Мишустин как-то сказал: мышление ИИ зависит от обучающего набора данных.
Последнее время разбираюсь с энергетикой Китая. В одном из запросов DeepSeek уверенно сообщил: государство удерживает низкие тарифы, заставляя энергетические госкомпании субсидировать экономику за счёт собственного баланса. У многих компаний операционная прибыль якобы не покрывает даже проценты по кредитам, а система не рушится только потому, что банки продолжают их кредитовать.
В общем, всё пропало, гипс снимают. Начинаю просить подтвердить цифры. После длительных перипетий выясняется: официальных китайских данных под эти утверждения нет.
Ок. Берём отчёт крупнейшей китайской генерирующей компании Huaneng.
Рентабельность выручки - 6,48%.
Затраты на 100 юаней выручки - 89,49 юаня.
Расходы, включая проценты по кредитам, - 5,18 юаня.
Соотношение активов и пассивов - 60,4%.
То есть после всех расходов компании остаётся прибыльной. По европейским и американским меркам вполне приличная картина. С диагнозом DeepSeek не сходится от слова совсем.
Спрашиваю: откуда тогда взялась «критическая закредитованность»? И модель признаётся: предыдущие утверждения основывались не на официальной китайской статистике, а на материалах МВФ, BIS, S&P, Rhodium Group и Goldman Sachs.
Вот это уже интересно. Китайская языковая модель при наличии собственных первоисточников построила алармистский вывод о китайской энергетике на западной аналитике. А когда потребовалось подтверждение из первоисточников, реальная отчётность с этим выводом не сошлась.
Именно поэтому я использую ИИ для поиска информации, но исходные данные проверяю сам. LLM не знает, где правда. Она знает, какой ответ с наибольшей вероятностью следует выдать на основе того массива информации, который получила.
🇷🇺 Брекотин: MAX | ТГ | RuTube | VK