Ты ещё не отстал: как освоить ИИ за 17 минут

Коротко

Автор предлагает 30-дневную карту освоения ИИ из 7 шагов: научиться «автоматическому английскому» через структурированный промптинг, выбрать один базовый инструмент и углубиться в него, давать модели контекст через фреймворк MAP, дебажить собственное мышление через chain-of-thought и верификацию, направлять модель к экспертам и краям её «знания», верифицировать выдачу пятью способами и развить вкус через фреймворк OCEAN. Главная идея — модели не понимают язык, а предсказывают токены в многомерном векторном пространстве, поэтому расплывчатый промпт даёт расплывчатую догадку, а точный — точную. Автор подчёркивает: проблема почти всегда в мышлении пользователя, а не в ИИ. Финальный месседж — ИИ не заменяет человеческий труд, а восстанавливает человеческую ценность.

Главный тезис

ИИ-модели не понимают язык, они его вычисляют через вероятности; чтобы получать выдающиеся результаты, нужно дать модели структуру (актёр + вход + миссия), контекст (MAP) и итеративно дебажить собственное мышление, а не сам инструмент.

Ключевые идеи

• 0:43 — генеративные ИИ-системы вроде ChatGPT не понимают язык, они его предсказывают на основе вероятностей.
• 1:33 — ИИ разбивает текст на токены, превращает их в многомерные векторы и размещает в embedding space, где близкие идеи лежат рядом.
• 2:51 — расплывчатый промпт = расплывчатая догадка модели; точный промпт = точная догадка. Это и есть «автоматический английский».
• 3:27 — фреймворк AIM: Actor (роль модели), Input (контекст и данные), Mission (что сделать) — превращает запрос в структуру.
• 5:09 — выбрать один базовый инструмент и углубиться: ChatGPT для зрелости, Gemini для Google-стека, Claude для корпоративных проектов.
• 5:47 — глубокое освоение одной модели ускоряет освоение остальных, как барабанщик быстрее учит гитару (исследование Frontier Psychology).
• 6:41 — без контекста даже самая умная ИИ звучит «оторванно от реальности».
• 7:11 — фреймворк MAP: Memory (история), Assets (файлы), Actions (инструменты модели), Prompt (сама инструкция).
• 8:33 — когда ответ слабый, виноват не ИИ, а мышление пользователя: роль, контекст, цель.
• 9:35 — три паттерна дебага: chain-of-thought (думай шагами), verification (модель задаёт уточняющие вопросы), refinement (модель переписывает твой вопрос).
• 11:40 — направлять модель от центра к краям её «мозга», ссылаясь на конкретных экспертов, фреймворки и исследования.
• 12:16 — если не знаешь экспертов в теме, сначала попроси ИИ их перечислить, потом скорми обратно в промпт.
• 12:55 — ИИ звучит одинаково уверенно, когда прав и когда ошибается; верификация обязательна.
• 13:25 — пять способов верификации: assumptions, sources, counter-evidence, audit, cross-model check.
• 14:20 — любимый метод автора: прогнать один промпт через ChatGPT, Gemini и Claude, а потом одной моделью критиковать вывод другой.
• 14:43 — лучшие результаты звучат не оригинально, а «как ты сам» — отсюда необходимость развивать вкус.
• 15:20 — фреймворк OCEAN для вкуса: Original, Concrete, Evident, Assertive, Narrative.

Почему это важно

Автор фиксирует расширяющийся разрыв между понимающими ИИ и не понимающими как ключевую карьерную и когнитивную пропасть ближайших лет. Видео нацелено на массовую аудиторию специалистов, которые потребляют ИИ как «торговый автомат» и получают усреднённую выдачу, неотличимую от копипасты с LinkedIn. Выигрывают пользователи, которые относятся к ИИ как к спарринг-партнёру и собственному «инструменту мышления»; проигрывают те, кто ждёт магии от расплывчатых промптов. Упомянутые игроки — OpenAI, Google, Anthropic — нужны автору как иллюстрация, что выбор модели менее важен, чем глубина освоения одной.

Идеи

• ИИ ничего не «помнит» — он генерирует ответ на лету из вероятностного пространства, а не из базы данных.
• В embedding space слова «Humpty, яйцо, стена, падение» лежат рядом, а «мотоцикл» или «шоколад» — далеко; именно близость определяет следующий токен.
• Автокомплит Google и генерация ChatGPT работают на одном базовом принципе предсказания, но ИИ не хранит готовых ответов.
• Сам термин «prompt engineering» родился задним числом — в начале даже инсайдеры не понимали, как разговаривать с моделями.
• Аналогия с инструментом: ИИ — это инструмент, а не справочник; нужно «нащупать ритм» одной модели прежде, чем прыгать по 10.
• Прыжки между 10 инструментами в начале — рецепт провала; лучше один и вглубь.
• Контекст — это не вежливость, а навигационная карта по векторному пространству модели.
• Можно вернуть прошлый контекст, попросив модель саммировать предыдущий чат перед стартом нового.
• «Действия» модели (веб-поиск, чтение диска, написание кода, создание Notion-документа) часть контекста, а не отдельная фича.
• Когда ответ слабый, спрашивай у модели саму: «что ты сделал и почему выбрал этот ответ» — она объяснит цепочку.
• Расплывчатый запрос про «инновационность команды» даст buzzword-салат, который ты уже знал.
• Указание конкретных экспертов (Pixar brain trust, стратегия Сатьи Наделлы, исследования Harvard) уводит модель из «центра» средних ответов.
• Если эксперты неизвестны — сначала попроси модель составить их список, потом дай ей же эту обратную связь.
• ИИ выдаёт «68% американцев разводятся» с той же уверенностью, что и проверенный факт.
• Просьба «перестань выдумывать» бесполезна: модели генеративны по дизайну, выдумывание — их суть.
• Запрос «процитируй два независимых источника с URL и цитатой» даёт пользователю «леса» (scaffolding) под ответом.
• Просьба найти контрдоказательство собственной выдаче вытаскивает реальное рассуждение.
• Просьба пересчитать каждое число с показом вычислений часто меняет результат — модель замедляется и аудитит себя.
• Cross-model check: вывод одной модели даётся другой на критику — самый сильный фильтр шума.
• LinkedIn-посты, скопированные из ChatGPT, видны невооружённым глазом.
• Хорошие промпты звучат «как ты», а не «оригинально» — это разный критерий.
• ИИ как спарринг-партнёр на ринге — спорить с ним, сопротивляться, заточить и его, и своё мышление.
• Запрос «дай три неочевидных угла, один пометь рискованным, порекомендуй любимый» вытаскивает нестандарт.
• «Не говори то, что я хочу услышать. Выбери сторону. Защити тезис, потом дай лучший контраргумент» — паттерн для острых ответов.
• Сторителлинг через структуру Hook → Problem → Insight → Proof → Actions добавляет читаемости.
• 30-дневный курс параллельно тренирует не модель, а пользователя.

Инсайты

• Промптинг — это не написание, а итерация; единичный запрос — это не работа, а проба.
• Модели не обладают пониманием, они обладают вероятностной близостью; «общение» с ИИ — это управление вероятностями, а не диалог.
• Структура (роль + контекст + миссия) даёт улучшение в 5-10 раз не потому, что модель «лучше думает», а потому что вход становится вычислимым.
• Глубина в одном инструменте даёт transfer learning для всех остальных — паттерны узнаваемы между моделями.
• Уверенность ответа ИИ не коррелирует с его правильностью — это структурная особенность генерации, а не баг.
• Галлюцинации нельзя «запретить» промптом, потому что генерация и есть «придумывание»; единственный путь — внешняя верификация.
• Качество вывода ИИ — это зеркало качества мышления пользователя; если ответ генеричный, промпт тоже был генеричным.
• Центр распределения вероятностей модели — это усреднённые банальности; ценность лежит на краях, и туда нужно явно направлять модель.
• Cross-model critique работает потому, что разные модели имеют разные слепые зоны и разные банальности.
• Голос (вкус) — это не оригинальность, а узнаваемость; ИИ может усилить твой голос, если ты его осознаёшь.
• Долгосрочный эффект 30-дневной практики — не освоение инструмента, а переобучение собственного мышления на структурность.

Фреймворки

• AIM — структура любого промпта: Actor (роль модели), Input (контекст и данные), Mission (что сделать).
• MAP — структура контекста: Memory (история), Assets (файлы/данные), Actions (инструменты модели), Prompt (инструкция).
• Три паттерна дебага: Chain-of-thought (думай шагами), Verification (модель задаёт уточняющие вопросы), Refinement (модель переписывает твой вопрос).
• Пять способов верификации: Assumptions (перечислить с уровнем уверенности), Sources (две независимые с URL+цитатой), Counter-evidence (источник, который не согласен), Audit (пересчёт чисел с показом вычислений), Cross-model check (прогон через ChatGPT/Gemini/Claude и взаимная критика).
• OCEAN — фреймворк вкуса: Original (неочевидные углы), Concrete (имена, цифры, примеры), Evident (видимое рассуждение), Assertive (занять сторону), Narrative (история через Hook → Problem → Insight → Proof → Actions).

Цитаты

«La mayoría de las personas que usan IA lo hacen mal» — 0:00 Большинство людей, использующих ИИ, делают это неправильно

«la brecha entre las personas que entienden la IA y las que no se está ampliando» — 0:14 Разрыв между понимающими ИИ и не понимающими только растёт

«los sistemas de IA generativa como ChatGPT en realidad no entienden nuestro idioma. Lo predicen» — 0:43 Генеративные ИИ-системы вроде ChatGPT на самом деле не понимают наш язык. Они его предсказывают

«cuando tu indicación es vaga, esta máquina de adivinar llamada ChatGPT o Gemini producirá conjeturas que también son vagas» — 2:51 Когда твой промпт расплывчат, эта машина угадывания под названием ChatGPT или Gemini выдаст такие же расплывчатые догадки

«Convierte una indicación en una estructura. El modelo puede entender, computar y razonar con ella» — 4:27 Преврати промпт в структуру. Модель может её понять, вычислить и порассуждать над ней

«Solo cuando aprendas su lenguaje, la IA empezará a trabajar para ti» — 4:44 Только когда ты выучишь её язык, ИИ начнёт работать на тебя

«Cuanto más profundices en un modelo fundamental, más rápido encontrarás el ritmo de todos los demás» — 5:47 Чем глубже ты погружаешься в одну базовую модель, тем быстрее найдёшь ритм всех остальных

«La IA más inteligente del mundo sonará despistada a menos que le dé contexto» — 6:41 Самый умный ИИ в мире будет звучать растерянно, если не дать ему контекст

«cuando no obtienes la respuesta correcta, el problema no es la IA, es tu pensamiento» — 8:33 Когда ты не получаешь правильный ответ, проблема не в ИИ, а в твоём мышлении

«indicar no es escribir. Es iterar» — 8:58 Промптить — это не писать. Это итерировать

«No solo estás usando la IA, estás aprendiendo cómo piensa» — 9:29 Ты не просто используешь ИИ — ты учишься тому, как он думает

«Dirige el modelo lejos del centro y hacia los bordes más definidos de su cerebro» — 11:40 Направляй модель от центра — к более резким краям её мозга

«la IA sonará igual de segura cuando se equivoque que cuando tenga razón» — 12:55 ИИ будет звучать одинаково уверенно и когда ошибается, и когда прав

«Inventar cosas es la razón por la que existen» — 13:11 Выдумывать — это и есть причина, по которой они существуют

«No te límites a consumir. Critica» — 13:17 Не ограничивайся потреблением. Критикуй

«los mejores resultados de la guía no son los que suenan más originales, son los que suenan como tú» — 14:43 Лучшие результаты ИИ — не те, что звучат оригинально, а те, что звучат как ты сам

«Trata a la IA como a tu compañero de entrenamiento. Discute con ella» — 15:12 Относись к ИИ как к спарринг-партнёру. Спорь с ним

«no solo estarás entrenando al modelo, te estarás entrenando a ti mismo» — 16:49 Ты тренируешь не только модель — ты тренируешь самого себя

«la IA no está aquí para sustituir el trabajo humano. Está aquí para restaurar el valor humano» — 17:02 ИИ здесь не для того, чтобы заменить человеческий труд. Он здесь, чтобы восстановить человеческую ценность

Факты

• Автор заявляет о более 20 годах в технологиях и ИИ — как CEO, член совета директоров, инвестор и основатель «многомиллиардных компаний» (его самоописание).
• Дорожная карта рассчитана на 30 дней и состоит из 7 шагов.
• ИИ-модели разбивают текст на токены, превращают их в многомерные векторы и помещают в embedding space.
• Упомянутое исследование Frontier Psychology показало, что барабанщики осваивают гитару быстрее абсолютных новичков.
• Автор лично провёл «десятки тысяч часов» как барабанщик до перехода на гитару.
• Три рекомендуемые базовые модели: ChatGPT (самая зрелая), Gemini (для Google-стека), Claude (для корпоративных проектов).
• Фреймворк промпта AIM: Actor, Input, Mission.
• Фреймворк контекста MAP: Memory, Assets, Actions, Prompt.
• Применение AIM и MAP, по словам автора, поднимает пользователя в топ-10% пользователей ИИ.
• Структурированный промпт даёт результаты в 5-10 раз лучше обычного (оценка автора).
• Пять способов верификации: assumptions, sources, counter-evidence, audit, cross-model check.
• Cross-model verification автор делает между ChatGPT, Gemini и Claude.
• Пример галлюцинации, приведённый автором: ИИ якобы заявил, что 68% американцев разводятся (автор подаёт это как пример ложной выдачи).
• Фреймворк вкуса OCEAN: Original, Concrete, Evident, Assertive, Narrative.
• Структура сторителлинга, упоминаемая автором: Hook → Problem → Insight → Proof → Actions.

Источники

• ChatGPT (OpenAI)
• Gemini (Google)
• Claude (Anthropic)
• Исследование Frontier Psychology о барабанщиках и обучении гитаре
• Упоминаются как пример экспертов для направления модели: Pixar brain trust, стратегия Сатьи Наделлы, исследования Harvard
• Notion (как пример инструмента, к которому ИИ может обращаться)

Рекомендации

• Выбери одну базовую модель и углубись в неё на первой неделе вместо прыжков между десятью.
• Используй AIM в каждом промпте: роль модели, входные данные, миссия.
• Подкармливай модель контекстом по MAP: память, файлы, действия, инструкция.
• Когда ответ слабый — не вини ИИ, проверь свою роль/контекст/цель и применяй chain-of-thought, verification, refinement.
• Направляй модель к конкретным экспертам и фреймворкам, чтобы вытащить её из усреднённого центра.
• Верифицируй через пять фильтров и обязательно прогоняй один и тот же промпт через разные модели.
• Применяй OCEAN для постпродакшна — оригинальность, конкретика, очевидность рассуждения, позиция, нарратив.

Итог

ИИ не понимает тебя — он угадывает; качество угадывания целиком зависит от качества структуры, контекста и собственного мышления пользователя.