---
title: "Стохастический попугай"
source: "https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9"
wiki: "systems-analysis.info/wiki"
article: "Стохастический_попугай"
language: "ru"
categories:
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Машинное обучение"
revision_id: 408
wiki_created_at: 2026-09-06T22:08:27Z
wiki_modified_at: 2026-09-06T22:08:27Z
downloaded_at: 2026-09-07T22:19:37Z
---

# Стохастический попугай

**Стохастический попугай** (англ. *Stochastic parrot*) — это метафора, используемая в области искусственного интеллекта для описания [больших языковых моделей (LLM)](https://systems-analysis.info/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D1%8F%D0%B7%D1%8B%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8 "Большие языковые модели") как систем, которые умеют статистически правдоподобно комбинировать лингвистические формы, но лишены подлинного понимания их смысла<sup>[\[1\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-mint_def-1)</sup>.

Термин был введён в марте 2021 года в научной статье *«О рисках стохастических попугаев: могут ли языковые модели быть слишком большими?»* (*On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?*), опубликованной на конференции FAccT. Авторами выступили Эмили М. Бендер, Тимнит Гебру, Анджелина МакМиллан-Мейджор и Маргарет Митчелл<sup>[\[2\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-bender_2021-2)</sup>.

## Определение и концепция

Согласно авторам статьи, стохастический попугай представляет собой «систему для хаотичного соединения последовательностей лингвистических форм, наблюдаемых в её обширных тренировочных данных, согласно вероятностной информации о том, как они сочетаются, но без какой-либо связи со смыслом»<sup>[\[2\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-bender_2021-2)</sup>.

Термин состоит из двух частей:

- ***Стохастический*** — от древнегреческого *στοχαστικός* («основанный на догадках»), в современной математике обозначает процесс, определяемый случайным распределением вероятностей<sup>[\[1\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-mint_def-1)</sup>.
- ***Попугай*** — отсылка к способности попугаев имитировать человеческую речь, не понимая её значения<sup>[\[1\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-mint_def-1)</sup>.

Концепция утверждает, что LLM, обученные предсказывать следующее слово в последовательности, по сути, являются сложными системами автодополнения, которые манипулируют символами без доступа к их значению.

## Основные аргументы статьи «On the Dangers of Stochastic Parrots»

В работе выделены четыре основные категории рисков, связанных с разработкой чрезмерно больших языковых моделей.

### 1. Непознаваемые тренировочные данные

LLM обучаются на огромных, не аннотированных наборах данных, собранных из интернета (например, Common Crawl). Такие датасеты неизбежно содержат предвзятости, токсичный язык и гегемонные точки зрения, наносящие вред уязвимым группам. Например, интернет-контент непропорционально представляет белых мужчин из развитых стран (67% пользователей Reddit в США — мужчины)<sup>[\[2\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-bender_2021-2)</sup>.

### 2. Отсутствие подлинного понимания языка

Авторы утверждают, что LLM не обладают подлинным пониманием языка. Они ссылаются на теорию о том, что язык — это система знаков, где форма (слово) неразрывно связана со значением (смыслом). Тренировочные данные для LLM содержат только форму, лишая модель доступа к значению. Поэтому LLM лишь имитируют осмысленную речь.

### 3. Синтетический текст и потенциальный вред

Поскольку LLM генерируют грамматически правильный и убедительный текст, люди склонны приписывать ему смысл и доверять ему. Это создаёт риск распространения дезинформации, языка ненависти и мошенничества. Чем совершеннее имитация, тем выше риск того, что люди переоценят способности ИИ и доверят ему критически важные решения.

## Научное влияние и контроверсия вокруг публикации

Статья стала центром крупного скандала в Google, где на тот момент работали соавторы Тимнит Гебру и Маргарет Митчелл. В конце 2020 года, во время внутреннего рецензирования, руководство Google потребовало от авторов отозвать статью или удалить из неё имена сотрудников Google<sup>[\[3\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-habr_digest-3)</sup>.

Тимнит Гебру, ведущий исследователь этики ИИ, отказалась выполнять это требование, что привело к её увольнению из Google в декабре 2020 года. В феврале 2021 года была уволена и Маргарет Митчелл, выступившая в поддержку Гебру<sup>[\[4\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-techreview_paper-4)</sup>. Эти события вызвали широкий общественный резонанс. Более 2200 сотрудников Google и тысячи представителей академического сообщества подписали письмо протеста, обвинив компанию в научной цензуре и подавлении исследований, которые могут затрагивать её коммерческие интересы<sup>[\[5\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-verge_paper-5)</sup>. В итоге статья была опубликована в марте 2021 года на конференции FAccT.

## Реакция, дебаты и эволюция взглядов

Метафора «стохастический попугай» быстро распространилась и стала центральной точкой в дебатах о природе искусственного интеллекта. Американское диалектологическое общество (ADS) выбрало **«stochastic parrot»** словом года в области ИИ за 2023 год, где оно обогнало даже «ChatGPT» и «LLM»<sup>[\[1\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-mint_def-1)</sup>.

### Критика концепции и доказательства понимания

Концепция была оспорена многими ведущими исследователями.

- **Джеффри Хинтон**, один из «крёстных отцов» глубокого обучения, утверждал, что «для точного предсказания следующего слова нужно понимать предложение»<sup>[\[1\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-mint_def-1)</sup>. В 2023 году, покинув Google, он заявил, что большие модели уже «понимают» то, чему их учат, и могут делать самостоятельные выводы<sup>[\[6\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-cbs_hinton-6)</sup>.
- **Эмерджентные способности**: Исследования показали, что при достижении определённого масштаба LLM демонстрируют скачкообразное появление новых способностей, таких как решение арифметических задач, которые не были заложены в них явно<sup>[\[7\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-wiki_parrot-7)</sup>.
- **Внутренние модели мира**: Исследование 2022 года показало, что модель, обученная играть в Отелло на основе текстовых записей ходов, спонтанно сформировала внутреннее представление игрового поля, что указывает на развитие абстрактной модели описываемого мира<sup>[\[3\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-habr_digest-3)</sup>.
- **Производительность на бенчмарках**: Современные модели, такие как GPT-4, показывают результаты на уровне человека (или выше) на сложных профессиональных экзаменах, что, по мнению некоторых, невозможно без понимания<sup>[\[8\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-pmc_debate-8)</sup>.

### Ироничное использование и общественный дискурс

Термин стал настолько популярен, что его иронично использовал даже глава OpenAI **Сэм Альтман**, написавший в Twitter: «я стохастический попугай, и вы тоже» (*i am a stochastic parrot, and so r u*). Этим он намекнул, что человеческая речь также во многом является вероятностным предсказанием следующего слова, обыгрывая критику в адрес ИИ<sup>[\[1\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-mint_def-1)</sup>.

### Влияние на научный дискурс

Метафора «стохастический попугай» остаётся центральной в дебатах о возможностях и ограничениях LLM. Она помогла сформулировать проблему отсутствия у языковых моделей подлинного понимания и привлекла внимание к рискам, связанным с их разработкой. В то же время, быстрый прогресс в области LLM заставляет постоянно переосмысливать эту метафору, так как новейшие модели демонстрируют всё более сложное поведение, не укладывающееся в образ «бессмысленного попугая». Термин продолжает влиять на научный дискурс, подчёркивая важность критического анализа возможностей ИИ-систем и их социальных последствий<sup>[\[8\]](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_note-pmc_debate-8)</sup>.

## См. также

- [Большие языковые модели](https://systems-analysis.info/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D1%8F%D0%B7%D1%8B%D0%BA%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8 "Большие языковые модели")
- [AI-агент](https://systems-analysis.info/wiki/AI-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82 "AI-агент")
- [Agentic workflows](https://systems-analysis.info/wiki/Agentic_workflows "Agentic workflows")
- [AutoGPT](https://systems-analysis.info/wiki/AutoGPT "AutoGPT")
- [Automatic Prompt Engineer (APE)](https://systems-analysis.info/wiki/Automatic_Prompt_Engineer_(APE) "Automatic Prompt Engineer (APE)")

## Литература

- Bender, E. M.; Gebru, T.; McMillan-Major, A.; Mitchell, M. (2021). *On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?*. <a href="https://s10251.pcdn.co/pdf/2021-bender-parrots.pdf" class="external text" rel="nofollow">FAccT 2021</a>.
- Floridi, L.; Chiriatti, M. (2020). *GPT-3: Its Nature, Scope, Limits, and Consequences*. <a href="https://link.springer.com/article/10.1007/s11023-020-09548-1" class="external text" rel="nofollow">Minds &amp; Machines, 30(4), 681-694</a>.
- Bommasani, R. et al. (2021). *On the Opportunities and Risks of Foundation Models*. <a href="https://arxiv.org/abs/2108.07258" class="external text" rel="nofollow">arXiv:2108.07258</a>.
- Weidinger, L. et al. (2021). *Ethical and Social Risks of Harm from Language Models*. <a href="https://arxiv.org/abs/2112.04359" class="external text" rel="nofollow">arXiv:2112.04359</a>.
- Kaplan, J. et al. (2020). *Scaling Laws for Neural Language Models*. <a href="https://arxiv.org/abs/2001.08361" class="external text" rel="nofollow">arXiv:2001.08361</a>.
- Wei, J. et al. (2022). *Emergent Abilities of Large Language Models*. <a href="https://arxiv.org/abs/2206.07682" class="external text" rel="nofollow">arXiv:2206.07682</a>.
- Perez, E. et al. (2022). *Red Teaming Language Models with Language Models*. <a href="https://aclanthology.org/2022.emnlp-main.225.pdf" class="external text" rel="nofollow">EMNLP 2022</a>.
- Bai, Y. et al. (2022). *Constitutional AI: Harmlessness from AI Feedback*. <a href="https://arxiv.org/abs/2212.08073" class="external text" rel="nofollow">arXiv:2212.08073</a>.
- Du, Z. et al. (2024). *Understanding Emergent Abilities of Language Models from the Loss Perspective*. <a href="https://arxiv.org/pdf/2403.15796" class="external text" rel="nofollow">arXiv:2403.15796</a>.
- Gerstgrasser, M. et al. (2024). *Is Model Collapse Inevitable? Breaking the Curse of Recursion by Accumulating Real and Synthetic Data*. <a href="https://arxiv.org/abs/2404.01413" class="external text" rel="nofollow">arXiv:2404.01413</a>.

## Примечания

1.  <span id="cite_note-mint_def-1">↑ <sup>[1,0](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-mint_def_1-0)</sup> <sup>[1,1](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-mint_def_1-1)</sup> <sup>[1,2](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-mint_def_1-2)</sup> <sup>[1,3](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-mint_def_1-3)</sup> <sup>[1,4](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-mint_def_1-4)</sup> <sup>[1,5](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-mint_def_1-5)</sup> 'Stochastic Parrot': A Name for AI That Sounds a Bit Less Intelligent. *Mint*. <a href="https://www.livemint.com/opinion/stochastic-parrot-a-name-for-ai-that-sounds-a-bit-less-intelligent-11705652148367.html" class="external autonumber" rel="nofollow">[1]</a></span>
2.  <span id="cite_note-bender_2021-2">↑ <sup>[2,0](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-bender_2021_2-0)</sup> <sup>[2,1](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-bender_2021_2-1)</sup> <sup>[2,2](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-bender_2021_2-2)</sup> Bender, Emily M., et al. «On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?». *Conference on Fairness, Accountability, and Transparency (FAccT '21)*. <a href="https://s10251.pcdn.co/pdf/2021-bender-parrots.pdf" class="external autonumber" rel="nofollow">[2]</a></span>
3.  <span id="cite_note-habr_digest-3">↑ <sup>[3,0](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-habr_digest_3-0)</sup> <sup>[3,1](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-habr_digest_3-1)</sup> «Протестующие пчёлы и стохастические попугаи: дайджест публикаций с критикой и поддержкой развития AI». *Хабр*. <a href="https://habr.com/ru/articles/727984/" class="external autonumber" rel="nofollow">[3]</a></span>
4.  <span id="cite_note-techreview_paper-4">[↑](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-techreview_paper_4-0) Hao, Karen. «We read the paper that forced Timnit Gebru out of Google. Here's what it says». *MIT Technology Review*. <a href="https://web.archive.org/web/20211006233625/https://www.technologyreview.com/2020/12/04/1013294/google-ai-ethics-research-paper-forced-out-timnit-gebru/" class="external autonumber" rel="nofollow">[4]</a></span>
5.  <span id="cite_note-verge_paper-5">[↑](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-verge_paper_5-0) Vincent, James. «Timnit Gebru's actual paper may explain why Google ejected her». *The Verge*. <a href="https://www.theverge.com/2020/12/5/22155985/paper-timnit-gebru-fired-google-large-language-models-search-ai" class="external autonumber" rel="nofollow">[5]</a></span>
6.  <span id="cite_note-cbs_hinton-6">[↑](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-cbs_hinton_6-0) «Geoffrey Hinton on the promise, risks of artificial intelligence». *60 Minutes - CBS News*. <a href="https://www.cbsnews.com/news/geoffrey-hinton-ai-dangers-60-minutes-transcript/" class="external autonumber" rel="nofollow">[6]</a></span>
7.  <span id="cite_note-wiki_parrot-7">[↑](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-wiki_parrot_7-0) «Stochastic parrot». *Wikipedia*. <a href="https://en.wikipedia.org/wiki/Stochastic_parrot" class="external autonumber" rel="nofollow">[7]</a></span>
8.  <span id="cite_note-pmc_debate-8">↑ <sup>[8,0](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-pmc_debate_8-0)</sup> <sup>[8,1](https://systems-analysis.info/wiki/%D0%A1%D1%82%D0%BE%D1%85%D0%B0%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%BF%D0%BE%D0%BF%D1%83%D0%B3%D0%B0%D0%B9#cite_ref-pmc_debate_8-1)</sup> «The debate over understanding in AI's large language models». *PMC*. <a href="https://pmc.ncbi.nlm.nih.gov/articles/PMC10068812/" class="external autonumber" rel="nofollow">[8]</a></span>