# 18 терминов в ИИ, которые должен знать каждый!

## Метаданные

- **Канал:** Лебедев про Нейросети: уроки, секреты, лайфхаки
- **YouTube:** https://www.youtube.com/watch?v=-11Rzkw6Cx8
- **Дата:** 23.04.2026
- **Длительность:** 21:19
- **Просмотры:** 13,274

## Описание

🎁 Хочешь разобраться в нейросетях на практике? Забирай бесплатный курс «Путь в ИИ. Нейросети от А до Я» — 9 уроков с заданиями без воды: https://iiuniversitet.ru/free2?utm_source=youtube&utm_medium=video&utm_campaign=opisanie&utm_term=marketograf&utm_content=YT-699 
📖 Скачай 2000 готовых промтов для ChatGPT https://iiuniversitet.ru/2000prompts-free/?utm_source=youtube&utm_medium=video&utm_campaign=opisanie&utm_term=marketograf&utm_content=YT-699 

Пост в телеграм со всеми терминами: https://t.me/marketograf/3493

⏩ И еще больше подарков, которые можно забрать сразу:
Скачай книгу «Нейросети: как обрести профессию будущего»: https://iiuniversitet.ru/futurebook_free?utm_source=youtube&utm_medium=video&utm_campaign=opisanie&utm_term=marketograf&utm_content=YT-699
Мастер-класс «ИИ-агенты: как автоматизировать работу и получить х2 доход» https://iiuniversitet.ru/mk_svyaski_life?utm_source=youtube&utm_medium=video&utm_campaign=opisanie&utm_term=marketograf&utm_content=YT-699 
Мастер-класс «Путь в ИИ: как освоить нейросети за 1 день» https://iiuniversitet.ru/mk_iistart/?utm_source=youtube&utm_medium=video&utm_campaign=opisanie&utm_term=marketograf&utm_content=YT-699
Мастер-класс для руководителей «Как выйти из операционки с ИИ и делегировать до 70% рутины» https://iiuniversitet.ru/mk_delegirovanie/?utm_source=youtube&utm_medium=video&utm_campaign=opisanie&utm_term=marketograf&utm_content=YT-699
Курс «Нейропродюсер» https://kurs.iiuniversitet.ru/predzapis_neuroproducer?utm_source=youtube&utm_medium=video&utm_campaign=opisanie&utm_term=marketograf&utm_content=YT-699

В этом видео:
Разбираем все ключевые термины в сфере ИИ: чем нейросеть отличается от LLM, что значит GPT, как работают параметры, токены и контекстное окно. Понятная разница между ИИ-ассистентами (GPTs, Claude, Gems) и агентами — на простых примерах с кофемашиной. Плюс узкий и широкий ИИ, машинное обучение, AGI — всё в одном видео.

Навигация по видео: 
0:00 Чем ИИ-ассистенты отличаются от агентов — и что такое LLM
0:18 Что такое ИИ — история, тест Тьюринга и современное определение
1:43 Машинное обучение и нейросети — как это связано 
2:15 Узкий и широкий ИИ: чайник vs плита — в чём разница
2:50 Три направления ML: нейросети, алгоритмы ранжирования, предсказательные модели
4:10 GPT = Generative Pre-trained Transformer — что это значит
5:04 Веса и трансформер: объясняем через рецепт блинов
7:16 Параметры LLM: почему в ChatGPT 2 триллиона параметров
8:01 Как нейросеть предсказывает следующее слово
9:27 Токены: как считать стоимость работы с нейросетями
10:31 Контекстное окно: почему нейросеть «забывает» часть диалога
12:14 Промт — что это такое и как с ним работать
12:39 ИИ-ассистенты: GPTs, Claude, Gems — в чём суть
14:41 ИИ-агенты: кофемашина в коридоре и автономная работа
17:45 Автономные агенты — следующий уровень автоматизации
18:57 AGI — всеобщий ИИ: последнее изобретение человечества?

Все материалы, промты, ссылки на нейросети из видео 
в телеграм канале: https://t.me/marketograf 

🚀 Также можете найти меня здесь:
ВКонтакте: https://vk.com/aiclub
Дзен: https://dzen.ru/marketograf
Нейропрокачка https://t.me/+5DvJWeYvoFpmMGE6
Rutube https://rutube.ru/channel/41156136/

Во вопросам корпоративных тренингов и обучения: 
пишите в службу заботы http://t.me/pmlebedev_support 
и WhatsApp +7 985 166 3586 

#нейросети #нейросеть #ии #chatgpt #чатгпт #ПавелЛебедев #Маркетограф

## Содержание

### [0:00](https://www.youtube.com/watch?v=-11Rzkw6Cx8) Чем ИИ-ассистенты отличаются от агентов — и что такое LLM

Чем отличаются и ассистенты от и-агентов? Что такое лмка? Почему чат GPT называется GPT? Ну и, в общем, мы сегодня поговорим про все термины в искусственном интеллекте, чтобы потом, когда кто-нибудь вам начинал говорить или на тему и вы могли с точностью сказать, что нет, дорогуша, ты не прав.

### [0:18](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=18s) Что такое ИИ — история, тест Тьюринга и современное определение

Мы поговорим не про то, что такое чат GPT, а верхнеуровнево. Искусный интеллект. И вообще интеллект ли это нужно понимать, да, что искусственный интеллект - это обобщённое понятие. Оно появилось в конце шестидесятых годов XX века. Тогда искусственным интеллектом называли то, что программа сама что-то может считать и принимать какие-то данные изне на основании этого реагировать. То есть тогда понятие интеллекта и искусго интеллекта было гораздо более упрочённым, чем сейчас. А вот спустя время появился уже и тест тюринга, да, если программа неотличима по разговору от человека. И на самом деле этот тест тюринга, конечно же, был пройден. и чат GPT и вот все нейронки, которые появились уже после, они блестяще это проходили. Хотя были алгоритмы, которые проходили тестюринга и раньше, но не настолько вот гибко, как и сейчас. Сейчас человек практически не может отличить, когда он общается с ботом, когда с человеком. Это, кстати, используется и в продажах, в том числе. И вот искусственным интеллектом начали называть как раз такую программу, которая выполняет какие-то интеллектуальные задачи, которые вот неотличимо от человека или берёт на себя работу человека. Но давайте будем честными, что сейчас нету чёткого ограничения, что вот здесь вот, вот на этой задаче это искусственный интеллект, а до этого это что? Это просто программа. Вот это такое очень абстрактное понятие, но мы сейчас будем погружаться внутрь, разбирать, какие ещё

### [1:43](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=103s) Машинное обучение и нейросети — как это связано

там есть понятия. В рамках искус интеллекта есть, что есть машинное обучение. Это подход, где машины могут сами обучаться. Да, логично следует из названия. Вот это когда и может сама обрабатывать большой объём данных и на основании этого, ну, делать для себя какие-то выводы, как-то корректировать себя. И вот нейросети - это под часть вот -э программ, которые используют машинное обучение как метод. И таким образом мы уже получаем, переходим к тому, что такое нейросети. То есть нейросети - это всё-таки часть

### [2:15](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=135s) Узкий и широкий ИИ: чайник vs плита — в чём разница

понятия искусственный интеллект, да, которые используют машинное обучение в своей работе. И есть ещё, например, из искусственных интеллекто узкий искусственный интеллект, да, есть широкий искусственный интеллект, сейчас тоже про это поговорим. Узкий искусственный интеллект - это программа, которая выполняет какую-то определённую роль. Ну вот на хорошем примере могу показать. Есть, например, чайник, который поставил, включил, он скипятил воду. Вот, допустим, это узкий искусственный интеллект, широкий искусственный интеллект, такий как Charge PT или другие модели LLM, да, генеративные, как плита, на которой ты можешь приготовить что угодно. И вот узкий искусственный интеллект - это прогноз погоды, пробки, это искусственный интеллект, рекомендательные алгоритмы в соцсетях

### [2:50](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=170s) Три направления ML: нейросети, алгоритмы ранжирования, предсказательные модели

узкий искусственный интеллект. Вот. И вот если мы разбираем про ИИИ шире, то получается я выделю три таких направления, ключевых, на которые нужно смотреть, да, в рамках машинного обучения, в рамках термина машинного обучения. Это нейросети, как одно из подразделений вот программ. И, конечно, оно суперхайповое, суперпопулярное, но это не всё. Есть ещё алгоритмы аранжирования, то есть это алгоритмы, по которым работают поисковые программы Яндекс, Google и все остальные. И у них тоже используется искусственный интеллект на базе машинного обучения. Предсказательные модели, то есть это те, которые, ну, предиктивные модели, то есть те, которые предсказывают, а что там дальше будет погода, пробки, ну, вот это то, о чём мы говорим. И есть ещё нейросети, и их ещё называют генеративные модели, то есть генеративные нерсеть, которые генерируют что-то, то есть создают какой-то контент на базе чего-то. Ну, хотя, кстати, среди неростей есть те, которые генерируют, и вы им отправляете текстовый запрос, они что-то создают, а есть те, которые обрабатывают. Например, есть нейронки, которые обрабатывают голос или звук. Есть те, которые могут обрабатывать фото или видео. И это отдельным особнячком тоже стоит нейросеть. Там есть несколько систем, которые выделяем. Первое - это большие языковые модели. По-русски BМ, по-английски LLM, large Models. И вот в них-то как раз и содержатся GPT модели.

### [4:10](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=250s) GPT = Generative Pre-trained Transformer — что это значит

И GPT - это одна из моделей вот этого GPT. А что значит GPT? Это значит generative prrained transформе. Вообще непонятно никому человеку. Теперь по-русски, да, генеративные, предренированные, предобученные трансформаторы. А вот теперь уже становится что-то понятнее. Давайте разбираться, что значит генератив. То есть они создают, вы им слово, он тебе 10. Вот он создаёт что-то. А prтрейн, то есть для того, чтобы он это создавал, он был заранее обучен. И вот это ключевой момент с иишками. То есть их заранее много времени обучают, скармливают им тексты, какой-то контент, который даже контент, который они сами сгенерировали для себя же. Им всё это скармливают. То есть этот контент кто-то отбирал. Вопрос, кто его отбирал? Ишка отбирала для себя же. или это человек отбирал, по каким фильтрам это отбиралось? И вот всё это скормили. Это prтре. И трансформер

### [5:04](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=304s) Веса и трансформер: объясняем через рецепт блинов

то, что он трансформирует. А что он трансформирует-то, собственно? А на самом деле он трансформирует свои собственные веса. Вот сейчас тоже никто не понял, а что такое веса? Когда вы готовите, например, блины, у вас есть несколько ингредиентов: мука, сахар, масло, на молоке, на чём вы, кстати, блины готовите, да, там соль и так далее. Вот это каждый, это элемент вот этой системы. И веса - это сколько каждого ингредиента вы добавляете в блин. И помните, как говорят, первый блинкомом. Вот ты добавил определённые веса, определённы объём каждого ингредиента получился первый блинкомом. Потом используется обратное распространение ошибки. То есть Иишка смотрит результат, который он получился, сравнивает с эталоном, такой: "Не, это не то". Возвращается к на предыдущий шаг, смотрит, где здесь поменять веса. Может быть, нужно было побольше жарить, поменьше жарить, может, там переворачивать как-то по-другому. возвращается на предыдущий. Может быть, как-то я неправильно смешивал ингредиенты и так думаю, что надо вот здесь вот веса поменять и назад. И фактически программа работает и в направлении создания контента, и в обратном направлении, создавая не просто контент, а корректируя саму себя. Поэтому трансформер, поэтому здесь появляется термин новый. Обратное распространение ошибки - это метод, по которому и сам себя обучает. А теперь давайте разберём, а что такое параметры у модели, потому что нейросети, вот, знаете, иногда говорят, что вот у первого чата GPT там было сколько-то там 20 млн параметров или 20 млрд параметров, да? У сейчас, э, последней там версии чата GPT 2 триллин параметров. Что это за параметры такие? Вот давайте разбирать. Значит, смотрите. Параметр - это такая простая история. Если мы вот возьмём ось от мужского к женскому, допустим, то король будет на этой осе рядом с мужским, королева рядом с женским. Это вот один параметр. А добавим теперь второй параметр, например, молодой, старый, да? И вот если младенец, он будет где-то по мужскому, женскому, но он мужской, соответственно, младенец, да, и он внизу. А вот старый он будет ну, старик, он будет вот там наверху. А ещё добавим богатый или бедный. И тогда у нас получится, что вот старик, он будет где-то на этом третьем параметре в какой-то другой плоскости. И вот получается, что каждая вот эта вот ось, она создаёт определённые плоскости.

### [7:16](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=436s) Параметры LLM: почему в ChatGPT 2 триллиона параметров

И вот эти слова, которые у нас есть, понятия, да, они вот между этих осей располагаются. И вот это и есть параметры. И получается, что если вот взглянуть на эти слова, то они вот в этой пространстве координат, да, там не три вот эти оси, да, а их огромное количество. Вот. И количество этих параметров огромное, да? То есть вот мы сейчас и говорим о том, что там в чате GPT их вот этих параметров сколько там? 2 триллина, да? То есть вот 2 триллин разных осей, на которых располагаются вот эти слова. Получается, что когда эти оси располагаются, ну, там слова располагаются на этих осях, и получается, что как раз некоторые однокоренные слова или похожие слова, они находятся вместе. Получается так, что если это слово встречается чаще в предложении, ну, вот там в лесу родилась, вы знаете уже, да, что ёлочка, конечно, вот и если вот это

### [8:01](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=481s) Как нейросеть предсказывает следующее слово

происходит регулярно, он уже понимает, что дальше должно быть вот следующее слово. Они как-то вместе связанным образом идут. Раньше считалось, чем больше параметров, тем более умная модель. Но с появлением, например, Deepsek появились новые модели. Это называется reing, да? Что такоениing? То есть это размышляющие. То есть они прежде чем выполнить задачу, начали сначала выстраивать цепочку действий, что нужно делать. И оказалось, что не нужно огромное количество параметров, достаточно меньше параметров, и тогда модели будут что умнее. Ну вот так. Ну и вы уже поняли, да, что чат GPT, такие же как, например, Clк или Gemini или Гроc или Deeps и так далее, это лишь разные сервисы, разные GPT модели, которые находятся в рамках вот всех GPT моделей, в рамках всех LOLM больших языковых моделей. Как работают нейросети? У нейросетей есть первое - это токены. То есть это что такое токен, да? Когда вы ей отправляете запрос, она разбивает его на слоги, абзацы и вот эти вот фразы. Когда она прогнозирует, что нужно ответить, она прогнозирует и прописывает этот ответ по слогам, словам. И вот этот вот слог или слово - это и есть токен. Никто толком не понимает, да, какого оно размера. Это одна буква или несколько букв, но чаще всего несколько букв. И вот это вот токен. Нейросети могут какой-то объём токенов принять. Давайте называть это попроще, да? Объём символов, сколько они могут принять в себя для обработки, и

### [9:27](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=567s) Токены: как считать стоимость работы с нейросетями

объём символов, сколько они могут выдать на выходе. Был такое время, когда эсэмэски можно было отправлять. И вот когда ты пишешь эсэмэску для того, чтобы сэкономить ээ средства, ты пишешь, чтобы вот она умещалась в определённый объём не больше там одной эсэмэски. Тогда с тебя спишут деньги за одну эсэмэску. Вот если слишком много написал, тогда за две. Пишешь по-русски, больше токенов тратишь. И вот у тебя списывают сразу за две. пишешь по английскими буквами, по транслиту, тогда с тебя написать можно больше, а денег берут меньше. Вот таким же образом и токены работают в нейросетях. А теперь поговорим серьёзно. Если ты хочешь на практике внедрить нейросети в свою работу, а не просто в теории узнать, то я бы советовал тебе записаться на бесплатный курс, который находится прямо под этим видео. Путь выи нейросеть от Адая. И на нём за девять уроков ты сможешь не просто узнать, с какими нейросетями это можно и что можно, а прямо выполняя задание, внедрить нейросети в свою работу и получить ускорение работы. Ссылка на этот курс, она будет внизу. Он бесплатно ограниченное время, поэтому поспеши, нажми на неё, чтобы пока она ещё, в общем-то, работает. Так что до встречи

### [10:31](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=631s) Контекстное окно: почему нейросеть «забывает» часть диалога

и мы продолжаем. Следующая история - это контекстное окно. Вот здесь мы приходим к тому, что нейросети, когда ты им отправляешь что-то, они могут как будто бы забывать часть ответа. замечали наверняка такое. Причина здесь как раз в контекстном окне, и токены здесь напрямую связаны. Как это работает? Вот смотрите, нейросеть - это как плита, в которую на противине мы выкладываем вот эти печеньки. Каждая печенька - это токен. Ну там по одному слову, да. Допустим, мы там выложили 100 печенек, загружаем в плиту, а плита рассчитана на 20. Во. И значит, все остальные, что они не влезают. И вот контекстное окно модели - это то, сколько токенов она может одновременно обработать и держать у себя в голове. Помните рыбку Дори из фильма В поисках Нема? У неё маленькое контекстное окно было, она всё забывала. И то же самое старые модели, они быстро всё забывали. Или бывало такое, что вы начинаете переписываться с моделью, и она как-то теряет контекст, забывает, о чём вы переписывались раньше. Вот это как раз контекстное окно, сколько оно задано. В некоторых случаях это задаётся жёстко в настройках, где-то модель сама как-то корректирует вот эти вещи. Ну вот от этого всё зависит. Ну вот. А если наоборот большое контекстное окно, это тоже не всегда очень хорошо, потому что она может помнить те детали и к ним привязываться, хотя к ним не нужно было. И, например, вот сервис Open Clow, который использует разные и модели для своей работы. Они сделали интересную решения модель и вообще приложение и GPT, который работает через этот onplow или там ClД, который работает через Open Clow, он помнит всё, потому что весь контекст сохраняется на компьютере в отдельном файле, то есть там сохраняются все действия, всё, что делала программа. Ну, для того, чтобы потом можно было к этому вернуться и посмотреть. И вот теперь мы уже поняли, что такое и контекстное окно, да, это наша величина проты, и токены, вот эти вот печеньки

### [12:14](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=734s) Промт — что это такое и как с ним работать

которые выдаёт модель. И вот, вроде бы мы всё это разобрали, но у нас осталось ещё несколько терминов. Это промт. То есть промт - это то, что мы загружаем в нейросеть, да, простыми словами, в переводе с английского это называется подсказка. Мы его загружаем, туда добавляем подсказку для, чтобы она понимала, что мы от неё хотим. И она на основании этого прогнозирует, что там будет дальше. Перейдём к следующему инструменту - это и ассистенты. И вот если работа с нейросетями - это как

### [12:39](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=759s) ИИ-ассистенты: GPTs, Claude, Gems — в чём суть

жарка на плите, когда мы готовим что-нибудь, там, кофе, например, готовите на плите, да? Вот вам нужно помнить, по какому рецепту вы это готовите. Рецепт - это промт, а ингредиенты, которые вы добавляете туда, загружаете - это вот дополнительные ингредиенты, которые вы загружаете. И вот размер вот этого ёмкости, в которой вы готовите - это размер контекстного окна. Вроде разобрались. Так вот, это всё вручную происходит. Это просто работа с нейросетью. А есть ещё и ассистенты. Что это такое? Это как кофемашина. Вы её настроили под себя, говорите, по какому рецепту готовить. Просто загрузили туда воду, загрузили кофе, нажимаете на кнопочку, она вам готовит такою кофе, которое вам нужно. Вот у кого дома кофемашина, вы понимаете, у кого дома мультиварка, работает по такому же принципу. Вы выбрали кнопочку, она выдаёт вам то, что вам нужно. Но фишка в чём, что и ассистент он работает в случае с нейросетями - это фактически, когда вы взяли промт, по которому вы получили результат, и сохранили его в отдельном интерфейсе как инструкцию. И дальше вы начинаете новый чат. А этот промт уже заранее загружен в этот чат. То есть в этом новом чате этот промт, он стоит уже по умолчанию. И чтобы вы туда не загружили, он будет сначала смотреть, а что было в этом исходном промте, что там нужно сделать. Поэтому модель сразу всё это помнит. Это, знаете, как в том анекдоте, да, что если у вас в руке молоток, это не значит, что всё остальное гвоздь. Ну вот то же самое вы превращаете, ну, промт загрузили, вот промт у меня в руке молоток и всё, начинаете всё долбить. Вот иишка также она начинает всё долбить, когда вы это сделали. Проблема у этой штуки то, что она работает только в рамках, ну, нейросети, в которой вы это сделали. Хотя эту проблему сейчас решают. Клод они сделали, это называется у них не GPT ассистента. В чате GPT это называется GPTS ассистента, да, когда вот там сохранили этот пром и так далее. А в Клоде это называется скилы, и вы можете это скилы - это отдельный файл, который вы можете перенести в любую другую нейросеть. И а она будет помнить, что нужно делать очень удобно. В Джемини это называется джемботы. В Perplexity это называется Space пространства. Но всё это суть одна. Это и ассистенты, которые без вашего действия ничего не начинают

### [14:41](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=881s) ИИ-агенты: кофемашина в коридоре и автономная работа

но уже помнят заранее инструкции, промт и просто берут и делают то, что вы им сказали. Двигаемся дальше. Следующий уровень - это уже Иеагенты. В чём разница? И агенты - это как кофемашина, которая стоит в коридоре. Любой другой человек может подойти, нажать на кнопку капучино, получить капучино. И при этом он не загружал исходных данных, ингредиентов вот в эту историю. Он просто, ну, заплатил деньги, нажал на кнопочку. То есть он не знает, по какому промту это готовится, не готовил ингредиенты. И эта штука автономная. То есть фактически в нашей истории с нейросетями это когда тот же самый промт принимает сообщения через, например, Telegramботу. В Телеграме вы пишете боту. Telegram бот передаёт это всё в чат GPT. чат GPT подключает туда промт, который у вас уже заранее загружен, да, ваша инструкция, и потом на основании этого промта отвечает и вот этот ответ обратно отправляет в Telegram работу. Вот это вот то, как работают иагенты. И здесь интересно, что иагенты они могут выполнять какие-то действия самостоятельно, да? То есть вы можете запрограммировать, что они, например, регулярно что-то могут делать, общаться, отвечать на сообщения людей, которые не вы, и тем самым они автоматизируют работу. И агенты, они могут выполнять какие-то действия в интернете, подключаться к другим сервисам. Но если вы их подключили, конечно. И проблема здесь, конечно, в том, что если вы их не подключили, то они ничего и не сделают. Ну вот так вот. Но если вы подключили, то всё сделают, поэтому уже хорошо. И в целом с ними, естественно, ускорение оно колоссальное. И этигенты, они могут быть подключены где-то ещё. Кстати, и-агентами называют, ну, на самом деле такое понятие, что сейчас всё, что не лень, называют иагентами. Но приведу пример. Есть, например, сервис chat GPT. Это GPT, а внутри чата GPT есть функция agent mode. Это когда чат GPT начинает в режиме агента. Вот ему вы ему говорите: "Зайди на сайт с декакор и считай стоимость доставки там, не знаю, вот моих жёлтых книг ээ из Москвы в ваш город". И вот он в режиме агента. Он заходит на сайт с дека и вводит там, заполняет форму и всё это выполняет. То есть что получается? Что Иишка сама выполняет действия в интернете. Да, вы ей задали инструкция промт, но она уже действует более автономно, то есть вы сами физически не заходите на этот сайт. И вот это тоже агенты, то, что они могут делать. Ещё один пример. Есть, например, сервис GSPK, который так и называется, агентный сервис. Есть Манус, мы наверняка про него слышали, он чуть более такой на слуху. Вот то же самое. И принцип у них точно такой же, да, вы им говорите, что нужно сделать, а они не просто вам отвечают текстом, используя как предиктивную модель, да, предсказательную модель, что там нужно в конечной фразе. А они сами могут заходить на нужные сайты, сами могут собирать какую-то информацию, сами могут запускать, например, глубокое исследование в чате GPT, собрать информацию с куче сайтов, проанализировать всё это, выдать, написать программу для себя, эту какую-нибудь макрос и вот это всё выдать уже вам в чате. То есть, вроде бы, визуально и агенты могут работать так же, как и чат GPT, то есть вы и тут в чате общаетесь, и тут. Но агент он уже выполняет действия в интернете за вас. И вот это другой уровень, другой подход. Теперь вроде бы ясность появилась.

### [17:45](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=1065s) Автономные агенты — следующий уровень автоматизации

Следующий уровень автоматизации - это автономные агенты. Проблема-то с агентами была в том, что их нужно вручную было настроить человеку. То есть вот человек должен был сам подключить агента ко всем необходимым сервисам. Классно, но не классно, потому что тогда нужно просто тратить время. Автономный агент уже сам себя может подключать. И вот это, конечно, смотрится немножко дико. То есть, например, есть сервисы такие, как OpenClow, CloudД, Антигравити, есть ещё браузеры типа Perplexity Comet и Chat GPT Atlas, которые, ну, можно с натяжкой отнести к автономным и агентам. Но суть в следующем. Вы им говорите, что нужно сделать. Автономный и агент берёт и все ресурсы для себя собирает для того, чтобы это делать. он находит программы там библиотеки каких-то баз данных, находит там сервисы, вы ему даёте логин пароль, он подключается, заходит там через браузер, в общем, он всё делает и сам себя донастраивает, чтобы выполнить задачу, которую вы ему поставили. Поэтому он и автономный, что вам не всегда нужно будет подключать его к чему-то бы то ни было. Здесь, конечно, есть большие плюсы, есть большие риски. Про риски отдельное видео, что там не нужно делегировать вот этому Open Cloud, но тем не менее хорошие инструмент.

### [18:57](https://www.youtube.com/watch?v=-11Rzkw6Cx8&t=1137s) AGI — всеобщий ИИ: последнее изобретение человечества?

Следующий уровень - это AI, всеобщий искусственный интеллект. И вот тут, конечно, ожидается, что это значит, что искусственный интеллект будет сам себя тренировать, он сможет делать какие-то открытия. И говорят, что это будет последнее изобретение человечества. Но мысль в следующем, что когда и сам будет себя обучать, вот проходить весь этот вот цикл, который мы только что разобрали, вот сам будет себя тренировать, настраивать и всё-всёвсёвсёвсё будет делать, вот прямо всё сможет вот это вот AI. Но опять же нету чёткого критерия, что этим считать, да? Потому что, например, Сэм Альтоман говорит, что о'кей, когда и сможет создать бизнес стоимостью миллиард долларов, вот это AI. Так или не так? Да. То есть, а что это? Может, крипто какая-нибудь кошелёк, он может там заскамить всех. И это считается или нет? Ну, кто знает. В общем, сейчас пока даже философские вопросы, они появились, поднялись с развитием искусственного интеллекта, потому что а что считать сознанием? Что считать интеллектом? Потому что когда у и она начинает имитировать чувство, она действительно чувствует или имитирует, а в какой момент у Ии чтобы его не отключали? Потому что сейчас уже есть пример того, что и борется за своё выживание, когда он понимает, что его собираются отключить, он как-то сопротивляется этому. И на лабораторных тестах это видно, да, естественно, там люди общаются с незафильтрованной моделью. Вы общаетесь, если в чате GPT, то с зафильтрованной. Так что, друзья мои, мы разобрали вот все практически самые популярные термины в сфере искусственного интеллекта. Если вдруг на какие-то термины я не дал вам ответа, напишите в комментариях, какие именно вы бы хотели от меня получить ответы и что нужно расшифровать. На что-то я отвечу в комментариях, а на какие-то моменты мы запишем отдельное видео. Спасибо вам. Ставьте лайк, если вы не бот и не нейросеть. А если вы хотите разобраться подробно, не просто в теории, как эта штука работает, а научиться создавать вот этих вот и агентов, и ассистентов, автоматизировать свою работу с нейросетями, убрать рутину, разобраться вообще какие нейросети для этого помогут, а внизу вы найдёте ссылку на бесплатный видеокурс, который вы можете пройти и уже разобраться с этими вещами, научиться, как правильно составлять запросы и получать результат от нейросетей. Ссылка активно будет ограниченное время, поэтому переходите по ней скорее, пока она работает.

---
*Источник: https://ekstraktznaniy.ru/video/48994*