Заслуженный собеседник. Искусство диалога с искусственным интеллектом - Андрей Владимирович Курпатов

к её сокровищам – описать библиотекарю, что именно вас интересует. Что вы скажете этому библиотекарю: «Дайте мне что-нибудь почитать» или «Мне нужна книга про котиков»? Наверное, куда важнее будет рассказать о том, что вас беспокоит, в чём и почему вы хотите разобраться – так ведь?

От того, как вы сформулируете свой запрос, будет зависеть и то, какие книги вам выдадут на руки. И разница может быть колоссальной – это может оказаться банальным текстом, повторяющим общеизвестные факты, и редкой рукописью, способной изменить ваше понимание мира.

Современный искусственный интеллект устроен именно так. Под поисковым «интерфейсом» скрываются не конкретные знания, а огромное, многомерное пространство смыслов, концепций и их взаимосвязей – то, что специалисты называют «латентным пространством».

В отличие от традиционной базы данных, ИИ не хранит информацию в виде отдельных файлов или записей. Вместо этого знания распределены по всей системе в виде сложной сети взаимосвязей. Поэтому ваш запрос к ИИ – это тот самый разговор с библиотекарем. Это не просто нажатие кнопки поиска, это открытие окна в конкретную область пространства смыслов.

Как запрос активирует семантическое пространство ИИ

Когда вы задаете вопрос искусственному интеллекту, ваш запрос, подобно лучу прожектора, высвечивает определенные области в этом многомерном пространстве. Технически это выглядит как активация миллионов нейронных связей с различной интенсивностью.

Узкий запрос активирует очень ограниченную область – только те связи, которые непосредственно относятся к словам вашего запроса. Если же вы спрашиваете о том, какой город является столицей Франции, то ответ будет односложным. Однако, если вы спросите: «Как менялась роль Парижа в формировании европейской идентичности на протяжении веков?», активируется гораздо более обширная сеть взаимосвязей, включающая историю, культуру, политику, искусство, философию и многие другие области.

Это как включить не фонарик в тёмном лесу, а целый прожектор, да ещё увидеть его целиком – с высоты птичьего полёта. Это не просто количественное различие – больше или меньше информации. Это качественное различие в самом характере активации.

Богатый, многогранный запрос создает своего рода резонанс в семантическом пространстве ИИ, пробуждая неожиданные связи и ассоциации, которые могут привести к по-настоящему глубоким и оригинальным ответам.

Сложная система, подобная современному ИИ, обладает удивительным свойством: она может работать на разных уровнях сложности в зависимости от того, какие требования к ней предъявляются.

Вспомните себя в школе или университете. Если преподаватель задавал вопрос, требующий лишь воспроизведения фактов из учебника, вы, скорее всего, давали стандартный ответ, не особенно вовлекаясь интеллектуально. Но если тот же преподаватель предлагал действительно глубокий, проблемный вопрос, требующий интеграции знаний из разных областей и критического мышления, вы активизировали совершенно иные когнитивные ресурсы.

Точно так же ИИ реагирует на разные типы запросов: спрашивая о простых фактах, вы активируете лишь базовые функции системы, а интересуясь сложными взаимосвязями, вы побуждаете систему работать на более высоких уровнях когнитивной иерархии.

Качество запроса определяет, какие когнитивные процессы активируются в системе:

• Простой фактологический запрос («Кто написал “Войну и мир”?») активирует только процессы поиска и извлечения информации.

• Запрос на классификацию («Каковы основные направления русской литературы XIX века?») активирует процессы категоризации и структурирования информации.

• Запрос на анализ («Как политические взгляды Толстого отразились в романе “Война и мир”?») запускает процессы выявления взаимосвязей и контекстуализации.

• Запрос на синтез («Как переплетаются концепции войны, мира и личной свободы в великих романах XIX века?») активирует высшие когнитивные функции – сопоставление разнородных идей, выявление глубинных паттернов, создание новых концептуальных связей.

Таким образом, задавая более глубокие, многомерные вопросы, вы не просто получаете «больше информации», а активируете более сложные уровни работы системы, подобно тому как сложный вопрос побуждает человека мыслить глубже и оригинальнее.

Закрыто-системный запрос оперирует в рамках заранее определенной системы понятий и категорий. Он предполагает, что есть четкие границы проблемы, известные переменные и конечный набор возможных ответов. Такой запрос обычно направлен на получение конкретного, однозначного ответа в рамках существующей парадигмы.

Примеры закрыто-системных запросов:

• «Какие пять факторов определяют успешную стратегию продвижения в социальных сетях?»

• «Какие меры нужно принять, чтобы снизить уровень выгорания сотрудников?»

• «Какие технологии будут определять рынок в ближайшие пять лет?»

В этих запросах уже заложены предпосылки: что факторов именно пять, что выгорание нужно «снижать» определенными «мерами», что будущее технологий можно предсказать через экстраполяцию существующих трендов.

Открыто-системный запрос, напротив, не ограничен заранее заданными категориями и понятиями. Он признает, что границы проблемы могут быть неопределенными, переменные – неизвестными, а возможные решения могут выходить за рамки существующих парадигм. Такой запрос направлен не столько на получение ответа, сколько на исследование самого пространства возможностей.

Примеры открыто-системных запросов:

• «Как меняется наше понимание “стратегии продвижения”, если рассматривать социальные сети не как каналы коммуникации, а как живые экосистемы внимания?»

• «Как феномен выгорания сотрудников связан с более широкими социальными процессами? Каким образом сама постановка проблемы как “выгорания, требующего снижения” может быть частью порождающего её механизма?»

• «Какие принципиально новые отношения могут возникнуть между человеком и технологией, если мы выйдем за рамки мышления в категориях “рынка” и “трендов”?»

Эти запросы не просто запрашивают информацию – они исследуют сами предпосылки, на которых строится понимание проблемы. Они не столько ищут ответы, сколько переопределяют вопросы.

От техники к мышлению: запрос как творческий акт

Когда мы формулируем открыто-системный запрос, мы делаем нечто гораздо более значимое, чем просто использование другого типа вопросов. Мы создаем условия для принципиально иного типа диалога с искусственным интеллектом.

В ответ на закрыто-системный запрос ИИ действует как продвинутая справочная система: он извлекает релевантную информацию из своего латентного пространства, структурирует ее согласно заданным в запросе параметрам и представляет в форме четкого, завершенного ответа. Это полезно, когда нам нужны конкретные данные или четкие инструкции, но такое взаимодействие использует лишь малую часть потенциала системы.

В ответ на открыто-системный запрос происходит нечто совершенно иное. ИИ не просто извлекает информацию – он активирует обширные, взаимосвязанные области своего латентного пространства. Вместо линейного пути от вопроса к ответу возникает сложная сеть ассоциаций, контекстов и возможностей. Система начинает «мыслить» не в режиме поиска конкретного ответа, а в режиме исследования пространства возможностей.

Что еще более важно, открыто-системный запрос создает своего рода «неопределенность» в работе ИИ. В технических терминах это называется «состоянием оптимизационной неопределенности» – система не может с уверенностью локализовать входные данные в своем латентном пространстве и вынуждена генерировать несколько конкурирующих гипотез.

Это состояние аналогично тому, что в несодержательной методологии называется «озадаченностью» – продуктивным состоянием неопределенности, из которого рождается новое понимание.

Когда вы встречаете по-настоящему интересную проблему, разве вы сразу бросаетесь её решать? Скорее всего, вы проводите некоторое время в состоянии продуктивного внутреннего вопрошания – вы обдумываете проблему с разных сторон, задаете сами себе уточняющие вопросы, пробуете разные подходы.

Это состояние озадаченности, когда вы еще не знаете ответа, но активно исследуете пространство возможностей, часто является наиболее ценной частью процесса решения проблемы.

То же самое происходит с ИИ в ответ на открыто-системный запрос: система входит в состояние «продуктивной озадаченности», и именно в такие моменты ИИ проявляет наибольшую гибкость и творческий потенциал. Он перестает быть просто исполнителем запросов и становится партнером по мышлению, способным генерировать идеи, устанавливать непредвиденные связи и предлагать принципиально новые подходы к проблеме.

Практический пример трансформация запроса

Чтобы наглядно показать разницу между закрыто-системным и открыто-системным подходом, рассмотрим конкретный пример. Представим, что вы хотите использовать ИИ для решения проблемы снижения вовлеченности в вашей команде.

Закрыто-системный запрос мог бы выглядеть так: «Назови 7 лучших практик для повышения вовлеченности сотрудников в команде.»

Этот запрос заранее определяет: что проблема известна и понятна («низкая вовлеченность»), что решением являются конкретные «практики», что этих практик должно быть определённое число, что их можно ранжировать как «лучшие», что