Системы искусственного интеллекта: как их классифицируют

Систем искусственного интеллекта сегодня так много, что разобраться в них без подготовки почти невозможно. Дать точное определение проще всего: система искусственного интеллекта - это программа, обученная решать задачи, которые раньше требовали человеческого мышления, а не просто выполнять жёстко прописанный алгоритм.

За этим сухим определением скрывается настоящий зоопарк: голосовые помощники в телефоне, чат-боты вроде ChatGPT, рекомендательные ленты в стриминговых сервисах, роботы-пылесосы, которые объезжают мебель, и алгоритмы, отсеивающие спам в почте. Все это - разные системы искусственного интеллекта, и смешивать их в одну кучу так же странно, как называть одним словом велосипед и грузовик только потому, что у обоих есть колёса.

Что отличает систему с ИИ от обычной программы

Обычная программа работает по жёсткой инструкции: если пользователь нажал эту кнопку, сделать то-то. Калькулятор не думает над примером 2+2, он просто выполняет операцию сложения, зашитую разработчиком заранее. Система искусственного интеллекта устроена иначе: её не программируют с готовым ответом на каждый случай, а обучают на примерах, и дальше она сама выводит закономерности и применяет их к данным, которых раньше не видела.

Разница похожа на разницу между поваром, который готовит строго по рецепту, и поваром, который попробовал сотни блюд и научился на глаз определять, чего не хватает в новом супе. Второй не помнит рецепт наизусть - он опирается на опыт и обобщает. Примерно так же обучается нейросеть: она не хранит готовый ответ на каждый вопрос, а строит его заново, опираясь на закономерности, извлечённые из массива данных при обучении.

Первое деление: по тому, что система умеет делать с информацией

Самый практичный способ разложить системы искусственного интеллекта по полочкам - смотреть не на технологию внутри, а на то, какую задачу они решают.

• Распознающие системы. Определяют, что перед ними: лицо на фото, голос в аудиозаписи, спам в письме. Результат - метка или категория, а не новый текст.
• Предсказывающие системы. Оценивают вероятность события: купит ли пользователь товар, сломается ли деталь, стоит ли одобрить заявку. Результат - число или прогноз.
• Рекомендательные системы. Подбирают следующий фильм, товар или трек на основе прошлого поведения. Такие системы работают в фоне почти на каждом крупном сайте, и пользователь обычно вообще не замечает их как отдельный продукт.
• Генеративные системы. Создают новый текст, изображение, звук или код. Именно к этой группе относятся большие языковые модели вроде тех, что стоят за ChatGPT, а разброс их поведения хорошо видно в материале про сравнение нейросетей: GPT, Claude, Gemini и DeepSeek на одних задачах: у каждой модели свой характер ответов, хотя формально все они решают одну генеративную задачу.

Эти категории не исключают друг друга: современный чат-бот часто совмещает распознавание запроса, прогноз наиболее вероятного следующего слова и генерацию связного текста в одном ответе.

Узкий и общий искусственный интеллект

Второе деление - по широте охвата задач, и здесь чаще всего возникает путаница, потому что маркетинг любит стирать эту границу.

Узкий искусственный интеллект (его ещё называют слабым) хорошо умеет что-то одно или несколько смежных вещей: переводить текст, играть в конкретную игру, распознавать опухоли на снимках. За пределами своей специализации такая система бесполезна: шахматная программа не подскажет рецепт борща, даже если формально она тоже искусственный интеллект.

Общий искусственный интеллект (его называют AGI) - это гипотетическая система, способная учиться и рассуждать в любой области так же гибко, как человек. На момент публикации такой системы не существует ни у одной компании, что бы ни утверждали заголовки в блогах. Все системы искусственного интеллекта, с которыми сегодня можно столкнуться в быту, узкие - просто некоторые из них узкие в очень широком смысле: языковая модель обучена на таком объёме текстов, что кажется универсальной, хотя на деле решает одну задачу - предсказывает продолжение последовательности слов.

Аналогия с человеком работает не идеально, но помогает: узкий ИИ похож на очень хорошего специалиста, который блестяще делает одно дело и теряется вне своей области. Общий ИИ, если бы он появился, был бы больше похож на разностороннего человека, способного освоить новую область с нуля.

Где во всей этой классификации нейросети

Нейросеть - это не отдельный вид системы искусственного интеллекта, а способ его устройства внутри, метод обучения. Нейросеть состоит из множества простых вычислительных узлов, связанных слоями, и в процессе обучения эти связи настраиваются так, чтобы система выдавала более точный результат. По такому принципу могут быть построены и распознающие, и генеративные, и предсказывающие системы - деление по архитектуре и деление по задаче существуют параллельно, а не заменяют друг друга.

Большие языковые модели - это нейросети определённого устройства (трансформеры), обученные на огромных массивах текста и способные генерировать связные ответы. Про их доступность из России и регистрацию часто спрашивают в первую очередь: если раньше не пробовали, стоит посмотреть инструкцию как зарегистрироваться в ChatGPT из России, там разобраны актуальные на момент публикации способы. Материалы рубрики про такие модели собраны в архиве рубрики, если хочется разобраться в теме глубже, чем позволяет один обзорный текст.

Системы, которые не отвечают, а действуют

Отдельно стоит сказать про агентов - системы искусственного интеллекта, которые не просто выдают текст в ответ на вопрос, а совершают действия: ищут информацию в интернете, заполняют формы, вызывают другие программы. Разница с обычным чат-ботом примерно как между консультантом, который посоветует, в каком магазине искать нужную вещь, и помощником, который сам туда сходит.

Агентные системы пока работают менее предсказуемо, чем классические генеративные модели: чем больше шагов система делает самостоятельно, тем выше шанс, что где-то в цепочке она ошибётся и это повлияет на следующий шаг. Поэтому большинство таких систем сегодня требуют подтверждения от пользователя перед важными действиями вроде оплаты.

Если хочется попробовать разные типы систем без затрат, часть из них работает и на бесплатных тарифах - в материале бесплатные нейросети: что реально работает без оплаты и VPN собраны сервисы, которые не требуют карты для первого знакомства, хотя лимиты на бесплатном тарифе обычно ограничивают число запросов в сутки.

Частые заблуждения

"Все нейросети - это одно и то же"

Даже среди генеративных языковых моделей разработчики по-разному настраивают баланс между точностью, скоростью и стоимостью, и на один и тот же запрос две модели нередко отвечают по-разному не только словами, но и по существу.

"Если ответ связный, значит система понимает смысл сказанного"

Языковая модель предсказывает наиболее вероятное продолжение текста на основе статистики, извлечённой при обучении. За связным ответом нет понимания в человеческом смысле - есть точный расчёт вероятностей. Это не мешает ответу быть полезным, но объясняет, почему модель иногда уверенно говорит неправду: она не отличает то, что знает точно, от того, что достраивает по аналогии.

"Раз в рекламе продукта написано ИИ, значит внутри сложная система"

Не обязательно. Словом "искусственный интеллект" в последние годы маркируют и простые статистические правила, и полноценные нейросети, потому что термин стал продающим. Наличие ярлыка ничего не говорит о том, какая технология внутри и насколько она вообще нужна для решения задачи.

"Общий искусственный интеллект уже есть, просто компании это скрывают"

Идея хорошо расходится в соцсетях, но подтверждений ей нет. Существующие системы, включая самые впечатляющие языковые модели, остаются узкими - блестящими в своей области и заметно слабее за её пределами.

Практическая польза от всей этой классификации простая: перед тем как выбирать сервис с искусственным интеллектом, сначала стоит понять, к какому типу он относится и какую конкретно задачу решает, а уже потом сравнивать его с конкурентами. Ярлык "искусственный интеллект" на упаковке ничего не говорит о том, справится ли инструмент именно с вашей задачей - это выясняется только на практике, за один-два реальных запроса.