Что под капотом у нейросетей? Инженерный разбор LLM, токенов и агентов | Часть 3

Искусственный интеллект - это не «электронный мозг», не магия и не панацея. Для инженера это сложная математическая система, работающая по строгим вероятностным законам. Но почему одни специалисты собирают с помощью ИИ надежные инженерные утилиты за один вечер, а другие тонут в галлюцинациях нейросетей и получают нерабочий мусор? В 3-й части открытого вебинара «Как устроен ИИ» я, Дмитрий Громов, практик с более чем 20-летним стажем разработки и автор курсов по автоматизации, раскладываю современные нейросетевые технологии на понятные инженерные составляющие. Без околонаучной шелухи, маркетинговых восторгов и заумных формул разбираем, что находится «под капотом» больших языковых моделей (LLM), как они оперируют токенами и векторными пространствами, где кроются их принципиальные ограничения и почему слепой «вайб-кодинг» смертельно опасен на реальном производстве. Вы узнаете, как перейти от роли просителя к роли главного архитектора и постановщика задач, чтобы нейросети стали вашим надежным вычислительным инструментом, а не источником скрытых аварийных ситуаций. 🎁 БЕСПЛАТНЫЙ ВЕБИНАР + АВТОРСКИЙ ИНЖЕНЕРНЫЙ ПОДАРОК ПО ПИД: https://gromov-plc.ru/plc-edu (Приходите на мои вебинары, чтобы общаться и задавать вопросы) 📌 ПЛАТФОРМА АВТОРСКИХ КУРСОВ ГРОМОВ-ПЛК (GROMOV-PLC): https://gromov-plc.ru (Практические курсы по программированию контроллеров и прикладной разработке инженерного ПО) 💬 МОЙ TELEGRAM-КАНАЛ: https://t.me/Gromovcode (Разборы архитектуры, полезные утилиты, инженерный опыт и анонсы прямых эфиров) ═══════════════════════════════════════════════════ КЛЮЧЕВЫЕ ТЕМЫ ВЫПУСКА: ═══════════════════════════════════════════════════ • Демистификация ИИ: почему машина не «думает», а вычисляет вероятности • Токены, контекстное окно и векторы: как модель воспринимает технический текст и код • Архитектура ИИ-агентов: организация автономной работы и циклов обратной связи • Вызовы инструментов (Function Calling): как связать нейросеть с компилятором, базой данных и сетью • Природа галлюцинаций: почему модели врут с уверенным видом и как это локализовать • Вайб-кодинг против инженерной разработки: цена ошибки там, где подключено железо • Границы инструмента: что нейросеть способна достроить сама, а что инженер обязан задать жестко • Ответы на острые вопросы зрителей: от безопасности данных до локальных открытых моделей ═══════════════════════════════════════════════════ ТАЙМКОДЫ: ═══════════════════════════════════════════════════ 00:00 Введение: почему инженеру-практику жизненно важно понимать устройство ИИ 04:30 Архитектура современных LLM: что скрывается за фасадом нейросетей 11:15 Токены и контекст: как математическая модель считывает технические задачи 19:40 Агентные циклы и вызов инструментов (Function Calling): переход к автономности 28:50 Анатомия ошибок: почему возникают галлюцинации и как их алгоритмически отсекать 37:10 Вайб-кодинг против инженерного мышления: специфика работы на промышленных объектах 45:20 Постановка технического задания для ИИ: декомпозиция, структура данных и критерии приемки 54:05 Практический разбор: генерация прикладного инженерного кода и верификация логики 01:03:30 Сессия вопросов и ответов: безопасность промышленного контура, локальные модели и Modbus 01:14:40 Главный вывод эфира и системное освоение разработки на платформе ГРОМОВ-ПЛК ═══════════════════════════════════════════════════ ОБО МНЕ И ПЛАТФОРМЕ ГРОМОВ-ПЛК: ═══════════════════════════════════════════════════ На платформе «ГРОМОВ-ПЛК (GROMOV-PLC)» я обучаю лично, передавая практический опыт проектирования алгоритмов, работы с контроллерами, SCADA-системами и современными инструментами прикладной разработки ПО без оторванной от реальности академической воды. #ПЛК #АСУТП #КИПиА #ИскусственныйИнтеллект #РазработкаПО #ДмитрийГромов #ГромовПЛК #GromovPLC #Нейросети #Инженерия #ПрограммированиеПЛК #ПИДрегулятор #Modbus #Автоматизация