У Оруэлла голубям поручили два разных дела: рассказать о событиях и научить животных песне. Птицы одни и те же, а результат нужен разный. Известие можно пересказать, песню придётся ещё исполнить. Голубь, который прилетел, сообщил «музыка бодрая» и улетел, обучение пению пока не закончил.
С нейросетью такое различие тоже полезно замечать заранее. «Поработай с моей заметкой» может означать: запиши услышанное, найди время встречи, отыщи похожее сообщение или составь приглашение. Материал знакомый, но проверять придётся разные вещи.
Допустим, вы собираете друзей порисовать на свежем воздухе. Карандаши уже лежат у двери, а договорённости разбежались: что-то надиктовано в телефон, что-то записано одной фразой, ещё несколько условий — отдельными заметками. На этом маленьком наборе удобно разобраться, что скрывается за тремя буквами NLP, и выбрать свою первую задачу.
Что означает NLP в искусственном интеллекте
Сокращение раскрывается как Natural Language Processing, по-русски — обработка естественного языка. Естественный язык — тот, на котором мы говорим и пишем людям: русский, английский и другие. В определении важен сам предмет работы — человеческая речь и текст.
Представьте нашу будущую встречу. Компьютеру можно поручить выделить место из предложения, отнести заметку к теме рисования, найти сообщение про дождь или предложить вежливое приглашение. Общая область одна, а действия и ответы различаются.
Чат с готовой языковой моделью — один из способов пользоваться такими возможностями. Область шире одного окна переписки: сюда входят и системы, которые возвращают короткую метку, выделенное имя или список найденных документов. Длинный ответ им бывает вовсе не нужен.
У обработки языка есть методы, построенные на правилах, и методы, которые обучаются на данных. Сегодня широко применяют машинное обучение. Для первого бытового результата важнее другого рода выбор: какие слова у вас уже есть и что должно появиться после работы с ними. Краткое определение термина есть в словаре Google для машинного обучения.
Сначала достать слова из звука
Первый вход — ваша короткая голосовая запись. Произнесите, например: «В субботу встречаемся у старого моста в десять». Пока в файле находится звук. Чтобы дальше искать в этой фразе сведения, удобно сначала получить её текст.
Это задача распознавания речи. Результат — расшифровка сказанного. Проверка простая и предметная: прослушать запись и сравнить с текстом время, место и остальные слова. Если вы произнесли «в десять», а увидели «в девять», ошибку нужно поправить ещё здесь.
После расшифровки появляется другой вход: предложение на экране. Теперь из него можно извлечь день и время, а затем использовать их в приглашении. В цепочке два отдельных перехода: звук стал словами, слова стали основой следующего действия.
Распознавание речи готовит текст. Извлечение сведений работает уже с полученной фразой.
Если в вашем привычном приложении уже есть расшифровка записи или диктовка, для этого первого опыта подойдёт она. Мы пока выбираем вид задачи, поэтому открывать отдельный кабинет разработчика не требуется. Различие между входным звуком и текстовым результатом хорошо видно в описании Speech-to-Text у Google.
Точная расшифровка показывает, какие слова прозвучали. Если после записи вы перенесли встречу, понадобится обновить исходные условия. Иначе помощник совершенно верно найдёт старое время и перенесёт его в новое приглашение. Поэтому после проверки слов полезно ещё раз посмотреть на сам план.
Четыре входа — четыре вида результата
Теперь можно собрать небольшую карту. Начните с левого столбца: что именно вы готовы показать программе? Затем посмотрите направо: какой ответ будет полезен?
| Что есть | Какое действие нужно | Что проверять в результате |
|---|---|---|
| Звук вашей фразы | Распознать речь, подготовить текст | Совпадают ли слова со звуком |
| Предложение о встрече | Извлечь сведения | День, место и время взяты из этой фразы |
| Короткий документ с планом | Составить приглашение | Новый текст сохранил условия плана |
| Вопрос и коллекция заметок | Найти нужную заметку | Указаны подходящая запись и её цитата |
В первом случае можно положить рядом телефон и текст расшифровки. Во втором — увидеть три коротких поля: день, место, время. В третьем получится сообщение для друзей, в четвёртом — конкретная заметка, которую можно открыть. Распознавание речи здесь показано как подготовительный этап перед работой с текстом.
Выбор начинается с формы нужного ответа: текст записи, отдельные сведения, приглашение или найденная заметка.
Один помощник может участвовать в нескольких шагах. NLP в искусственном интеллекте и проявляется в таких действиях со словами. Называйте очередной результат отдельно: тогда будет видно, где изменилось время или потерялось условие про дождь. Всю переписку с самого начала перечитывать не придётся.
Например, из предложения «В субботу встречаемся у старого моста в десять» нам нужны: день — суббота, место — старый мост, время — десять. Это извлечение: сведения уже находятся в исходной фразе. Адрес моста и календарная дата в ней отсутствуют.
Если нужен точный адрес для приглашённых, его стоит добавить самостоятельно или уточнить у организатора. В городе может оказаться два старых моста, и у обоих будет рисоваться своя половина компании. До встречи друзья получат ещё и зарисовки местности. Адрес оставляет им больше времени на общий рисунок.
Найти заметку и увидеть, откуда взят ответ
Для следующего входа возьмём небольшую коллекцию. Её можно целиком скопировать в чат DeepSeek — три записи помещаются в одном сообщении. Мы работаем с текстом прямо в переписке, без настройки отдельной поисковой системы.
З1. В субботу у старого моста в десять.
З2. Берём бумагу и карандаши.
З3. При дожде переносим встречу под навес.
Пусть вопрос звучит так: «Где укроемся, если погода испортится?» В заметке З3 нет слов «укроемся» или «погода испортится», но она относится к этому вопросу. Поиск может учитывать смысл, а не только совпадение буквального слова. Удобный результат здесь — сама подходящая заметка.
Вставьте три записи и допишите:
Найди среди этих заметок ту, которая отвечает на вопрос: «Где укроемся, если погода испортится?» Укажи её номер и точную цитату. Используй только переданные записи. Если ответа нет, напиши, каких сведений не хватает.
Ожидаемое основание — З3: «При дожде переносим встречу под навес». Сравните цитату с исходником. Если номер верен, но в ответе появился другой текст, вернитесь к заметке и попросите исправить конкретное расхождение.
После этого задайте второй вопрос: «Сколько стоит участие?» Ни одна из трёх записей цены не называет. Для такого вопроса полезный ответ — сообщение, что в этих заметках сведений о цене нет.
Один и тот же набор заметок даёт основание для ответа о дожде и показывает отсутствие сведений о цене.
Это отрицательный пример, на котором хорошо видна граница задачи. Сочинить правдоподобную стоимость можно без нужной заметки. Но тогда у дружеского порыва вдруг заведётся касса — хотя о деньгах мы вообще не договаривались. Вопрос был о сведениях в коллекции, поэтому нужен найденный текст или указание, что цены в нём нет.
В больших системах поиск и формирование ответа могут быть отдельными этапами. Например, документация Google о поиске различает получение подходящих документов и создание ответа на их основе. Наши три записи позволяют увидеть это различие без устройства целой библиотеки.
Из плана сделать приглашение
Третий вход — короткий документ, который вы написали для себя:
В субботу встречаемся у старого моста в десять. Берём бумагу и карандаши. При дожде переносим встречу под навес.
Теперь нужен новый текст для друзей. Можно попросить тот же DeepSeek:
Сделай из моего плана короткое дружеское приглашение на встречу по рисованию. Сохрани день, место, время, список вещей и условие про дождь. Не добавляй новых условий. Если без уточнения приглашение будет непонятно, сначала задай вопрос.
Здесь работает генерация: помощник создаёт новую формулировку. Вам может подойти, например: «Приходите порисовать в субботу! Встречаемся у старого моста в десять. Возьмите бумагу и карандаши. Если пойдёт дождь, перейдём под навес». Так мог бы выглядеть текст приглашения; это вариант, с которым удобно сравнить свой результат.
Проверьте сохранённые условия по исходному плану. Особенно последнее: оно легко теряется, когда текст становится короче. День и время могут совпасть, приглашение будет тёплым, а во время дождя компания всё равно разойдётся кто куда. Одна сохранённая фраза про навес связывает красивый текст с вашим реальным планом.
Можно попросить тон потеплее или вариант для семейной группы. Это уже изменение подачи при тех же исходных сведениях. Если захотелось добавить «материалы выдадим на месте», сначала решите, действительно ли вы собираетесь их выдавать. В плане сказано принести свои бумагу и карандаши.
Генеративные модели создают содержание по запросу — это объясняет вводный урок Google по машинному обучению. Польза в нашей задаче видна на небольшом результате: приглашение читается как обращение к людям, а условия вы узнаёте из своего плана.
Какие ещё ответы бывают у языковых систем
Чтобы заметить обработку языка, необязательно ждать сочинённого абзаца. В предложении можно выделять упомянутые имена и места. Текст можно относить к теме, а фразу — разбирать по словам и связям между ними. Отдельная задача — оценивать выраженную в тексте тональность, например положительную или отрицательную.
Это разные виды анализа. Перечень таких операций есть в руководстве Google Natural Language: извлечение сущностей, синтаксический разбор, классификация содержания и анализ тональности. Мы берём оттуда различие задач; отдельный облачный сервис для нашего опыта подключать не нужно.
Допустим, заметку отнесли к теме «Рисование». Такая метка поможет разложить записи по темам, но не сообщит время встречи. А оценка «положительная тональность» не заменит список вещей, которые нужно принести. Вид ответа подсказывает, на какой вопрос он вообще отвечает.
Поэтому прежде чем выбирать сервис, закончите короткую фразу: «У меня есть …, а получить хочу …». Звуковая запись и приглашение находятся на разных концах цепочки. Между ними могут понадобиться расшифровка, извлечение условий и новая формулировка — каждое действие проверяется своим способом.
Вопросы и ответы о работе со словами
NLP и языковая модель — одно и то же?
NLP обозначает область задач обработки языка. Языковая модель — инструмент, который может участвовать в их решении. Поэтому название области само по себе ещё не говорит, будет ли ответом новая история, метка темы или найденная запись.
Если голос записан правильно, смысл уже проверен?
Расшифровка подтверждает слова, когда вы сравнили её со звуком. Проверка условий требует следующего действия: посмотреть, что эти слова сообщают и согласуется ли с ними результат. Запись «в десять» не должна превратиться в приглашении в другое время.
Достаточно ли просто попросить «проанализируй текст»?
Лучше добавить, что хотите увидеть. Например, «выпиши время и место» или «найди заметку с условием про дождь». Если пока непонятно, какой результат пригодится, помощник может уточнить вашу цель вопросом.
Нужно ли для первого опыта записывать голос?
Можно начать сразу с готового предложения. Звук — один из четырёх возможных входов. Для извлечения сведений, поиска по трём заметкам и создания приглашения уже достаточно текста из этой статьи.
Что делать, когда ответы двух попыток различаются?
Сравните их с тем результатом, который заказывали. У приглашения могут быть разные удачные формулировки. У точной цитаты из З3 источник один; добавленное время или цена требуют исправления. Так критерий выбирается по делу.
Оставить себе одну полезную дорожку
Выберите тот вход, который уже есть у вас: запись, фразу, небольшой документ или несколько заметок. Назовите нужный ответ и попробуйте один шаг. Начать можно с нашего вопроса про дождь: там легко узнать и верную запись, и отсутствие ответа на другой вопрос.
Если хочется точнее объяснять задачу, пригодится разбор запроса для ИИ. А на практике первых шагов можно выбрать продолжение со своим материалом и постепенно расширять набор приёмов. В условиях участия в «Первопроходцах» описаны постепенные уроки, вопросы и собственные проекты с ИИ.
Голубям у Оруэлла приходилось и передавать известия, и учить песне. В нашей компании обязанности можно разделить спокойнее. Заметка сохранит место встречи, помощник найдёт её и предложит приглашение. Карандаши всё это время лежали у двери. Пора брать их с собой: навес, к счастью, уже нашёлся.