигаться дальше?

1.4. Архитектура трансформеров — без математики

Ты уже знаешь, что LLM предсказывает слова на основе предыдущих. Но как она это делает? Что за «мозг» стоит за этим умением?

Ответ: трансформер — архитектура, которая изменила всё.

🤖 Что такое трансформер?

Если по-простому:
Трансформер — это структура, которая умеет читать текст целиком и понимать, какие слова влияют друг на друга.

До появления трансформеров ИИ читал текст по порядку, по одному слову, как будто бормочет про себя.
А трансформер говорит:

«Я сразу вижу всю фразу. И понимаю, что слово в начале влияет на смысл в конце.»

🧠 Пример на пальцах

Ты пишешь:

«Хотя стратегия выглядела рискованной, компания решилась её внедрить.»

Чтобы понять, почему компания решилась, важно учесть что стратегия была рискованной.
Трансформер умеет удерживать обе части предложения вниманием.

👀 Ключевое слово — attention (внимание)

Внутри трансформера работает механизм под названием self-attention — самовнимание.

Он определяет:

• какие слова важны друг для друга,
• какие связи нужно учитывать при генерации следующего слова.

Это как если бы ты дал модели маркер и попросил:

«Подчеркни в предложении, что важно для смысла.»

И она делает это — миллионы раз за секунду, на каждом уровне генерации.

🧱 Как обучается модель

1. Её кормят текстами. Много. Очень много. Всё, что можно оцифровать: книги, статьи, сайты, отчёты, документацию, код.

2. Её задача — угадай слово. Прямо как в игре «Поле чудес» или автозаполнении в телефоне.

Пример:

«Эффективное делегирование начинается с… [MASK]»
Модель учится угадывать «доверия», если видела фразу раньше — или может придумать правдоподобный вариант, если не видела.

3. Каждая угаданная фраза — шаг в сторону «понимания» языка.
   Чем больше таких шагов — тем выше способность модели имитировать осмысленный текст.

🔍 Почему трансформеры такие мощные?

• Они видят текст целиком, а не кусками.
• Они понимают контекст — не только «что рядом», но и «что важно».
• Они масштабируются — больше слоёв = больше знаний, больше связей, больше выразительности.

💡 Что нужно запомнить автору нон-фикшн?

• Трансформер = модель, способная учитывать всю структуру текста.
• Он не размышляет — но строит внутреннюю карту значимости слов.
• Чем яснее и последовательнее ваш текст, тем точнее работает внимание модели.
• Противоречивые или сумбурные промпты — запутывают трансформер. Чёткие — усиливают его возможности.

1.5. Ограничения LLM

Большие языковые модели умеют многое: формулировать тезисы, генерировать идеи, развивать аргументы, подражать стилю автора.
Но чтобы использовать их эффективно, важно понимать: они не всемогущи.

LLM — это инструмент, а не оракул. И у каждого инструмента есть свои границы.

❗ 1. Галлюцинации (придумывание несуществующего)

Иногда модель уверенно пишет:

«Согласно исследованию Гарвардской школы бизнеса 2019 года, 87% руководителей теряют до трёх часов в день из-за неэффективных совещаний.»

Но на самом деле — такого исследования не существует, а цифра выдумана.

Это и есть «галлюцинация»:
Модель не проверяет факты — она просто предсказывает, какие слова звучат правдоподобно.

🔧 Как использовать:

• Не доверяй фактам, цифрам и ссылкам на источники без проверки.
• Для делового текста галлюцинации — это серьёзный риск для репутации: всё проверяй.
• Будь редактором и сверяй любые статистические данные и цитаты с первоисточником.

🤷 2. Поверхностное понимание

Модель может красиво описать концепцию, но:

• не уловить глубину предметной области,
• не заметить логические несостыковки в аргументации,
• не всегда выстроить последовательную линию рассуждения.

LLM — не эксперт, не аналитик и не методолог. Она может помочь, но главное осмысление — на тебе.

🔧 Что делать:

• Используй ИИ как генератор, а себя — как эксперта и интерпретатора.
• Задавай уточняющие вопросы. Например:

«Какие контраргументы можно привести против этого тезиса?»

🎭 3. Стилистическая инерция

Если не задать стиль — модель может писать:

• скучно, шаблонно;
• с клише, водянистыми формулировками и повторами;
• без ясности и авторского голоса.

Она тянется к «среднему» — потому что обучалась на массе среднестатистических текстов.

🔧 Как улучшить:

• Уточняй стиль: «лаконично и по делу», «в стиле научпопа», «прагматично, с примерами из практики».
• Используй ролевую установку:

«Представь, что ты опытный консультант, объясняющий тему руководителю без специальной подготовки…»

🧠 4. Отсутствие настоящего мышления

LLM:

• не формулирует целей,
• не делает выборов по смыслу,
• не знает, «что хочет сказать».

Вся глубина — от тебя.

🔧 Вывод:

• ИИ может быть отличным зеркалом, соавтором, тренажёром.
• Но финальные решения — за тобой. Потому что ты — автор и эксперт.

🧠 5. Ограниченная память (context window)

Модель «помнит» только ограниченное количество слов из текущего диалога. У разных моделей — от 4 до 200+ страниц текста. Всё, что выходит за предел — забывается.

🔧 Что это значит:

• Длинные книги лучше писать по главам или по разделам, с кратким пересказом предыдущего.

• При необходимости — обновляй контекст:

  «Ранее в книге мы установили… [краткое резюме ключевых тезисов]»

📌 Итак, ограничения — это не повод не использовать LLM.

Это повод использовать её правильно.

Модель не думает. Но с твоей помощью — может создавать мысли.
Модель не понимает. Но ты можешь придать смысл её словам.

В следующем разделе — как обучаются LLM, откуда у них «знания» и почему это важно для понимания их возможностей.

1.6. Как LLM обучаются

Чтобы понимать, как работает языковая модель, полезно узнать: откуда она вообще что-то знает?
Ведь она не ходила в школу, не читала осознанно книг и не переживала опытов.
Её обучение — другое. Массивное. Механическое. Но при этом — удивительно эффективное.

📚 Этап 1: Предобучение (Pretraining)

Это как если бы ты посадил студента в библиотеку…
…и заставил его читать миллиарды страниц без сна, чтобы угадывать пропущенные слова.

Вот как это выглядит:

• Модель получает фрагмент текста, например:

«Хорошая презентация начинается не со слайдов, а с понимания [MASK].»

• Она должна угадать: какое слово на месте [MASK]? (в данном случае — «аудитории»)
• За каждое угадывание — получает «награду» или «штраф», и корректирует свои внутренние настройки (веса).

🔁 Это повторяется триллионы раз — на миллиардах слов.

🧠 С чем она работает:

• книги, статьи, сайты, посты, переписки;
• технические мануалы, отчёты, обзоры, инструкции;
• код, презентации, научные работы и многое другое.

Цель: научиться предсказывать слово по контексту лучше всех на свете.

🎛️ Этап 2: Тонкая настройка (Fine-tuning)

Когда основа готова — приходит время сделать модель более конкретной и безопасной.

На этом этапе:

• Модель дообучают на отобранных данных: более чистых, более тематических, более релевантных задачам (например, диалогам или написанию структурированных текстов).
• Иногда используют специализированные тексты: от юридических документов до научных публикаций.

Результат: модель лучше «держит стиль», избегает токсичных высказываний, становится «вежливее».

🙋 Этап 3: RLHF — Обучение с подкреплением от человека

Это как если бы редакторы читали ответы ИИ и говорили:

«Вот этот — классный. А этот — странный. Переделай.»

На основе этой обратной связи модель учится:

• что нравится людям;
• как писать понятнее, глубже, мягче, дружелюбнее.

Это делает LLM более разговорной и более полезной — особенно в практических задачах.

🧼 Этап 4: Фильтрация и модерация

Последний слой — этика и безопасность.

Чтобы модель:

• не подсказывала вредные действия;
• не генерировала токсичный или предвзятый контент;
• не нарушала авторские права и общественные нормы;

…в неё добавляют фильтры и ограничители.
Иногда они мешают работе — но чаще спасают от проблем.

⚠️ Важно помнить

• Модель учится на текстах, но не знает, что они “значат”.
  Она не отличает правду от вымысла, юмор от серьёзного утверждения, проверенный факт от слуха.

• Модель отражает интернет — со всеми его плюсами и искажениями.
  Поэтому в её знаниях могут быть:

• устаревшие факты,

• западный уклон,

• повторение стереотипов.

📌 Что это даёт автору нон-фикшн?

• Понимание: почему модель так отвечает, а не иначе.
• Умение: строить запросы, учитывая, на чём она училась.
• Навык: проверять факты, шлифовать стиль и руководить текстом.

LLM — это не гений. Это гигантская нейронная библиотека, натренированная угадывать твои мысли.
Ты — её пользователь, редактор и соавтор.

В следующем разделе — что происходит внутри модели, когда ты вводишь промпт. Как она «думает» — и как этим управлять.

1.7. Что происходит, когда вы вводите промпт

Ты открываешь окно диалога, печатаешь:

«Предложи структуру главы о том, как выстроить личный бренд эксперта»

…и спустя секунду получаешь ответ, будто тебе пишет живой человек.

Но что происходит в этот момент внутри модели?

🧠 Шаг 1: Токенизация — превращаем текст в числа

Любой текст для модели — это набор токенов.
Токен — это не обязательно слово. Иногда это часть слова или даже отдельная буква.

Пример:

«личный бренд» → может превратиться в что-то вроде
[4912, 11294, 287] (внутренние числовые коды токенов)

Это нужно, чтобы нейросеть могла работать с текстом в виде чисел.

🔁 Шаг 2: Обработка токенов в трансформере

Каждый токен передаётся через слои трансформера, где происходит:

• Анализ контекста: модель смотрит, какие токены «влияют» друг на друга;
• Взвешивание значимости: важнее ли «бренд» или «эксперт»?
• Прогнозирование следующего токена: какой токен логичнее всего поставить следующим?

Это как если бы ты читал текст, «задерживаясь» на ключевых словах и решая, что логично сказать дальше.

🎲 Шаг 3: Генерация — одно слово за другим

Модель не пишет абзац сразу. Она:

1. Предсказывает следующий токен (например, «во-первых»),
2. Добавляет его к строке,
3. Повторяет процесс снова и снова, пока не закончит или не достигнет лимита (например, 200 токенов).

Этот процесс — пошаговая симуляция речи.

🎛️ Что влияет на результат

1. Формулировка промпта

«Предложи структуру…» ≠ «Напиши вводный раздел…» ≠ «Объясни тему, как для новичка…»

Даже маленькие различия — меняют результат.

2. Параметры генерации

• temperature — насколько «рискованной» будет модель (0 = строго, 1 = творчески)
• max-tokens — сколько слов модель напишет
• top-p — ещё один способ регулировать креативность
• stop — команды, где остановиться

3. Предыдущий контекст

Если ты пишешь раздел про финансы, а до этого шла глава про маркетинг — модель учтёт это.
Но если ты очистишь чат — начнёт «с чистого листа».

📌 Почему это важно знать автору нон-фикшн?

• Чтобы понимать, почему модель иногда «уходит не туда»
• Чтобы экспериментировать: один и тот же запрос + разная температура = разные тексты
• Чтобы управлять результатом, а не ждать магии

✍️ Метафора: ты — дирижёр

Модель — это оркестр, который может сыграть всё.
Но если ты не задашь темп, тональность и жанр — она просто начнёт импровизировать.

Промпт — это твоя палочка.
Ответ — это музыка.

1.8. Что это значит для автора нон-фикшн

Теперь, когда ты знаешь, как устроены LLM, как они «думают» и на чём обучаются, возникает главный вопрос:

А как это влияет на твою работу над книгой?

Ответ простой: если ты понимаешь устройство инструмента — ты управляешь им, а не он тобой.
Вот как это знание превращается в авторскую силу.

✅ 1. Используй сильные стороны модели

LLM — это не универсальный автор, а мастер быстрой генерации и структурирования. Особенно хорошо она справляется с:

💡 Идеями

• Предложит десятки углов подачи темы, формулировок тезисов, примеров и аналогий.
• Поможет выйти из тупика или взглянуть на материал по-новому.

✍️ Стилем

• Может писать в строгом, дружелюбном или научно-популярном тоне и подражать твоему голосу.
• Создаёт введения, объяснения, переходы, выводы — на лету.

🌍 Вариативностью

• Один и тот же запрос можно повторить — и каждый раз будет новая версия.
• Это как иметь под рукой десять разных редакторов, готовых подбросить идеи.

🧪 Экспериментами

• Хочешь объяснить концепцию через метафору? Или переписать раздел в формате «вопрос — ответ»? Просто попроси.
• Модель не устаёт и не боится «плохих» вариантов — это делает её идеальным партнёром для черновиков.

⚠️ 2. Осознай слабости и компенсируй их

🚫 Факты — под вопросом

• Модель может уверенно врать: даты, цифры, имена, ссылки на исследования — всё нуждается в проверке.

🤔 Логика — не её сильная сторона

• Может запутаться в аргументации или забыть, какой тезис уже был раскрыт в предыдущем разделе.
• Следи за структурой, последовательностью аргументов, отсутствием противоречий.

📄 Глубокие смыслы — не по умолчанию

• Она может подражать экспертности, но не создавать её изнутри.
• Настоящая глубина и компетентность — это твоя задача как автора.

🎯 3. Ты — главный. Модель — инструмент

ИИ может быть:

• черновиком, когда ты устал;
• соавтором, когда хочется проработать идеи;
• редактором, когда надо улучшить разделы;
• зеркалом, чтобы увидеть свой текст со стороны.

Но во всех этих ролях именно ты принимаешь решения.

Ты выбираешь, что оставить, а что выбросить.
Ты формируешь стиль, смысл и направление.
Ты придаёшь тексту экспертность и ценность.

💡 Простой ориентир:

ИИ может имитировать экспертность. Но только ты способен вложить в текст настоящую компетентность и намерение.
Только ты знаешь, зачем эта книга должна быть написана.

В следующем (финальном) разделе главы — подведём краткие итоги и заглянем вперёд: как научиться говорить с ИИ на языке автора.

1.9. Заключение

Ты только что прошёл важный участок пути:
разобрался, что такое языковые модели,
как они устроены,
и почему их поведение — это не магия, а механизм.

Вот ключевые мысли этой главы:

📌 Главное, что стоит запомнить:

• LLM не думают, как человек.
  Они не понимают смыслы — они предсказывают вероятности слов.

• Их сила — в масштабе, стиле и вариативности.
  Это быстрые, изобретательные «соавторы» без усталости и страха перед белым листом.

• Но у них есть ограничения.
  Они могут «галлюцинировать» факты, допускать логические ошибки и не чувствовать нюансов предметной области.

• Они учатся на огромных корпусах текста, но не знают, что из этого правда, а что — выдумка.

• Ты — режиссёр.
  Модель подстраивается под твои задачи, стиль, запросы. Чем яснее ты формулируешь — тем сильнее результат.

✍️ Как это помогает тебе как автору нон-фикшн?

• Даёт осознанность: ты понимаешь, почему ответы получаются такими.
• Помогает улучшить промпты — без лишних проб и ошибок.
• Формирует уверенность: ты не зависишь от капризов модели, а умеешь её настраивать.

👣 Что дальше?

В следующей главе мы перейдём от устройства модели — к общению с ней.

Ты узнаешь:

• Как строить грамотные, продуктивные промпты;
• Какие бывают ошибки в общении с ИИ;
• Как обращаться к модели как к ассистенту, соавтору или редактору.

Всё начинается с вопроса.
Всё зависит от того, как ты его задашь.

ИИ — не волшебник.
Но в руках автора — он может стать настоящей опорой.