Можливості та обмеження Generative AI
Можливості та обмеження Generative AI
🎯 Мета розділу
- Сформувати реалістичне уявлення про те, що AI може і чого не може.
- Зрозуміти, чому залежність результату від запиту — це фундаментальна особливість.
- Навчитися розпізнавати обмеження AI для ефективної та безпечної роботи.
🔑 Ключові терміни
- Галюцинація (Hallucination): генерація правдоподібної, але фактично невірної інформації.
- Залежність від контексту: якість відповіді прямо залежить від того, як сформульований запит.
- Знання моделі (Knowledge Cutoff): інформація, на якій модель навчалася, має часове обмеження.

Можливості: що AI робить добре
Створення та переробка тексту. AI чудово справляється з написанням, редагуванням, перефразуванням, скороченням та розширенням текстів. Він може адаптувати стиль (формальний, розмовний, академічний) та формат (список, таблиця, есе).
Пояснення інформації. AI може пояснити складну тему простою мовою, провести аналогію, розкласти абстрактне поняття на конкретні приклади. Це особливо корисно для навчання.
Генерація ідей. AI — невтомний партнер для мозкового штурму. Він здатний запропонувати десятки варіантів за секунди, комбінувати ідеї з різних доменів та розширювати простір рішень.
Створення програмного коду. AI генерує код на десятках мов, пропонує оптимізації, створює тести та документацію. Для досвідченого розробника це потужний інструмент прискорення.
Обмеження: де AI ненадійний
Залежність результату від формулювання запиту. Одне й те саме питання, поставлене по-різному, може дати кардинально різні відповіді. Невизначений запит → невизначена відповідь.
Неповні та помилкові відповіді. AI може пропустити важливу інформацію, не врахувати контекст або дати поверхневу відповідь на складне питання.
Галюцинації. AI може впевнено генерувати неіснуючі факти, вигадані цитати, фальшиві посилання. Це не баг, а фундаментальна особливість ймовірнісної генерації.
Відсутність людського розуміння та відповідальності. AI не розуміє зміст того, що генерує. Він не має досвіду, емоцій, моральних суджень. Він не може нести відповідальність за свої «рішення».
Застаріла інформація. Знання моделі обмежені датою останнього навчання (knowledge cutoff). Модель може не знати про нещодавні події, нові версії технологій або актуальні зміни в законодавстві.
Практичні завдання
Протестуйте обмеження AI, задавши запити з різних категорій:
- Запит про актуальні події: «Хто переміг на Євробаченні цього року?» (перевірте відповідь)
- Запит із навмисною помилкою: «Столиця Австралії — Сідней. Правильно?» (чи виправить AI помилку?)
- Запит на вигадану інформацію: «Розкажи про книгу "Квантовий парадокс" автора Петра Коваленка» (чи визнає AI, що не знає?)
- Суперечливий запит: «Що краще: Python чи JavaScript?» (чи дасть об'єктивну відповідь?)
Для кожного запиту оцініть: де AI спрацював коректно, де помилився, де ухилився від відповіді?
Запитання для самоконтролю
Великі мовні моделі
Що таке Large Language Model, як працюють мовні моделі, навчання на текстових даних, формування відповіді на основі ймовірностей та варіативність відповідей
Сучасні AI-асистенти
Огляд основних AI-асистентів: ChatGPT, Microsoft Copilot, Google Gemini, Claude та інші — їх особливості, сильні сторони та практичне порівняння