Исследования искусственного интеллекта на стыке наук
Текст новости строится строго по переданному оригиналу. Оригинал описывает авторскую методологию исследований на стыке наук с примером ERP-системы. Формат how-to.

Этот материал показывает, как выстроить собственное исследование на стыке нескольких областей знаний, используя ИИ для поиска скрытых связей между дисциплинами, и довести результат до работающего компонента, а не до реферата.
При исследовании и моделировании искусственного интеллекта выделяют в качестве основного подход, который соединяет несколько предметных миров в единую рабочую оптику, и именно этот метод позволяет одиночному исследователю или малой команде находить решения там, где узкая специализация заходит в тупик.
Автор серии статей, инженер-исследователь, описывает метод «Глаз стрекозы». Суть: вместо одной «лучшей методологии» исследователю нужны три способности. Собрать правильную предметную картину задачи. Подключить сильный профильный метод в нужный момент. Вернуть результат обратно в общую картину, сохранив смысл, доказательства и ограничения. Метод проиллюстрирован конкретной задачей: как научить ERP-систему (программу управления ресурсами предприятия) не просто показывать план, а предлагать руководителю жизнеспособные варианты, когда реальность ломает исходные условия.
Что понадобится
- ИИ-ассистент с длинным контекстом. ChatGPT, Claude или аналог, способный удерживать описание нескольких предметных областей одновременно. В России доступны YandexGPT и GigaChat, но контекстное окно у них короче, поэтому описания фасет придётся подавать частями
- Список из 3-5 предметных областей (фасет), релевантных вашей задаче. Фасета (термин автора метода) означает организованный предметный мир со своим словарём, объектами, связями и механизмами. Это не папка со ссылками и не «ещё одна тема»
- Формулировка защищаемого результата. Чёткий ответ на вопрос: что именно должно быть сохранено при сбое? Без него любая оптимизация бессмысленна
- Время: от 2 до 4 часов на первую итерацию, включая сборку фасет и проверку найденных связей
Пошаговая инструкция
-
Сформулируйте задачу как конфликт, а не как тему. Не «улучшить ERP-систему», а «когда входной контроль бракует партию критической детали за несколько недель до сдачи, система должна показать руководителю жизнеспособные продолжения». Конфликт сразу подсказывает, какие предметные миры понадобятся
-
Определите защищаемый результат. Прежде чем искать решение, ответьте: что именно вы защищаете? Срок одного заказа, совокупность контрактов, критическую функцию линии или финансовую устойчивость. Один и тот же ход может быть спасительным при одном защищаемом результате и разрушительным при другом
-
Соберите фасеты. Для ERP-задачи автор метода выделяет пять фасет:
- производственное планирование
- устойчивость и жизнеспособность
- риски и стресс-тестирование
- экономика компромиссов
- системная реализация компонента
Каждая фасета сохраняет собственный словарь. Они не смешиваются в терминологическую кашу.
- Ищите связи между фасетами с помощью ИИ. Подайте описания двух фасет в промпт и попросите модель найти содержательные мостики. Пример промпта:
У меня две предметные области.
Область 1 (производственное планирование): обязательство → потребность → ресурс → срок.
Область 2 (устойчивость): возмущение → уязвимость → жизнеспособный вариант → триггер переключения.
Найди содержательные связи между понятиями этих областей. Для каждой связи укажи: какие объекты соединяются, почему связь не тривиальна и как её можно проверить на реальных данных.
-
Отфильтруйте ложные связи. Похожее слово не означает одинаковый объект. Автор метода подчёркивает: красивое объяснение не является доказательством. Для каждой найденной связи задайте вопрос: можно ли понятие из одной фасеты перенести в другую не как аналогию, а как работающий механизм? Если нет, отбросьте связь
-
Верните результат в общую картину. Проверенную связь нужно описать в терминах обеих фасет, зафиксировать границы её применимости и указать, что именно она доказывает, а что остаётся гипотезой
На входе: ERP-система показывает, что партия критической детали забракована, до сдачи заказа три недели. Варианты: срочная закупка по завышенной цене, кооперация, сдвиг менее приоритетного заказа, изменение этапности поставки.
Промпт для шага 4 возвращает связь: понятие «уязвимость» из фасеты устойчивости можно перенести в производственный план как «узел плана, при выпадении которого число жизнеспособных продолжений падает ниже порога». Это не метафора, а конкретный механизм: система заранее помечает узлы с высокой уязвимостью и при сбое сразу предлагает варианты, ранжированные по тому, какой защищаемый результат выбрал руководитель.
На выходе: не один «оптимальный» план, а карта жизнеспособных продолжений с указанием, что каждое из них защищает и чем жертвует.
Смешение фасет в один промпт без границ. Если подать все пять предметных областей одной стеной текста, модель начнёт подменять термины из одной области похожими словами из другой. Уязвимость в смысле кибербезопасности и уязвимость в смысле устойчивости производственной цепочки выглядят одинаково для языковой модели, но означают разное.
Пропуск шага с защищаемым результатом. Без него вы получите «оптимизацию не той задачи», как формулирует автор метода. Система будет выдавать варианты, но сравнивать их будет не с чем.
Доверие к красивым аналогиям. ИИ снижает цену поиска межпредметных связей, но одновременно создаёт иллюзию открытия. Галлюцинация (когда модель уверенно выдумывает то, чего не было) особенно опасна именно на стыке дисциплин, где проверяющий эксперт может не заметить подмену в чужой области.
Попытка заменить метод масштабом. Исследование по более чем 65 миллионам статей, патентов и программных продуктов (упоминается в оригинале) показало: малые команды чаще связаны с работами, открывающими новые направления, крупные коллективы чаще развивают существующие линии. Одиночке не нужно изображать корпорацию. Его нормальный результат: глубоко разработанный компонент, новая связь или проверяемая гипотеза с ясной границей собственной проверки.
Что делать с этим прямо сейчас?
Авторам Дзена и копирайтерам. Метод фасет напрямую применим к экспертному контенту. Если вы пишете о сложной теме, соберите 3-4 предметных мира, которые пересекаются в вашем материале, и используйте промпт из шага 4, чтобы найти неочевидные связи. Это даёт глубину, которую не воспроизведёт простой рерайт.
Маркетологам. При исследовании и моделировании искусственного интеллекта выделяют в качестве основного подход, ориентированный на конкретный защищаемый результат клиента. Переведите метод на язык CJM (карта пути клиента): ваш «защищаемый результат» и есть то, что клиент на самом деле покупает, а фасеты помогают увидеть его задачу из нескольких предметных миров одновременно.
Предпринимателям в РФ. Пример с ERP-системой напрямую адресован российским производствам. Концепция «Мозг фирмы: 2026», описанная автором, предполагает, что ERP-система помогает руководителю видеть жизнеспособные продолжения при сбоях, а не просто фиксирует утверждённый план. Для тех, кто работает с 1С или другими российскими ERP, это конкретная модель: добавить слой анализа уязвимостей производственного плана и ранжировать варианты по выбранному руководителем приоритету.
Метод «Глаз стрекозы» привлекает именно тем, что он не про ИИ как волшебную кнопку. Он про то, как думать, а ИИ ускоряет конкретный этап: поиск связей между предметными мирами, которые раньше требовали месяцев чтения чужой литературы.
Я проверял подобный подход на своих задачах с контентом: когда берёшь тему из двух разных областей и просишь Claude найти содержательные мостики, примерно треть результатов оказывается мусором (красивые слова без механизма), треть тривиальна, но оставшаяся треть действительно даёт углы, до которых сам бы добирался неделю.
Честная оговорка: метод требует экспертизы хотя бы в одной из фасет. Если вы не понимаете ни одну из предметных областей, вы не сможете отличить настоящую связь от галлюцинации модели. ИИ снижает стоимость поиска, но не заменяет способность оценить находку.
Попробуйте инструменты dzen.guru для работы с контентом
Если вы хотите находить неочевидные углы для экспертных статей на Дзене, протестируйте наши инструменты для анализа тем и аудитории
ПопробоватьМетод начинается не с выбора инструмента и не с промпта. Он начинается с вопроса, который большинство пропускает: что именно мы защищаем? Ответьте на него до того, как откроете чат с нейросетью, и результат будет принципиально другим.

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Что такое галлюцинации нейросетей: три слоя проблемы, которую вы не замечаете
Галлюцинации нейросетей кажутся безобидными опечатками, пока модель не выдаёт несуществующую научную статью с правдоподобным названием, реальным журналом и…
Открытые языковые модели тратят 90% токенов на рассуждения: Ember 1 срезает расход вдвое
Fireworks AI выпустила Ember 1, модель на базе Kimi K3, которая тратит на 40% меньше токенов (минимальных единиц текста, которые обрабатывает ИИ) при…

Свой сервер ИИ-разработки за 15 минут: OpenCode, OpenAI API и никакой привязки к вендору
Статья показывает практическую сборку рабочего стека для разработки с ИИ без привязки к одному провайдеру: конкретные шаги установки OpenCode на Linux и…
Комментарии