Прежде чем начать: AI без LLM

За 30 уроков вы соберёте небольшую систему для коротких вопросов о вымышленном учебном клубе. Она разберёт знакомые казахские формы, определит вид вопроса, найдёт утверждённую запись и покажет ответ вместе с источником. Если данных или основания для выбора нет, она скажет білмеймін — «не знаю».

Курс рассчитан на человека, который ещё не изучал искусственный интеллект. Платный API, постоянный интернет и отдельная видеокарта не нужны. Однако это не первый курс программирования: начиная с урока 16 мы соединяем файлы, JSON, функции, модули и календарные даты, а в последних уроках измеряем программу и запускаем несколько файлов вместе.

Что получится к концу курса

В конце вы запустите в консоли готовую локальную модель, увидите путь от вопроса до источника и получите её технический паспорт. Контрольный запуск 25 сентября 2026 года на ARM-компьютере с macOS 26.5.2 и Python 3.14.5 дал:

КиБ — 1024 байта, МиБ — 1024 КиБ, а миллисекунда — тысячная доля секунды. Новый запуск похож на открытие мастерской, а запрос в готовом процессе — на работу уже разложенным инструментом. Один рабочий процесс выполняет запросы по очереди; несколько процессов могут занять разные ядра. В этом опыте четыре процесса дали лучший результат, а восемь уже не ускорили работу: больше ядер не означает автоматического роста. На другом компьютере время и память будут отличаться, поэтому программа печатает условия опыта. 0 из 10 означает только результат десяти опубликованных проверок отказа: это не обещание нулевой ошибки на любом тексте. В уроке 30 вы повторите опыт и таблицей разберёте, где такая узкая модель сильнее большой LLM, где уступает и когда полезно соединить оба подхода.

Что нужно знать до начала

Надёжный маршрут для новичка — сначала пройти уроки 1–17 курса Python. Нужны переменные, строки, списки, словари и множества; условия и циклы; функции и return; файлы, JSON, импорт модулей и обработка ошибок. SQL знать не обязательно. Курс SQL полезен для понимания ключей, ограничений и проверяемых записей, но все нужные идеи каталога заново объясняются здесь. Курсы Go и Rust тоже не являются условием.

Проверьте себя до первого урока. Вы готовы, если можете открыть терминал, запустить файл Python, объяснить разницу между = и ==, пройти циклом по списку, взять значение словаря по ключу, написать функцию с return и прочитать JSON из файла. Если хотя бы три действия пока непонятны, сначала пройдите начальный блок Python. Урок 2 этого курса поможет настроить рабочее место, но не заменяет всю основу языка.

Пять слов об AI без чёрной дыры

Искусственный интеллект (AI) — общее название программ, выполняющих задачи, для которых человеку нужны распознавание, выбор или вывод. Это широкий класс, а не название одного устройства.

Алгоритм — точная последовательность действий. Данные — записи, с которыми выполняются эти действия. Модель — сохранённый способ превращать вход в результат: это могут быть написанные человеком правила или параметры, найденные по примерам. Обучение — получение таких параметров из размеченных примеров. Применение модели — использование уже готовых правил или параметров на новом вопросе.

В уроках 1–20 мы строим систему на правилах: человек заранее задаёт допустимые части слова, порядок проверок и каталог фактов. В уроках 21–25 появляется маленькая обучаемая модель: она считает признаки размеченных вопросов. В уроках 26–30 обе части соединяются с проверкой источника. LLM, большая языковая модель, — лишь один вид обучаемых моделей; AI не равен LLM.

Опорная схема всего курса:

вопрос → разбор формы → вид вопроса → ключ → проверенная карточка → ответ с источником
неясность, конфликт или отсутствие карточки → объяснимый отказ

Стрелка означает «передать результат следующему шагу». На картах красная рамка отмечает действие или данные, зелёная стрелка — порядок, серая подпись — границу применимости. Эти знаки сначала расшифровываются словами, а затем помогают восстановить весь ход без текста.

Как языки выражают один смысл

Возьмём мысль «к нашим домам»: дом, несколько домов, принадлежность нам и направление к ним. Грамматика — правила, по которым язык соединяет такие значения. Морфема — самая маленькая часть слова со своей задачей. Морфология изучает устройство слов из морфем.

• Аналитический способ напоминает набор отдельных карточек. В английском to our houses направление и принадлежность выражают отдельные слова to и our. Сильные аналитические черты есть в английском, китайском, вьетнамском, тайском и кхмерском. Программе часто нужно смотреть на порядок и соседство нескольких слов.
• Агглютинативный способ напоминает шампур: части с различимыми задачами нанизываются в установленном порядке. Казахское үйлерімізге для разбора записывается как үй-лер-іміз-ге: дом — много — наши — к. В обычном письме дефисов нет.
• Флективный способ напоминает одну бирку сразу с несколькими сообщениями. В русском столом часть -ом одновременно участвует в выражении единственного числа и творительного падежа. Флективные черты хорошо видны в русском, польском, немецком, испанском и литовском.

Это способы, а не три закрытых ящика. В одном языке встречаются разные средства. Английское houses имеет окончание, хотя английский преимущественно аналитический. Казахский использует вспомогательные глаголы в аналитических конструкциях. В казахском встречаются и изменения основы: кітап → кітабым, где п переходит в б. Поэтому образ шампура показывает порядок и различимость частей, но не обещает неизменность каждой буквы.

Что означает процент в исследованиях

Единого научного «процента агглютинативности языка» нет. Чтобы получить число, сначала нужно назвать, что именно считают и на каком корпусе. WALS, например, рассматривает выбранные показатели падежа и времени, вида действия и наклонения. Вид действия сообщает, завершено ли оно или как оно протекает; наклонение показывает отношение действия к действительности, например факт это, приказ или условие. WALS даёт категорию, а не процент.

На узком экране сдвигайте широкие таблицы пальцем влево и вправо.

Строки расположены от показателя с одной задачей к показателю, совмещающему задачи; внутри групп научного рейтинга нет. Последний столбец показывает смешанность признаков у финского и эвенкийского. Более того, WALS относит русский и английский к той же категории соединения, хотя одна русская часть часто несёт несколько значений, а английский широко использует отдельные слова. Одного измерения недостаточно.

Настоящий числовой индекс агглютинации предложил Джозеф Гринберг: число предсказуемых стыков морфем делится на число всех стыков в выбранном тексте. Его старые стословные выборки дают следующий ряд. Это проценты стыков в конкретных текстах, а не доля языка:

Низкое число у морфологически богатого инуитского сразу показывает предел индекса: он считает предсказуемость стыков, а не длину слова и не «количество агглютинации». Современные исследования также показывают зависимость подобных индексов от жанра текста и правил деления на слова. Сопоставимых корпусных значений для всех десяти языков выше и для казахского в этих источниках нет. Поэтому приписывать казахскому 98%, 99% или 100% и ставить его первым было бы выдумкой.

Академическое описание казахской грамматики даёт другое точное утверждение: словообразовательная и словоизменительная морфология казахского использует суффиксы. Это сильная и полезная характеристика, но она не отменяет изменения звуков, заимствования и конструкции со вспомогательными глаголами. Происхождение заимствованного слова тоже не уменьшает автоматически «процент»: персидская или русская основа может получать обычные казахские окончания.

Почему для курса выбран казахский

Причина состоит не в том, что другие языки «хуже» или «нематематичны». Любой естественный язык можно описывать формально и обрабатывать программой. Казахский особенно удобен для этой учебной задачи по пяти проверяемым причинам:

1. Значительная часть грамматического смысла выражается последовательными суффиксами.
2. Порядок частей можно записать как явную схему: основа → множество → принадлежность → падеж.
3. Границы частей во многих учебных примерах различимы, а звуковые варианты задаются конечным набором правил.
4. На казахском можно показать и удобство правил, и их реальные границы: чередования, неоднозначность и аналитические конструкции.
5. У нас есть языковая компетенция, проверяемые примеры и публичный проект adam с морфологическим модулем, с которым учебный результат можно сопоставить.

Именно упорядоченность суффиксов хорошо ложится на таблицы, условия и схемы допустимых переходов между частями слова. Это делает казахскую морфологию наглядной для программирования, но не превращает язык в готовую формулу: контекст, смысл и исключения всё равно требуют проверки.

Зачем строить AI без LLM

Большая языковая модель умеет свободно продолжать текст. Это полезно, но свободно созданный ответ может содержать правдоподобное утверждение без источника — галлюцинацию. Наша система не сочиняет новый факт: она допускает ответ только после нахождения одной действующей карточки и показывает её источник. Образ — библиотекарь, который либо показывает карточку найденной книги, либо честно говорит, что записи нет.

Это не означает «ошибок быть не может». Неверная карточка, неполное правило, неправильный разбор или ошибка программы дадут неверный результат. Мы уменьшаем один конкретный риск — создание неподтверждённого факта — и оставляем видимым путь проверки.

Небольшая локальная программа может требовать меньше вычислений и не передавать вопрос внешнему сервису. В уроке 28 мы измерим отдельный классификатор, а в уроке 30 — всю систему. Для открытых LLM расчётный размер весов превышает размер наших файлов в десятки миллионов раз, но этот коэффициент описывает только размер выбранных представлений: задачи и возможности систем различаются.

Как учиться по опорным сигналам

Курс использует адаптированные принципы Виктора Фёдоровича Шаталова: сначала целый блок, затем подробное объяснение; после него компактная опорная карта; потом воспроизведение без подсказки и действие на новом примере. После каждых пяти уроков есть рубеж, который можно пересдать. Ошибка показывает, к какой опоре вернуться, и не закрывает дальнейшую попытку.

Работайте в таком порядке: прочитайте жизненный образ → посмотрите готовый результат → разберите новые слова и знаки → закройте текст и восстановите карту → выполните задание на других данных → сравните с эталоном → объясните ошибку своими словами. Простое чтение кода не считается выполнением.

Шесть рубежей курса: вручную разобрать слово; выполнить тот же разбор кодом; получить однозначный ключ вопроса; ответить только по действующей карточке; честно измерить качество классификатора; запустить итоговую программу и защитить границы её возможностей.

Источники: WALS о соединении грамматических показателей, WALS о числе значений одного показателя, статья Гринберга о количественной типологии, современный разбор корпусных индексов и их ограничений, описание казахской грамматики, правиловый морфологический анализ казахского, вспомогательные глагольные конструкции в современном казахском, обзор фактических ошибок LLM, каталог опорных сигналов В. Ф. Шаталова.