Что такое генеративный AI (GenAI)?
Генеративный AI (GenAI) — это класс моделей искусственного интеллекта, которые создают новый контент: текст, изображения, аудио, видео или код. В отличие от классических моделей, которые выбирают ответ из готовых вариантов, генеративные модели порождают результат с нуля.
Генеративная модель обучается на большом наборе примеров и запоминает не сами примеры, а закономерности: какие слова обычно идут друг за другом, как выглядят тени на фотографии, как устроен корректный код. Затем она использует эти закономерности, чтобы построить новый объект, похожий на обучающие данные, но не идентичный им.
Самый известный тип генеративного AI — большие языковые модели (LLM), которые работают с текстом и кодом. Рядом с ними существуют модели для изображений, речи и видео, а мультимодальные системы объединяют несколько типов данных сразу.
Где применяется
Генеративные модели встроены в повседневные рабочие инструменты. В маркетинге они пишут черновики текстов и делают изображения для рекламы, в разработке подсказывают код и объясняют чужой, в поддержке составляют ответы, в аналитике превращают таблицу в связное объяснение.
Важная особенность: результат почти всегда нужно проверять. Генеративная модель отвечает правдоподобно, а не гарантированно верно, поэтому в рабочих процессах её ставят на черновик, а решение и ответственность оставляют за человеком — особенно там, где речь о деньгах, юридических формулировках или публичных материалах.
Пример
Запрос «напиши письмо клиенту с извинением за задержку доставки» — типичная задача для генеративного AI: готового ответа в базе нет, модель составляет текст сама.
Частые вопросы
Чем генеративный AI отличается от обычного?
Классические модели выбирают из готовых вариантов: определяют категорию письма, оценивают вероятность оттока, узнают объект на фото. Генеративные создают новый результат — текст, изображение, код, — которого не было ни в задаче, ни в обучающих данных в таком виде.
Можно ли использовать сгенерированный контент коммерчески?
Чаще всего да, но условия зависят от конкретного сервиса, поэтому лицензию стоит прочитать. Отдельный вопрос — авторские права: во многих юрисдикциях полностью сгенерированный материал не охраняется, а значит, конкурент вправе использовать похожий.
Почему модель выдаёт разные ответы на один и тот же запрос?
Потому что генерация вероятностна: на каждом шаге модель выбирает следующий фрагмент из распределения вариантов. Степень разброса регулируется параметром температуры — чем он ниже, тем предсказуемее и суше ответ, тем выше повторяемость результата.
Как получить более качественный результат?
Помогает конкретика: указать роль и аудиторию, дать контекст и примеры желаемого формата, ограничить объём и стиль, попросить структуру. Общий запрос даёт общий ответ — а хороший промпт больше похож на задание для подрядчика, чем на вопрос.