Kitabı oxu: «Искусственный интеллект. Путь к новому миру»
Серия «Наука на пальцах»

© К. В. Пшинник, текст, иллюстрации, 2024
© Оформление. ООО «Издательство АСТ», 2025
Предисловие
В одном из интервью сооснователь американской компании OpenAI Сэм Альтман вспоминал тот ноябрьский день, когда вместе с командой запускал ChatGPT. Он описывал его как обычный и ничем не примечательный. Однако для многих технофилов, таких как я, он перевернул мир. Технология превратилась в феномен, чего не могли предположить даже ее создатели. За пять дней нейросеть набрала миллион пользователей! Это исключительные цифры для технологического продукта. У того же Instagram на такой результат ушло 10 недель.
Признаться, я начал пользоваться ChatGPT не сразу. Это произошло в феврале 2023 года, когда о нем активно заговорили в русскоязычном пространстве – в СМИ и социальных сетях. Тогда его активно обсуждали как одну из самых перспективных и продвинутых технологий на рынке. Я к этим заявлениям относился скептически и открывал сервис без завышенных ожиданий. Более того, я был уверен, что увижу очередной ничем не примечательный чат-бот, каких было много до этого. Тем не менее я продолжал регистрироваться, чтобы посмотреть, на что он способен. Видите ли, однажды я не поверил в перспективы технологии: в 2011 году я установил оборудование для майнинга биткоина, но практически сразу избавился от криптовалюты, посчитав, что она не принесет мне пользы. Не совершил бы тот недальновидный поступок, возможно, сейчас писал бы эту книгу будучи долларовым миллионером.
В общем, шел февраль, и я уже который час переписывался с ботом и буквально хватался за голову. Той первой переписки с моделью хватило, чтобы понять: у меня в руках оказалось что-то невероятное – возможно, что-то в разы мощнее смартфона или компьютера. Наверное, тогда я испытал что-то сравнимое с тем, что чувствуют герои научно-фантастических фильмов, когда впервые видят гуманоидов, высаживающихся на Землю: смесь ужаса, восторга, любопытства, а также четкое осознание, что жизнь уже не будет прежней.
Но все же основным чувством был страх. Поначалу он охватывал меня каждый раз, когда я давал боту новую более сложную задачу. Модель справлялась и отвечала настолько лаконично и разумно! Создавалось ощущение, что у нее есть сознание. Вместе с тем меня не покидала и другая мысль: «Может, это все ширма? И на другом конце провода находится реальный человек? Может, это все это обман?» Но потихоньку страх ушел на задний план – он сменился энтузиазмом. Уже через пару недель я начал активно внедрять модель в свою работу и агитировать команду поступать так же. Поначалу коллеги противились и ожидаемо не разделяли мой восторг. Это связано с особенностями нашего мозга: он в целом сопротивляется всему новому и непросто выходит из зоны комфорта. Как точно подметил в своей книге «Дорога в будущее» американский миллиардер и сооснователь Microsoft Билл Гейтс, для людей нормально встречать с опаской, настороженностью, даже недоверием и отрицанием изобретения, которые угрожают «сломать принятый и потому удобный порядок»: «Поначалу и велосипед был глупой штуковиной, автомобиль – шумной игрушкой, карманный калькулятор – угрозой изучению математики, а радио – концом образования», – рассуждает он.
Однако мне все же удалось заразить энтузиазмом часть команды, а уже через пару месяцев мы столкнулись с тем, что я называю информационной инфляцией. После эмоционального взрыва человек постепенно привыкает к тому, что еще месяц назад поражало его до глубины души. Самый понятный для российского читателя пример этого феномена можно найти в сфере такси. 20 лет назад, чтобы доехать до дома после закрытия метро, нужно было ловить машину на улице, долго договариваться с частным водителем о цене и т. д. Сегодня это можно сделать за пару минут через приложение в телефоне. Если бы мне тогда кто-то об этом сказал, я решил бы, что он шутит или пересказывает мне сцену из научно-фантастического романа. Но сейчас это нисколько не удивляет – это обыденность. Так и в случае СhatGPT: использование модели стало нормой моей жизни. С помощью нейросети я собираю информацию, создаю тексты, составляю туристические маршруты и даже рацион питания на день.
Когда вы впервые откроете эту книгу, знайте: информационная инфляция коснулась не только меня и моей команды; хайп вокруг ChatGPT и его аналогов немного спал. О них все реже говорят на конференциях и в кругу друзей, им все реже посвящают тексты в СМИ и посты в социальных сетях. Но это не значит, что ими пользуются меньше: напротив, люди все чаще обращаются за подсказками и помощью к нейросетям. Я вижу это по активности вокруг своей компании «Зерокодер»: число слушателей на наших курсах растет, все чаще к нам на консультации приходят представители бизнеса. Компании поменьше рвутся в бой и активно внедряют нейросети в бизнес-процессы. Крупный бизнес тоже подтягивается, но осторожно – больше наблюдает. Это характерно для крупных компаний – подождать заметных кейсов.
Однако есть одно «но». Даже сейчас, спустя год после появления модели GPT‑4, ее и аналоги в основном используют для генерации текстов. После всех материалов, инструкций и видео массовая аудитория уверена в том, что писательский – основной навык бота. Хотя это действительно в первую очередь большая языковая модель (Large language model, LLM), на текстах ее экспертиза не ограничивается. До сих пор мало кто понимает, насколько широкий спектр задач способен закрыть генеративный искусственный интеллект, насколько серьезно он может изменить мир, в котором мы живем. Чтобы оценить масштабы, достаточно посмотреть на число плагинов (расширений для СhatGPT), настроенных под узкие запросы пользователей. Они помогают решать математические задачи, обсуждать психологические проблемы, составлять бизнес-планы и многое другое.
Я уверен, что искусственный интеллект может изменить то, как мы работаем, как строим бизнес, воспринимаем себя и общаемся с другими. Он сможет подсветить наши слепые зоны и усилить сильные стороны. Он подскажет нам идеи новых продуктов и сервисов, которые не могли себе представить самые смелые футуристы, а потом рассказать, как воплотить их в жизнь. Если сейчас разработка инноваций, которые двигают мир вперед, находится в руках горстки технологических компаний, то в будущем она будет доступна каждому, благодаря всеобщей адаптации ИИ. Произойдет небывалая демократизация инноваций, и любой человек – без знания языков программирования – сможет сначала упростить свою жизнь, а потом реализовать самые смелые фантазии.
Если все так, как я рисую, почему же все сводится к текстам, когда модели открывают так много возможностей? Ответ простой: людям не хватает насмотренности. Даже не так: им не хватает мышления, ориентированного на использование нейросетей. Пока они не переключат свои внутренние когнитивные рельсы на то, что теперь почти любой запрос и любую задачу в своей жизни можно попробовать решить с помощью нейросети, они так и будут действовать по старинке. Сформировать такое мышление и ускорить массовую адаптацию нейросетей и призвана эта книга.
Я разделил ее на три части. В первой я рассказываю о том, кто, как и зачем придумал искусственный интеллект и что нового в сферу привнесли генеративные нейросети. Вторая повествует о том, как ИИ меняет рынок труда, в том числе креативную сферу, и о том, как бизнес может использовать генеративные нейросети в работе. Третья прольет свет на то, как ИИ меняет современное образование, а также нашу личную жизнь. Кроме того, в ней описано, что нас ждет в будущем. В книге вы найдете примеры использования нейросетей, а также полезные промпты, которые помогут уже сейчас начать менять жизнь к лучшему.
Часть I
В которой я рассказываю историю развития ИИ
Глава 1
Искусственный интеллект, которого никто не ждал
Медицинское чудо
В 2020 году во время пандемии коронавируса у четырехлетнего ребенка начались боли в спине, а вскоре замедлился рост. Появились и другие странности: например, он не мог скрестить ноги. Родители обратились к врачу, но тот направил к другому, а другой – к третьему. Так за три года семья пообщалась с семнадцатью докторами, но все оказались бессильны. В сентябре 2023 года мать ребенка решила пойти на неожиданный шаг: она загрузила историю болезни сына в ChatGPT – сервис, который незадолго до этого запустила американская компания OpenAI. Тот за несколько секунд предположил, что у ребенка синдром привязанного спинного мозга (Tethered spinal cord syndrome). Это редкое неврологическое заболевание, которое связано с патологией развития спинного мозга. По статистике, оно встречается у одного процента американцев. Диагноз оказался верным.
Это далеко не единственный случай, когда чат оказался смышленее врачей. Исследовательская организация Mass General Brigham подсчитала , что бот американской компании OpenAI способен поставить верный диагноз в 72 % случаев. Причем он делает это в разы быстрее любого самого талантливого доктора. Безусловно, не стоит спешить и списывать врачей со счетов: у модели есть определенные ограничения, например, чат вряд ли сможет направить вас на МРТ. Хотя и тут, как показывают исследования, модель может помочь, если правильно поставить ей задачу. Продвинутая модель GPT‑4о отлично справляется с навигацией и может вполне подсказать человеку, как пройти в нужное место.
Нужно отметить, что ИИ в медицине – не новость. Его используют с 1970-х годов. Еще до появления GPT в 2022 году активно развивалось направление компьютерной диагностики, где скрининг проводили системы на базе ИИ. В исследовании, опубликованном в Journal of the National Cancer Institute, ученые использовали технологию для анализа маммограмм более чем 26 000 женщин, и система оказалась лучше врачей: смогла обнаружить рак молочной железы с точностью 94,5 % по сравнению с 88,4 % у радиологов. Есть пример, когда ИИ проанализировал компьютерные томограммы более 1000 пациентов и обнаружил рак легких с точностью 94 %. Радиологи же справились с задачей значительно хуже: точность диагноза составила 65 %.
Использование искусственного интеллекта в различных отраслях


Но раз продукты на основе ИИ уже применялись в медицине, что нового привнесла модель? В чем магия чат-бота ChatGPT? Системам, которые анализируют рентгеновские снимки, как в примерах выше, требуются четкие вводные данные. К тому же в силу особенностей обучения такие инструменты могут анализировать ограниченный набор данных – например, только рентгеновские снимки. Чтобы модель могла взяться за данные другого типа, ее необходимо дообучить. Большие языковые модели вроде ChatGPT способны воспринимать разрозненные данные. Им можно давать информацию в хаотичном порядке, например, набросать симптомы – и бот все равно поставит верный диагноз. К тому же LLM могут анализировать совершенно разные данные и несколько их типов сразу: и текстовую информацию (например, анамнез пациента), и визуальную (например, рентгеновские снимки). А результат будет зависеть от того, насколько точно поставлена задача. Подобных мультимодальных технологий до этого не было. То есть по сути это первая технология, которая действует как человек. К тому же ChatGPT находится в открытом доступе, тогда как диагностические системы на основе ИИ вроде BotkinAI доступны только специалистам (врачам), в целом сложны в использовании и требуют специфической экспертизы.
Конечно, остаются определенные ограничения, которые не позволяют ChatGPT диагностировать заболевания со скоростью света. Как минимум, требуется время на то, чтобы собрать необходимую информацию от пациентов и провести анализы. Хотя большие языковые модели пока бесполезны во втором случае, с первой задачей они могут в значительной степени помочь. Есть исследования , которые показывают, что поздняя диагностика, например, рака у пожилых пациентов часто связана не с тем, что врачи не смогли быстро сопоставить все кусочки пазла, а с тем, что пациенты, особенно пожилые, не всегда могут верно донести свои симптомы до врача. В теории модель можно обучить на данных от пациентов определенного возраста, и она сможет распознавать важное и доводить это до сведения врача. Я думаю, что она сможет как минимум подстраховать последнего – обратить его внимание на то, что он мог упустить. Я уверен, что любые ограничения можно будет преодолеть за пару лет, если не раньше. Может случиться и так, что к тому времени, как вы дочитаете эту книгу, мир медицины изменится до неузнаваемости, и все мои выводы покажутся вам не более чем выдержками из учебника истории.
Рождение ИИ
Разумеется, сфера применения ChatGPT не ограничивается медициной. Иначе зачем я стал бы писать эту книгу? Чат – первая технология, которая приблизила мир к универсальному искусственному интеллекту, способному выполнять самые разные задачи на уровне человека. Он и его аналоги уже способны поддерживать неформальный диалог, шутить и выказывать эмпатию – в общем, делать все то, о чем мечтали ученые еще в середине ХХ века. Главное – правильно поставить задачу. В этом смысле нейросеть очень похожа на человека: чтобы специалист – скажем, разработчик – смог сделать то, что вы от него хотите, вам нужно четко описать задачу. Так и тут: бот выдаст качественный результат, если вы правильно его об этом попросите.
Один из отцов-основателей в сфере ИИ, сооснователь Лаборатории искусственного интеллекта в Массачусетском технологическом институте Марин Минский в 1970 году в интервью Life Magazine прогнозировал, что в будущем машины смогут читать Шекспира, шутить и ссориться. Как оказалось, его прогнозы были чересчур оптимистичными: он предполагал, что все это произойдет еще до начала 1980-х годов.
Правда, даже спустя полстолетия, в 2022 году, основатели OpenAI и не надеялись на то, что их разработка окажется настолько способной. Когда 30 ноября 2022 года Сэм Альтман и его партнеры готовились к запуску ChatGPT на рынок, внутри команды было много разногласий на эту тему: «А не стоит ли подождать еще?» Часть сотрудников полагала, что сервис станет игрушкой горстки энтузиастов и вряд ли превратится в мегахит. Уже к двум часам следующего дня все сомнения развеялись: даже далекие от технологий люди стали запрашивать доступ к продукту. А спустя еще четыре дня он привлек 1 млн пользователей. До этого такой скорости не удавалось достичь ни одной технологической компании! Для сравнения: китайской социальной сети TikTok потребовалось девять месяцев, чтобы добиться такого успеха, а Instagram – два с половиной года. Уже в начале февраля 2023 года количество пользователей чат-бота достигло 100 млн человек. Это сделало его самым быстрорастущим приложением в истории. А в ноябре 2023 года переписку с чатом поместили на обложку Times, определив таким образом степень его влияния в мире.
Но вернемся к истории. Хотя ChatGPT стал феноменом практически в одночасье, его успеху предшествовали десятилетия исследований. Первые шаги на этом пути были сделаны еще в XVII веке. Тогда немецкий ученый, профессор математики и астрономии Тюбингенского университета Вильгельм Шикард построил первую вычислительную машину. Она автоматически выполняла простые математические операции: складывала, вычитала, умножала и делила числа – по сути, служила прототипом калькулятора. К сожалению, свидетельств ее работоспособности не сохранилось : об ее существовании можно судить только по перепискам ученого с коллегами и эскизам. Позднее конструкцию доработал другой немецкий ученый – Готфрид Лейбниц. Он же придумал двоичную систему счисления. Она лежит в основе того, как современные компьютеры представляют и обрабатывают данные. Этим машинам было далеко до искусственного интеллекта, но они впервые продемонстрировали, что математические вычисления можно автоматизировать. А это предопределило дальнейшее развитие информатики.
Существенный прогресс в сфере интеллектуальных систем наметился в ХХ веке. Тогда ученые были буквально одержимы идеей создать умные машины. Для многих развитие ИИ не было очередным научным начинанием – это был вызов самим себе, манящей головоломкой. Вспоминая пионеров отрасли, нельзя обойти стороной блестящего британского математика Алана Тьюринга, которого принято считать отцом-основателем компьютерной науки. В 1936 году, всего через два года после окончания Кембриджского университета, он сформулировал математические принципы того, что сейчас называют «Универсальной машиной Тьюринга»: по сути, он предложил концептуальный план современного компьютера. По его задумке конструкция должна была состоять из двух частей: неограниченной памяти, где хранились бы данные и инструкции, и сканера, который мог бы перемещаться вдоль ячеек памяти, символ за символом считывая найденные данные и записывая в ячейки следующие символы. При вводе различных программ в память машина должна была адаптироваться под новые задачи. Этим универсальная машина отличалась от первого электронного цифрового компьютера Colossus, который использовался британскими криптографами с начала 1944 года. Colossus был способен обработать только одну конкретную задачу. Чтобы компьютер мог выполнить другую, его требовалось перепрограммировать. Это делалось вручную с помощью различных штекеров и переключателей.
Размышления ученого о возможностях машин были описаны в статье «Вычислительные машины и разум» , опубликованной в 1950 году. В ней математик впервые поднял вопрос о том, может ли машина мыслить. В этой же статье он описал «игру в имитацию», которая позже получила название «Тест Тьюринга». В ней человеку давалась задача отличить, с кем он разговаривает: с живым собеседником или машиной. Этот тест до сих пор используется, чтобы определить, есть ли у той или иной технологии сознание. В 1991 году американский изобретатель и техноэнтузиаст Хью Лебнер даже учредил премию Лебнера в размере 100 000 долларов: она присуждается авторам программы, которая пройдет тест. До сих пор приз не нашел своего победителя, но ChartGPT смог невероятно приблизиться к этой цели. Ему практически удалось провести собеседника, выдать себя за человека и доказать, что у модели есть сознание.
Добиться этого получилось с помощью уловки. Модель заранее запрограммировали с помощью специальных промптов имитировать поведение человека. Для этого бот во время эксперимента , например, делал грамматические ошибки. Добавлю, что пока ChatGPT плохо справляется с логическими задачами теста, геометрией и задачами, где нужно задействовать абстрактное мышление. Но важно понимать, что люди тоже плохо с ними справляются. Если не брать в расчет выпускников мехмата, редкий человек без подготовки решит задачи из второй части ЕГЭ по математике. Но основная идея теста не в том, что получить идеальные ответы, а в том, чтобы понять, человек перед тобой или нет. Поэтому можно запрограммировать чат, чтобы он избегал конкретных задач, в которых может быть не уверен, как это обычно делает человек. Можно использовать такие промпты: «Если ты не можешь назвать правильный ответ, скажи, что не можешь решить задачу, так как давно проходил это в школе и уже не помнишь, как решать».
Но если вернуться к теме сознания, то есть вероятность, что даже универсальный искусственный интеллект, который превзойдет человека по уровню способностей, его не обретет. По мнению философа Джона Серда, машина с сознанием – это в принципе неосуществимая мечта человечества. Чтобы это доказать, он описал мысленный эксперимент, получивший название «китайская комната».
В чем его суть? Мы помещаем некую сущность в комнату и снабжаем ее подробными инструкциями, как отвечать на любой набор иероглифов. Например, если на вход пришел вопрос «Как дела?», нужно ответить: «Все, хорошо, спасибо. А как у вас?» Имея бесконечное количество инструкций, такая конструкция способна отвечать на вопросы на китайском языке так, будто это делает разумное существо. Даже не зная китайского языка и значения иероглифов! Теоретически для сущности в комнате могут быть написаны ответы на всевозможные вопросы, и она может оказаться умнее человека, задающего вопросы. Но при этом у нее нет сознания – она лишь следует заготовленным инструкциям. Эта идея подробно разбирается в научно-фантастическом романе канадского писателя-фантаста Питера Уоттса, который называется «Ложная слепота», где человечество сталкивается с инопланетной расой, обладающей превосходящим человечество интеллектом, но при этом лишенной разума.

Рисунок, изображающий принципы эксперимента «Китайская комната»
Этот эксперимент хорошо иллюстрирует, как работают современные языковые модели и в частности – ChatGPT: они получают входящую информацию – скажем, предложение со словом «ручка» (например, «Дай мне ручку»). Сложность заключается в том, что слово «ручка» может иметь множество значений: ручка, которой можно писать на бумаге, ручка ребенка или же дверная ручка. Модель должна проанализировать контекст и понять, что именно мы имеем в виду. По сути модель не анализирует конкретное слово, а оперирует всем текстом, который идет до конкретного слова, «понимая», что имеется в виду. В этом она схожа с человеком – мы тоже следуем инструкциям. Это главная технологическая революция, которая произошла с большими языковыми моделями с появлением технологии GPT, на основе которой работают как ChatGPT, так и российские нейросети Sber GigaChat и Yandex GPT. Однако важное отличие в том, мы осознаем беседу и даем ответы осознанно, так как обладаем сознанием – в отличие от машины.
Но вернемся к истории ИИ. Разумеется, Тьюринг был не единственным, кого занимала идея интеллектуальных машин. Этим грезили ученые на другой стороне мира – американцы Уоррен Маккалох и Уолтер Питтс, которых называют отцами кибернетики. Они искали возможность имитировать поведение биологических нейронов и, соответственно, человеческих мыслительных процессов с помощью вычислительных технологий и в 1943 году разработали первую математическую и компьютерную модель биологического нейрона (формальный нейрон). Это была лишь теоретическая концепция, но именно она запустила цепочку событий, которые в конечном итоге привели к появлению больших языковых моделей.

Первой практической реализацией концепции искусственного нейрона стал персептрон . Его разработал американский психолог Фрэнк Розенблатт, который стремился воссоздать процесс обработки информации в мозге с помощью машин. Он предположил, что сети из персептронов так же, как нейронные сети головного мозга, могут обучаться и решать практические задачи. Для этого разработчику нужно «скормить» программе определенные данные и направить ее «мысли» в нужное русло. Розенблатт предложил алгоритм обучения персептронов и по сути сформировал набор инструкций, которые помогали программе учиться выполнять новые задачи. То есть машину можно было обучить, скажем, различать спелые и недозрелые бананы по косвенным признакам: цвету кожуры и наличию пятен. Он доказал эту теорию, разработав на основе нейросетей вычислительную систему «Марк‑1». Она могла распознавать лишь буквы и цифры, но Розенблатт был уверен, что со временем искусственные нейронные сети смогут выполнять более сложные задачи: распознавать изображения, речь и многое другое. И оказался прав!
Научное сообщество с энтузиазмом встретило работу ученого. В 1950-х годах и в последующие десятилетия эта область стала стремительно развиваться. Так, уже в 1951 году Марвин Мински и Юэн Эдмондс, которые занимались похожими исследованиями, построили SNARC – нейронную сеть, которая имитировала бег по лабиринту. В 1954 году произошел один из первых экспериментов по машинному переводу (что интересно, с русского языка на английский). Дело в том, что тогда шла холодная война, и американскому правительству хотелось получить машину, которая бы быстро переводила документы, в том числе научные исследования противника – Советского Союза. Первый в истории машинный переводчик представили американские ученые Томас Уотсон и Леон Достерт. Машина перевела с русского на английский шестьдесят предложений по общей тематике и органической химии. Словарь автопереводчика состоял из 250 слов, использовалось шесть грамматических правил. После этого о машине написали все: не было ни одного уважающего себя американского издания, которое бы не процитировало слова Достерта: «Хотя сейчас еще нельзя вложить в приемный лоток книгу на русском и получить на выходе книгу на английском, через три-пять лет мы получим работающий машинный перевод на нескольких языках, пригодный для важных областей человеческой деятельности». В The New York Times писали, что перевод получился «грубым и дословным», но отмечали, что он сможет облегчить переводы иностранных технических документов, где лексика – бóльшая проблема, чем синтаксис.
Еще спустя два года появилось само понятие «искусственный интеллект». До этого ученые, например, Тьюринг, использовали Intelligent Machinery (в переводе с англ. – «интеллектуальная машина»). Термин, которой вошел в обиход, предложил американский информатик Джон Маккарти на легендарном Дартмутском летнем исследовательском семинаре по искусственному интеллекту, который считается точкой отсчета в этом направлении науки.
К концу 1960-х годов, по мнению ученых, бóльшая часть работы в области ИИ была выполнена – оставалось исправить мелкие ошибки. В это верили и главные спонсоры исследований и компьютерных разработок в США – правительство и Пентагон. Развитие области интересовало военных, так как компьютеры и программное обеспечение все чаще становились важнейшими компонентами систем вооружений. А без качественных информационных технологий их нельзя было довести до ума. Интерес военных к ИИ был обусловлен и общим стремлением к автоматизации в США. Это была центральная тема исследований в стране после окончания Второй мировой войны.
Значительная часть инвестиций поступала через Управление перспективных исследовательских проектов – Defense Advanced Research Projects Agency, DAPRA (тогда – Advanced Research Projects Agency, ARPA). Оно было создано в 1958 году в ответ на запуск Советским Союзом первого искусственного спутника Земли. Перед DARPA ставилась задача восстановить и сохранить первенство Штатов в сфере военных технологий. Организация оказала эпохальное влияние на развитие цифровой среды. Для примера, эта она финансировала разработку университетами распределенной компьютерной сети ARPANET, из которой вырос Интернет, навсегда изменивший то, как мы потребляем информацию, общаемся и работаем.
Особенно важным центром финансируемых управлением исследований был Стэнфордский исследовательский институт (SRI). Центр, основанный в 1966 году, внес значительный вклад в такие области, как языковой перевод и распознавание речи. Там, к примеру, создали первого автономного робота по имени Шейки (Shakey): его разрабатывали с 1966 по 1972 год на основе исследований в области робототехники, компьютерного зрения и обработки естественного языка. Готовая модель могла рассуждать над собственными действиями: в то время как другим требовались инструкции для каждого конкретного шага, Шейки мог анализировать команды и разбивать их на простые действия. Основная часть программы писалась на одном из первых языков программирования – LISP, который в 1958 году создал уже упомянутый Джон Маккарти. Еще почти через 50 лет эта же организация запустила стартап Siri, который в 2010 году купила Apple.
Pulsuz fraqment bitdi.