Думай как ChatGPT. Человек + ИИ = Новая норма мышления

Первая, что бросается в глаза, – это структурность.

Обратите внимание: когда вы просите ChatGPT что‑то объяснить или разобрать, он почти никогда не отвечает одним длинным, размазанным абзацем. Ответ, как правило, разбивается на смысловые части. Сначала – короткий ввод: в чем суть вопроса. Затем – пояснение, разбитое на несколько логически связанных блоков. Потом – пример. В конце – вывод или рекомендация. Если вы попросите его «объяснить на пальцах», он перестроит ответ, но всё равно сохранит внутренний порядок: от общего к частному, от простого к сложному, от определения к применению.

Эта привычка класть все по полочкам у модели не случайна. Она выросла из того самого гигантского опыта чтения человеческих текстов. Хорошие авторы, преподаватели, консультанты, методисты, менеджеры по сути делают одно и то же: структурируют хаос. Они берут неупорядоченный клубок фактов, эмоций, идей и раскладывают его по ящикам, чтобы читателю или слушателю было легче ориентироваться. Модель, обучаясь на их текстах, переняла этот стиль как «норму хорошего ответа».

Вы наверняка замечали противоположный тип человеческого ответа. Вы задаете человеку простой вопрос: «Расскажи, что там случилось?» – и получаете поток сознания. Человек перескакивает с одной детали на другую, добавляет лишние подробности, пересказывает свои эмоции, забывает, с чего начал, потом вспоминает, снова обрывает себя. Через пару минут вы устаете, а итоговая картина всё равно остается мутной. Такой способ говорить – результат отсутствия внутренней структуры мышления.

ChatGPT делает обратное. Он как будто автоматически накладывает сетку структуры на вашу задачу. Вы говорите: «Помоги мне придумать стратегию продвижения продукта», и он отвечает по шагам: вот целевая аудитория, вот возможные каналы, вот ключевые сообщения, вот метрики, по которым вы будете оценивать результат. Вы просите: «Объясни, чем отличается кредит от дебета», и он сначала даёт определение обоих понятий, затем показывает разницу, потом приводит пример. Он не увлекается лишними ответвлениями, не выплескивает всё, что «пришло в голову», а выделяет опорные точки.

Вы можете научиться делать это сами. В основе такой структурности лежит вполне конкретная внутренняя привычка: перед тем как говорить или писать, на уровне мысли вы задаёте себе вопрос: «Какие две–четыре ключевые части есть у этого ответа?» И сначала набрасываете для себя опорный каркас, а уже потом заполняете его содержанием. ChatGPT делает это автоматически, вы – можете научиться делать это осознанно. В дальнейшем в книге мы будем тренировать этот навык отдельно, но уже сейчас важно, чтобы вы начали замечать: структурность – это не врожденный талант, а прием, который вы можете перенять.

Вторая сильная сторона ChatGPT – умение мыслить шаг за шагом. Здесь есть одна интересная деталь. По умолчанию модель даёт вам уже готовый «отформатированный» ответ. Но если вы специально попросите: «Размышляйте по шагам» или «Покажите ход рассуждений», вы увидите, что она начинает раскладывать задачу на последовательность маленьких логических переходов. Сначала уточняет условия, затем выделяет известные данные, потом формулирует, что нужно найти, дальше разбивает путь решения на фазы и только в конце подводит итог.

Для вас это может быть особенно ценно, если вы привыкли думать скачками. У многих людей мышление работает так: появилась проблема, тут же возникла реакция и первое «готовое» решение. На промежуточные шаги – что именно мне известно, чего не хватает, какие есть варианты, каковы последствия – времени и внимания не хватает. В результате решения оказываются импульсивными, а ошибки – повторяющимися.

ChatGPT устроен иначе: его внутренняя работа всегда представляет собой последовательность маленьких вычислительных шагов. Да, это не человеческая логика в строгом смысле, это статистический процесс, но в текстовом виде он вполне может имитировать человеческое поэтапное рассуждение. И вы можете использовать это как тренажер. Например, поставив себе правило: перед тем как принять решение или сформулировать ответ, вы выписываете хотя бы три–четыре промежуточных шага. Вы как бы говорите самому себе: «Давай сейчас будем думать, как это делает модель: сначала разберёмся с условиями, потом соберем данные, потом перечислим возможные варианты, потом выберем критерии, по которым будем эти варианты оценивать». Так из хаотичного комка мысль превращается в чёткую логическую дорожку.

Особенно хорошо это видно в сложных вопросах. Возьмите какую‑нибудь реальную проблему из вашей жизни: «Стоит ли мне соглашаться на новую работу?» Если вы зададите её ChatGPT и попросите объяснить по шагам, вы увидите, как он разложит ваш вопрос на группы факторов: зарплата, условия, рост, риски, личные ценности, семья и так далее. Он не бросится сразу в ответ «да» или «нет», а выстроит рамку, внутри которой вы сами сможете принять более взвешенное решение. Именно этот подход я и хочу, чтобы вы научились присваивать себе. Он не является «чудом искусственного разума» – это просто дисциплинированный способ думать.

Третья важная способность, которую модель демонстрирует, – многоракурсность. Люди часто попадают в ловушку единственного варианта. Появляется идея, они к ней привязываются и перестают видеть другие возможности. Человек, который хочет уволиться, видит только два сценария: «остаться» или «уйти». Человек, который спорит, видит только «я прав» и «он неправ». Человек, который строит бизнес, видит только ту модель, которая первой пришла ему в голову. Всё остальное как будто растворяется.

ChatGPT работает иначе. По самой своей природе – как система, обученная на множествах текстов с разными мнениями, стилями, сценариями – он склонен перечислять несколько вариантов. Вы наверняка замечали: попросите придумать идеи для подарка – получите пять или десять; попросите рассмотреть спорную тему – получите обзор аргументов «за» и «против»; попросите предложить пути решения – получите перечень альтернатив.

Это не потому, что у модели есть врожденное чувство справедливости или тяга к плюрализму. Просто в текстах, на которых она обучалась, многовариантный подход встречается настолько часто, что становится «естественным» способом отвечать. Хорошие консультанты, стратеги, аналитики, преподаватели почти всегда предлагают несколько вариантов, зная, что первый не обязан быть лучшим. Модель переняла это поведение как общепринятую норму.

Чему вы можете научиться здесь? Привычке не останавливаться на первом ответе. Внутреннее упражнение может быть очень простым: как только у вас возникло решение, задайте себе вопрос: «А какие еще два-три варианта я могу предложить, если представлю, что я сейчас ChatGPT?» Представьте, что вы вынуждены в ответе перечислить как минимум три подхода. Вы заметите, что сама постановка такой задачи отодвигает вас от узкого туннеля единственного решения и заставляет мозг искать альтернативы.

Например, та же ситуация с работой. Вместо «остаться или уйти» можно увидеть, что есть: остаться, но пересмотреть условия; уйти, но заранее договориться о переходном периоде; уйти не сразу, а после выполнения конкретных целей; попробовать внутренний перевод; обсудить гибридный формат. Это не значит, что все варианты хороши. Но сам факт их фиксации даёт вам больше свободы. Вы уже не заложник одноходового мышления.

Четвёртая сильная сторона ChatGPT – умение выдерживать стиль и тон. Для большинства людей смена стиля – задача, требующая усилий. Обычный человек пишет по‑деловому, и его просишь: «Представь, что ты объясняешь это ребёнку», – он всё равно скатывается в сухие офисные обороты. Или наоборот: человек привык говорить просто и вольно, и, оказавшись в официальной ситуации, не знает, как подобрать соответствующие выражения. Внутреннего репертуара языковых масок оказывается мало.

Модель же обучалась на огромном разбросе текстов: от юридических документов до шутливых блогов, от научных статей до бытовых переписок. Она видела, как меняется язык в зависимости от аудитории, цели, контекста. Поэтому, когда вы просите её: «Напишите этот текст в дружелюбном, но уверенном тоне» или «Сделайте строгое письмо без грубости», она подбирает набор оборотов, соответствующий этому описанию. Она как опытный актер, рабочим инструментом которого является не тело, а язык.

Это качество особенно полезно вам, если вы хотите научиться говорить и писать по‑разному в разных ситуациях. Вам не обязательно всю жизнь прятаться за своей «естественной манерой», которая может быть совершенно неестественной для ваших собеседников в определённом контексте. Вы можете, как и модель, расширять свой диапазон. В этом смысле ChatGPT становится для вас тренажёром стиля. Вы можете попросить его переписать ваш текст в нескольких вариантах: более мягком, более деловом, более вдохновляющем, более лаконичном. Затем внимательно посмотреть на разницу: какие слова добавились, какие исчезли, как изменились вводные фразы, где тон стал тверже, а где – теплее. Если вы сделаете это не один раз, а десятки раз, вы начнёте эти приёмы чувствовать и воспроизводить уже без подсказки.

Заметьте важный момент: все эти сильные стороны – структурность, шаг за шагом, многоракурсность, стиль – не завязаны на «сверхразумной сущности». Это побочные эффекты крупномасштабного обучения на человеческих текстах. Модель как будто впитала лучшие практики мышления и письма многочисленных авторов, преподавателей, консультантов. Это плохая новость для тех, кто надеется на чудо вне человеческого опыта, но это отличная новость для вас: если это человеческие практики, значит, человек способен ими овладеть.

Ваша задача в рамках этой книги – перестать смотреть на ChatGPT как на черный ящик и начать видеть в нём зеркало. Всё, что в нём кажется вам сильным, – это в сущности навыки, которые можно превратить в осознанные привычки. Уметь раскладывать по полочкам, думать пошагово, рассматривать несколько вариантов и говорить в нужном тоне – это не привилегия машины, а область, где машина просто дисциплинированнее, чем средний человек.

В следующих главах мы будем постепенно переводить эти наблюдения в конкретные техники, которые вы сможете применять каждый день. Но уже сейчас, читая дальше и пользуясь моделью в быту и на работе, я предлагаю вам сделать одну простую вещь: каждый раз, когда вы получаете от ChatGPT ответ, который вам нравится, не спешите его просто скопировать или применить. Остановитесь на секунду и спросите себя: почему этот ответ кажется таким удачным? Как он структурирован? Какие шаги в нём явно прослеживаются? Сколько вариантов он предлагает? В каком тоне он написан?

Это и будет началом той самой внутренней перепрошивки мышления, к которой ведёт эта книга. Не подражание машине, а осознанное присвоение её сильных приёмов – с сохранением вашей человеческой глубины, опыта и ответственности.

ГЛАВА 3. СЛАБЫЕ СТОРОНЫ CHATGPT (И ПОЧЕМУ ЭТО ПЛЮС ДЛЯ ЧЕЛОВЕКА)

Когда вы видите аккуратный, связный, уверенный ответ на свой вопрос, очень легко приписать системе больше, чем в ней есть. Кажется, что раз она так логично пишет о сложных вещах, то где‑то внутри у неё должен быть некий «мозг», который понимает всё это не хуже человека, а то и лучше. В прошлых главах мы разобрали, что даёт модели её силу: она великолепно работает с текстами, структурами, шаблонами. Но чтобы пользоваться этим инструментом без иллюзий и разочарований, нам нужно честно поговорить о том, чего у ChatGPT нет.

Я сознательно делаю на этом акцент, потому что вас, как читателя этой книги, интересует не только вопрос «что можно взять у такой системы», но и не менее важный: «что категорически нельзя ей отдавать и у неё заимствовать». Парадокс в том, что слабости модели – это зона вашего человеческого преимущества. И, понимая их, вы начинаете видеть, где именно вы сильнее и незаменимее.

Начну с самого фундаментального: у ChatGPT нет понимания контекста жизни, эмоций и ценностей. Я говорю сейчас не об отдельных словах и фразах, которыми люди описывают свои чувства, а о том глубоком, телесно‑эмоциональном, многослойном опыте, из которого вырастает человеческое «понимаю».

Когда вы говорите: «Мне страшно», за этим может стоять очень много всего – память о детском опыте, отношения с родителями, неудачи в прошлом, культурный фон, ваши личные убеждения. Иногда вы сами не можете до конца объяснить, чего именно вы боитесь. Вы просто чувствуете сжатие в груди, ком в горле, нервное напряжение. Слова – лишь верхушка айсберга.

Когда вы пишете ChatGPT: «Мне страшно, потому что я собираюсь уволиться с работы», – модель видит последовательность символов, из которых складывается фраза о страхе, увольнении, работе. Она не чувствует вашего телесного отклика, не знает, что это за офис, кто там работает, какие у вас отношения с начальником, нет ли у вас ипотечного кредита, как к вашему решению отнесётся семья. Её «понимание» страха сводится к статистике: в каких контекстах люди обычно употребляют слово «страшно», какие ещё слова и фразы часто идут рядом, какие советы и фразы поддержки принято высказывать в таких случаях.

Таким образом, когда она отвечает: «Страх перед увольнением – это нормально, вы выходите из зоны комфорта», – это может звучать правильно и даже полезно. Но это не её эмпатия. Это отражение бесчисленных текстов, в которых люди делились подобными переживаниями. У модели нет своих ценностей, она не выбрала в жизни ни одного решения, за которое пришлось бы отвечать. Она не знает, каково это – жить с последствиями своего выбора.

Из этого вытекает важный практический вывод. В тех вопросах, где вы на самом деле спрашиваете не «как сформулировать письмо», а «как мне жить», модель может дать вам только усреднённый, текстовый, безопасный ответ. Не потому, что «она злая» или «ей всё равно», а потому, что у неё нет доступа к тому уровню реальности, на котором живёте вы. У неё нет ни личной истории, ни интуиции, ни того очень тонкого чувства: «Вот это будет правильно именно для меня».

Второй важный изъян ChatGPT, о котором нужно говорить честно, – это так называемые галлюцинации. Термин некрасивый, но довольно точно отражает суть: модель способна выдавать вполне уверенные, детализированные ответы, которые при проверке оказываются просто выдумкой.

Представим, вы просите: «Посоветуй книги такого‑то автора» или «Сделай краткий обзор научных исследований на такую‑то тему». В ответ вы видите названия работ, имена, ссылки, цитаты. Всё выглядит очень солидно: правильный язык, логичное изложение, аккуратная структура. Но если вы начинаете проверять отдельные названия в поиске, вдруг выясняется, что половины этих книг не существует, фамилии перепутаны, даты придуманы. Откуда это берётся?

Если говорить по‑человечески, модель буквально придумывает детали в тех местах, где ей «нечем заполнить пробел», а структура ответа требует продолжения. Она не ходит в интернет, не открывает базы данных. Она, как и раньше, просто предсказывает следующий кусочек текста, исходя из вероятностей. Если в похожих ответах из обучающего корпуса встречались «ссылки на исследования», «перечни книг», «цитаты», то она и вам их сгенерирует – даже если конкретно таких исследований или книг нет. Её внутренний критерий – не «истинно/ложно», а «похоже на правдоподобный текст/не похоже».