Closed-book QA

Closed-book QA — задача искусственного интеллекта, в которой модель отвечает на вопрос, не имея доступа к внешним источникам информации. Все её знания «зашиты» в параметрах во время обучения. Представьте студента на экзамене, которому запрещено открывать учебник: он полагается только на память. Так и closed-book QA — система извлекает ответ из собственных «знаний», а не из поисковой выдачи или подсказок.

Важность термина в том, что он измеряет реальный уровень понимания модели. Если ИИ отвечает без поисковика, значит, он не просто копирует текст, а усвоил связи между понятиями. Это фундамент для автономных ассистентов, которым нужно быстро реагировать в офлайн-режиме или при ограниченном доступе к данным. Кроме того, такой подход раскрывает пробелы в обучении: ошибки показывают, какие факты модель не запомнила.

Интуитивно это работает как «сжатая библиотека». Во время обучения ИИ читает миллионы документов, но не сохраняет их дословно. Вместо этого он вырабатывает вероятностные закономерности: слова и факты связываются в огромную паутину весов. Когда вы задаёте вопрос, активируются определённые нейронные пути, которые собирают ответ по фрагментам. Например, на вопрос «Кто написал "Войну и мир"?» модель не ищет книгу, а восстанавливает ассоциацию: «Толстой» максимально вероятно соседствует с названием романа.

Прикладной пример: голосовой помощник в автомобиле без интернета. Водитель спрашивает: «Какое расстояние от Земли до Луны?» — и система мгновенно отвечает «384 400 километров», потому что ответ уже встроен в её параметры. Такой режим критичен для космических аппаратов, подводных лодок или устройств с жёсткими ограничениями безопасности.

Итог: closed-book QA — тест на «энциклопедичность» и способность рассуждать без внешних костылей. Он показывает, насколько глубоко ИИ понимает мир, а не просто умеет искать в интернете. Чем лучше модель справляется с такой задачей, тем ближе мы к по-настоящему автономному интеллекту.