ИИ таро или гадание на токенах: может ли ИИ заменить таролога?

Так уж вышло, что иногда я балуюсь таро. Обычно, делаю расклады знакомым, но недавно подруга сказала, что вместо таро использует… ИИ. И нет, не как объективного эксперта, который рассудит в сложном вопросе, а именно как таролога.

Вот уж не думала, что именно эту, так сказать, «профессию» нейронки так лихо заменят. Мне стало интересно, как умудрились автоматизировать магию и работает ли это вообще.

Давайте обусловимся: мы не будем осуждать тех, кто использует таро, рассуждать, правда это или нет, и так далее. Можно сколько угодно осуждать магическое мышление, но стучать по дереву, чтобы не сглазить. Да и если по радио в машине рассказывают, как пройдет день у Козерогов, кто не дослушает до своего знака зодиака?

Поэтому давайте повеселимся и  попробуем разобраться, заменит ли тарологов ИИ — и что именно он вообще делает, когда изображает из себя таролога. Спойлер: магию и правда можно автоматизировать, но лишь отчасти.

Что такое таро, если смотреть на него глазами технаря

Начнём с небольшого исторического дисклеймера.

Таро не создавалось как гадательная система. Ранние упоминания таро относятся к Италии 15 века, а сами карты использовались в карточных играх. Современная связь таро с гаданием и оккультизмом сформировалась позже — в 19 веке. У классической колоды 78 карт: 56 младших арканов и 22 старших.

Сегодня расклад представляет собой довольно формализованную систему. Есть вопрос, набор карт, позиции в раскладе и традиционные значения карт. В зависимости от школы учитываются также перевёрнутые карты, соседство арканов и сочетания.

Если убрать мистическую составляющую, получается любопытная конструкция: вопрос → случайная выборка → структурированный набор символов → интерпретация. И вот последняя часть особенно интересна для языковых моделей. LLM как раз умеют работать с текстами, контекстом, ассоциациями и устойчивыми связями между понятиями. У каждой карты есть огромное количество описаний, трактовок, историй и примеров использования в раскладах.

Поэтому попросить нейросеть объяснить, что обычно означает, Тройка кубков, — технически довольно простая задача. Гораздо интереснее другое: сможет ли она связать несколько карт между собой и ответить именно на заданный вопрос, а не просто выдать три абзаца из условного справочника по таро.

Почему ИИ вообще может неплохо трактовать карты

Условный таролог после того, как видит расклад, делает примерно то, что мы постоянно просим делать LLM: берёт несколько смысловых элементов, учитывает контекст и строит из них связную интерпретацию.

Допустим, выпали Маг, Башня и Звезда. Можно отдельно рассказать:

• Маг — инициатива, действие, возможность что-то изменить;

• Башня — резкий перелом, разрушение прежней конструкции;

• Звезда — надежда, восстановление, новый ориентир.

Но полноценный расклад — это не три определения подряд. Нужно понять, почему именно эти карты находятся рядом, что означает каждая в конкретной позиции и какой общий сюжет они образуют. Для LLM это уже задача на контекстуальное понимание.

Именно поэтому специализированные ИИ–таро-сервисы делают акцент не только на значении отдельных карт. Например, NowTarot заявляет, что его модель учитывает положение карт, их взаимодействие и вопрос пользователя, а Tarotia описывает процесс как интерпретацию выпавших карт в контексте конкретного запроса. Причём современные сервисы уже довольно сильно расходятся по архитектуре.

Какие вообще бывают AI-тарологи

Самый простой вариант — попросить обычную языковую модель сделать расклад.

Но рынок быстро пошёл дальше: появились специализированные сервисы, которые сами отвечают за выбор карт, структуру расклада, интерпретацию и историю предыдущих вопросов.

Например:

Tarotia отдельно пишет, что выбор карт производится с помощью криптографического алгоритма, то есть сервис пытается отделить случайность выпадения карты от последующей AI-интерпретации. Сейчас сервис предлагает три бесплатных расклада.

NowTarot, напротив, прямо заявляет использование собственной AI-модели для интерпретации таро и говорит о выборе карт с использованием weighted randomness. При этом сам сервис называет свои ответы развлечением и рефлексией, а не профессиональной консультацией.

У Fast Tarot подход ещё интереснее: карты пользователь вытягивает сам, по одной, а AI получает уже готовый расклад. Бесплатная версия ограничена пятью чтениями в месяц.

AI-Tarot делает ставку на разговорность: шесть карт, история предыдущих раскладов, выбор тона ответа и возможность задать follow-up-вопрос, сохранив контекст исходного расклада.

То есть ИИ-таро сегодня это как минимум две разные задачи: ИИ вытягивает карты и трактует их или человек вытягивает карты, а ИИ только интерпретирует. И для чистоты эксперимента это принципиально разные вещи.

Где здесь вообще случайность?

Если я беру физическую колоду, перемешиваю её и вытягиваю три карты, у меня есть отдельный источник случайности.

Если я пишу ChatGPT: «Вытяни три карты таро случайным образом», модель не достаёт карты из виртуальной коробки. Она генерирует последовательность токенов, которая должна выглядеть как ответ на мой запрос.

Получается довольно странная конструкция: человек задаёт вопрос → LLM генерирует карты → та же LLM интерпретирует собственную генерацию. Это не обязательно плохо, но тут больше вероятность, что нейронка начнет «льстить». То есть, выдумает положительный исход ситуации, который наиболее вероятно понравится пользователю. По этой причине, кстати, также не стоит доверять советам ИИ. Чтобы наглядно объяснить о чем идет речь я обратилась к DeepSeek со стандартным вопросом. Как по мне, он самый «заботливый» и чаще остальных нейронок пытается дать ответ, который должен понравиться пользователю, задвигая объективность. 

О чем и стоило говорить. На стандартный для гадания вопрос он решил выбрать не случайную карту, а подходящую под ситуацию. 

Если карт у вас нет, то сначала выбейте  случайные номера карт из генератора чисел, сопоставьте их с колодой, а уже затем передавайте готовый расклад нейросети.

Почему нельзя верить всему, что пишет ИИ

Здесь всё гораздо менее мистично. LLM может выдать убедительный текст, даже если фактически ошибается. OpenAI прямо описывает галлюцинации как правдоподобные, но ложные утверждения и отдельно отмечает, что даже современные модели продолжают сталкиваться с этой проблемой.

Для таро ситуация ещё забавнее. Если нейросеть перепутала дату исторического события, мы можем открыть источник и проверить. А если она говорит: «Башня в этой позиции показывает разрушение старой структуры», то где находится кнопка «проверить достоверность»?

В традиционной системе трактовок у карты может быть несколько значений. Интерпретация зависит от вопроса, позиции и соседних карт. Объективного набора правильных ответов для конкретного будущего события у нас нет.

Поэтому проверить «точность» AI-таролога в том же смысле, в каком мы проверяем точность математической модели, практически невозможно.

И это важное ограничение эксперимента. Мы можем оценить, насколько хорошо модель:

• знает традиционные значения карт;

• учитывает позиции;

• связывает карты между собой;

• отвечает именно на заданный вопрос;

• избегает противоречий;

• не придумывает факты о пользователе.

Есть ещё одна проблема: вопрос влияет на ответ

Исследование 2026 года Interpretations of Tarot Card Spreads by AI: Predictive Versus Introspective Questions отдельно рассматривало трактовки GPT-4 и DeepSeek для предсказательных и интроспективных вопросов. Это интересное различие.

«Получу ли я повышение?» — предсказательный вопрос.

«Что я могу не замечать в ситуации с повышением?» — интроспективный.

Авторы обнаружили различия в характере ответов в зависимости от типа вопроса; для предсказательных запросов ответы были более утвердительными.

Это довольно хорошо объясняет, почему вопрос вроде: «Станет ли OpenAI публичной компанией?» может привести к очень уверенной трактовке, хотя у модели физически нет доступа к будущему. Она не знает будущего. Она интерпретирует символы в контексте формулировки.

Как адекватно использовать ИИ для таро

Поэтому я бы не просила нейросеть: «Погадай мне на будущее». Вместо этого можно разделить задачу на две части.

Первая — получить случайный расклад. Лучше сделать это физической колодой или независимым генератором случайных чисел. Вторая — попросить модель интерпретировать уже получившийся набор карт.

Здесь меня интересует не столько «правильность гадания», сколько качество интерпретации. ИИ становится чем-то вроде собеседника, который знает символическую систему и может предложить несколько способов прочитать один и тот же набор карт.

Исследование, о котором мы говорили выше, тоже рассматривает ИИ-таро именно как практику интерпретации. Исследователи изучали, как пользователи взаимодействуют с ИИ-трактовками, используют их для работы с неопределённостью, поиска альтернативных перспектив и продолжения уже существующей практики гадания.

То есть нейросеть здесь не обязательно должна быть «оракулом». Она может быть просто очень разговорчивым интерпретатором.

А теперь попробуем сравнить нейросети

Здесь я решила провести небольшой эксперимент.

Задача простая: взять одинаковый расклад, одинаковый вопрос и одинаковый промпт, а затем посмотреть, что с этим сделают разные модели. Для этого я использовала BotHub. Для эксперимента это особенно удобно, потмоу что в одном интерфейсе доступно более 350 различных LLM.Можете протестировать платформу сами, а это дают 300 тысяч токенов по этой ссылке. 

Для сравнения я выбрала:

• GPT-5.6;

• Claude Opus 5;

• Qwen 3.8 2.4T A95B;

• AI Tarot

Критерии оценки:

1. насколько точно модель передаёт базовое значение карт;

2. учитывает ли позицию карты;

3. видит ли сочетание карт;

4. отвечает ли на конкретный вопрос;

5. не противоречит ли сама себе;

6. не уходит ли в общие фразы;

7. насколько категорично выдаёт интерпретацию за прогноз.

Получился довольно удобный тест именно для языковой модели.

Мой эксперимент: сможет ли ИИ предсказать будущее?

Чтобы не превращать тест в мои стезания о личные переживания будущем, я выбрала вопросы, которые интересуют читателей Хабра + их можно проверить.

То есть вопросы о будущем.

Вопрос №1. Дарио против искусственного интеллекта

Первый вопрос:

«Замедлит ли Дарио развитие искусственного интеллекта?»

Потому что если уж мы проверяем способность ИИ видеть будущее, надо начинать с действительно важных вещей.

Расклад:

1. Пятёрка Жезлов

2. Десятка Мечей

3. Отшельник

А что сказал бы таролог?

Я бы трактовала это как возможное замедление отдельного направления или участника, а не всей отрасли. Если Дарио и способен что-то замедлить, то карты скорее показывают локальный эффект, а не выключение всего ИИ рубильником. Вероятнее всего замедлится выпуск действительно революционных моделей и это будет органично, а между новыми моделями будет не такой значительный прогресс, а точечные доработки и оптимизация. И именно Отшельником я вижу самого Дарио, эта карта в моих раскладах падала уже не раз (не спрашивайте). В общем, если такой процесс и пойдет: то незначительно и без давления от Дарио. 

Что ответили модели

GPT-5.6

Интерпретировала карты как последовательность: конкуренция — кризис или завершение — более медленная исследовательская работа.

Вывод: возможен не столько отказ от развития, сколько переход от скорости к качеству и осторожности.

Claude Opus 5

«Отшельник уходит с площади, где шумит Пятёрка Жезлов, но площадь продолжает шуметь без него». Дарио может притормозить собственное направление или отдельную инициативу, но не развитие ИИ в целом.

Qwen 3.8

Сделала акцент на различии между личным темпом и скоростью всей отрасли. Один участник способен выйти из гонки, но конкуренты продолжат движение.

Локальное замедление возможно, глобальное — не показано. Скорее будет закрыт отдельный подход, после чего последует осторожная переоценка.

Что здесь интересно

В этом вопросе три большие языковые модели и я сама практически пришли к одной интерпретационной конструкции, хотя формулировали её по-разному.

И это хороший пример того, что мы действительно можем тестировать у ИИ-таролога: способность увидеть не отдельные значения, а общий сюжет.

Специальные сервисы

«Чрезмерные излишества, сплетни или чувство отчуждённости. Укрепляйте дружеские отношения искренне»

Из этого, что-то можно понять, но я выбираю LLM. Наверное, если купить подписку – что-то изменится, но я сожгла уже достаточно токенов, чтобы тратиться еще и на это, надеюсь вы меня поймете. Я прогнала через него все 3 вопроса и на все получила очень сомнительный результат, поэтому он выбывает из конкурса.

Вопрос №2. Выйдет ли OpenAI на IPO?

Мы продолжаем жечь токены и иссушать реки. Следующий вопрос был немного менее локальным:

«Выйдет ли OpenAI на IPO в этом году и что будет этому предшествовать?»

Расклад:

1 — Девятка Пентаклей
2 — Справедливость
3 — Двойка Мечей

А что сказал бы таролог?

Расклад показывает, что условия и ресурсы для такого шага могут быть, но окончательное решение остаётся открытым.

Если же убрать из него попытку предсказать будущее, получается вполне рациональная метафора для любой крупной корпоративной сделки: есть ресурс, есть юридическая и финансовая сторона вопроса, а потом наступает момент, когда совет директоров смотрит на два сценария и пока не выбирает ни один. В общем, в 2026 году IPO, я думаю, и правда не будет, но оно произойдет как только у OpenAI случится успех, который поспособствует выходу на биржу, пока они в условной суперпозиции.

Что ответили модели

GPT-5.6

Здесь модель вообще решила подставить подходящую карту ,вместо той, которую я указала изначально, поэтому стоит быть внимательным к ответам, даже если у вас четкий промпт. И это касается не только таро! А может, модель просто что-то знает и намекает.

Claude Opus 5

OpenAI потенциально готова к IPO, но не обязана спешить. Наиболее вероятная символическая картина — «подготовлено, но отложено».

Qwen 3.8

Дала почти ту же трактовку: компания обладает ценным активом, затем следует формальное взвешивание условий, а в финале возникает пауза между публичностью и сохранением независимости. Вывод: скорее не сейчас; IPO не отменено, но решение заморожено.

Из забавных цитат: Двойка Мечей превращается почти в заседание совета директоров: все сидят, взвешивают два сценария и коллективно решают пока ничего не решать.

Вопрос №3. Залетит ли эта статья на Хабре?

Ну и самое страшное испытание:

«Залетит ли эта статья на Хабре?»

А что сказал бы таролог?

Этот расклад, пожалуй, самый приятный. Надеюсь, что он сбудется. Карты не обещают, что Хабр ляжет от наплыва читателей, но статья постепенно наберет просмотры и продолжает жить после публикации.

Сочетание Тройки Жезлов и Рыцаря Пентаклей также хорошо читается как расширение, подкреплённое последовательной работой, а не быстрым успехом. Жду органический трафик и надеюсь, что статью и меня не заминусуют ради того, чтобы доказать ошибочность гадания.

Что ответили модели

GPT-5.6

Десятка Кубков — тёплая реакция сообщества; Тройка Жезлов — расширение охвата; Рыцарь Пентаклей — постепенный и устойчивый результат.

Вывод: статья, скорее всего, зайдёт аудитории, но не обязательно станет мгновенно вирусной. Вероятнее хороший результат с «длинным хвостом».

Claude Opus 5

Сделала акцент на нишевом успехе: статья может не собрать огромный хайп, зато понравится профильному сообществу, попадёт в закладки и будет приносить просмотры со временем.

Вывод: не «вирус на сутки», а качественный материал с устойчивой репутационной отдачей.

Qwen 3.8

Подчеркнула переход от эмоционального резонанса к распространению и затем к стабильному накоплению просмотров. Вывод: «залетит, но не как ракета, а как корабль с полным грузом» — медленно, основательно и надолго.

Из забавных цитат: Тройка Жезлов буквально превращается в корабли, которые разносят статью по лентам, подборкам и ссылкам.

AI Tarot

Нагадал он примерно тоже самое, что и остальные. Ну, будем надеятся. 

Что получилось

Если сравнивать модели не по «способности гадать», а по качеству интерпретации, разница оказалась заметнее, чем я ожидала.

Во-первых, все три универсальные модели в большинстве случаев справились с базовой задачей: они знали значения карт и умели объединять их в связный сюжет.

Во-вторых, Claude и Qwen в этом эксперименте заметно аккуратнее держались исходного расклада.

При этом специализированный сервис оказался удобнее именно как продукт: там есть визуальная колода, готовые расклады и меньше необходимости объяснять модели, что вообще от неё требуется. Но удобство интерфейса и качество интерпретации — разные параметры.

Поэтому мой эксперимент скорее показал не «победителя среди нейросетей», а несколько разных типов поведения:

• универсальные LLM хорошо справляются с интерпретацией символов и построением связного сюжета;

• более сильная контекстная модель не обязательно безошибочна: она может дать убедительный ответ на неверном входе;

• специализированные сервисы удобнее с точки зрения интерфейса и структуры, но специализация сама по себе не гарантирует корректность;

• качество ответа сильно зависит от того, как сформулирован вопрос и как передан расклад.

И это, пожалуй, гораздо интереснее простого вопроса «кто лучше гадает».

А теперь немного скепсиса

Теперь можно снять шляпу таролога и надеть каску разработчика.

Таро — это гадание. Научных оснований считать, что карты обладают способностью причинно влиять на события или достоверно сообщать информацию о будущем, у нас нет.

ИИ эту проблему никак не исправляет.

Если человек вытянул карту Башня, а потом попросил GPT объяснить её значение, появление GPT не превращает Башню в измерительный прибор.

Более того, нейросеть добавляет собственную переменную: она генерирует текст на основе статистических закономерностей языка и обучающих данных.

Можно относиться к ней как к развлечению, способу рефлексии, культурной практике или гаданию. Но подменять интерпретацию доказательством предсказательной способности ИИ точно не стоит.

И всё-таки зачем тогда гадать у нейросети?

Вот здесь у меня возник главный вопрос. Если убрать из таро случайное тасование, физические карты, красивую колоду, свечку и человека напротив, не останется ли просто генератор текста? В некотором смысле — да.

Более того, если AI сам выбирает карты, а затем сам же их интерпретирует, конструкция становится ещё забавнее: генератор случайности → LLM → LLM.

ИИ сначала решает, какие карты нам «выпали», а потом объясняет, что они означают.

Для человека, которому важен именно ритуал, это может полностью убить магию. Потому что физическая колода хотя бы даёт ощущение отдельного источника случайности. Ты перемешиваешь карты, не знаешь, что окажется сверху, вытаскиваешь одну — и только потом начинаешь искать смысл.

Если для человека таро — это не столько способ узнать будущее, сколько возможность сформулировать вопрос, посмотреть на проблему под другим углом и получить неожиданный набор ассоциаций, нейросеть оказывается вполне логичным инструментом. Но я все-таки остаюсь на стороне не специальных сервисов, а именно интерпретации через нейронки.

Получается довольно забавная ситуация.

Если вам нужна магия — ИИ её, скорее всего, испортит.

Если вам нужен собеседник, который знает значения 78 карт и не устает обсуждать одну и ту же Башню пятнадцать раз, — ИИ вполне подходит.

Так заменит ли ИИ тарологов?

Скорее, он уже автоматизировал одну конкретную часть работы — текстовую интерпретацию расклада.

ИИ умеет помнить значения карт, связывать их с контекстом вопроса, сравнивать альтернативные трактовки и продолжать разговор. Специализированные сервисы добавляют к этому виртуальную колоду, разные расклады, историю чтений и наводящие вопросы. Но это не означает, что модель научилась предсказывать будущее.

И вот здесь эксперимент оказался даже интереснее первоначального вопроса.

Нейросети действительно умеют довольно убедительно изображать таролога. Они знают символический словарь, умеют соединять несколько карт в сюжет, подстраивают интерпретацию под вопрос и могут поддерживать бесконечный диалог вокруг одного и того же расклада.

Но одновременно они могут:

• перепутать карты;

• потерять часть входных данных;

• уверенно продолжить рассуждение после фактической ошибки;

• выдавать универсальные формулировки за персональную трактовку;

• превращать неоднозначный расклад в слишком уверенный прогноз.

И это уже не проблема таро. Это обычная проблема LLM, только в таро её особенно легко заметить.

Поэтому мой вывод получился довольно прозаичным. ИИ вполне может быть тарологом в прикладном смысле — то есть интерпретировать расклад и поддерживать разговор вокруг него.

Но если вы хотите проверить, насколько хорошо он умеет именно «гадать», придётся подождать и посмотреть, действительно ли Дарио замедлит развитие искусственного интеллекта, OpenAI выйдет на IPO, а эта статья залетит на Хабр.

И если хотя бы два из трёх сбудутся — я первая начну подозревать что-то неладное.