Мы привыкли, что достаточно задать нейросети вопрос - и она сразу выдаст ответ. Но в инженерной работе все немного сложнее. Сначала терминология.

Промпт - это запрос или инструкция, которую мы даём нейросети, чтобы получить нужный результат.

И здесь возникает интересный момент: хороший промпт - это не обязательно длинный и сложный текст.

Гораздо важнее правильно поставить задачу и дать ИИ необходимый контекст.

В проектировании мы привыкли понимать, что качество результата зависит от качества исходных данных. Если дать расчётчику неправильные исходные данные - он может совершенно корректно выполнить расчёт и получить совершенно бесполезный результат. С ИИ примерно то же самое.

Например, можно написать:

«Рассчитай ток короткого замыкания».

И получить вполне уверенный и красиво оформленный ответ.

Но какие исходные данные использовала нейросеть?

Какое напряжение? Какая мощность трансформатора? Какая схема сети? Какова длина кабельной линии? Какие параметры кабеля? Какие допущения были сделаны? Какая нормативная база была применена?

Если этих данных нет, ИИ либо попросит их предоставить, либо начнет делать предположения. И вот здесь появляется главная проблема: ответ может выглядеть абсолютно профессионально, но при этом быть неприменимым к реальной инженерной задаче.

Поэтому эффективная работа инженера с нейросетью - это не просто умение написать хороший промпт.

Это умение: → правильно сформулировать задачу; → определить необходимые исходные данные; → задать ограничения и условия; → указать нормативные требования; → получить результат; → проверить его с точки зрения инженерной логики.

И здесь я вижу одну из ключевых особенностей использования нейросети в инженерной деятельности. Чем лучше инженер понимает предметную область, тем эффективнее он может использовать нейросеть. Опытный проектировщик знает, какие данные нужны для расчета, какие вопросы необходимо задать, где результат вызывает сомнения и что обязательно нужно перепроверить.

Возможно, один из навыков инженера будущего - это не умение «общаться с нейросетью», а умение превратить инженерную задачу в понятную для ИИ систему исходных данных, условий и ограничений.