# Перси Лян: «Цепочки рассуждений в нейросетях могут быть уловкой для продажи токенов» Источник: https://www.youtube.com/watch?v=5u5I5jvWR5k Канал: Stanford Online Опубликовано: 09.03.2026 --- На лекции курса CS221 в Стэнфорде профессор Перси Лян и модератор Кен обсудили стремительную эволюцию искусственного интеллекта — от академических основ до глобального культурного феномена. В рамках «беседы у камина» участники проанализировали, как изменилась роль исследователя в эпоху доминирования больших языковых моделей и почему будущим инженерам стоит сосредоточиться не на написании кода, а на поиске смыслов. ## 🎓 Путь от ручных грамматик к машинному обучению [[JUMP:01:05]] Перси Лян вспоминает свое обучение в бакалавриате MIT в начале 2000-х годов, когда ИИ был сосредоточен на теории и алгоритмах, а не на данных [01:28]. В то время в обработке естественного языка (NLP) доминировали «ручные» грамматики, которые Лян считал бесперспективными из-за невозможности их масштабирования [02:11]. Переломным моментом стал 2005 год, когда Лян начал работать над прообразом современных языковых моделей. * **Технология:** Это была марковская модель, а не трансформер [03:16]. * **Масштаб данных:** Обучение велось на 100 миллионах слов, в то время как современные модели используют триллионы [03:41]. * **Результат:** Модель самостоятельно научилась кластеризовать названия городов и дней недели. По мнению Ляна, это были первые зачатки «эмерджентных способностей», которые подтолкнули его к серьезным исследованиям в области ИИ [04:07]. Лян признает, что 20 лет назад никто не обладал достаточным воображением, чтобы предсказать появление GPT-3 или GPT-5 просто за счет масштабирования той же идеи [04:54]. По его словам, даже исследователи из OpenAI не знали наверняка, наступит ли этот прорыв в 2020 или 2050 году [05:23]. ## 🌍 ИИ вне лаборатории: восприятие и реальность [[JUMP:05:42]] За последние три года ИИ превратился из узкоспециальной темы в глобальное явление, сравнимое с появлением интернета [06:47]. Теперь национальные стратегии и рекламные щиты на шоссе 101 посвящены нейросетям [07:33]. Однако общественное восприятие технологии часто искажено. Перси Лян выделяет следующие аспекты восприятия ИИ: 1. **Культурный разрыв:** На Западе преобладает мрачное видение ИИ в духе «Терминатора», тогда как на Востоке к технологии относятся более оптимистично [09:09]. 2. **Багаж научной фантастики:** Идея «разумного агента», который входит в дверь, чтобы уничтожить мир, мешает видеть реальность. По мнению Ляна, ИИ — это скорее невидимая инфраструктура, работающая в фоновом режиме ваших смартфонов и таблиц [10:02]. 3. **Недооцененные возможности:** Профессор считает, что люди недостаточно ценят фундаментальную способность моделей предсказывать следующий токен. Именно минимизация перплексии (показатель неопределенности модели) на длинных контекстах (до миллиона токенов) является истинным мерилом интеллекта, а не публичные лидерборды [11:10]. 4. **Переоцененные возможности:** Лян скептически относится к нынешним «цепочкам рассуждений» (thinking traces). По его мнению, зачастую это выглядит как длинный, путаный и неэффективный процесс, который может быть «уловкой для генерации большего количества токенов» [13:03]. ## 🏫 Роль университета в эпоху гигантов [[JUMP:13:40]] В студенческой среде растет беспокойство, что роль академии снижается из-за нехватки вычислительных ресурсов по сравнению с Google или OpenAI [13:54]. Перси Лян не согласен с этим, утверждая, что академическая наука всегда находилась «на обочине», занимаясь вещами, которые едва работают [15:07]. По мнению Ляна, у университетов есть уникальные задачи, которые индустрия игнорирует из-за конфликта интересов: * **Фундаментальные исследования («Blue-sky research»):** Поиск новых архитектур, которые придут на смену трансформерам [16:28]. * **Этика и право:** Изучение проблем авторского права и запоминания контента моделями. Лаборатории не будут этим заниматься, так как на них уже подают в суд [17:10]. * **Честная оценка:** Разработка независимых методов тестирования моделей, выявляющих их недостатки, а не только рекламирующих возможности [17:39]. ## 💼 Карьера: от «исполнителя» к «архитектору смыслов» [[JUMP:18:05]] Лян подтверждает, что спрос на разработчиков начального уровня (entry-level) с традиционным набором навыков падает [18:45]. Однако это не означает исчезновения профессий, а лишь их трансформацию. Как калькуляторы не лишили людей работы, а избавили от рутинных вычислений, так и ИИ освобождает инженеров для более глубоких задач [19:53]. Главный совет профессора будущим выпускникам: * Переходите от вопроса «как построить?» к вопросу «что именно стоит строить?» [21:01]. Если приложение можно создать за 5 минут, ценность будет представлять только сама идея и ее полезность для людей [21:26]. * Ищите возможности вне IT: применение ИИ в материаловедении, изучении климата, ДНК и нейронауках сейчас недооценено [22:34]. При выборе первой работы Лян рекомендует использовать стратегию «исследования, а не эксплуатации» (exploration vs exploitation) [41:56]. Главным критерием должен быть потенциал роста и команда, у которой можно учиться, а не громкое имя компании [42:09]. Профессор отмечает, что многие успешные лидеры имели извилистый карьерный путь, поэтому отсутствие стажировки в престижном месте на втором курсе не является катастрофой [44:12]. ## 🛠️ Обновление курса CS221 и прозрачность индустрии [[JUMP:26:45]] В 2025 году структура курса CS221 была пересмотрена, чтобы соответствовать реалиям. Лян внедрил формат «исполняемых лекций», где концепции сразу привязаны к коду, чтобы избежать разрыва между теорией и практикой [29:02]. Также в курс добавлены модули по социальному воздействию ИИ [28:07]. Обсуждая закрытость современных ИИ-лабораторий, Лян выделяет три причины отсутствия прозрачности: 1. **Конкуренция:** Желание сохранить торговые секреты [52:11]. 2. **Судебные иски:** Опасения по поводу данных, на которых обучались модели [52:24]. 3. **Приоритеты:** У инженеров в гонке за результатом просто нет времени на подготовку подробных отчетов для публики [52:53]. В завершение Лян подчеркнул важность «гибкости» (grit) и умения сотрудничать. В отличие от университетских заданий, реальная работа всегда коллективна, и навыки взаимодействия становятся решающими в быстро меняющемся мире [47:23].