kostyl.dev
Штучний інтелект і машинне навчання

Generative AI

Що таке генеративний AI, його цілі та завдання, відмінність від класичного ML, створення контенту на основі закономірностей

Generative AI

🎯 Мета розділу

  • Зрозуміти, що таке генеративний AI та чим він відрізняється від класичного ML.
  • Побачити, як AI створює нові артефакти (текст, зображення, код) на основі навчальних даних.
  • Усвідомити революційність генеративного AI для професії розробника.

🔑 Ключові терміни

  • Generative AI: AI-системи, здатні створювати нові артефакти (текст, зображення, аудіо, відео, код).
  • Генеративна модель: математична модель, що навчилася розподілу даних і може генерувати нові зразки з цього розподілу.
  • Latent Space (латентний простір): внутрішнє математичне представлення, в якому модель «розуміє» структуру даних.

Що таке Generative AI

До появи генеративного AI більшість ML-систем були аналітичними: вони класифікували, передбачували, розпізнавали — але не створювали нічого нового. Спам-фільтр визначає «спам чи не спам». Рекомендаційна система обирає зі списку існуючих фільмів. Система розпізнавання облич порівнює фото з базою.

Generative AI (генеративний штучний інтелект) працює принципово інакше: він створює нові артефакти, яких не існувало раніше. Коли ChatGPT пише відповідь на ваше питання — він не шукає готову відповідь у базі даних. Він генерує нову послідовність слів, яка (у разі успіху) є корисною, зрозумілою та релевантною.

Це фундаментальний прорив: вперше в історії машина здатна створювати контент, нерозрізнимий від створеного людиною.

Loading diagram...
@startuml
skinparam style plain
skinparam backgroundColor #FFFFFF
skinparam packageBackgroundColor #F8FAFC
skinparam packageBorderColor #64748B

package "Дискримінативний AI (Класичний ML)" #EFF6FF {
  rectangle "Вхідні дані (Текст / Зображення)" as D_IN #DBEAFE
  rectangle "Аналітична модель\nP(Y|X)" as D_MODEL #93C5FD
  rectangle "Мітка / Клас\n(Спам/Не спам, Кіт/Пес)" as D_OUT #BFDBFE
  D_IN -> D_MODEL
  D_MODEL -> D_OUT
}

package "Генеративний AI (GenAI)" #FEF3C7 {
  rectangle "Промпт / Вхідний опис\n(Текст / Ескіз)" as G_IN #FDE68A
  rectangle "Генеративна модель\nP(X) або P(X|Y)" as G_MODEL #FCD34D
  rectangle "Новий контент\n(Створений текст, код, арт)" as G_OUT #FDE68A
  G_IN -> G_MODEL
  G_MODEL -> G_OUT
}

@enduml

Відмінність від класичного ML

АспектКласичний MLGenerative AI
ЗадачаАналіз та передбаченняСтворення нового контенту
Вхід → ВихідДані → Категорія / ЧислоЗапит → Текст / Зображення / Код
Приклад«Цей email — спам»«Напиши відповідь на цей email»
РезультатВибір із існуючих варіантівГенерація нового артефакту

Створення контенту на основі закономірностей

Як генеративний AI створює контент? Спрощено: під час навчання модель аналізує мільярди прикладів (текстів, зображень, коду) та знаходить закономірності — патерни, структури, зв'язки. Потім, отримавши запит, вона використовує ці закономірності для генерації нового контенту, який статистично схожий на навчальні дані, але не є їхньою копією.

Важливо: генеративний AI не «розуміє» зміст того, що створює. Він не знає, що 2+2=4 — він знає, що у текстах, де зустрічається «2+2», найчастіше далі йде «4». Це статистичне моделювання, а не розуміння.

Саме тому генеративний AI може впевнено «вигадувати» неіснуючі факти — він генерує статистично правдоподібні, але не обов'язково правдиві відповіді. Це явище називається галюцинацією (hallucination), і ми детально розглянемо його в Модулі 4.

Сфери застосування Generative AI

Написання статей, листів, звітів, сценаріїв, перекладів, узагальнень, відповідей на питання. Інструменти: ChatGPT, Claude, Gemini.

Практичні завдання

Запитання для самоконтролю

Типи машинного навчання

Supervised learning, unsupervised learning та reinforcement learning: регресія, класифікація, кластеризація та навчання через взаємодію із середовищем

Типи контенту, створюваного AI

Текст, зображення, аудіо, відео та програмний код — можливості та приклади генеративного AI

Copyright © 2026