Развитие искусственного интеллекта неожиданно вернуло интерес к технологиям, которые еще недавно считались вспомогательными или даже устаревающими: Markdown, LaTeX, SVG, JSON, HTML и другим форматам, созданным задолго до появления современных генеративных моделей. ИИ не просто умеет работать с ними — он превращает их в удобный универсальный язык обмена информацией между человеком, машиной и программным обеспечением.
ИИ не отменяет старые технологии, а меняет способ их использования
Появление генеративного ИИ создает интересный парадокс. Казалось бы, современные модели должны вытеснять старые форматы и инструменты. На практике происходит обратное: чем лучше ИИ понимает структурированные данные, тем ценнее становятся простые, формализованные и хорошо документированные технологии.
Причина достаточно проста. Нейросети умеют генерировать не только обычный текст. Они способны создавать программный код, математические формулы, графику, таблицы, документы и структурированные данные. Но для этого им нужны понятные правила представления результата.
И здесь на сцену выходят технологии, которым иногда уже несколько десятилетий.
Markdown: из простой разметки в универсальный формат общения с ИИ
Markdown создавался как простой способ форматирования текста без сложного редактора. Заголовок обозначался символом #, список — специальными маркерами, ссылка имела определенный синтаксис. Предполагалось, что человек сможет писать документ практически в обычном текстовом редакторе.
Сегодня Markdown получил совершенно новое значение благодаря ИИ.
Большинство современных языковых моделей легко генерируют Markdown. Более того, этот формат стал практически естественным промежуточным языком между запросом пользователя и готовым документом.
Например, человек может попросить ИИ создать структуру статьи, техническую документацию, инструкцию или README-файл. Модель способна сразу сформировать результат с заголовками, списками, таблицами, цитатами и блоками кода.
Преимущество Markdown особенно заметно в программировании. Файл README.md сегодня может одновременно использоваться человеком, системой контроля версий, генератором документации и ИИ-агентом, который анализирует структуру проекта.
Получается интересная ситуация: язык разметки, созданный для удобного написания текста человеком, оказался удобным и для машинного интеллекта.
LaTeX: математические формулы стали понятны нейросетям
Еще более показателен пример LaTeX. Система появилась задолго до нынешнего бума генеративного ИИ и десятилетиями использовалась для подготовки научных и технических документов. Набор формул латех онлайн в специальном редакторе для размещения формул на веб-странице выполнялся вручную. Сейчас это реализовано в ИИ, который именно в этой разметке публикует формулы в своих ответах.
Для ИИ это очень важно. Модель может не просто написать математическую формулу в виде изображения, а представить ее в структурированном текстовом виде. Такой результат можно затем вставить в научную статью, Moodle, Markdown-документ, HTML-страницу или систему компьютерной алгебры.
ИИ может получить задачу на вычисление интеграла, вывести формулу, преобразовать выражение или объяснить доказательство, а результат сохранить в LaTeX. Человек получает не картинку формулы, а редактируемое математическое представление.
SVG: ИИ научился создавать не только изображения, но и графику как код
SVG существует уже много лет и используется для создания векторной графики непосредственно в веб-документах. В отличие от растрового изображения SVG описывает картинку математически: линиями, кривыми, фигурами, координатами, цветами и другими параметрами.
Именно эта особенность сделала SVG особенно интересным в эпоху генеративного ИИ.
Нейросеть может написать SVG-код самостоятельно. Например, круг, стрелку, схему, диаграмму или простую иконку можно представить не как бинарный файл, а как текстовую структуру.
Это дает несколько преимуществ. SVG можно изменить вручную, масштабировать без потери качества, встроить непосредственно в HTML и автоматически генерировать программой.
Еще интереснее применение SVG в образовательных материалах. ИИ способен создать схему алгоритма, геометрическую иллюстрацию, график или техническую диаграмму, после чего человек может изменить отдельные элементы прямо в исходном коде.
Таким образом, SVG оказался очень удобным форматом для генеративного подхода к графике: изображение становится не конечным объектом, а описанием, которое можно редактировать и повторно генерировать.
HTML: язык веб-страниц превратился в инструмент генерации интерфейсов
HTML тоже нельзя назвать новой технологией. Однако генеративный ИИ существенно изменил подход к его использованию.
Раньше разработчик вручную создавал структуру страницы, подбирал элементы, писал CSS и JavaScript. Теперь достаточно описать интерфейс обычным языком: например, попросить создать страницу с формой регистрации, таблицей результатов и адаптивным меню.
ИИ может сразу предложить HTML-структуру, стили и клиентский код.
Особенно важна здесь простота HTML. Это текстовый формат с понятной структурой, поэтому языковая модель сравнительно легко генерирует и анализирует его.
В результате HTML становится не только языком веб-разработчика, но и своеобразным форматом, в который ИИ переводит человеческое описание интерфейса.
JSON: структура данных стала языком взаимодействия с ИИ
JSON появился как удобный формат обмена данными между программами. Сегодня он используется практически повсеместно: в API, конфигурационных файлах, веб-приложениях и интеграциях между сервисами.
С развитием ИИ значение JSON стало еще больше.
Языковая модель может получить обычный человеческий запрос и вернуть строго структурированный объект. Например, вместо ответа «пользователь хочет купить ноутбук» модель может сформировать набор полей с категорией товара, бюджетом, характеристиками и приоритетами.
После этого другой программный компонент может автоматически обработать полученные данные.
Именно здесь возникает важное отличие обычного чат-бота от ИИ-системы, встроенной в программное обеспечение. Текстовый ответ предназначен человеку, а JSON-ответ может быть непосредственно передан следующей программе.
Регулярные выражения получили неожиданного помощника
Регулярные выражения появились задолго до современных нейросетей и долгое время оставались инструментом программистов, которым необходимо было искать определенные шаблоны в тексте.
Для человека синтаксис регулярных выражений часто выглядит трудно читаемым. ИИ способен значительно упростить эту проблему.
Теперь программист может описать задачу обычным языком: найти номера телефонов определенного формата, извлечь даты или проверить структуру идентификатора. Нейросеть предложит регулярное выражение и объяснит его отдельные элементы.
Получается своеобразный переводчик между человеческим языком и старым формальным языком шаблонов.
CSV и табличные форматы тоже получили новую роль
CSV кажется еще более прозаичной технологией. Это всего лишь текстовый файл, в котором значения разделены определенными символами. Однако именно простота делает формат удобным для ИИ.
Модель может анализировать таблицы, классифицировать строки, находить закономерности, преобразовывать данные и создавать новые CSV-файлы.
Человек описывает задачу словами, ИИ выполняет преобразование, а результат возвращается в формате, который понимают Excel, базы данных, Python, R и огромное количество других инструментов.
Почему простые технологии оказались удобными для искусственного интеллекта
У всех перечисленных технологий есть несколько общих свойств.
- они текстовые или имеют хорошо определенную структуру;
- их синтаксис относительно формализован;
- формат можно анализировать автоматически;
- результат легко редактировать программно;
- существует большое количество примеров использования;
- они не привязаны к одному конкретному интерфейсу.
Для генеративного ИИ это практически идеальные характеристики. Нейросеть работает с последовательностями данных, а структурированные форматы позволяют превратить свободный человеческий запрос в более определенный результат.
ИИ превращает форматы в универсальные интерфейсы
Главное изменение заключается даже не в том, что ИИ научился писать Markdown или SVG. Гораздо важнее другое: человеку больше не обязательно знать весь синтаксис технологии, чтобы ею пользоваться.
Раньше для создания сложной LaTeX-формулы требовалось знать LaTeX. Теперь можно описать математическое выражение словами и попросить ИИ представить его в LaTeX.
Для SVG аналогично: необязательно помнить координаты, атрибуты и структуру элементов. Можно описать требуемую схему, а затем получить редактируемый SVG.
То же происходит с HTML, SQL, регулярными выражениями, JSON и программным кодом.
Искусственный интеллект не обязательно заменяет старую технологию. Он часто становится новым способом взаимодействия с ней.
В этом смысле ИИ выполняет роль переводчика. Человек формулирует намерение естественным языком, модель переводит его в формальный язык, а существующие технологии выполняют свою работу.
Почему не стоит списывать старые технологии со счетов
Мода в IT меняется быстро. Появляются новые фреймворки, форматы и платформы, а старые инструменты объявляют устаревшими. Но развитие ИИ показывает, что простота и формальность могут оказаться более ценными, чем технологическая новизна.
Markdown не стал сложнее. LaTeX не превратился в современный JavaScript-фреймворк. SVG продолжает описывать линии и фигуры. JSON по-прежнему остается набором структурированных данных.
Изменилась не технология, а способ ее использования.
Теперь между человеком и формальным языком может находиться ИИ. Поэтому знание старых технологий по-прежнему имеет практическую ценность: специалист, который понимает HTML, Markdown, LaTeX, SVG, JSON или регулярные выражения, способен не просто попросить ИИ что-то сгенерировать, а оценить результат, исправить ошибку и встроить его в реальную систему.
Похоже, одна из особенностей эпохи искусственного интеллекта заключается именно в этом: технологии, которые казались слишком простыми или давно освоенными, получают новую жизнь, потому что становятся удобными строительными блоками для взаимодействия человека с машинным интеллектом.
