Для себя нейросеть: персональная эффективность, учиться быстрее, рисовать ярче, говорить свободнее

ИИ в образовании

Вы когда-нибудь пытались часами понять сложную тему, но так и не могли разобраться? Или теряли драгоценное время на поиски нужной информации, вместо того чтобы готовиться к экзамену? Учёба часто превращается в стресс: материалы слишком сложные, времени мало, мотивация на нуле.

Но представьте, что у вас есть персональный репетитор, который доступно объясняет каждый момент, находит информацию за секунды и даже помогает писать доклады или решать задачи.

Этот помощник – нейросеть. Она не только сэкономит ваше время, но и сделает процесс обучения легче и эффективнее. Давайте разберём, как ИИ может превратить вашу учёбу из рутинной каторги в интересный и продуктивный процесс.

Как нейросеть упрощает обучение

Секрет успешного обучения — это мотивация. Именно искренний интерес к теме позволяет нам преодолевать сложности, искать ответы и решать сложные задачи.

Но как сохранять стремление к знаниям, когда тонешь в рутине? Бесконечный поиск информации, исследование источников, которые не всегда написаны понятным языком, и чтение монотонных учебников отнимает кучу времени и снижает мотивацию.

Делегируйте рутинные задачи нейросетям. Приведём несколько примеров, как ИИ можно использовать для учёбы:

• прочитать источник и пересказать ключевые мысли;
• найти нужную информацию в длинном тексте;
• составить пошаговый план раскрытия темы;
• проверить текст на соответствие правилам русского языка.

Нейросети помогают не только ученикам, но и преподавателям. С помощью ИИ можно распланировать учебную программу, создать и проверить тесты, подготовиться к занятиям.

Образовательные курсы, чаще всего, унифицированы: они создаются для определённого уровня знаний учеников и не учитывают персональные особенности. Нейросеть поможет адаптировать процесс под ваши запросы.

Например, вы хотите освоить игру на фортепиано на базовом уровне. Но в юности вы уже ходили в музыкальную школу и помните некоторые основы. Ваших знаний не хватит, чтобы играть сложные произведения, но и изучать нотную грамоту с нуля не нужно.

В этом случае можно попросить нейросеть составить индивидуальный план обучения, и указать, что вы уже умеете, а что хотите подтянуть.

Так вам не нужно тратить часы на повторение знакомого материала, а можно сразу приступить к изучению новых навыков.

Нейросеть может объяснить сложные процессы и термины простым языком. Попросите ИИ раскрыть тему так, будто вы школьник начальных классов — программа подберёт простые примеры, которые будут понятны любому человеку.

Если вы лучше воспринимаете информацию визуально, то нейросеть нарисует наглядную схему или иллюстрацию, которая поможет лучше понять закономерности.

ИИ в учёбе: примеры сервисов

• найти информацию, сделать конспект, составить план: ChatGPT, GigaChat;
• решить математические примеры: Photomath;
• проверить текст на грамматику, орфографию и пунктуацию: Орфограммка;
• запомнить материал и проверить знания: Quizlet;
• перевести учебник из текста в аудио: Балаболка.

Если у вас есть специфический запрос, уточните у нейросети, может ли она его выполнить. ИИ совершенствуется так быстро, что возможно научилась чему-то ещё, пока мы писали эту статью.

Ограничения нейросетей в образовании

Существенным недостатком применения ИИ в обучении является тот факт, что большинство ответов всё же нужно проверять. Нейросеть может путаться в числах, менять последовательность событий и искажать факты.

Если обнаружили ошибку в ответе, сообщите об этом — ИИ учится в том числе на запросах пользователей, и в следующий раз учтёт этот момент.

То, насколько качественный материал вы получите от нейросети, зависит от исходного запроса — промпта. Чем подробнее опишите запрос, тем более точный и развёрнутый ответ получите.

Обучиться искусству составления правильного промпта возможно, но не сразу. Попробуйте несколько формулировок и задавайте разные роли для нейросети — так вы найдёте вариант, при котором ИИ выдаёт самый релевантный ответ.

Творим вместе с ИИ

Казалось бы: где творческое самовыражение, а где искусственный интеллект? Неужели на основе математических данных можно написать шедевр?

Да, это возможно. Рассказываем, как нейросеть поможет развить ваш творческий потенциал.

Рисуем нейросетью

Генерирование изображений — это то, с чего началась популярность ИИ среди массового пользователя в 2026 году. Именно тогда открылся доступ к Midjourney, предоставив возможность каждому человеку ощутить себя творцом.

С того момента появилось множество других нейросетей, в которых можно создать картинку по любому запросу в пару кликов. ИИ с тех пор стал умнее, но до сих пор допускает комичные оплошности. Чаще всего программа путается в количестве рук, ног и пальцев у людей — хотя и значительно реже, чем пару лет назад.

ИИ обучается на примерах: чтобы модель запомнила, как отличить лошадь от коровы, нужно показать ей много картинок разных лошадей и коров. Чем больше примеров она увидит, тем больше отличительных признаков сможет найти и внести в свою библиотеку знаний.

Когда вы вводите запрос «нарисуй корову на лугу», нейросеть обращается к данным, которые узнала в момент обучения. Она зафиксировала, что у коровы 4 ноги, рога, хвост с кисточкой, вытянутая морда и т.д., и строит изображение на основании этой информации.

Чтобы картинка была уникальной, потребуется больше вводных в запросе. Например, вы хотите получить весёлую корову с коричневыми и белыми пятнами, колокольчиком на шее, бегущую по полю. Если нейросеть не рисовала весёлых коров с колокольчиками раньше, она проанализирует другие примеры. Так она поймёт, что весёлого персонажа отличает улыбка, и интегрирует её в изображение.

Как создать свой первый шедевр с помощью нейросети

Это не так сложно, как может показаться, хотя некоторые знания всё же потребуются. Приводим простую инструкцию:

1. Чётко представьте себе, что хотите изобразить. Чем более детально вы продумаете картинку, тем более подробно сможете её описать.
2. Определитесь со стилистикой. Нейросеть хорошо различает основные стили, которые есть в академической и цифровой живописи.Можно попросить скопировать рисовку с известного мультфильма или игры — некоторые ИИ уже умеют и это.
3. Напишите запрос. Выпишите всё, что хотите видеть на картинке, в том числе время года и суток, эпоху, отличительные признаки персонажей и так далее.Пишите чёткие формулировки — нейросеть не понимает намёки и рисует именно то, что вы попросили.Например, промпт «нарисуй город» звучит слишком обобщённо и не приведёт к желаемому результату. Лучше уточнить: «нарисуй ночной футуристичный мегаполис с большим количеством высоток, в некоторых окнах горит свет, по улицам ездят машины, посреди зданий расположен зелёный парк со скамейками и дорожками».
4. Скорректируйте результат. После того, как нейросеть сгенерирует изображение, можно попросить исправить нужные моменты.А ещё скорректировать стиль, цвета, размер изображения, добавить или убрать лишние объекты.

Не бойтесь экспериментировать — так вы быстрее поймёте принцип и будете точнее формулировать вопрос.

Применение нейросетей открывает доступ как к реализации личного творческого потенциала, так и к решению рабочих задач. Например, генерирование картинок пригодится для:

• создания картин и постеров для дома, офиса, кафе и других общественных пространств;
• поиска идей для профессионалов креативной индустрии: художников, иллюстраторов, дизайнеров;
• экономии в бизнесе: можно самостоятельно создавать изображения для рекламы, соцсетей, принтов;
• оптимизации времени сотрудников: например, нейросеть нарисует набросок нового персонажа компьютерной игры намного быстрее человека.

Сейчас множество нейронок для создания изображений на любой вкус и цвет. Проблема лишь в том, готовы ли вы за них платить.

Популярным русскоязычным сервисом является Kandinsky — он работает бесплатно и даёт неограниченный доступ к возможностям генеративной нейросети.

Как ещё нейросеть помогает творить?

С помощью ИИ можно создать не только восхитительные картины, но и видео и даже музыку.

Искусственный интеллект умеет создавать видеоролики, однако на сегодняшний день справляется с этим не всегда успешно. Например, можно попросить нейросеть оживить фотографию, но результат часто получается комичным или даже слегка жутким.

Для несложных роликов подойдут нейросети Animoto или Pictory — они просты в использовании и подойдут для создания контента в соцсетях и для маркетинговых целей.

Не обошли нейросети и музыкальную сферу: вы можете сгенерировать мелодию по собственной задумке или попросить ИИ сочинить музыку в стиле определённого автора.

Нейросетей для создания музыки не так много, как для других задач, однако и тут есть из чего выбрать. Для начинающих пользователей можно рекомендовать Boomy, AIVA, Soundraw.

Нейросети для общения: заводим виртуального друга

Да, ИИ научился дружить и может стать верным спутником в ваших радостях и печалях. Он не заменит тепло человеческого общения, но может выслушать в трудную минуту и поддержать в разные моменты жизни.

Для этого важно, что нейросеть умела поддерживать осмысленный диалог, учитывать контекст и запоминать то, что вы сообщили в ходе беседы.

С этим могут справиться как некоторые мультифункциональные модели, так и специализированные нейросети.

С какой нейросетью можно поговорить по душам: ИИ для общения

Составить компанию могут популярные текстовые модели ИИ, такие как ChatGPT и GigaChat. Но для этого нужно ввести правильный запрос — впрочем, как и в любых других случаях работы с нейросетями.

Перед тем, как начать диалог, укажите роль, которую должна примерить на себя программа.

Например, можно попросить нейросеть стать вашей подругой, которая бережно и тепло поддерживает в сложных ситуациях. Укажите примерный возраст, род занятий, ключевые особенности характера, опишите ваш прошлый совместный опыт. Расскажите, как с вами нужно общаться: неформально, с юмором, либо строго и беспристрастно.

ИИ можно попросить включать особенные слова, которые вам важны или просто часто используются в повседневной жизни.

Из специализированных платформ можно отметить Character AI. Там можно выбрать известного персонажа, который будет вести с вами диалог. Можно узнать мнение Илона Маска по поводу ваших проблем на работе, получить порцию мотивации от Шерлока Холмса или излить душу Альберту Эйнштейну.

Сервис бесплатный, но на русском общается с огрехами — часто ответы звучат шаблонно и безэмоционально.

Есть и множество других нейросетей, которые имитируют общение с другом, отношения с партнёром и так далее. Однако многие из них доступны только на английском языке.

ИИ для перевода текста: общаемся без границ

Возможно, вы каждый год обещаете себе подтянуть английский, чтобы свободно знакомиться в поездках по миру и смотреть любимые сериалы в оригинале. Однако, если сил на занятия так и не нашлось, это не повод отказывать себе в удовольствии общаться и смотреть контент на иностранном языке. С этими задачами успешно справится переводчик на ИИ.

Помимо знакомств и путешествий, нейросети пригодятся в учёбе: они легко переведут статью на русский, сделают расшифровку англоязычного ролика или составят план по изучению языка в соответствии с вашими целями и свободным временем.

Перевод с помощью ИИ пригодится и для решения бизнес-задач. Например, если ваша компания планирует выход на международный рынок, нейросеть сможет перевести и адаптировать контент для жителей определённой страны.

У ИИ есть ощутимое преимущество перед стандартными онлайн-переводчиками: они не ограничены одной библиотекой, а используют сразу все открытые источники, чтобы найти самый подходящий вариант.

Нейросети для перевода

Популярные текстовые ИИ с лёгкостью справятся с переводом текста на большинство языков мира, отредактируют статью, помогут со сленговыми выражениями и выручат, если оказались без знания языка в новой стране.

Чтобы смотреть видео с субтитрами даже там, где эта опция не встроена в плеер, можно установить специальное расширение для браузера — тогда перевод будет включаться автоматически, когда во вкладке будет звучать иностранная речь.

Для технических и академических текстов есть отдельные модели: например, Smartcat AI, Lingvanex, Tilde Translator. Они лучше понимают профессиональные термины, поэтому перевод получается более грамотным.

Идиомы и разговорные фразы лучше переводить с помощью Reverso Context — благодаря этой нейросети вы сможете донести смысл сложных речевых оборотов, которые проблематично объяснить прямым переводом.

Нейросеть — дефолтный вариант

Пришлось поменять мышление. Любой вопрос или задача — сразу прикидываешь, к какой нейросети обратиться. В каком режиме её запустить. Или продумываешь цепочку запусков, копи-пастов. Если попадается какой-то большой PDF или текст — сразу туда.

И ещё, один и тот же вопрос можно задать сразу всем доступным нейросетям. Тут важна скорость. Надо сделать так, чтобы общение с ними было комфортным и беспроблемным. Далее по диагонали смотрим ответы, думаем что делать дальше.

Режимы работы нейросетей

Первый — стандартный. Задаешь вопрос, она отвечает. Возможно диалог продолжается. Важен интеллект нейросети, скорость ответов, способность к рассуждению и анализу.

Второй — deep research. Нейросеть шерстит web. Гуглит за нас. Главное — чтобы она достала всю релевантную информацию. Можно назвать это «RAG для интернета». Тут важно количество сайтов, которые посетит нейросеть и её способность делать систематизацию больших объемов данных. Пример результат deep research ниже:

I’ll evaluate each option—including Graphviz, NetworkX, iGraph, PyViz, and additional alternatives—for their strengths, weaknesses, typical use cases, performance, layout support, and licensing. I’ll also include short Python snippets, especially for iGraph, and highlight compatibility with Jupyter Notebooks and standalone scripts.

Комбинатор нейросетей

Сначала делаешь deep research какой-то темы в одной нейросети. Далее можно скопировать все результаты и отдать уже другой (нейросеть-аналитик). Она прочитает результаты, сделает итоговые выводы.

Можно попросить нейросеть вставлять дебажные принты (debug prints) в код. Потом ей же отдавать результаты принтов, она быстро сообразит, что идет не так при запуске кода. Меня это два раза очень сильно спасало.

Можно попросить, чтобы нейросеть покритиковала твой промт и указала на противоречия. Часто в постановке задачи есть некорректные термины, слабые места. Для особо сложных задач можно отдельно проработать сам промт. А уже потом отдавать его для решения.

Иногда понимаешь, что проблема уже решена, но надо аккуратно написать итоговый python код. Вайб кодит другая нейросеть. Сообщаешь ей результаты решения проблемы и просишь написать код. Написания кода по готовому решению — уже задача попроще. Например, claude sonnet 3.7 с этим отлично справится.

openai o1 pro — умная, аналитик. Может решать очень сложные многошаговые задачи. Есть режим deep research, продвинутый. Глубоко изучает тему. Это скорее академический research, а не поиск в гугл.

gemini 2.5 pro — похоже самая умная модель в мире на сегодня, делит это звания с o1 pro.

deepseek R1 — иногда можно попробовать. Сложные задачи. Рассуждающая модель. Сейчас редко использую, т.к. есть две выше. Плюс — она бесплатная.

grok 3 — хорошо объясняет сложные вещи. Приятный стиль ответов, легко читать. Отличный deep research режим, именно он часто заменяет мне гугл. Но особо сложные проблемы вред ли решит.

А насколько они вообще умные?

Input:1. A Python list of strings (str). This is a directory of the company’s materials. 2. The list size is 1000 elements.3. All strings are unique, with 1000 unique elements. 4. We are given a function that takes two strings and returns a similarity metric [0, 1]. This function works correctly. It is guaranteed that the function is commutative (the metric does not change when the arguments are swapped). No other properties are guaranteed.5. The threshold for the metric is set at 0.8. If the metric is higher, it means the strings are approximate duplicates. This could happen because the strings were written by humans, who could make typos. Business task: Remove all approximate duplicates from the list. Your task:1. Reformulate the business task to be mathematically precise. If the conditions are incomplete, assume what conditions would be logical in this situation. 2. Write Python code and explain the logic. The task should be solved mathematically precisely.

def remove_duplicates_greedy(strings, similarity_func, threshold=0.8): «»» Returns a subset of ‘strings’ such that no two strings in the result are approximate duplicates. This uses a greedy strategy (not guaranteed maximum, but valid).:param strings: list of unique strings:param similarity_func: function sim(s1, s2) -> float:param threshold: float, default=0.8:return: list of strings with no approximate duplicates «»» chosen = [] for s in strings: # Check if ‘s’ conflicts with any ‘already chosen’ string conflict_found = False for c in chosen: if similarity_func(s, c) > threshold: conflict_found = True break # If no conflict, include s in the chosen subset if not conflict_found: (s) return chosen# Example usage (pseudo-code, similarity_func assumed pre-defined):# final_list = remove_duplicates_greedy(original_list, similarity_func, 0.8)from collections import dequedef remove_duplicates_by_components(strings, similarity_func, threshold=0.8): «»» Returns a list of representative strings, one from each connected component in the ‘similarity > threshold’ graph. Assumes transitivity of ‘similarity > threshold’, i.e. each connected component forms an equivalence class. «»» n = len(strings) # Build adjacency lists: O(n^2) comparisons adjacency = [[] for _ in range(n)] for i in range(n): for j in range(i+1, n): if similarity_func(strings[i], strings[j]) > threshold: adjacency[i].append(j) adjacency[j].append(i) visited = [False]*n representatives = [] # BFS or DFS to find connected components for start_idx in range(n): if not visited[start_idx]: # start a new component from start_idx queue = deque([start_idx]) visited[start_idx] = True while queue: current = () for neighbor in adjacency[current]: if not visited[neighbor]: visited[neighbor] = True (neighbor) # ‘start_idx’ is the representative for this entire component (strings[start_idx]) return representatives# Example usage:# final_list = remove_duplicates_by_components(original_list, similarity_func, 0.8)

1. A set SS of n=1000n = 1000 strings, all distinct.
2. A similarity functionsim:S×S → [0,1]\text{sim}: S \times S \;\to\; [0,1] which is commutative (i.e.\ sim(a,b)=sim(b,a)\text{sim}(a,b)=\text{sim}(b,a)) and returns a real number between 0 and 1.
3. A threshold θ=0.8\theta = sim(a,b)>0.8\text{sim}(a,b) > 0.8, then aa and bb are considered approximate duplicates.

1. Largest Independent Set Interpretation (General Graph): Since only commutativity (sim(a,b)=sim(b,a)\text{sim}(a,b)=\text{sim}(b,a)) is guaranteed (but not transitivity), the natural model is an undirected graph G=(V,E)G=(V,E) where:VV is the set of all strings (so ∣V∣=1000|V| = 1000).An edge (a,b)∈E(a,b)\in E if and only if sim(a,b)>0.8\text{sim}(a,b) > 0.8. Then, removing approximate duplicates means choosing a subset of vertices V′⊆VV’\subseteq V with no edges inside V′V’. In graph terms, V′V’ must be an independent set (also called a stable set). If the business wants us to “keep as many strings as possible but remove duplicates,” we want a maximum-cardinality independent set. This is an NP-hard problem in the general case. A common practical approach is a greedy or approximate algorithm.
2. Equivalence-Relation Interpretation (If We Assume Transitivity): In many real-world “duplicate detection” tasks, one often assumes that approximate-duplicate relations are transitive (“if AA is a duplicate of BB and BB is a duplicate of CC, then AA is a duplicate of CC”). In that case, “sim(a,b)>0.8\text{sim}(a,b) > 0.8” defines an equivalence relation (reflexive, symmetric, transitive), so we can partition SS into equivalence classes (often called clusters). Removing duplicates then means:For each equivalence class, pick exactly one representative string to keep, and discard the rest.

Largest Independent Set Interpretation (General Graph): Since only commutativity (sim(a,b)=sim(b,a)\text{sim}(a,b)=\text{sim}(b,a)) is guaranteed (but not transitivity), the natural model is an undirected graph G=(V,E)G=(V,E) where:

• VV is the set of all strings (so ∣V∣=1000|V| = 1000).
• An edge (a,b)∈E(a,b)\in E if and only if sim(a,b)>0.8\text{sim}(a,b) > 0.8. Then, removing approximate duplicates means choosing a subset of vertices V′⊆VV’\subseteq V with no edges inside V′V’. In graph terms, V′V’ must be an independent set (also called a stable set). If the business wants us to “keep as many strings as possible but remove duplicates,” we want a maximum-cardinality independent set. This is an NP-hard problem in the general case. A common practical approach is a greedy or approximate algorithm.

An edge (a,b)∈E(a,b)\in E if and only if sim(a,b)>0.8\text{sim}(a,b) > 0.8. Then, removing approximate duplicates means choosing a subset of vertices V′⊆VV’\subseteq V with no edges inside V′V’. In graph terms, V′V’ must be an independent set (also called a stable set). If the business wants us to “keep as many strings as possible but remove duplicates,” we want a maximum-cardinality independent set. This is an NP-hard problem in the general case. A common practical approach is a greedy or approximate algorithm.

Equivalence-Relation Interpretation (If We Assume Transitivity): In many real-world “duplicate detection” tasks, one often assumes that approximate-duplicate relations are transitive (“if AA is a duplicate of BB and BB is a duplicate of CC, then AA is a duplicate of CC”). In that case, “sim(a,b)>0.8\text{sim}(a,b) > 0.8” defines an equivalence relation (reflexive, symmetric, transitive), so we can partition SS into equivalence classes (often called clusters). Removing duplicates then means:

Because the problem states “No other properties are guaranteed” besides commutativity, the strictly correct interpretation is the independent set approach. However, if we (for simplicity) assume transitivity (very common in approximate-string-deduplication tasks), we can treat duplicates as connected components (equivalence classes).

Скорость

Скорость копирования-вставки текста, слепой набор на клавиатуре на русской и английском — это всё важные навыки сейчас. Да, они не являются фундаментальными, но практическая польза огромна.

Еще я бы отметил способность быстро формулировать задачу в четких терминах, это уже навык сложнее.

Интересно, что промты можно не только писать, но и «наговаривать», как голосовые в телеграм. Есть ряд сервисов (Wispr Flow и другие) на основе знаменитого whisper, которые помогают это сделать удобно. Т.е. прямо говоришь и там где курсор вставляется текст.

Качество текста сильно падает, но нейросети настолько мощные, что всё понимают и прощают. Часто в промтах куча ошибок, включая логические неточности и противоречия. Но в целом промт корректный и они способны его разобрать и додумать до полноценной задачи. А потом еще и решить задачу.

We have a Python list of 1000 strings and I have TFIDEF vectors. scikit-learn tfi/def. Sparse vectors based on n-gram calculations. They are P2 normalized. That’s pretty standard TFIDef implementation And after that I want to make a complete graph on 1000 nodes. So, it’s our vectors, 1000 vectors. And I want to calculate pairwise distance. After that I get the graph with the weights on the edges. The weights on the edges are the similarity score. For example, dot_product but in our case since vectors are P2 normalized it’s a cosine similarity So cosine similarity ranges from minus one to one And I want after that I want to run the Community Detection algorithm. For example, Python library network X Lovian Community Detection modularity based algorithm So The question is: do I need to scale shift or map the weights of the edges to another range? For example, exponentiation, log logarithm or maybe inverse or some other function so that the Lovian algorithm will work better.

Когда задача крайне сложная, можно поправить ключевые моменты (выделить логические шаги, проверить корректность указания входа/выхода). Качество вырастает заметно. Но и времени уйдет больше.

CPU RAM GPU we do have cpu and ram in in general very powerful but the whole data set couldn’t be fitted into the ram we use python we use linux we do have gpu 24 gigabyte of gpu. 32 gigabyte of ram.

STEP 1 The first step is to perform TF-ADF. We need vectors. We will be using 2 gram to keep the dimensionality of the vector low. Maybe we should use chunking approach: count vectorizer plus manual IDF calculations. as a result we get numpy array 20 millions the first dimension the second dimension is the dimensionality of the vector consider the appropriate data type

STEP 4 After that we need to filter the results maybe in the process of chunking So our approach is to for each object out of 20 millions, we need to take 20 nearest neighbors and it’s guaranteed to take 20 and after that we should take the next nearest neighbors but strictly accordingly to the score Of course we start to take with the highest score and the upper bound is 60 so no object could have more than 60 nearest neighbors so we introduce the lower bound at least 20 and at most 60 the upper bound

STEP 5 as a result we should we should get the list of list of indexes indexing should be done in according to the initial list of 20 millions so it’s in it’s indexed like the input data so we need to get the final result in terms of the index for each element out of 20 millions we should find the nearest neighbors according to our approach at least 20 at most 60 and between we just take considering all 20 millions the highest scores

IMPORTANT RAM Carefully consider the limitation of RAM, so in-memory storage, for example, Python in-memory storage. I carefully consider the limitation of one file storage, in-memory storage in PYTHON-RAM, the file storage, one file storage and other limitation of the space complexity of our algorithm. Maybe using memory mapping in NumPy.

FAISS LIMITATIONS carefully consider the features and limitations of this library the possibility of file storage maybe product scalar quantization maybe gpu usage maybe some other techniques to reduce memory consumption or to speed up the process

Математика и программирование

Нейросети максимально эффективны в точных науках и отлично пишут код. Разложите вашу задачу на части и найдите то, что можно делегировать им в этих областях. Именно в этом сейчас задача человека — проработка архитектуры задачи.

Разложение задачи на части и нахождение ключевых моментов (а это обычно математика) — уникальный навык. Его надо развивать.

Вайб кодинг — отдельная интересная тема, мне понравился Cursor. Туда переходишь, когда общая логика решения уже ясна и надо перекладывать её в код (обычно целый репозиторий).

Что писать в промте?

У вас есть сотрудник. Вы ставите ему задачу. Вот так и писать промт. Чаевые не надо обещать))

• Используйте правильные термины (если на вход дан directed acyclic graph, так и говорите — DAG/направленный ацикличный граф). Корректные термины — это моя «священная корова»;
• Чётко укажите формат входных данных и ответа (типы данных, размеры массивов и т.д.);
• Сообщите все важные моменты, условия, ограничения (можно ли использовать другой язык программирования? есть ли ограничения на оперативную память? какие библиотеки можно использовать? надо ли предлагать другие алгоритмы решения задачи?). Так нейросеть не будет тратить усилия в неверном направлении;
• Промт без воды. Только факты и четкие рекомендации по выполнению задачи. Можно числа. Если формулировки будут абстрактные, то и ответ будет такой же;
• Сложный промт разделяем на блоки/части (например, можно выделить 5 шагов решения задачи и попросить реализовать их в коде);

Используйте правильные термины (если на вход дан directed acyclic graph, так и говорите — DAG/направленный ацикличный граф). Корректные термины — это моя «священная корова»;

Чётко укажите формат входных данных и ответа (типы данных, размеры массивов и т.д.);

Сообщите все важные моменты, условия, ограничения (можно ли использовать другой язык программирования? есть ли ограничения на оперативную память? какие библиотеки можно использовать? надо ли предлагать другие алгоритмы решения задачи?). Так нейросеть не будет тратить усилия в неверном направлении;

Промт без воды. Только факты и четкие рекомендации по выполнению задачи. Можно числа. Если формулировки будут абстрактные, то и ответ будет такой же;

Сложный промт разделяем на блоки/части (например, можно выделить 5 шагов решения задачи и попросить реализовать их в коде);

Итого, чтобы написать качественный промт надо быть довольно хорошим специалистом в предметной области. В идеале надо знать ответ или хотя бы варианты ответов на этот вопрос. Это главное. Приходит с опытом, так что экспериментируйте.

Let’s say we have a bipartite graph and there are 14 bipartite, 14 partition of a graph parts of this graph. So this graph doesn’t have a self-load loop, doesn’t have multi edges, it’s undirected pretty ordinary standard graph with 14 parts like a bipartite graph. so we need to calculate first of all we need to calculate the number of edges if this graph were complete be partita 14 parts graph this is just for the information So the main task is to Determine the types of connected components and under the word types I I understand Our our personal classification. It’s it’s not just something scientific. It’s our inner in-house classification of the uh connected components of this graph The first type the first type is One edge to nodes and of course a nodes in different parts of the graph like a be protected apart The second type is pretty similar when we have uh two parts and The edges only between two parts But in one part There are more than one than one node it’s like a one to many relay relations in some sense That’s the second type of the connected components. The third type is pretty similar but each of two parts Parts involving in the relations in the connected component uh has more than one node So it’s like a many too many between two parts of the departure Parts graph so and the Fourth type of the components The connected components that Has more than two parts of the be parted a graph participating in the this connected component so and the fourth type Should be divided in the subtypes So the number of uh parts of the be parted a graph which are involved in the connected component so we um, the graph is pretty big it’s extremely big it’s like a million nodes and we need to implement The very efficient and effective Algorithm you use python Uh network x library To get the type and subtype of Connected components and just show them in the pretty way just printing some printing

Размер имеет значение

Например, у openai o1 pro контекст — 200к токенов. Вся эта статья ~2к токенов. Можно вставить небольшую книжку в контекст и пообсуждать её. Также это позволяет вести длинный диалог в одном чате. У меня часто 5-7 уточнений последовательных.

На каком языке писать промт?

Если есть возможность — пишите/говорите промты на английском. Качество вырастет. Ответы можно тоже на английском читать. Технический английский относительно простой, быстро выучивается.

Plain text

Всё что похоже на простой текст (всё, что можно скопировать) — кандидат на вставку в нейросеть.

• любые языки (русский, английский, китайский, древнегреческий);
• языки программирования (python, javascript, VBA, power query, формулы эксель, assembler, xml, json и всё остальное);
• html код сайтов;
• таблицы (csv, markdown и подобное);
• иерархии (обычно форматы отступом, xml, json, yaml, toml или markdown);
• последовательности ходов в шахматы;
• debug traceback в python;
• database schema.
• и т.д. и т.п.

языки программирования (python, javascript, VBA, power query, формулы эксель, assembler, xml, json и всё остальное);

С учетом того, что размер контекста большой, возникают интересные возможности накидать в нейросеть кучу всего. И далее наслаждаться синтезом и анализом информации.

Что не надо писать в облачную нейросеть?

Для меня, написать в облачную нейросеть = открыть информацию всему миру. Как запостить вконтакте. Поэтому пишем только нейтральную инфу. Обычно, для решения кодинговых задач и математики/статистики этого достаточно.

Часто задаваемые вопросы о применении нейросетей

Вопрос: Можно ли доверять информации, которую генерирует нейросеть?
Ответ: Не всегда. Нейросети могут генерировать правдоподобные, но неточные или вымышленные данные (эффект «галлюцинации»). Всегда проверяйте важные факты по авторитетным источникам.

Вопрос: С чего начать, если я никогда не пользовался нейросетью?
Ответ: Начните с бесплатных и простых сервисов, например, ChatGPT или Midjourney (для изображений). Попробуйте задать простой запрос на интересующую вас тему, чтобы понять принцип взаимодействия.

Вопрос: Это дорого?
Ответ: Многие мощные нейросети имеют бесплатные тарифы с ограничениями по количеству запросов или функционалу. Платные подписки открывают доступ к более продвинутым моделям и снимают лимиты.

Вопрос: Может ли нейросеть заменить репетитора или учителя?
Ответ: Нейросеть может стать отличным помощником: объяснить тему, проверить текст, подсказать решение. Однако она не может полностью заменить человеческого педагога, особенно в мотивации и адаптации к индивидуальным психологическим особенностям ученика.

Вопрос: Как нейросеть может помочь в работе?
Ответ: Она способна генерировать идеи, писать и редактировать тексты (отчеты, письма, статьи), структурировать информацию, анализировать данные, составлять планы и даже писать простой код.

Вопрос: Нейросеть для творчества — это честно?
Ответ: Это инструмент, как кисть или фотошоп. ИИ может генерировать идеи, эскизы или целые работы, но финальное решение, отбор и доработка остаются за человеком. Важно указывать использование ИИ, если этого требуют правила публикации.

Вопрос: Что такое «промт» и почему он так важен?
Ответ: Промт (prompt) — это текстовый запрос или инструкция для нейросети. Качество и детализация результата напрямую зависят от того, насколько четко, подробно и понятно вы сформулируете свой запрос.

Вопрос: Может ли нейросеть понимать контекст длинного диалога?
Ответ: Современные модели (особенно в платных версиях) обладают «памятью» диалога и могут поддерживать контекст на протяжении многих сообщений, ссылаясь на ранее обсужденное.

Вопрос: Безопасно ли делиться личной или конфиденциальной информацией с нейросетью?
Ответ: Нет, это небезопасно. Избегайте ввода персональных данных, паролей, коммерческой тайны или любой другой чувствительной информации. Диалоги могут использоваться для обучения моделей.

Вопрос: В чем главное ограничение нейросетей?
Ответ: Главное ограничение — отсутствие истинного понимания и сознания. Нейросеть работает с шаблонами и статистикой в данных, на которых обучалась. Она не обладает эмоциями, личным опытом или здравым смыслом в человеческом понимании.

Краткий чек-лист по использованию нейросетей

1. Определите свою цель: что именно вы хотите получить от нейросети (текст, изображение, анализ, идею).
2. Выберите подходящий сервис под вашу задачу (текстовый, графический, для кода и т.д.).
3. Начните с бесплатного тарифа, чтобы оценить возможности.
4. Формулируйте запрос (промт) максимально четко и подробно.
5. Указывайте в промте контекст, стиль, целевую аудиторию и объем желаемого результата.
6. Используйте английский язык для промтов, если это возможно, для более точных результатов.
7. Не доверяйте слепо сгенерированным фактам и цифрам — перепроверяйте их.
8. Не загружайте в публичные нейросети конфиденциальную или личную информацию.
9. Рассматривайте первый ответ как черновик и уточняйте запрос для улучшения результата.
10. Экспериментируйте с разными формулировками и подходами к одному и тому же заданию.
11. Используйте нейросеть как помощника, а не как конечного исполнителя, сохраняя контроль над процессом.
12. Изучите возможности цепочек запросов (последовательных уточнений) для сложных задач.
13. Узнайте об ограничениях и этических правилах выбранного вами сервиса.