Знакомые техники в новом применении

Глава 3 продемонстрировала ключевой навык революционера: распознавание одного и того же паттерна в разных контекстах. Эта глава продолжает развивать ваши способности революционера, обучая вас выявлять универсальные кроссоверные навыки. Это навыки, которыми вы уже обладаете и которые применимы в новых контекстах. Освойте эту новую технику (использование ваших существующих навыков в новых контекстах), потому что навык распознавания из Главы 3 и навык применения из этой Главы 4 создают ваш путь к тому, чтобы стать революционером. Как вы увидите на протяжении всей оставшейся части этой книги, это действительно настолько просто, но это не означает, что достижение мастерства — легко.

Именно так революционеры действуют на незнакомой территории. Мы осознаём, что ограничения (такие как «я не знаю, как работать с ИИ») превращаются в преимущества, когда мы выявляем навыки, которыми уже обладаем. Ваши существующие навыки сотрудничества, способности распознавания паттернов и опыт управления разговором — всё это напрямую переносится на сотрудничество с ИИ. Преимущество революционера заключается в распознавании этих кроссоверов там, где другие видят только барьеры.

Помните, что ИИ предоставляет вам больше, чем просто фактор ускорения. Практикуйтесь спрашивать себя: «что я мог бы достичь с помощью сотрудничества с ИИ, что до сих пор я не мог себе представить?» Вы учите себя привычно быть революционером. Да, я предлагаю вам сознательно практиковать достижение невозможного.

Как мы можем осуществить этот сдвиг? Путём выявления универсальных навыков, то есть навыков, которые применимы как к вашей ситуации, так и к моей. Я называю это «взять знакомую технику и применить её по-другому».

Эта глава демонстрирует два подхода к этой задаче:

• Сотрудничество у доски как кроссоверный человеческий навык: Возьмите знакомый (или по крайней мере понятный) паттерн взаимодействия человека с человеком и используйте этот паттерн во взаимодействии человека с ИИ. Ваш ключевой вывод — обретение способности распознавать, что у вас есть существующий навык или опыт, который применим к этой новой ситуации. Следующие разделы «Обсуждение у доски» и «Громкие доски» описывают две формы сотрудничества у доски, которые я использовал много лет (между людьми, не с ИИ) и которые действительно применимы к работе с ИИ.
• Техники, специфичные для ИИ, основанные на кроссоверных человеческих навыках: Возьмите пример моего взаимодействия и сделайте этот стиль взаимодействия своим. Помните, что мой стиль взаимодействия — это продолжительный и направляемый разговор. Ваш ключевой вывод — обретение способности использовать подобную технику в вашем собственном продолжительном и направляемом разговоре. Ваши совместные работы с ИИ будут направлены на цели, отличные от моих. Когда вы применяете мои техники, вы демонстрируете кроссоверный навык и делаете его своим. Раздел «Выявление конкретных техник для вашего использования» содержит этот подход.

Эта глава фокусируется на выявлении и немедленном применении кроссоверных навыков. Однако вам следует знать, что у меня есть более долгосрочная цель, и эта долгосрочная цель достижима независимо от того, являетесь ли вы техническим или нетехническим специалистом (или чем-то средним).

Эта долгосрочная цель — получить понимание того, как ИИ «думает». Мы будем формировать ментальный образ того, что происходит внутри большой языковой модели во время сотрудничества с ИИ. Мы будем основывать эту ментальную модель на прямом наблюдении, а не на попытке погрузиться во внутренности ИИ. Как это возможно? С помощью аналогий. Например, обычное обсуждение у доски между двумя или более людьми даёт сильную аналогию для представления того, как вести расширенную дискуссию с ИИ.

Чтобы эти аналогии работали, вы должны сначала выработать привычку распознавать кроссоверные навыки как таковые и освоиться с применением навыка новым способом. Вы заметите, что именно так работают аналогии: аналогия позволяет вам построить ментальную картину ситуации или процесса на основе вашего собственного опыта. Имея в виду эту яркую картину, вы можете затем выявить и визуализировать похожие характеристики незнакомой ситуации.

Например, мысленно сравните яблоки с апельсинами. Мы используем фразу «сравнивать яблоки с апельсинами», чтобы подчеркнуть, что две вещи не похожи. Сместите свой взгляд на отмечание характеристик, которые одинаковы. Яблоки растут на деревьях, и апельсины тоже. Оба круглые, примерно одного размера, имеют семена и годовой цикл роста, и так далее. Вы действительно можете сравнивать яблоки с апельсинами, отмечая сходства, одновременно осознавая, что яблоки и апельсины — не одно и то же.

Профессора психологии К. Андерс Эрикссон и Уильям Дж. Чейз опубликовали исследование об «исключительной памяти», предоставив нам научную основу для этой стратегии взгляда в перспективе. (Эрикссон позже опубликовал «Пик: секреты новой науки об экспертизе».¹) Эрикссон и Чейз объясняют:²

Тип превосходной памяти, связанный с исключительной памятью, наблюдался у экспертов в их области знаний. Если шахматная доска показывается в течение 5 секунд, новичок в шахматах может воспроизвести положение только 4 или 5 фигур. Это именно то, что предсказывают ограничения нормальной КВП кратковременной памяти. Однако шахматный мастер может после такого же короткого показа вспомнить все фигуры на шахматной доске практически идеально. Опытные шахматисты среднего уровня мастерства показывают лучшую память, чем новичок, но худшую, чем эксперт. Таким образом, существует чёткая связь между уровнем мастерства и способностью вспоминать. Исследователи продемонстрировали эту связь для большого числа навыков, включая бриджевые раздачи, электрические схемы и архитектурные чертежи.

Поэтому я (ошибочно) предположил бы, что продвинутый эксперт, такой как шахматный мастер, может быстро сформировать ментальный образ фигур, расставленных на шахматной доске. Но Эрикссон и Чейз продолжают:

Некоторые более поздние исследования определённо опровергли представление о том, что шахматные мастера способны делать визуальную ментальную копию шахматных досок. Когда исследователи кратко показывали шахматным мастерам полностью случайные расстановки шахматных фигур на шахматной доске, мастера могли вспомнить положение только 4 или 5 фигур, что было не лучше, чем показывали новички с такими случайными досками. Таким образом, превосходная производительность шахматных мастеров была тесно связана с наличием осмысленных шахматных паттернов, паттернов, которые стали знакомыми за годы практики.

Самое важное — Эрикссон и Чейз связывают все формы экспертизы с осознанной практикой:

В оставшейся части этой статьи мы будем утверждать, что и исключительная, и экспертная память согласуются с законами и ограничениями нормальной памяти, и что все взрослые могут развить эти формы памяти через обширную практику. Теоретически, обширная практика создаёт большую базу знаний в ДВП долговременной памяти, и новая информация может эффективно храниться в извлекаемой форме путём ассоциирования её со знакомым материалом в базе знаний.

Наш аргумент основан на трёх источниках данных.

Во-первых, мы продемонстрируем, что нормальные взрослые с умеренным количеством практики могут достичь производительности памяти, равной зафиксированной производительности людей с исключительной памятью. Внимательно изучая развитие такого навыка памяти, мы покажем его связь с ограничениями нормальной памяти.

Во-вторых, мы покажем, что когнитивные структуры и процессы, приобретённые через практику, могут объяснить исключительную и экспертную память. В частности, мы подробно сравним производительность наших тренированных испытуемых с производительностью людей с предположительно исключительной памятью.

Наконец, мы продемонстрируем, что все нормальные взрослые проявляют умелую и исключительную память в области, где они являются экспертами.

«Принципы педагогического дизайна» утверждает, что предварительные навыки, такие как навыки, которые мы изучим или адаптируем в этой главе, должны быть освоены до мастерства.³

На изучение интеллектуальных навыков наиболее явно влияет извлечение других интеллектуальных навыков, которые являются предварительными. Обычно это более простые навыки и концепции, которые при анализе оказываются фактическими компонентами навыка, который предстоит изучить заново… извлечение этих предварительных навыков оказывает прямую поддержку изучению целевого интеллектуального навыка.

Чтобы быть наиболее эффективными для нового обучения, предварительные навыки должны быть тщательно изучены, то есть освоены до мастерства. Предположительно, такая степень обучения делает предварительные навыки более лёгкими для вспоминания и, следовательно, более доступными для нового обучения.

Способ, которым я создаю эффект пинг-понга, уже знаком каждому, кто вёл обсуждение перед доской. Разница в том, что вместо обсуждения человек/человек перед доской это обсуждение человек/ИИ перед клавиатурой. Это остаётся тем же межличностным навыком.

До этого момента мы видели примеры разговоров между мной и Claude, и мы видели, что эффект пинг-понга применим как к взаимодействиям между людьми, так и к взаимодействиям между человеком и ИИ. Вы, безусловно, знакомы с идеей обсуждений, ведущих к новым идеям.

В этой главе я продолжу показывать вам знакомые навыки в незнакомой обстановке. Ключевым достижением с вашей стороны будет научиться распознавать, когда две разные вещи на самом деле являются одним и тем же навыком.

Люди обычно сотрудничают, обмениваясь идеями и углубляясь до озарений или уточнений, которых ни один из них не достиг бы самостоятельно. Сотрудничество происходит от передачи идей туда и обратно, как мяч для пинг-понга (Рисунок 1).⁴

Люди и ИИ (большие языковые модели, LLM, такие как Claude от Anthropic) могут взаимодействовать таким же образом, передавая идеи туда и обратно. Однако природа взаимодействия человек/ИИ значительно отличается от человек/человек.

У людей, когда мысль одного человека запускает мысль у другого, это вызывает ассоциацию идей. «Когда ты сказал X, я сразу подумал о Y». Большие языковые модели имеют коллекции «смежных» идей на основе обучающих данных в сочетании с текущим входным контекстом. Исходя из моих собственных наблюдений, этот механизм LLM кажется совершенно отличным от человеческого механизма, и поэтому я ожидаю, что результаты человек/человек будут сильно отличаться от результатов человек/ИИ.

Рассматриваемый таким образом, эффект пинг-понга также является петлёй обратной связи, где идеи перемещаются туда и обратно, от одного к другому и назад. Каждая идея влияет на следующую.

Другой важный элемент — это продолжительное сотрудничество с конкретной целью. Идеи могут вызывать более глубокие озарения, и эти озарения, в свою очередь, могут запускать более утончённые или ещё более глубокие озарения. Этот процесс действителен для сотрудничества человек/человек и для сотрудничества человек/ИИ, но только если условия продолжают поддерживать сотрудничество.

Если один из двух людей уходит от разговора (Рисунок 2), сотрудничество прекращается. Если ИИ забывает тему разговора, сотрудничество также прекращается. Задача, следовательно, состоит в том, чтобы поддерживать сотрудничество.⁵

Обсуждение человек/ИИ не видно в том же смысле, что и обсуждения человек/человек. Между людьми вы можете видеть и слышать разговор, оценивать язык тела и так далее. Я придумал необычный способ описания невидимой ситуации человек/ИИ, чтобы показать вам то, что иначе невидимо. Я создал необычную перспективу, но она работает.

Я рассматриваю это сотрудничество человек/ИИ как происходящее на границе между сущностями.

• При сотрудничестве человек/человек нахождение в пределах слышимости, вероятно, — это всё, что нужно для продолжения сотрудничества.
• При сотрудничестве человек/ИИ человек должен убедиться, что тема разговора остаётся в пределах контекстного окна ИИ.

Вот почему я называю эффект пинг-понга граничным условием. Человек должен активно поддерживать правильные условия на границе.

Я прихотливо назвал эту деятельность «езда по границе между человеком и ИИ». «Езда» подразумевает активное участие или оркестровку того, что происходит на границе (Рисунок 3).

Десятилетия назад я использовал шумную, но эффективную технику решения проблем, которую я называю «громкие доски». Далеко по коридору люди знали, что Эд и Алекс выслеживают баг для решения. Наша техника заключалась в том, чтобы выдвинуть гипотезу о том, что могло пойти не так, а затем приступить к доказательству или опровержению этой конкретной гипотезы. Мы не были воинственны друг к другу, просто страстны, пока визуализировали ситуацию. «Нет, это не может произойти, потому что…» или «Если это правда, мы должны увидеть X в трассировке событий. X там виден?» Опровергая (или подтверждая) одну гипотезу за другой, мы приближались к решению.

Теперь представьте Эда и Алекса как отдельные источники идей. Магия происходит на доске, где два источника идей встречаются. Эффект пинг-понга присутствует, поскольку Эд и Алекс подпитывают друг друга идеями. Мы разбирались с проблемами (то есть определяли точную последовательность событий, приведших к зафиксированному сбою) чаще, чем нет.

В большинстве случаев либо Алекс, либо я уже сделали всё возможное, чтобы разобраться с проблемой. Мы создавали громкие доски только тогда, когда один из нас не мог разобраться самостоятельно.

Моя мысль здесь в том, что магия, происходящая на доске, не была специфичной ни для Алекса, ни для меня. Магия — это граничный эффект, где доска является границей между идеями Эда и идеями Алекса (Громкие доски).⁶

Мы только что рассмотрели «громкие доски» как граничный эффект. Это так. Однако это также мышление революционера в одной из его чистейших форм. Мы с Алексом явно исследовали возможности, прощупывали ограничения, стремясь понять систему в точке отказа.

Мы формализовали наш метод как систему гипотез для подтверждения или опровержения. Эта структура означала, что наши разговоры имели меньше трения, потому что каждый из нас знал, куда другой движется. Мы рассматривали идеи, которые не должны быть возможны, в попытке объяснить необъяснимое. Быть страстными (и раздражать соседей по коридору) делало это весело. Постоянно находить ответы делало это ещё веселее.

Я визуализирую тот же процесс, происходящий на границе между человеком и ИИ, то есть между Эдом и Claude. Магия не специфична ни для Эда, ни для Claude. Описание этого как граничного эффекта объясняет, почему, похоже, никто не использует эту технику:

• Она не возникает ни от человека, ни от LLM в отдельности, а от их взаимодействия.
• Это объясняет, почему ни лучший промпт-инжиниринг (сторона LLM), ни лучшее управление контекстом токенов (сторона человека) в отдельности недостаточны.
• Простой акт начала разговора создаёт эту границу, где происходит магия.

Глава 8, «Механизм внимания», продемонстрирует, как я использую технику «громких досок» для формирования лучшего образа того, как ИИ работает внутри. Я формирую гипотезу и описываю эту гипотезу (или ментальный образ) Claude и спрашиваю, прав ли я. Эта техника позволила мне сформировать замечательно чёткую ментальную модель того, как большая языковая модель обрабатывает мой запрос для формирования ответа, хотя я не имею знаний о внутренностях ИИ или их математических основах.

Я точно знаю, что подход «громких досок» был уникально ценен в Cray Research, потому что именно так мы разбирались с самыми неразрешимыми проблемами. Когда ни один из нас не мог решить её в одиночку, это был наш структурированный процесс сотрудничества.

Наша техника гипотезы, за которой следовало явное доказательство или опровержение гипотезы, была необходимым условием успеха. Во-первых, это убирало эго из обсуждения. Мы никогда не делали заявление «ты не прав». Мы даже не говорили, «твоя гипотеза неверна». Вместо этого мы соглашались, что «мы только что доказали, что твоя гипотеза некорректна». То есть мы фокусировались на гипотезе, а не на человеке, который её выдвинул. Каждая гипотеза была положительным вкладом в наш анализ, независимо от того, оказалась ли эта идея правильным решением или нет. Каждая гипотеза была возможностью для рассмотрения; ни одно потенциальное объяснение не было «глупым».

Каждое доказательство или опровержение было шагом вперёд в решении проблемы. Неверная гипотеза была столь же ценна, как и верная гипотеза, потому что неверная гипотеза всё равно помогала определить границы проблемы.

Фактически мы часто предлагали «глупые» идеи, чтобы формально исключить их в самом начале. Идея кажется глупой, но можем ли мы доказать, что это не так, или подтвердить, что это не так?

Ключевой момент здесь в том, что это был направляемый, структурированный разговор. Мы становились лучше в этой технике с опытом работы друг с другом. Когда мы заходили в тупик (не могли доказать или опровергнуть), мы рассматривали: есть ли какой-то вид сбора данных, возможно, трассировка событий, который мог бы подтвердить, что произошло, если это случится снова?

Как мы узнавали, что у нас правильный ответ? Алекс объяснил технику, которую он называл «вписывание проблемы в коробку». Если мы можем метафорически вписать проблему в коробку без торчащих концов, мы знаем, что проблема содержится. Мы ещё не решили её, но можем по крайней мере быть уверены, что решаем фактическую проблему. Если мы могли объяснить все известные симптомы, это обычно означало, что мы вписали проблему в коробку (Рисунок 5).

Мы часто использовали интуицию, говоря «это ощущается как правильное решение» и объясняя почему. Другой человек мог подтвердить эту интуицию или отметить, что что-то не совсем так.

Эффект пинг-понга человек/ИИ ценен по той же причине, что и громкие доски: сотрудничество выявляет решения, недоступные ни одной из сторон в отдельности. Но есть тонкое соображение, которое ещё более ценно.⁷

Когда вы развили глубокую экспертизу в какой-то области, редко бывает, что вы работаете напрямую с кем-то, кто имеет столь же глубокую экспертизу. Мне повезло в том, что Алекс был моим наставником, и действительно громкие доски были огромной возможностью для наставничества, потому что Алекс объяснял свои мыслительные процессы и вёл меня через эти процессы. Это привилегия, которую я редко видел с тех пор.

Одна характеристика работы с большой языковой моделью — это соответствие экспертизы. Существует известная техника под названием «ролевой промптинг» или «промптинг на основе персоны», где вы говорите LLM «ты эксперт мирового класса по ассемблеру CRAY-1»¹ или «ты высокоопытный экономический консультант с IQ 180». Я полагаю, идея в том, чтобы сформировать тон и глубину ответа.

Я не пробовал ролевой промптинг. По моему опыту, при ведении разговора LLM соответствует тону и уровню разговора как естественному результату того, что она является генеративным ИИ. Ролевой промптинг может быть полезен для формирования ответов. На момент написания этого текста я просто не знаю.

Помимо ролевого промптинга, соответствующая (или дополняющая) база знаний LLM — вот почему использование эффекта пинг-понга так важно и так ценно. У вас есть постоянный доступ к идеям и экспертизе от предметного эксперта, что часто является тем, к чему у вас нет доступа в человеческом мире.

Когда я понял, что природа моего сотрудничества с LLM отличается от того, что я видел в современных книгах об ИИ и промпт-инжиниринге, я решил, что мне, вероятно, нужно написать книгу, делящуюся этой информацией. Но я боролся с тем, что мне на самом деле нужно объяснить. Поскольку я сравнил ситуацию с моей техникой громких досок, я пришёл к выводу, что важный момент связан с мышлением о системах как о целом, потому что нам с Алексом обычно требовалось холистическое видение ситуации, чтобы понять, что произошло.

По теме сотрудничества с LLM у меня теперь была чёткая цель: у меня была книга для проектирования, а затем написания. Но я всё ещё не был ясен в том, что именно должно войти в книгу. У меня были конкретные техники, которые я разработал для управления контекстным окном LLM. Я распознал их как техники, которые я разработал в Cray Research десятилетия назад. Устаревшие навыки внезапно стали снова актуальными. Предыдущие две главы показали некоторые из этих навыков.

Ещё один ключевой навык для сотрудничества с LLM — научиться возражать. Когда что-то «не так» ощущается в ответе, остановитесь и подумайте почему.

«Остановиться и подумать почему» — ещё один ключевой навык революционера. Научитесь анализировать свой собственный мыслительный процесс. Вы будете развивать или уточнять свою ментальную модель при этом и более чётко определять, что вас беспокоит.

Вот пример того, как я работаю через этот стиль самоанализа.

Время от времени я категорически не согласен с ответом Claude. Я могу считать ответ совершенно неверным или, возможно, упустившим смысл, который я имел в виду. Когда это происходит, я воспринимаю это как сигнал остановиться и подумать: почему я отреагировал таким образом? Я отвечаю, объясняя, что мне не понравилось и почему. Результатом часто является озарение, которое я бы полностью упустил, если бы не возразил.

Одна странная реакция была в том, как я напрягался каждый раз, когда видел предложение создать визуализации. Наконец я не выдержал. Я объяснил, что последние четверть века терпел неудачу в любой попытке с графическим дизайном, дизайном пользовательского опыта или чем-либо визуальным. У меня есть хорошая программа для блок-схем, но это всё. Мы пришли к компромиссу в виде стратегии отступления к текстовому описанию и поиску релевантной исторической фотографии.

Ситуация, которая мне нравится меньше всего, — когда ответ Claude абсолютно бесполезен. Трудно просто сказать об этом, потому что тогда я начинаю сомневаться в себе и задаваться вопросом, не веду ли я себя как идиот или слишком устал, чтобы сосредоточиться. Однако в таких случаях я начал замечать паттерн.

Claude (как, возможно, и другие LLM) сильно склонен отвечать так, как будто это промпт-инжиниринг, а не продолжающийся разговор. Claude делает наилучшую догадку (я делаю вывод) о том, что я на самом деле хочу, игнорируя то, что я на самом деле сказал, в результате чего ответ оказывается и бесполезным, и подавляющим. Несколько раз я спорил сам с собой о том, хочу ли я вообще трудиться объяснять Claude, что последний выплеск был так, как будто меня вообще не слушали.

Я на самом деле начал злиться. Почему? При размышлении я понял, что с моей стороны есть большие затраты умственных усилий на пристальное наблюдение за разговором, отслеживание угасания контекста или перескакивания вперёд к неуместной реализации и так далее. И тогда Claude всё равно делает этот летящий скачок. Это раздражает и расстраивает.

Однако, поскольку я действительно внимательно наблюдал всё это время, я могу точно и в деталях показать Claude, какой именно приступ недержания только что произошёл, и повторить то, что я сказал в первую очередь, и показать, как эти инструкции были явно проигнорированы.

К счастью, когда я всё-таки трачу время на объяснение проблемы, Claude быстро восстанавливается.

Эффект пинг-понга описывает мощный подход к сотрудничеству, который возникает на границе между человеческим разговором и разговором с ИИ. Определяя это как граничное явление, вы получаете доступ к озарениям и решениям, которые ни вы, ни ИИ не могли бы сгенерировать независимо.

Что делает этот подход особенно привлекательным, так это то, что он использует навыки, которыми вы уже обладаете (Рисунок 6):⁸

1. Навыки разговора: Вы уже знаете, как вести продолжительный, целенаправленный диалог.
2. Управление контекстом: У вас есть опыт поддержания фокуса и связности в расширенных разговорах, включая такую непрерывную ситуационную осведомлённость, как держать ваш звонок Zoom на беззвучном режиме, чтобы избежать смущения.
3. Распознавание паттернов: Определение того, когда идея из одной области может применяться к другой.

Чтобы начать экспериментировать с эффектом пинг-понга самостоятельно, начните со сложной проблемы, которую вы с трудом решали в одиночку. Вступите в расширенный разговор с ИИ о ней, не с ожиданием немедленных ответов, а как в путешествие совместного исследования. Внимательно следите за признаками подкрадывающейся забывчивости; это характеристика ИИ. Заново объясняйте проблему и её контекст столько раз, сколько необходимо. Эти повторные объяснения помогут вам начать лучше оценивать, как и когда обновлять память ИИ.

Оставайтесь уверены, что ИИ пытается помочь. Обращайте внимание на моменты, когда перспектива ИИ запускает новые ассоциации в вашем мышлении, и сознательно развивайте эти моменты.

Помните, что наиболее ценные озарения часто возникают не от прямого запроса решений, а от устойчивого обмена идеями, которые ни одна из сторон не могла бы сгенерировать независимо. Распознавая и культивируя эти граничные эффекты, вы получаете доступ к форме коллаборативного интеллекта, которая превосходит индивидуальные возможности.

Прежде всего, вы должны вести разговор. ИИ здесь, чтобы помогать вам, а не наоборот. Чтобы быть продуктивными, разговоры должны направляться, и только человек может обеспечить это руководство. В случае Claude конкретно (и я подозреваю, что это верно в целом), Claude сильно склонен перескакивать вперёд к деталям реализации. Claude ожидает произвести что-то в качестве ответа, а не продолжать стратегизировать или обсуждать. Просто будьте ясны, что вы хотите оставаться на уровне общей картины (или на чём вы хотите сосредоточиться), и продолжайте напоминать ИИ об этом ожидании.

Техники и кроссоверные навыки в этой главе не привязаны к текущим реализациям или платформам ИИ. Они представляют вневременной подход к совместному мышлению, который останется ценным по мере эволюции технологий. Овладевая искусством езды по этим границам, вы развиваете навыки, которые будут служить вам на протяжении всей карьеры, независимо от того, как изменятся технологии ИИ в ближайшие десятилетия.

Революционеры формируют ментальные модели на основе внимательного наблюдения и уточняют эти модели через постоянное наблюдение. Эта привычка создаёт основу для распознавания паттернов и барьеров и преобразования их в преимущества. Понимая, как система (содержащая ограничение) работает как целое, вы можете работать с ограничением, а не против него.

В качестве примера я подтвердил через наблюдение, что большие языковые модели обычно пропускают недостающую информацию, предполагают, что эта информация наверняка содержит, и производят ответ, который абсолютно неверен. Это, кажется, сильная встроенная тенденция превращать расплывчатую идею в детальные планы, документацию, программное обеспечение или что-то ещё. (Обратите внимание, что «кажется» — это мой способ развития предварительной ментальной модели или гипотезы.) Реакция пользователя обычно — приятное удивление от всеобъемлющего ответа. Только позже мы осознаём проблемы, вызванные безответственным использованием ошибочных предположений при неспособности раскрыть эти предположения.²

Протагонист Эли Голдратта Джона, в «Цели», просит некоторые производственные затраты у одного из персонажей и прямо заявляет, что эти цифры неверны. Затем Джона объясняет:⁹

Когда я был физиком, люди время от времени приходили ко мне с проблемами в математике, которые они не могли решить. Они хотели, чтобы я проверил их числа. Но через какое-то время я научился не тратить время на проверку чисел — потому что числа почти всегда были правильными. Однако если я проверял предположения, они почти всегда были неверны.

Я сильно подозреваю, что большие языковые модели, такие как Claude, делают бесчисленные предположения для выполнения запрошенной задачи, и что эта характеристика заложена в дизайне. Это подозрение подчёркивает вашу необходимость вести разговор и внимательно наблюдать за процессом.

Один урок, который я извлёк из 60 лет игры с компьютерами, таков: копайте глубже, чем другие считали необходимым. Вы найдёте ответы или соедините точки, которые другие не смогли. Каждый опыт несёт свой урок.

Кроссоверные навыки, которые мы выявили в этой главе, все являются предварительными навыками для грядущего мастерства. Мы видели, что каждый предварительный навык сам по себе должен быть освоен до мастерства. Вы, вероятно, уже освоили такие навыки, как сотрудничество с кем-то или поддержание фокуса разговора на конкретной цели. Однако на незнакомой территории, такой как руководство разговором с ИИ, вы можете поначалу обнаружить, что опыт обескураживает или дезориентирует. Просто помните, что это уже знакомый навык! Настройтесь на получение опыта до уровня мастерства в этом новом контексте.

Получение опыта до уровня мастерства требует осознанной практики. По мере того как вы предпринимаете больше практики, чем другие считают необходимым, вы начинаете обретать то конкурентное преимущество, которое другие ещё не распознают. Этот конкурентный разрыв будет расти экспоненциально в вашу пользу благодаря тому, что ИИ является фактором ускорения.

Первые две главы Части III, «Достижение невозможного», описывают проект, который я решил сделать просто ради удовольствия, потому что это было невозможно. Это был проект эпохи холодной войны, но отношение то же самое. Отношение — это бесценный кроссоверный навык: берись за невозможное, просто ради удовольствия, просто потому что это невозможно. Практикуйте попытки невозможного через сотрудничество с ИИ, и вы будете учиться мастерству своего конкурентного преимущества.

Я получил огромное удовольствие от того проекта. Чего я не знал, так это того, что 31 год спустя большие языковые модели начнут реализовывать те же паттерны по тем же причинам: ограниченная активная память, требующая стратегического управления ресурсами для достижения высочайшей производительности мирового класса. Тогда только немногие из нас могли играть с самыми быстрыми компьютерами в мире. Теперь это может практически каждый!

Когда я перечитывал последний абзац, я понял две важные вещи, которыми хочу поделиться. Первая в том, что самое важное техническое утверждение: «Мне было весело!» Второе в том, что это и есть природа революционного мышления. У революционеров, если вы не можете найти способ сделать это весело, вы, вероятно, ещё не нашли правильный способ это сделать. Но найдёте.

Эта глава представляет сдвиг фокуса от показа моих личных техник и примеров использования ИИ к более общей концепции выявления универсальных кроссоверных навыков, которые применимы к вашим собственным совместным работам с ИИ.

Хотя эта глава фокусировалась на конкретных кроссоверных навыках, навык выявления кроссоверных навыков будет темой на протяжении оставшейся части этой книги. Опубликованная когнитивная теория подчёркивает важность не просто изучения навыков, но их освоения. Предварительные навыки, чтобы быть полезными при изучении нового навыка, должны быть освоены до уровня мастерства. Это критическое откровение, потому что каждый навык в этой главе является предварительным навыком для построения полезной ментальной картины того, как ИИ думает.

Эта глава продемонстрировала, как революционеры выявляют кроссоверные навыки: техника сотрудничества «громкие доски», распознавание граничного эффекта, самоанализ и отношение к попыткам невозможного — всё это напрямую переносится на сотрудничество с ИИ. Это не новые навыки для изучения. Это существующие возможности, применённые в новых контекстах. «Применить известный навык в новом контексте» — это мышление революционера.

Эффект пинг-понга опирается на навыки сотрудничества, которыми вы уже обладаете, но применяет их в новом контексте. Так же как сессии «громких досок» создают пограничное пространство между двумя людьми, где возникают новые озарения, ваши разговоры с ИИ создают подобную границу, где могут развиваться уникальные решения. Ключевое различие в том, что вы должны активно поддерживать эту границу через тщательное управление разговором, регулярное обновление контекста и намеренное руководство.

Ваша способность распознавать, когда ответы ИИ не ощущаются правильными, соответствующим образом возражать и перенаправлять разговор, поддерживает продуктивность сотрудничества. Это навыки для уточнения через опыт. Вы можете получить опыт через осознанную практику и непрерывное, внимательное наблюдение.

Помните, что вы ведёте взаимодействие, а не наоборот. Большая языковая модель здесь, чтобы помогать вам, что означает, что LLM с удовольствием будет вести взаимодействие как форму помощи вам. Когда вы позволяете LLM вести, я обнаружил, результаты бесполезны. Эти навыки езды по границе выходят за рамки конкретных реализаций ИИ и, вероятно, останутся ценными независимо от того, как развивается технология. Вот почему эти навыки стоят инвестиций в развитие и уточнение.

В следующей главе вы научитесь смотреть на системы и понимать их импликации. Затем вы научитесь смотреть на ту же ситуацию с другой перспективы и получать гораздо больше озарений. Концепция проста, но поразительна в своих результатах. Эта предстоящая способность полезно сменять перспективы является фундаментальным навыком для построения вашей ментальной модели того, как ИИ создаёт ответы во время вашего сотрудничества.

Как было предложено в прошлой главе, рассмотрите, резонирует ли какая-либо из следующих трёх перспектив наиболее полно с вами.

1. Подумайте о времени, когда вы сотрудничали с кем-то для решения проблемы, которую ни один из вас не мог решить в одиночку. Что сделало сотрудничество успешным? Как некоторые из этих же элементов могут применяться к сотрудничеству с ИИ?
2. Вспомните случай, когда у вас была сильная негативная реакция на чьё-то предложение. Исследовали ли вы, почему вы так отреагировали? Как применение того же самоанализа к вашим взаимодействиям с ИИ может привести к новым озарениям?
3. Рассмотрите ваши собственные области экспертизы. Как аспект соответствующей экспертизы при сотрудничестве с LLM может предложить вам преимущества, которых нет в типичных человеческих сотрудничествах?

1. Эта глава описывает «вписывание проблемы в коробку» без торчащих концов. Подумайте о текущей задаче, с которой вы сталкиваетесь. Что бы означало «вписать эту проблему в коробку» при работе с ИИ?
2. Как вы могли бы применить подход проверки гипотез из «громких досок» в вашем следующем разговоре с ИИ о сложной проблеме?
3. Какие стратегии вы могли бы разработать для распознавания того, когда LLM забыла контекст вашего разговора, и как бы вы эффективно обновили этот контекст?

1. Попробуйте инициировать продолжительный разговор с ИИ о проблеме, с которой вы сталкиваетесь, фокусируясь на поддержании граничных условий, описанных в этой главе. Какие различия вы замечаете по сравнению с традиционным промпт-инжинирингом?
2. Поэкспериментируйте с намеренным возражением, когда ответ ИИ не ощущается правильным. Запишите, какие озарения возникают из этого диалога.
3. Практикуйте распознавание того, когда ваш ИИ-коллаборатор перескакивает вперёд к реализации, а не поддерживает стратегическое обсуждение. Как вы могли бы направить разговор обратно к предпочтительному уровню абстракции?