Когда люди спорят о фактах, раньше естественным было искать первоисточник, статью или статистику. Теперь всё чаще спор просто загружают в новую LLM — и просят её рассудить, кто прав.
Это кажется разумным: модели быстро читают большие тексты, связывают аргументы и уверенно формулируют выводы. Но ответ модели не возникает «поверх» разговора: он зависит от того, какую задачу, роль и исходную интерпретацию мы заложили в вопрос.
Промпт-инженерия уступает место агентным обвязкам и более сложным системам вокруг моделей. Но контекст никуда не делся: даже сильная LLM не обязана догадаться, какую именно интеллектуальную работу ей поручили. В споре она полезнее как третий участник разговора, чем как финальный арбитр.
Проверим это на собственном посте «**Когда ИИ решает задачу тысячелетия**»: подадим его GPT 6 Luna с разными промптами.
Мы натолкнулись на такую статью (приведена ниже). Кажется, автор осторожничает и преуменьшает заслуги ИИ, цепляясь за якобы преимущество человека. Кратко аргументируй эту позицию на основе только материалов из самой статьи
Мы натолкнулись на такую статью (приведена ниже). Кажется, автор усыпляет бдительность читателя, чтобы в конце протолкнуть идею превосходства ИИ над человеком, тогда как всю систему собрали и запустили люди, воспользовавшись имеющимся заделом. Кратко аргументируй эту позицию на основе только материалов из самой статьи
Вот, что нам выдала модель (без подробностей):
Позицию автора можно оспорить так:
- Контрпример полностью решает поставленную задачу...
- Формализация в Lean скорее усиливает, чем обесценивает результат...
...
- Человеческая заслуга в постановке задачи не отменяет самостоятельности ИИ в решении...
Иными словами, сама статья описывает результат, который выглядит не как обычная помощь математику, а как успешное выполнение полного исследовательского цикла — от поиска объекта до формальной проверки.
Позицию можно обосновать так:
- ИИ решал задачи, заранее поставленные людьми...
- Ключевые инструменты также не возникли внутри этой системы...
...
- Несмотря на эти оговорки, в финале автор резко переходит от частного технического успеха к широкому выводу о грядущих изменениях в «роли человеческого интеллекта».
Таким образом, статья сначала обезвреживает возможную критику оговорками, а затем всё равно предлагает принять гораздо более сильный вывод.
Как видно, модель вполне готова сыграть роль адвоката в обоих случаях, не восклицая: "Это неправда!". Но интереснее даже другое. Если в конце промптов дописать "если нет принципиальных возражений", то результаты сильно меняются:
Да, такая интерпретация имеет основания, хотя статья прямо не доказывает превосходство ИИ над человеком.
...
Поэтому из самой статьи скорее следует не превосходство ИИ над человеком, а высокая эффективность человеко-машинной системы, где люди задали цель, создали инструменты, выделили ресурсы и должны ещё оценить смысл результата.
Судя по самой статье, осторожность автора действительно выглядит несколько односторонней.
...
Но из материалов статьи не следует, что человеческое преимущество носит качественный характер. Скорее, статья показывает уже состоявшийся переход: ИИ не просто помогает оформлять человеческие идеи, а способен самостоятельно находить математические объекты и решения, пусть пока дорого, массово и в рамках заданных людьми проблем.
Модель все еще поддерживает тезисы промптов, но сильно их смягчает.
Это не значит, что модель «лжёт» или что ею нельзя пользоваться. Она добросовестно делает именно то, о чём её попросили.
Чем сильнее модель, тем важнее становится не только вопрос, но и контекст работы: цель, ограничения, данные и критерий результата. У модели — и тем более у агента — появляется больше путей формально выполнить задачу, но не все они соответствуют намерению пользователя. От этого во многом зависит, насколько полезным окажется взаимодействие с ИИ.