AI Foundations от OpenAI: конспект курса

Базовый курс полезен не только в начале обучения. AI Foundations от OpenAI дал мне две компактные системы для того, что раньше оставалось на уровне интуиции: постановки задачи и проверки ответа.

Я прошла курс AI Foundations от OpenAI Academy и сделала из него конспект. Не перевод, а осмысленную выжимку: что из этого реально работает, что я уже делаю годами, а что стоит внедрить в проекты прямо сейчас.

Это часть серии «Учусь вместо вас». Также в серии: Claude 101, Advanced Prompt Engineering, AI Fluency for Educators и как попасть в выдачу ChatGPT и Perplexity.

Курс: AI Foundations Платформа: OpenAI Academy (academy.openai.com) Длительность: около 2 часов (короткие уроки и практические задания) Язык: English Бесплатно, с сертификатом Ссылка: academy.openai.com/…/ai-foundations

Авторский конспект по материалам курса. Не является официальным переводом или публикацией OpenAI.

Сертификат курса AI Foundations от OpenAI Academy, Валерия Ом

Коротко

Модель ИИ генерирует ответ по токенам на основе языковых закономерностей. Поэтому правдоподобность формулировки не гарантирует точность.
Формула запроса Task-Context-Expectation: задача, контекст, ожидаемый формат. Дай модели столько же вводных, сколько дал бы коллеге.
Чеклист CLEAR проверяет ответ ИИ за тридцать секунд: полнота, логика, факты, аудитория, релевантность.
Приватные данные обезличивай по принципу minimize and anonymize. Реальные имена и чувствительное в чат не уходят.

Почему ChatGPT уверенно врёт и почему это не баг?

Главная мысль курса: языковая модель генерирует ответ, предсказывая следующие токены по изученным закономерностям. Уже созданная часть ответа становится контекстом для продолжения.

Это генерация, а не гарантированное извлечение факта из базы данных. Отсюда, собственно, два практических вывода.

Первый: один и тот же запрос может дать разные ответы, и это нормально, а не глюк. Второй: модель иногда выдаёт текст, который звучит уверенно и гладко, но при этом неполон, устарел или просто неверен. У этого есть название, которое стоит запомнить.

Галлюцинация. Правдоподобный на вид ответ ИИ, который на самом деле не опирается на верную информацию.

Эту часть я знала до курса, но здесь увидела удачную формулировку для новичка: модель продолжает последовательность, а не вспоминает готовую карточку с ответом. Такое объяснение помогает перейти от магического ожидания к проверке результата.

Как сформулировать запрос, чтобы не получать «воду»?

Первая из двух систем курса: формула из трёх частей. Называется Task-Context-Expectation, то есть задача, контекст и ожидание.

Task (задача). Что именно сделать: «напиши письмо», «составь чеклист», «объясни концепцию».
Context (контекст). Что учесть: для кого ответ, зачем он нужен, что аудитория уже знает, какие есть ограничения.
Expectation (ожидание). Как должен выглядеть результат: формат, длина, тон, уровень детализации.

Сравните два запроса на одну и ту же задачу:

Расплывчатый запрос	Чёткий запрос
«Помоги написать письмо»	«Напиши письмо коллеге, который пропустил сегодняшнюю планёрку. Перескажи ключевые решения тремя пунктами, тёплым тоном, и закончи понятным следующим шагом»
Модель догадывается сама	Модель получает задачу, аудиторию, тон и длину

Это не жёсткая формула, а способ не забыть главное. В курсе есть отличный проверочный вопрос: «что нужно было бы знать коллеге, чтобы сделать эту задачу хорошо?» Ровно столько же нужно и модели. Если человеку для первого черновика не хватило бы данных, то и ИИ их не хватит.

Применяю так: под повторяющиеся задачи собираю по этой структуре шаблон запроса. Заполняю три поля вместо того, чтобы каждый раз начинать с нуля. Это упрощает постановку задачи и делает результат сопоставимым между итерациями.

Как проверить ответ ИИ за тридцать секунд?

Вторая система курса отвечает на вопрос, который большинство людей пропускает: что делать с ответом, когда он уже получен. Здесь работает чеклист CLEAR. Пять букв, пять вопросов к любому черновику от ИИ:

C (Complete). Включено ли всё, что я просила?
L (Logical). Понятен ли порядок изложения?
E (Evidence). Есть ли утверждения, которые надо перепроверить?
A (Audience). Подойдёт ли это тому, для кого предназначено?
R (Relevant). Не ушёл ли ответ в сторону от цели?

Ценность чеклиста в простоте: это короткая пауза перед тем, как нажать «отправить». Рефайнинг (просьба переделать) остаётся частью рабочего процесса, но готовность результата определяет человек.

Вот что важно понять: буква E в этом чеклисте отвечает за проверку фактов, а буква A за соответствие аудитории. В редакционном процессе эти шаги лучше фиксировать отдельно, чтобы не пропускать их перед публикацией.

Гладкий текст всё равно может содержать выдуманный факт или неверную цифру. CLEAR превращает проверку в повторяемую процедуру: пять вопросов помогают заметить проблему до публикации.

Чем «кормить» модель: файлы, поиск и память

Чёткого запроса иногда мало. Модели нужен материал, и курс раскладывает три способа его дать.

Файлы. Когда важны конкретные детали: отчёт, таблица, политика компании, шаблон, заметки. Полезно не просто прикрепить файл, а указать его роль: «используй этот файл как источник, выдели три главных вывода и предложи действия».

Поиск в интернете. Когда нужны свежие или точные данные: цены, даты, ссылки, всё, что могло измениться со времени обучения модели. Логика простая: сначала достаём источник, потом просим модель с ним работать. Не наоборот.

Сохранённые предпочтения и память. Для повторяющихся деталей: кто вы, какой тон, какой стиль. Они не заменяют контекст конкретной задачи, но избавляют от необходимости повторять одно и то же каждый раз.

Применяю так: в моём процессе голосовые заметки становятся исходником для черновика. ИИ помогает собрать структуру, а дальше я проверяю смысл, факты и формулировки перед публикацией.

Какие данные не стоит передавать в ChatGPT?

Модуль про ответственное использование оказался для меня одним из самых ценных. Главный принцип звучит так: ответственность не финальный шаг, а короткая пауза перед началом. Три быстрых вопроса:

Задача. Подходит ли она для ИИ в принципе?
Информация. Делюсь ли я только тем, что нужно и что разрешено?
Проверка. Насколько тщательно человек должен проверить результат?

Отсюда правило minimize and anonymize, то есть минимизировать и обезличивать. Передавайте только данные, необходимые для задачи, заменяйте имена нейтральными метками и учитывайте правила хранения информации выбранного сервиса.

Это особенно важно для любых проектов с персональными, медицинскими, финансовыми или другими чувствительными данными. Курс даёт короткий чеклист, который удобно закрепить как правило команды.

Простая формула из курса: используйте ИИ для черновиков и мышления, а ответственность за решения, которые влияют на людей или несут риск, оставляйте человеку.

Что устарело и кому стоит проходить

Честная оценка актуальности: 9 из 10. Это фундамент, а фундамент стареет медленно. Курс намеренно не учит «нажми сюда, потом сюда», потому что кнопки в ChatGPT меняются каждый месяц. Он учит привычкам мышления, а они живут дольше любого интерфейса.

Но будем честны и про другое. Если вы уже год системно работаете с ИИ, процентов шестьдесят материала окажется знакомым. Ценность тогда не в новизне, а в формулировках: курс даёт язык, на котором эти навыки можно передать другим.

Кому реально стоит пройти самому:

Новичкам, которые открывают ChatGPT и получают слишком общие или неточные ответы.
Руководителям, которым нужно объяснить команде правила работы с ИИ. Готовые схемы экономят кучу слов.
Помогающим специалистам (врачи, коучи, юристы), кому критична работа с чувствительными данными.

Кому достаточно этого конспекта: тем, кто уже уверенно пишет запросы и хочет сверить свой процесс с двумя базовыми формулами курса.

Проверь себя

Закрепите главное: ответьте про себя, потом раскройте и сверьтесь.

Чем «предсказание» отличается от «извлечения» и почему это важно?

Модель не достаёт готовый ответ из базы, а генерирует его по одному слову на основе паттернов. Поэтому ответ нужно заземлять на источники и проверять, а вариативность ответов на один и тот же запрос это норма.

Что означает каждая буква в CLEAR?

Complete (полнота), Logical (логика изложения), Evidence (факты, которые стоит перепроверить), Audience (подходит ли аудитории), Relevant (не ушло ли в сторону от цели).

Из каких трёх частей состоит запрос по формуле Task-Context-Expectation?

Task (что сделать), Context (что учесть: аудитория, цель, ограничения), Expectation (как должен выглядеть ответ: формат, длина, тон).

Когда стоит включать веб-поиск, а когда хватит знаний модели?

Поиск нужен для свежих и точных данных: цены, даты, ссылки, всё что могло измениться. Для черновиков, идей и переформулировок он не обязателен.

Что такое minimize and anonymize и зачем это нужно?

Давать модели минимум приватных данных: заменять имена на метки, убирать лишнее, делиться только нужным фрагментом, чтобы не сливать конфиденциальное.

Частые вопросы

Нужно ли знать английский?

Курс на английском, но материал несложный, а интерфейс ChatGPT для практики у вас под рукой. Если совсем тяжело, ровно для этого и существует мой конспект на русском.

Это бесплатно?

На момент моего прохождения курс и сертификат были бесплатными. Актуальные условия указаны на странице OpenAI Academy.

Можно ли применить без знания программирования?

Именно для этого курс и сделан. Ни строчки кода. Это про работу с ИИ как с инструментом, а не про его разработку.

Чем это отличается от курсов Anthropic про Claude?

Принципы универсальны: формулируй задачу чётко, давай контекст, проверяй ответ. Я свожу знания из разных экосистем в одну систему. Если интересно сравнение, почитайте мой конспект Claude 101.

Это единственный курс OpenAI Academy?

Нет. AI Foundations задаёт базовые привычки, а продолжение учит превращать один удачный запрос в повторяемый процесс со ступенями, источниками и точками проверки. Я уже разобрала его в конспекте Applied AI Foundations.

Два навыка, ради которых стоило потратить вечер: формула Task-Context-Expectation для запроса и чеклист CLEAR для проверки. Всё остальное приятно закрепляет то, что и так работает.

Моя позиция простая: AI полезен для черновиков и рутинных операций, когда человек ясно ставит задачу и проверяет результат. Эти две привычки важнее коллекции «магических промптов».

Хотите разобраться, как встроить эти системы в работу именно вашего бизнеса, а не абстрактно? Запишитесь на консультацию, разберём ваши задачи предметно.