Все чаще вижу дорогие программы «обучения ИИ» с ценником в отнескольких десяток до сотен тысяч рублей. И параллельно наткнулся на интересную вещь: такие университеты, как Гарвард, просто открывают доступ к своим материалам бесплатно. Причем речь не про поверхностные обзоры, а про базовые темы, без которых вообще сложно понимать, что происходит.

Например, сейчас в открытом доступе есть лекции (естественно на английском): • Введение в генеративный ИИ - что такое языковые модели и почему они иногда уверенно ошибаются • Промт инжиниринг - как задавать инструкции, ограничения и формат результата • За пределами чат-ботов: системные инструкции и работа с данными (RAG) - как подключать к модели внутренние документы и базы знаний компании • Генеративный ИИ в обучении и развитии - как внедрять технологии в команды • Обучение с использованием ИИ - подходы к адаптации сотрудников • Основы генеративного ИИ - база для тех, кто только начинает разбираться

И это хорошо подсвечивает более важную мысль. Похоже, что рынок постепенно перестает ценить умение просто «пользоваться инструментами». Почти любой сервис можно освоить довольно быстро. Намного важнее становится понимание того, как системы работают изнутри: почему модель ошибается, откуда берется результат, как задать ограничения, как подключить данные компании, как контролировать качество.

Если упрощать, ИИ уже не столько про скорость создания контента или новые сервисы. Речь про способность выстроить работающую логику: настроить поведение системы, опереться на корпоративные данные, предусмотреть риски ошибок. И в этом месте появляется новая профессиональная грамотность. Не умение писать запросы само по себе, а способность собрать под конкретную задачу рабочее решение.

Поэтому, возможно, главный вопрос сегодня не «где учиться ИИ», а «что именно учить». И фундаментальные вещи, как ни странно, все чаще лежат в открытом доступе.

Если кому то нужны ссылки на лекции, могу поделиться.