Что умеет ИИ

От написания первого слова до понимания целого документа: это семейство работает с самими последовательностями символов — порождает, переписывает, переводит, резюмирует, извлекает, ищет и рассуждает.

Научить модель понимать изображение. От простейшей классификации до выделения объектов рамками, попиксельной сегментации, распознавания текста и лиц, а затем и ответов на вопросы об изображении.

От описания или наброска — сразу к изображению: его созданию, правке и восстановлению. Это семейство генеративного ИИ, которое широкая публика заметила первым.

Видео — это движущееся изображение плюс время. Здесь приходится работать и с пространством, и со временем: генерировать короткие ролики, понимать действия, монтировать кадры и синхронизировать губы.

Звук — это и волна, и временной ряд. Распознавание речи переводит его в текст, синтез речи — обратно; генерация музыки и звуковых эффектов даёт готовый к прослушиванию материал.

Перевод двумерных данных в трёхмерные активы: сетки, облака точек и сцены, пригодные для рендеринга. Это основа для игр, кино и симуляции роботов.

Код — язык со строгой грамматикой. Это семейство не просто дописывает следующую строку, но и понимает весь репозиторий, запускает команды, ищет и исправляет ошибки.

Когда модель умеет вызывать инструменты, читать и писать файлы и управлять браузером, она переходит от ответов на вопросы к выполнению задач. Здесь важно выстраивать действия в надёжные цепочки.

Превращение беспорядочных таблиц, документов и вёрстки в структурированные поля. Это первый барьер, который приходится преодолеть, встраивая ИИ в реальный рабочий процесс.