Серия «Промптинг»
Нейросети [Структура]
Принцип работы нейронной сети
Нейросети сегодня везде: от мемов до госзакупок. Они стали привычным инструментом — «понимают» текст, «видят» картинки, «отвечают» на вопросы. Но в большинстве случаев мы не видим самого процесса. Между вводом и выводом скрывается последовательная работа с признаками, фильтрация, обучение, корректировка. И чтобы по‑настоящему использовать такие инструменты, нужно видеть, как работает их внутренняя логика, а не только внешний эффект.
▫️Чтобы разобраться, как нейросети работают на практике, удобнее всего начать с простого примера. Допустим, модель получает изображение с нарисованной цифрой «5». Её задача — распознать, что изображено, и выдать ответ. За этой, на первый взгляд, очевидной операцией скрывается весь механизм: от обработки пикселей до финального выбора. И на таком примере хорошо видно, как модель превращает данные в осмысленный результат.
Процесс по этапам:
Входной слой: обработка данных
Картинка переводится в числа: каждый пиксель — это значение яркости (например, от 0 до 255). Все эти пиксели передаются в нейросеть как длинный список чисел.
Входной слой принимает эту информацию и передаёт дальше — на скрытые уровни.
Важно, что пиксели обрабатываются не по отдельности, а в совокупности: так сеть улавливает не отдельные точки, а общую структуру изображения.
Скрытые слои: фильтрация признаков
Нейросеть состоит из нескольких скрытых уровней, каждый из которых постепенно уточняет восприятие изображения. Это как цепочка фильтров: от простого к сложному.
Признаки низкого уровня
Первый скрытый слой распознаёт базовые элементы — горизонтальные и вертикальные линии, углы, контуры, короткие дуги. Сеть словно чувствует, что в изображении есть вертикальная палочка и изогнутая линия — знакомые элементы цифры «5».
Комбинации признаков
На следующем уровне простые формы складываются в более сложные фигуры: полукруги, соединения линий, характерные изгибы. Сеть начинает понимать, что это не просто линии — а часть общей фигуры.
Образ класса
Финальные слои собирают общую конфигурацию: верхняя часть — прямая линия с углом, нижняя — изогнутый полукруг. Вместе они формируют узнаваемую структуру цифры «5» — даже если почерк кривой, а изображение шумное, ключевые элементы остаются на месте.
Выходной слой: принятие решения
На финальном этапе сеть сравнивает все признаки, которые удалось собрать, и оценивает, на какую цифру больше всего похоже изображение. У каждого варианта — от 0 до 9 — своя вероятность. Например: «5 — 90 %, 6 — 5 %, 3 — 3 %».
Модель выбирает тот вариант, где уверенность выше всего. В данном случае — «5».
▫️Чтобы распознавать цифры, нейросеть сначала обучают: ей показывают тысячи изображений с правильными ответами. После каждого сравнения она считает, насколько ошиблась, и подстраивает внутренние параметры — так называемые «веса». Это влияет на то, какие признаки считать важными, а какие — второстепенными. Постепенно сеть начинает лучше выделять устойчивые элементы, характерные для каждой цифры: изгибы, углы, расположение частей. Именно поэтому она узнаёт даже «кривые» пятёрки — не запоминает изображение, а учится видеть суть.
___
Разобрав один простой пример, становится легче воспринимать и более сложные сценарии работы ИИ. За красивым выводом стоит предсказуемая внутренняя логика — и именно её важно освоить.
Промпт [Этимология]
История, смысл и развитие термина
Слово prompt восходит к латинскому причастию prōmptus, образованному от глагола prōmere — «выносить наружу, извлекать». Приставка prō- («вперёд, наружу») вместе с корнем emere («брать, приобретать») сформировали смысл «того, что вынесено вперёд, сделано доступным». Через старофранцузское prompt термин вошёл в английский язык примерно в XIV веке.
В английском prompt получил целую палитру значений. Как глагол — «побуждать, подсказывать к действию»; как прилагательное — «готовый, быстрый, немедленный»; как существительное — «подсказка, сигнал, напоминание». Эта многозначность отражает исходную латинскую идею готовности и доступности.
В театральной традиции prompter — суфлёр, подсказывающий актёрам реплики. От этого значения произошло и компьютерное prompt: в 1970-х так стали называть символы вроде C:> или $ в терминалах, которые сигнализируют пользователю о готовности системы принять команду. По сути, терминал «подсказывает», что ждёт ввода — и этот принцип лёг в основу последующих технологических интерпретаций.
Сегодня слово охватывает широкий спектр контекстов: в лингвистике — «наведение или подсказка», в театре — «суфлёрская реплика», в интерфейсах — «сообщение для ввода или подтверждения». В машинном обучении до эпохи больших языковых моделей prompt значил просто «подсказку» или «условие» — особенно в задачах, где у модели было лишь пару примеров для понимания задачи.
В русском языке prompt чаще всего передают как «подсказка», «запрос», реже — «инструкция», однако в ИТ-контексте доминирует англоязычная форма «промпт». Произносится как /prɒmpt/ в британском и /prɑːmpt/ в американском английском, а в русском заимствовано без изменения ударения. От слова образованы prompting (процесс подсказки), prompter (суфлёр, подсказчик) и prompted (инициированный подсказкой).
___
Этимологический путь слова раскрывает его ключевую суть: prompt во всех своих значениях обозначал механизм инициирования — от латинского «вынесения наружу» до современного «запуска процесса». На протяжении веков в нём сохранялась идея готовности к действию и стимуляции ответа, что и сделало этот термин органичной основой взаимодействия с языковыми моделями.
QR-коды через ИИ — ч.2
Часть 2 [БАЗОВЫЙ ПРОМПТ]
QR-коды обычно делят на два типа: статические и динамические. Это деление можно встретить на сайтах-генераторах и в обучающих материалах.
▪️ Статический — внутри кода сразу зашита информация: ссылка, номер, Wi-Fi. Один раз записал — и всё.
▪️ Динамический — в коде зашит промежуточный адрес, а уже по нему можно менять содержимое, собирать аналитику, ставить срок действия и т.п.
Но по факту любой QR-код всегда статичен. Он содержит строку — и неважно, конечную или промежуточную. Всё, что меняется или собирает статистику, происходит уже после сканирования — на той стороне, куда ведёт ссылка.
В ГОСТ Р ИСО/МЭК 18004-2015, как и в международном ISO/IEC 18004, никакой «динамической природы» не описано. Там только структура кода, размещение данных и коррекция ошибок.
То есть даже если сайт выдает «статический» код — это может быть ссылка на редиректор агрегатора. А уже там включается логика, аналитика и ограничения.
Часто такие сайты ставят лимиты на количество сканирований, требуют регистрацию, вставляют рекламу или могут просто закрыть доступ к вашему коду. Сегодня он работает — завтра ведёт на заглушку. Всё, что завязано на внешний сервис, — не в вашей зоне контроля.
Поэтому сделать QR-код самостоятельно — надёжнее, а ИИ поможет.
Инженерный метод
Вот такой подход использую я: поэтапный диалог с моделью (на примере GPT-4o). Это даёт гибкость, возможность уточнять детали на ходу и адаптировать результат под задачу.
User
Сгенерируй QR-код для ссылки https://t.me/Promptology
ChatGPT
Вот сгенерированный QR-код для ссылки https://t.me/Promptology:
Скачать QR-код 🧾
User
Выдай разрешение 1000х1000
ChatGPT
Вот QR-код в разрешении 1000×1000 пикселей:Скачать QR-код (1000×1000) ✅
User
Разукрась его в синий цвет RAL 5000
ChatGPT
Вот QR-код, окрашенный в синий цвет RAL 5000 (RGB: 0, 56, 101):Скачать QR-код в RAL 5000 🔵
User
Добавь в центр небольшой логотип моего канала
ChatGPT
Готово! Логотип добавлен в центр QR‑кода.Скачать QR‑код с логотипом 🌀
User
Разукрась в красный цвет RAL 3000, а логотип пусть будет в кружке
ChatGPT
Готово! QR‑код теперь в красном цвете RAL 3000, а логотип помещён в аккуратный круглый медальон.Скачать итоговый QR‑код 🔴
User
Встрой его на пузо телепузика и выдай картинкой
ChatGPT
Готово! Вот изображение телепузика с встроенным QR‑кодом на пузе.Скачать картинку 📸
Но это не единственный способ. Вы можете использовать другие модели и подходы — принцип остаётся тем же. Чётко сформулируй, что хочешь — получишь нужный результат.
Универсальный шаблон
Вот универсальный шаблон инженерного промпта для генерации QR-кода через GPT — с возможностью кастомизации:
Сгенерируй QR-код для [ТИП ДАННЫХ: ссылка / Wi-Fi / контакт / текст и т.д.],
формат: [PNG / SVG],
размер: [в пикселях, например 1000×1000],
цвет: [чёрно-белый / hex / RAL + описание],
логотип: [да / нет],
если да — логотип [какой, где разместить, размер, фон],
отступы: [нужны / без отступов],
оформление: [дополнительно: рамка, градиент, стилизация и т.д.].
Пример универсальнного запроса
Сделай QR-код для ссылки https://t.me/Promptology, формат PNG, размер 1000×1000, цвет RAL 6000 (зеленый), без отступов, с логотипом по центру (круглый)
___
Создавать QR-коды с помощью GPT — просто. Один промпт или серия уточнений — и ты получаешь нужный результат без сервисов и ограничений. Главное — понимать, что именно хочешь, и чётко это формулировать. Всё остальное — дело техники.
У меня вышла первая книга
Хочу поделиться своей радостью)
Первые экземпляры «Промптология. Искусство диалога с нейросетями» уже начали приходить тем, кто оформлял предзаказ



Спасибо читателям за тёплые слова и фото
QR-коды через ИИ — ч.1
Часть 1 [ТЕОРИЯ]
QR-коды кажутся чем-то банальным. Мы привыкли к ним на упаковке, билетах, стендах и в учебниках — и уже почти не замечаем. Но вот что странно: технологии меняются, тренды приходят и уходят, а QR-код продолжает работать.
Почему так? Потому что QR-код решает простую задачу: быстро передать информацию. Ссылку, контакт, схему подключения, инструкцию — без объяснений и ручного ввода. Он просто работает. Без регистрации, доступа, обновлений и подписок.
А с приходом ИИ работать с QR-кодами стало проще: теперь это можно делать самостоятельно, без генераторов и специальных знаний. Генерация, кастомизация, внедрение в повседневные процессы и даже создание целых сервисов вокруг него — всё это стало доступно через промпт. Там, где раньше был генератор с подпиской, теперь достаточно сформулировать запрос.
Краткая история
QR-код придумали в Японии ещё в 1994 году. Его разработала компания Denso Wave — изначально для того, чтобы быстро отслеживать автозапчасти на производстве. Он был гораздо вместительнее и устойчивее к повреждениям, чем обычный штрихкод.
Со временем QR-коды вышли за рамки заводов. Их начали использовать в логистике, на упаковке, в документации. Но по-настоящему массовыми они стали в 2010-х — с распространением камер в телефонах и особенно во время пандемии. Когда важно было сократить физический контакт и упростить обмен данными, QR стал очевидным решением: меню в кафе, пропуска, анкеты, учебные материалы, онлайн-оплата — всё через квадратный код.
В России новый виток случился позже — когда Visa и Mastercard ушли, а Apple Pay перестал работать. На смену им пришла СБП — Система быстрых платежей. Оплата по QR-коду внезапно стала не только удобной, но и почти единственной универсальной альтернативой. Сегодня QR используется на кассах, в приложениях банков, в чеках и в терминалах.
Что такое QR-код (простыми словами)
QR-код — это просто картинка, в которой зашит текст. Самый частый вариант — ссылка. Например:
ChatGPT превращает https://pikabu.ru в квадратный код, который можно отсканировать и сразу перейти по адресу.
Кроме ссылки, в QR-код можно зашить:
номер телефона — при сканировании откроется окно вызова;
текст сообщения;
Wi-Fi-настройки — и смартфон предложит подключиться к сети;
визитку с именем, e-mail и кнопкой «Сохранить контакт»;
и многое другое.
Внутри — обычный текст, только в другом виде. Всё, что в нём есть, — это строка, которую распознаёт устройство.
Как работает QR-код
Когда ты сканируешь QR-код, смартфон просто считывает зашифрованную строку и предлагает действие, если он её распознаёт.
Вот как это происходит:
1 📷 Камера находит три характерных квадрата по углам — это точки ориентации.
2 🔲 Затем программа читает остальную сетку — в ней зашиты данные.
QR-код внутри — это не просто узор, а строго организованная система. Каждая чёрно-белая «клетка» несёт смысл: часть текста, служебную информацию, или контрольную проверку на случай повреждения.
Структура кода включает:
данные (то, что зашито — ссылка, номер, текст);
служебные зоны — чтобы код читался в любом положении;
коррекцию ошибок — чтобы работал даже с разрывами, пятнами или логотипом по центру.
Вся эта информация разбивается на блоки, кодируется в биты, а потом размещается по сетке — не просто слева направо, а по сложному зигзагообразному маршруту, снизу вверх и столбиками. Это помогает сохранить надёжность даже при частичной потере изображения.
Именно поэтому QR-коды «живут», даже если в них вставить логотип или закрасить часть центра.
3 📱 Смартфон распознаёт, что именно это за данные — и предлагает соответствующее действие:
если это ссылка — открыть в браузере;
если номер — позвонить;
если Wi-Fi — подключиться;
если контакт — сохранить.
QR-код сам по себе ничего не исполняет. Он не кнопка и не приложение. Это просто способ передать данные.
Ответ на пост «ИИ-эксплуататор»3
Гонять один и тот же запрос по разным нейросетям, причём с урезанным функционалом, — сомнительное занятие. Это больше похоже на перебор вариантов наугад, чем на осмысленную работу.
Вместо этого проще и логичнее — взять одну продвинутую нейросеть вроде GPT с Plus-доступом и внутри неё выстроить полноценный рабочий процесс. Один чат помогает продумать архитектуру, другие — заточены под генерацию кода на разных моделях, с разными подходами и обучением, ещё можно добавить для тестов и проверок.
Внутри одного интерфейса удаётся сохранить всю историю — от первых набросков архитектуры до финальных строк кода и результатов тестов. Задав чатам «роли» через системные подсказки, вы добиваетесь необходимой специализации без использования множества сервисов и не терять логическую связку при переходе от проектирования к реализации
Не ИИ‑эксплуататор, а инженер, который распределил задачи между ИИ‑ассистентами.
ИИ уже решает задачи, которые раньше делали целые отделы
Когда мы говорим об угрозе автоматизации, в голове всплывают образы заводов: конвейеры, манипуляторы, массовые увольнения. Но настоящая замена происходит в другом месте — за офисным столом.
Недавнее исследование команды METR показало: нейросети гораздо быстрее учатся выполнять короткие, стандартизированные задачи, чем долгие и сложные. Чем быстрее и проще задача — тем выше шанс, что её в скором времени заберёт ИИ.
На основе этих данных аналитики Commonplace провели анализ рисков автоматизации по более чем 2000 профессиям. Вот как именно распределяется риск автоматизации в зависимости от типа задач:
Чем короче, чётче и формальнее задача — тем быстрее её берёт на себя ИИ.
Самые уязвимые:
Бухгалтеры, юристы и специалисты техподдержки
Копирайтеры, редакторы, младшие аналитики
Ассистенты и те, кто «собирает документы»
А вот курьеры, уборщики, строители и рабочие на складе пока вне зоны риска — их задачи слишком размыты, слишком физические и слабоформализованные.
Простой закон: ИИ заменяет не профессию, а конкретные типы задач.
И если ваш рабочий день — это 200 писем, 80 отчётов и 5 раз составить однотипный бриф — да, это уязвимо.
Что остаётся человеку?
Ставить задачи, а не просто выполнять
Анализировать нестандартные кейсы
Принимать решения под риском и неопределённостью
Понимать не только "что", но и "зачем"
Именно здесь появляется промпт-инженерия — навык не «разговаривать с чат-ботом», а управлять целым ИИ-инструментарием. Не заменяться — а усиливаться.
Мир меняется не потому, что ИИ стал "умнее", а потому что мы оставили слишком много шаблонных задач без переосмысления.
Если ты управляешь — нейросеть работает на тебя.
Если ты повторяешь — она заменит тебя.
В реальности ИИ не устраняет профессии сам по себе: он становится инструментом тех, кто овладел навыками его применения. Именно специалисты, эффективно использующие нейросети, будут замещать целые подразделения, радикально меняя принципы организации труда.

![Нейросети [Структура]](https://cs20.pikabu.ru/s/2025/09/14/18/vtpkw5zi.jpg)
![Промпт [Этимология]](https://cs16.pikabu.ru/s/2025/08/13/20/snssiu7k.jpg)








