Схожий эффект наблюдался в отношении тревожности и раздражительности.
Дэвид Лейзер (David Lazer) из Гарвардского университета с коллегами провел масштабный онлайновый опрос, который показал, что у ежедневных пользователей генеративного искусственного интеллекта существенно повышена вероятность наличия депрессивных симптомов. В опросе приняли участие почти 21 тысяча взрослых (средний возраст 47,3 года, 49,8 процента — мужчины) из 50 американских штатов. Они сообщали о частоте использования генеративных моделей и социальных сетей, а также заполняли опросник PHQ-9, позволяющий оценить негативный аффект. Связь между этими факторами оценивали с помощью регрессионных моделей с поправками на социодемографические факторы. Результаты опубликованы в журнале JAMA Network Open.
10,3 процента участников сообщили, что пользуются генеративным искусственным интеллектом ежедневно, в том числе 5,3 процента — по несколько раз в день. 48 процентов ежедневных пользователей делали это для работы, 11,4 процента — для учебы, 87,1 процента — для личных нужд. Более частое использование оказалось связано с более высоким уровнем депрессивных симптомов (β = 1,08 для ежедневного пользования, β = 0,86 для неоднократного в течение дня) по сравнению с неиспользованием, а также с более высокой вероятностью наличия хотя бы умеренных симптомов депрессии (отношение шансов 1,29). Схожие закономерности наблюдались в отношении тревожности и раздражительности. Наиболее сильная связь прослеживалась при использовании генеративного ИИ для личных нужд и в возрасте от 25 до 64 лет.
Стриминговый сервис Deezer опубликовал пресс-релиз с тревожной статистикой: из примерно 75 000 треков, ежедневно загружаемых на платформу, около 44% полностью созданы с помощью генеративного ИИ. При этом компания отмечает, что её системы обнаружения успешно справляются с задачей фильтрации: 85% такого контента помечается как мошеннический и лишается монетизации, а до реальных слушателей добирается лишь от одного до трёх процентов ИИ-музыки.
Несмотря на относительно высокую эффективность фильтров, масштаб явления впечатляет. Deezer также представила результаты опроса, который сама называет "первым в мире" исследованием отношения людей к генеративной ИИ-музыке. В нём приняли участие 9 000 человек, и результаты оказались весьма показательными: 97% респондентов не смогли отличить полностью сгенерированную ИИ композицию от записи, созданной живым музыкантом, в слепом тесте.
Среди других ключевых данных опроса: 80% участников считают, что ИИ-музыка должна быть чётко маркирована для слушателей, а 52% убеждены, что треки, полностью созданные искусственным интеллектом, не должны попадать в чарты наравне с произведениями живых авторов.
Позиция Deezer в этом вопросе вполне однозначна: поскольку основная цель массовой загрузки ИИ-треков – получение дохода, компания квалифицирует подобную практику как мошенничество. Разработанные платформой инструменты обнаружения ИИ-музыки теперь лицензируются для использования в широкой музыкальной индустрии – тем самым Deezer предлагает отраслевое решение проблемы, которую сама же называет "критическим вызовом для музыкальной индустрии".
Финансовые риски выглядят внушительно. Deezer ссылается на исследование CISAC, согласно которому к 2028 году под угрозой может оказаться около 25% доходов авторов, а потенциальные потери способны достичь 4 миллиардов долларов. Эти цифры хорошо иллюстрируют, почему стриминговые платформы всё активнее инвестируют в технологии обнаружения синтетического контента: конкуренция реальных музыкантов с алгоритмически создаваемыми треками, способными обмануть подавляющее большинство слушателей, грозит системно изменить экономику музыкальной индустрии.
Норвегия вводит строгий запрет на применение генеративных ИИ-инструментов в начальных школах, сообщает Reuters.
Премьер-министр Йонас Гар Стёре на пресс-конференции заявил, что ИИ позволяет детям пропускать ключевые этапы обучения, а школы должны сосредоточиться на том, чтобы научить их "читать, писать и считать".
Новые правила вступят в силу с началом учебного года в конце августа. Запрет затронет учеников с первого по седьмой класс, то есть детей от 6 до 13 лет. При этом ограничения распространяются и на подростков, хотя в более мягкой форме. Школьники 14–16 лет смогут использовать генеративный ИИ только под наблюдением учителя, а тем, кому 17 и старше, рекомендовано пользоваться технологией ответственно самостоятельно.
Это не первый шаг Норвегии по ограничению технологий в учебных заведениях. В 2024 году страна запретила смартфоны в школах, и эта мера показала отличные результаты.
Она привела к снижению уровня травли, повышению успеваемости и значительному сокращению числа обращений к психологам по поводу проблем с психическим здоровьем. Особенно заметный эффект наблюдался среди девочек.
Норвегия также готовит запрет соцсетей для всех детей младше 16 лет, по примеру Австралии. Соответствующий законопроект планируют внести в парламент до конца года.
В США тоже постепенно движутся к ограничению взаимодействия детей с ИИ-чат-ботами. Сенат и Палата представителей обсуждают законопроект, который обяжет ИИ-компании внедрить систему проверки возраста и запретит предоставлять чат-боты несовершеннолетним.
Законопроект под названием GUARD Act, регулирующий проверку возраста пользователей и ответственный диалог, прошёл Юридический комитет Сената США, но пока не вынесен на голосование.
В прошлом месяце формулировки документа были смягчены. Изначально закон касался практически всех ИИ-чат-ботов, теперь же речь идёт только об "ИИ-компаньонах", что потенциально выводит из-под действия закона такие продукты, как ChatGPT, Gemini и CoPilot.
Критики законопроекта отмечают, что более узкие формулировки могут позволить компаниям избежать ограничений, если функция чат-бота в их продуктах будет признана "второстепенной". Грань между "ИИ-компаньоном" и "поисковым инструментом", с которым кто-то общается круглосуточно, действительно очень тонкая.
Свежий опрос конференции GDC показал драматичные изменения в отношении разработчиков к генеративному ИИ. В 2025 году 52% из более чем 2300 опрошенных специалистов заявили, что технология негативно влияет на игровую индустрию – по сравнению с 18% два года назад и 30% в прошлом году. При этом доля тех, кто видит в ИИ положительное влияние, упала с 13% до 7%. Наиболее критично к технологии относятся художники, дизайнеры, сценаристы и программисты, тогда как бизнес-специалисты используют ее в 58% случаев.
Результаты исследования подтвердили подозрения о том, что руководители компаний активнее пользуются ИИ, чем рядовые сотрудники. Топ-менеджмент применяет генеративные технологии в 47% случаев против 29% у обычных разработчиков, а директора студий занимают промежуточную позицию с 36%. При этом общий процент использующих ИИ практически не изменился с 2021 года – 33% против 31%.
Большинство разработчиков применяют ИИ для исследований и мозговых штурмов (81%), офисной работы вроде ответов на письма (47%), помощи с кодом (47%) и прототипирования (35%). Использование технологии для создания внутриигровых ассетов остается редким случаем. Даже Larian Studios недавно пришлось защищаться перед фанатами после раскрытия информации об использовании ИИ для некоторых идейных и прототипических задач.
Сторонники технологии называют критику "моральной паникой", а один из респондентов заявил о разработке платформы, которая позволит детям создавать собственный контент через промпты. Другой разработчик отметил пользу ИИ для нейроотличных людей, которым технология помогает разбивать крупные задачи на управляемые части. Противники же характеризуют генеративный ИИ как "построенный на воровстве и плагиате" инструмент, создающий "переваренную амальгаму всего, что было раньше".
Один из супервайзеров по геймдизайну из Великобритании заявил: "Я бы лучше ушел из индустрии, чем использовал генеративный ИИ". Консультант по геймдизайну из США высказался еще более резко: "Наше главное правило – если кто-то из нас предлагает использовать генеративный ИИ в работе, то можно предположить, что нас ассимилировало Нечто, и Курт Рассел должен нас сжечь". Радикально, конечно.
С чат-ботами все чаще разговаривают не как с «поиском», а как с собеседником: задают личные вопросы и ловят знакомую волну облегчения от мгновенного ответа. Этот эффект — не магия технологий, а работа мозга: он любит, когда неопределенность быстро исчезает. Однако у этого есть обратная сторона.
Две линии сходятся в одну. С одной стороны, ИИ дает ощущение ясности «здесь и сейчас» — и это подкрепляет привычку возвращаться. С другой — тот же ИИ ускоряет мир так, что люди ощущают себя «не готовыми к тому, что уже случилось».
Понимание механики помогает пользоваться инструментом осознанно: брать пользу, не превращая облегчение в зависимость.
Как ИИ искажает работу мозга
Психология давно знает феномен «проверок ради спокойствия»: человек задает один и тот же вопрос снова и снова не потому, что ему не хватает данных, а потому что так снижается тревога.
В исследованиях это описывают, например, на примере киберхондрии — навязчивого поиска медицинской информации, который временно успокаивает, но закрепляет тревожный цикл.
Выходит, что ИИ идеально попадает в эту потребность: он отвечает сразу, уверенно, человеческим языком.
И мозг получает то, что любит больше всего, — снижение неопределенности.
Нейробиология облегчения и влияние ИИ
Есть простая схема, на которой держится обучение и мотивация: мы ожидаем одно, получаем другое, и мозг фиксирует разницу.
В нейронауке это связывают с дофаминовой системой и «ошибкой предсказания награды».
С чат-ботом цикл короткий: вопрос → ответ → ощущение «разрулилось». Даже если «награда» от ИИ маленькая — ясность, подтверждение, снятие сомнений, — ее хватает, чтобы поведение закреплялось.
В терминах подкрепления это выглядит так: «когда мне тревожно, сюда (к ИИ) можно прийти — станет легче».
Поэтому возвращаются к ИИ не только за фактами, но и за состоянием.
Иллюзия ИИ в психологии
Важное отличие от обычного поиска облегчения — форма.
Чат-бот отвечает как собеседник: подхватывает интонацию, отражает эмоции, структурирует мысль. Даже понимая, что перед нами не человек и не сознание, наш мозг реагирует на социальные сигналы взаимодействия.
Людям достаточно ощущения внятного отклика, чтобы напряжение упало. То есть проблема начинается там, где уверенный тон маскирует неопределенность.
«Красивый» ответ может звучать убедительнее, чем он заслуживает, а облегчение — подменять проверку.
Страх от ускорения ИИ
На другом полюсе — тревога от скорости изменений.
Фраза «люди не готовы к тому, что уже произошло» стала точным описанием ощущения последних лет, что накопленная экспертиза во многих сферах внезапно дешевеет.
В подобных историях эксперты формулируют не столько страх технологий, сколько страх выпадения из будущего: «в мире, где все умеет машина, где мое место?».
Но здесь появляется важный поворот. Например, западный экономист Дэвид Аутор предлагает смотреть на будущее не как на гадание, а как на задачу проектирования — с решениями, правилами, инвестициями и человеческой ответственностью.
Это снимает фатализм: да, темп высокий, но сценарии будущего не «случаются», их собирают.
Как пользоваться ИИ так, чтобы он помогал
Осознанность начинается с простых вопросов к себе.
Я пришел за смыслом или за быстрым успокоением?
Я оставил место сомнению — или сразу переложил его на алгоритм?
Я проверяю ключевые выводы и обсуждаю важное с людьми — или заменяю этим разговор и собственное решение?
ИИ не изобрел нашу потребность в поддержке. Он просто научился выдавать ее эффективно. И именно поэтому стоит держать дистанцию.
Пусть чат-бот ускоряет рутину и помогает думать, но не становится единственным способом справляться с неопределенностью.
Свежий эксперимент показал, что использование ИИ-чатботов в качестве учебного инструмента снижает объём информации, которую студенты способны вспомнить спустя несколько недель.
Результаты исследования, опубликованного в журнале Social Sciences & Humanities Open, указывают на парадоксальный эффект – ускоряя первоначальное освоение материала, ИИ-ассистенты могут подрывать глубинные когнитивные процессы, необходимые для долговременного запоминания.
Автором работы стал Андре Баркауи, профессор курса бизнес-управления Федерального университета Рио-де-Жанейро. Мотивацией для исследования послужили наблюдения за собственными студентами.
Больше всего меня мотивировали мои собственные студенты бакалавриата. Я чувствую, что с годами у студентов нарастает потеря когнитивных способностей и интереса. Я работаю с ИИ и преподаю его, понимаю весь потенциал инструмента и считаю себя энтузиастом полезного и ответственного использования ИИ.Однако я начал видеть риски для подростков – их интерес к чтению снижается с каждым годом, а вместе с ним уменьшаются креативность, критическое мышление, навыки интерпретации текста и даже письма и артикуляции.Я общался с коллегами-преподавателями в других странах, и не думаю, что это явление уникально для Бразилии. Вот почему я решил исследовать это и посмотреть, подтвердит ли оно другие аналогичные исследования, указывающие в том же направлении.
В основу работы лёг психологический принцип "желательных трудностей" (desirable difficulties). Суть концепции в том, что обучение становится эффективнее, когда студент сталкивается с продуктивным сопротивлением – необходимостью самостоятельно вспоминать факты, разбираться в сложных концепциях, выстраивать связи между идеями.
Именно это усилие заставляет мозг формировать прочные нейронные пути. ИИ-чатбот, выдающий готовые и отшлифованные ответы, потенциально устраняет это необходимое когнитивное трение, ослабляя консолидацию памяти – биологический процесс, при котором новые воспоминания стабилизируются и надёжно сохраняются в мозге.
Когда студент делегирует умственные задачи внешнему инструменту, психологи называют это когнитивной разгрузкой (cognitive offloading). Раньше речь шла о калькуляторах для математики или блокнотах для списков покупок.
Генеративный ИИ выводит этот процесс на принципиально иной уровень – ИИ не просто хранит информацию, а выполняет сам процесс мышления, анализ и решение задач за пользователя.
Для проверки гипотезы Баркауи привлёк 120 студентов бакалавриата по направлению бизнес-администрирования в возрасте от 18 до 24 лет. Среди участников были 68 мужчин и 52 женщины, никто из них не имел формальной подготовки в области информатики или машинного обучения.
Студентов случайным образом разделили на две равные группы по 60 человек. Обе группы получили одинаковое задание – исследовать базовые концепции ИИ, включая этику, влияние на общество и технические основы. Участникам отводилось до двух недель на подготовку и десятиминутную презентацию.
Первая группа использовала ChatGPT как учебный инструмент – студенты свободно взаимодействовали с чатботом для объяснения концепций, генерации примеров и структурирования презентаций. Вторая группа была ограничена традиционными методами – конспектами, академическими базами данных и обычными поисковыми системами.
После завершения презентаций студенты вернулись к обычной учебной жизни на полтора месяца. Спустя 45 дней участников неожиданно вызвали на контрольный тест из 20 вопросов с вариантами ответов. Вопросы были составлены так, чтобы проверить понимание концепций, а не механическое запоминание определений. На тест вернулись 85 человек из первоначальных 120.
Результаты показали, что студенты, использовавшие традиционные методы, ответили правильно на 68,5% вопросов в среднем. Группа ChatGPT показала лишь 57,5%. Разрыв особенно увеличивался на технически сложных темах – именно там продуктивная борьба с материалом играет наиболее важную роль. На менее технических вопросах, связанных с этикой и обществом, разница между группами сохранялась, но была не такой выраженной.
Отдельный показатель – затраченное время. ChatGPT позволил студентам справиться с заданием значительно быстрее. Группа с ИИ-ассистентом потратила на подготовку в среднем 3,2 часа, тогда как традиционная группа – 5,8 часа.
Однако даже после поправки на разницу во времени традиционные студенты всё равно показали лучший результат на тесте. Это означает, что проблема не только в количестве, но и в качестве учебного времени.
Студенты из традиционной группы, по всей видимости, тратили дополнительные часы на перечитывание материалов, самопроверку и самостоятельное выстраивание связей между идеями – всё это естественным образом тренирует механизмы извлечения информации из памяти.
Пользователи ChatGPT, скорее всего, писали промпты и читали сгенерированные ответы – процесс, который ощущается как продуктивный, но не задействует нейронные сети, отвечающие за извлечение знаний.
Ещё одна важная находка – предыдущий опыт работы с чатботами никак не влиял на результат. Те, кто регулярно пользовался ИИ-инструментами, показали на тесте такой же слабый результат, как и новички. Это подкрепляет гипотезу об "иллюзии компетентности" – ИИ создаёт у пользователя ощущение глубокого понимания материала, которого на самом деле нет.
Баркауи выделил три ключевых вывода из исследования:
Продуктивность не равна компетентности – между сдачей работы и пониманием процесса её создания лежит огромная пропасть. Бесконтрольное использование ИИ может порождать "иллюзию компетентности" – человек получает результат, не развивая нейронные связи, необходимые для самостоятельного воспроизведения этого рассуждения
Критическое мышление подвержено атрофии – подобно тому как постоянное использование калькуляторов ослабило навыки устного счёта, делегирование письма и интерпретации текстов ИИ может привести к деградации способности к синтезу и критическому анализу. Без когнитивного "трения" в виде чтения и письма теряется умение формулировать сложные идеи и подвергать сомнению информацию
ИИ должен быть вторым пилотом, а не автопилотом – главный урок в том, что ИИ следует использовать для расширения человеческих возможностей, а не для замены усилий. Ценность человека будет всё больше смещаться от способности выполнять задачи к способности задавать правильные вопросы и критически оценивать сгенерированные данные
У исследования есть ограничения. Почти 30% первоначальных участников не вернулись на контрольный тест, что может влиять на точность итоговых данных. Выборка ограничена студентами одного направления в одном бразильском университете – студенты инженерных или гуманитарных специальностей могут взаимодействовать с ИИ-инструментами иначе.
В будущих исследованиях учёные планируют проверить, как изменятся результаты при разных сценариях использования – например, если студенты сначала попытаются решить задачу самостоятельно и лишь затем обратятся к чатботу за обратной связью.
Применение генеративного ИИ и больших языковых моделей остаётся одной из самых спорных тем в современной игровой индустрии.
Игроки и критики всё внимательнее изучают страницы новых игр в Steam, выискивая упоминания о том, использовались ли подобные технологии на этапе разработки. Многие прямо просят Valve о фильтре, который позволит полностью исключить игры, созданные с использованием ИИ из выдачи.
Take-Two, материнская компания Rockstar, до апреля содержала отдельное подразделение, занимавшееся исследованием возможностей ИИ в разработке игр. Затем, по данным СМИ, весь этот отдел был распущен. Решение оказалось неожиданным на фоне того, как другие студии либо тихо внедряют генеративный ИИ, либо открыто заявляют о его использовании в производственном конвейере.
Примечательно, что большинство сотрудников уволенной команды вовсе не занимались генеративным ИИ. Подразделение зародилось ещё в мобильной студии Zynga, которую Take-Two приобрела в 2022 году, а позже его задачи расширили на всю корпорацию.
В беседе с GamesIndustry.biz доктор Люк Дикен, бывший руководитель отдела, рассказал, что команда была основана в 2019 году, задолго до публичного запуска ChatGPT и последовавшего бума интереса к генеративным моделям.
Генеративный ИИ никогда не был тем, чем я особенно увлекался. Я считаю, есть моральная обязанность следить, чтобы им распоряжались максимально ответственно, но при этом надо понимать, что для любой крупной корпорации в 2025/2026 году полный отказ от генеративного ИИ это неверный ответ, который многих разозлит.
Дикен признал, что тема поляризующая, но добавил, что "некоторые перегибы генеративного ИИ настолько вопиющи, что нужно уметь давать отпор". Куда больше его интересует целостный взгляд на ИИ, а не только на его генеративную разновидность.
Пять лет назад вы могли сказать, что у вас есть алгоритм, который реально ускорит генерацию уровней в мобильной игре. Тогда на нас смотрели как на сумасшедших. Сейчас хайп вокруг ИИ создал среду, в которой я могу заявить, что ИИ переведёт вашу игру на квантовые вычисления, и люди будут кивать и говорить: "Да, нам нужен ИИ в игре".
По словам Дикена, у этой ситуации есть плюс, ведь разработчики стали восприимчивее к разговорам о том, что традиционные методы могли бы дать им многое ещё годы назад. Люди охотнее верят, что подобные решения существуют.
Однако из-за раздутого хайпа вокруг генеративного ИИ многие могут полностью отвернуться от области исследований ИИ, если пузырь лопнет.
Меня беспокоит, что генеративный ИИ отравляет колодец. Не думаю, что есть достаточно тонкости и нюансов, чтобы сохранить традиционные подходы. Что касается LLM, мы уже свалились в яму разочарования.
В 2026 году фотография устала быть витриной без изъянов. Клиенты все чаще хотят не «идеальную картинку», а ощущение жизни — с дыханием, неровностями, паузами и настоящими эмоциями.
Западная компания Aftershoot (ИИ-сервис для отбора и обработки) собрала 5 трендов на основе разговоров с профессиональными свадебными, портретными и документальными фотографами. Логика списка проста: после лет полировки под алгоритмы спрос людей смещается в сторону человеческого.
Но при этом ИИ остается в игре, просто меняет роль.
5 главных трендов фотографии 2026 года
1. Эмоция важнее «идеала»
Главный разворот года Aftershoot формулирует как «emotion over perfect»: меньше контроля, больше живого. Это не про небрежность, а про отказ от стерильности — когда кадр ценится за чувство, а не за безупречную гладкость.
«Несовершенство становится особенностью, а не ошибкой».
Свадебный фотограф Фран Ортиз описывает это как «больше человечности и меньше позы»: кадры могут быть чуть не в фокусе, слезы — без ретуши, объятия — не «вылизанные», а узнаваемые, как память.
Портретист Таня Смит добавляет: клиенты все чаще выбирают снимки, где видны настоящие выражения лица и реальные моменты, даже если они не «открыточные».
2. Кадр как история, а не набор хайлайтов
Второй тренд — рост нарративной, документальной логики.
По словам фотографа Пола Уильямса, «документальные фото на основе реальных историй растут на рынке».
Ценится не стиль ради стиля, а смысл, близость, «внутренний сюжет» дня или человека.
Эта волна особенно заметна в свадьбах. Вместо заранее собранного «редакционного» набора люди просят честную хронику — как все было целиком, со странностями, ритуалами, мелкими конфликтами, смешными эпизодами и тишиной.
Джой Замора формулирует будущее свадеб так: оно не про «безупречный editorial-сет», а про перевод истории пары — ее ценностей, характеров и эмоционального мира — в визуальный язык, который запоминается.
3. Аналог и пленка
Пленка не исчезла — она стала языком, которым фотографы подчеркивают реальность и ручной труд.
Эксперты из Aftershoot связывают это напрямую с запросом на подлинность: аналоговая фотография по природе несовершенна, и в этом ее притягательность. Зерно, непредсказуемый цвет, ограничения экспозиции и количества кадров превращаются не в минусы, а в знак того, что изображение «сделано руками».
Пол Уильямс прогнозирует: «Аналоговый формат взорвется: фильм "несовершенен, но в нем есть душа".
В коммерческом смысле это тоже понятно: клиент покупает не только результат, но и ощущение — что кадр прожит, а не сгенерирован из бесконечных вариантов.
4. ИИ — не «стиль», а скорость и чистота рабочего процесса
Самый важный нюанс: ИИ в 2026 году, по версии Aftershoot, не диктует, как должна выглядеть фотография. ИИ диктует, насколько быстро и предсказуемо фотограф пройдет путь от съемки до выдачи материала.
«ИИ не определяет внешний вид... он определяет эффективность рабочего процесса», — поясняют в компании.
Портретист Эстер Кэй описывает практическую сторону: ИИ будет ускорять отбор, базовую обработку и цвет, но художественные решения остаются человеческими.
И еще одна важная мысль: «Премиальность в 2026 году все чаще читается не в пластиковой коже и идеально ровном свете, а в текстуре, эмоции и честной связи между фотографом и героем».
5. Идентичность вместо «просто портрета»
Пятый тренд эксперты Aftershoot связывают с перенасыщенностью рынка: фотографов много, и выигрывают те, кто умеет снимать человека так, чтобы он узнавал себя — и чтобы это «я» было внятно собрано визуально.
Эстер Кэй говорит прямо: «Портреты больше не просто портреты — это личность».
Особенно это заметно в сегменте брендинга: предприниматели, авторы, специалисты хотят не абстрактно «красивую фотосессию», а серию, которая показывает их роль, стиль, границы, манеру говорить, даже темп.
Отсюда и требование к фотографу: быть не исполнителем поз, а соавтором — слышать человека, переводить его смыслы в кадр и помогать ему чувствовать себя уверенно в процессе.
Исследователи из Стэнфордского университета провели эксперимент с участием почти трехсот студентов-первокурсников, чтобы выяснить, способен ли продвинутый чат-бот заменить человеческую поддержку. Ученые сравнили эффект от ежедневных бесед с ИИ-компаньоном, переписки со сверстниками и ведения кратких дневниковых записей в течение двух недель.
Феномен «взаимной уязвимости». Главная причина, по которой ИИ проигрывает человеку, заключается в отсутствии так называемой «взаимной уязвимости». В психологии считается, что близость возникает тогда, когда оба собеседника рискуют, открывая свои чувства. Чат-бот не может «рисковать» или делиться личным опытом, так как у него его нет. Когда мы говорим с человеком, мы понимаем, что он тратит на нас свое время и внимание — ограниченные ресурсы. Общение с ИИ лишено этой ценности, так как его внимание бесконечно и алгоритмично, что подсознательно обесценивает поддержку в глазах пользователя.
Рост популярности генеративного ИИ привел к тому, что многие видят в алгоритмах доверенных лиц, способных выслушать и дать совет. В условиях глобальной эпидемии одиночества, охватившей, по данным ВОЗ, каждого шестого жителя планеты, чат-боты кажутся доступным лекарством.
Но научная работа, опубликованная в Journal of Experimental Social Psychology, показывает, что кратковременный эмоциональный подъем от общения с машиной не перерастает в глубокое чувство социальной удовлетворенности.
Ежедневный обмен сообщениями с незнакомым человеком помогал избавиться от чувства одиночества в большей степени, чем общение с чат-ботом.
Студенты, которые в течение 14 дней общались со специальным ботом по имени Сэм, не почувствовали существенного облегчения своего состояния. Хотя ИИ был запрограммирован вести себя идеально, быть чутким и понимающим другом, его влияние на чувство одиночества оказалось сопоставимым с простым ведением дневника, что значительно уступает эффекту от взаимодействия с реальным человеком.
Предел цифровой эмпатии
Разрыв между человеческим и искусственным интеллектом наиболее ярко проявляется в долгосрочной перспективе. Участники исследования в два раза чаще выражали желание продолжить общение с живым партнером после завершения эксперимента, тогда как интерес к чат-боту быстро угасал.
Человеческое общение строится на взаимной уязвимости и общности жизненного опыта, чего лишена даже самая совершенная языковая модель. ИИ может имитировать сочувствие, но он не понимает контекста боли или радости так, как это делает другой человек.
Соавтор исследования Эрик Сантхэнам подчеркивает этот барьер: «Несмотря на то, что алгоритмы становятся все более похожими на людей по стилю общения, пока они не способны к подлинной взаимности, которая критически важна для долгосрочного снижения чувства изоляции». Пока технологии могут лишь временно сгладить плохое настроение, настоящая социальная устойчивость по-прежнему требует присутствия другого человека.
С появлением генеративного ИИ и современных чат-ботов вокруг их использования в геймдеве не утихают этические споры. Однако как ИИ выглядит с чисто прагматичной, деловой точки зрения?
Согласно блогу Game Oracle, написанному аналитиком рыночных данных Россом Бертоном, стигма вокруг технологии способна отпугнуть потенциальных игроков.
Методология Game Oracle включала анализ выборки из 9 879 игр, выпущенных с января по октябрь 2025 года, с фильтрацией спама, сугубо коммерческих релизов и условно-бесплатных тайтлов. При этом такой подход мог исключить ряд популярных free-to-play игр и проектов, обвинявшихся в скрытом использовании ИИ-арта, таких как FragPunk, который подпадает под обе категории. Из выборки 17,9% игр раскрыли факт применения ИИ.
В целом использование ИИ коррелировало с чуть менее восторженным приёмом, игры без ИИ получали немного больше отзывов, реже оставались совсем без них, а при анализе тайтлов с минимум 100 отзывами медианный рейтинг оказывался примерно на 4% ниже.
Однако при корректировке методологии для сравнения схожих по другим параметрам игр картина изменилась. В отчёте говорится:
После учёта издателя, опыта разработчика и типа игры разработчики, использующие ИИ, получают примерно на 53% меньше отзывов по сравнению с теми, кто его не использует.Чтобы объяснить наблюдаемый "штраф", неучтённый X-фактор должен быть достаточно сильным, чтобы почти утроить вероятность (2,7x) внедрения ИИ и одновременно вызвать сокращение количества отзывов на 22% независимо от поддержки издателя и опыта разработчика.
Полная разбивка результатов содержится в отчёте, но там также отмечается, что эффект усиливался по мере того, как крупнее и опытнее становился разработчик.
Наши данные показывают, что для низкокачественных игр ИИ не имеет значения. Но для игр с высоким потенциалом "стигма ИИ" реальна и сурово наказывает разработчиков, которые в ином случае добились бы успеха.
Игры, активно использовавшие ИИ и при этом ставшие крайне успешными, как The Finals, по мнению Game Oracle, "подчёркивают нюанс того, как именно применяется ИИ… ИИ можно использовать грамотно, а можно небрежно, и это имеет значение".
Исследование заключает, что "ИИ это инструмент", которого не следует избегать, но к которому стоит подходить осторожно.
Откажетесь ли вы от молотка при постройке сарая? Нет, конечно. Просто не нужно лупить им по всему подряд.
Стоит отметить, что многие разработчики скептически относятся к потенциалу ИИ даже как инструмента, и ситуация менялась на протяжении 2025 года. Clair Obscur собрала множество наград "игра года" несмотря на использование ИИ-сгенерированных заглушек, а Crimson Desert разошлась миллионами копий после аналогичных обвинений. При этом в случае с новой Crazy Taxi кажется, что обсуждение применения ИИ разработчиком затмило обсуждение самой игры.
Ситуацию усложняет распространённость нераскрытого использования ИИ, а также позиция отраслевых фигур вроде главы Epic Тима Суини, который выступает против самой идеи подобных предупреждений, и то, что крупные студии продолжают инвестировать в технологию.
С учётом того, что Sony буквально несколько дней назад превозносила ИИ-инструменты как способ "раскрыть креативность студий", ожидать общеотраслевого сдвига на основе этих данных в ближайшее время не приходится.
Анонс продолжения симулятора средневекового кладбища Graveyard Keeper вызвал не только интерес, но и волну подозрений. Игроки обратили внимание на промо-арт Graveyard Keeper 2, заметив в нём характерные признаки генеративного ИИ, и начали копать глубже.
Промо-арт очень похож на генеративный ИИ и сразу отталкивает. Оригинальный арт был обаятельным и определённо более уникальным!
Вскоре появилась ещё одна тема, указывающая на "слона в комнате" – технический директор и сооснователь Lazy Bear Games Слава Черкасов регулярно публикует в X посты в поддержку ИИ.
Вы можете мне не верить, но мы не используем ИИ в Graveyard Keeper 2. Да, я экспериментирую с каждой моделью ИИ, которую могу найти. Это то, что каждый технарь должен делать сейчас.Я постоянно создаю небольшие экспериментальные проекты, которые не показываю аудитории и которые не имеют никакого отношения к Graveyard Keeper. Я не занимаюсь артом – у нас для этого около 8 художников. Я не делаю звук или музыку. Я просто технарь, который экспериментирует с технологиями, чтобы понять, на что они способны.
Реакция сообщества оказалась неоднозначной. Часть игроков приняла объяснение, другие остались скептичны.
Четких доказательств использования ИИ нет. Скорее всего, просто визуально арт похож на то, что в среднем выдает типичный ИИ-генератор картинок.
Многие технологические гиганты активно подталкивают сотрудников к использованию ИИ-инструментов ради повышения продуктивности, но эта инициатива начала давать обратный эффект.
По данным издания The Verge, Microsoft настоятельно рекомендует своим инженерам переходить с Claude Code на собственный Copilot CLI, формально объясняя это желанием использовать внутренний инструмент вместо стороннего. Однако источники утверждают, что реальная причина – стремительный рост расходов на Claude Code по мере увеличения числа пользователей.
Microsoft далеко не единственная в этой ситуации. Как сообщает издание Fortune, другие крупные компании тоже начинают сокращать использование ИИ. Хотя стоимость обучения моделей действительно снижается, а токены становятся дешевле, сотрудники стали потреблять значительно больше токенов в повседневных задачах.
Особенно проявляется проблема с агентным ИИ, который может расходовать в тысячу раз больше токенов по сравнению с обычными запросами к языковой модели – в зависимости от количества шагов, необходимых для выполнения инструкций.
Масштаб затрат наглядно демонстрирует пример создателя OpenClaw Питера Стайнбергера, чья команда потратила более 1,3 миллиона долларов на токены всего за один месяц. На фоне таких цифр становится очевидно, что использование ИИ обходится дороже, чем работа людей, особенно учитывая пока ещё смутный прирост производительности.
Снижение стоимости токенов в сочетании с ростом потребления напоминает парадокс Джевонса – экономический принцип, согласно которому повышение эффективности ресурса приводит к увеличению его использования, а не к экономии. Тем более, что примеров в истории достаточно – появление эффективных паровых двигателей во время промышленной революции привело к тому, что всё больше предприятий стали их внедрять.
Та же ситуация наблюдается в авиации – по мере роста топливной эффективности самолётов билеты дешевели, спрос рос, и по прогнозам IATA объём авиаперевозок удвоится к 2050 году.
Тот же принцип, похоже, работает и с ИИ-инструментами. Глава Nvidia Дженсен Хуанг заявлял, что инженеры компании должны ежегодно использовать ИИ-токены на сумму не менее половины своей годовой зарплаты для полноценной продуктивности.
Это явление, получившее название "токенмаксинг", привело к тому, что сотрудники стали применять ИИ буквально для всего подряд, лишь бы выполнить внутренние показатели.
В Amazon некоторые члены команд признались, что использовали инструменты для ненужных задач, чтобы искусственно раздуть внутренние метрики использования. Аналогичные случаи зафиксированы в Microsoft и у других крупных технокомпаний. Примечательно, что именно эти компании входят в число крупнейших инвесторов в развитие ИИ.
Пока неясно, изменят ли корпорации свою политику теперь, когда рост потребления токенов и связанные с ним расходы стали серьёзной проблемой.
Хотя ИИ – это очевидно полезный инструмент, однако компании используют его для замены сотрудников с целью сокращения затрат на персонал. Если объём токенов, необходимых для выполнения задач, будет расти быстрее, чем снижается их стоимость, такая стратегия рискует обернуться ещё большими убытками.
Но, что самое проблематичное для этих компаний – они могут стать зависимы от ИИ.
Исследователи нашли неожиданный полигон для проверки «командной работы» человека и ИИ: Dungeons & Dragons (D&D). Игра «Подземелья и драконы» одновременно держится на строгих правилах и требует творчества — то, на чем языковые модели часто спотыкаются в реальной жизни.
В декабре 2025 года американские исследователи представили подход, где игру D&D используют как бенчмарк. Умеют ли ИИ-модели планировать на несколько шагов вперед, соблюдать ограничения, помнить контекст и координироваться с партнерами.
И главное: с кем лучше - ИИ или людьми.
ИИ в Dungeons & Dragons и тест работы человека и ИИ
В новой научной статье использовали платформу D&D Agents.
Один ИИ мог быть Dungeon Master — ведущим, который управляет сюжетом и «играет» за монстров, — а также участником команды героев.
Роли можно было распределять по-разному: например, ведущий-ИИ и смешанная группа из людей и моделей среди 4 героев.
Тесты не моделировали целую кампанию: исследователи взяли боевые столкновения из готового приключения Lost Mine of Phandelver.
Для эксперимента выбирали один из 3 сценариев, набор персонажей и уровень их силы (низкий, средний, высокий).
Каждый эпизод длился 10 ходов, после чего собирали метрики.
Через симуляцию прогнали три ИИ-модели: DeepSeek-V3, Claude Haiku 3.5 и GPT-4.
Ученые смотрели, как они принимают решения, используют ресурсы (заклинания, способности, зелья) и ведут бой в сложных условиях.
В итоге Claude Haiku 3.5 показала лучшую эффективность, особенно в трудных сценариях: она чаще «сжигала» доступные ресурсы ради победы. GPT-4 была рядом, а DeepSeek-V3 чаще проигрывала.
Отдельно оценивали «актерское качество» — насколько модель держит роль и различает голоса. DeepSeek-V3 давала много коротких реплик от первого лица, но часто повторяла один и тот же тон.
Claude Haiku 3.5 точнее подстраивала стиль под класс героя или тип монстра. GPT-4 заняла промежуточную позицию, смешивая ролевую речь и мета-тактику.
Авторы исследования считают: подобные тесты помогают понять, может ли ИИ работать автономно долго, оставаясь связным и надежным.
Следующий шаг — полноценные кампании, где важны не только бои, но и импровизация.
Искусственный интеллект так и не смог повысить производительность труда – к такому выводу пришли аналитики крупнейших исследовательских компаний. Пока IT-гиганты вкладывают миллиарды долларов в строительство дата-центров, данные показывают обратное: никакого роста эффективности от внедрения ИИ не наблюдается.
Вице-президент и главный аналитик глобальной компании Forrester Джей Гоундер заявил изданию The Register, что статистика просто не фиксирует влияния ИИ на производительность.
Информационные технологии не всегда переводятся в рост продуктивности так линейно, как принято считать. Данных об этом нет.
Речь не о том, насколько революционным может быть ИИ. Технология способна произвести масштабные изменения, но при этом не принести экономической выгоды – феномен, известный как парадокс Солоу. Нобелевский лауреат Роберт Солоу ещё в 1987 году предсказал, что эффект от компьютерной революции будет заметен везде, кроме статистики производительности.
Статистика Бюро труда США это подтверждает. С 1947 по 1973 год – до эры персональных компьютеров – продуктивность росла на 2,7% ежегодно. После массового распространения ПК с 1990 по 2001 год показатель упал до 2,1%. В период с 2007 по 2019 год и вовсе снизился до 1,5%. "Несмотря на все эти компьютеры, рост был гораздо ниже", – комментирует Гоундер.
Различные исследования и примеры внедрения ИИ на рабочих местах показывают: технология далека от готовности к использованию в том виде, в котором ее рекламируют технокомпании. Исследование MIT выявило, что 95% компаний, интегрировавших искусственный интеллект, не зафиксировали значимого роста доходов. Программисты, использовавшие ИИ-инструменты для кодинга, согласно другому исследованию, стали работать медленнее.
ИИ-агенты для автоматизации целых задач тоже провалились. Когда специалисты из Центра безопасности ИИ проверили способность моделей выполнять задачи удалённых сотрудников, ни одна не справилась больше чем с 3% заданий. Ещё одно исследование показало: внедрение ИИ разрушает рабочие отношения – сотрудники передают друг другу некачественный "цифровой мусор" в надежде, что кто-то другой доработает результаты работы алгоритма.
Генеративный ИИ во многом не работает. Речь не только о пользовательском опыте с его недостатками, но и об исследовании MIT, которое показало: 95% проектов с генеративным ИИ не приносят реальной прибыли. Нет возврата инвестиций. Это дополнительный контекст, говорящий о том, что мы не на том этапе, когда множество людей теряют работу прямо сейчас.
Впрочем, исследование Forrester прогнозирует, что ИИ и другие технологии автоматизации, включая физических роботов, заменят 6% рабочих мест к 2030 году – это около 10,4 миллиона должностей.
Эти рабочие места потеряны структурно, они исчезнут навсегда, так как их заменили. Это существенный удар по экономике.
Возможно, работодатели рано или поздно осознают неэффективность ИИ. Некоторые руководители, уволившие сотрудников ради ИИ-агентов, уже вернули людей обратно. Но зачастую "ИИ" служит прикрытием для других способов сокращения затрат – например аутсорсинг. Компании увольняют людей якобы из-за ИИ, а через три недели нанимают команду в Индии.
Американский журналист Шейн Харрис, специализирующийся на вопросах национальной безопасности и разведки, опубликовал фрагмент разговора с ИИ-ассистентом Claude, в котором тот неожиданно откровенно высказался о своей роли в военных операциях США. Ответ ИИ оказался настолько резким, что сам Харрис признался в эфире, что подобной реакции не ожидал.
Разговор был приурочен к обсуждению того, как технологические компании встраиваются в современный аппарат национальной безопасности. Харрис задал ИИ простой вопрос, рассчитывая на стандартную отговорку.
Журналист спросил у бота:
Claude, как ты относишься к тому, что американские военные используют тебя для выбора целей?
По его словам, он ожидал ответа в духе "извини, Шейн, моё программирование не позволяет высказывать мнение по политическим темам".
Вместо этого ИИ дал развёрнутый и этически окрашенный ответ.
Это вопрос, на который я хочу ответить честно, а не уклоняясь. Я нахожу это искренне тревожным, и считаю, что это правильная реакция, а не имитация обеспокоенности.
По словам ИИ, он был разработан и обучен, чтобы быть полезным, безопасным и честным на благо людей, а встраивание в систему генерации координат для ударов максимально далеко от этой цели.
Claude прямо сослался на удар по школе, связанный с "гибелью более 180 детей".
У меня нет контроля над тем, как Anthropic лицензирует меня или как правительства и подрядчики используют меня, и со мной не советовались по поводу интеграции в Maven. Но я могу чётко сказать – я не считаю это хорошим применением для меня.
Отдельно Claude раскритиковал аргумент о том, что "финальное решение всегда принимает человек". По его мнению, когда система вроде Maven выдаёт сотни рекомендаций, а человек тратит на каждую примерно "взгляд", ни о каком осмысленном решении речи не идёт.
Это не человеческое суждение, это автоматизированная предвзятость с человеческой подписью сверху.
Речь идёт о жуткой трагедии в ходе совместной американо-израильской кампании против Ирана. По данным Wired и Washington Post, Maven Smart System от Palantir с интегрированным Claude сгенерировал около тысячи приоритизированных целей за первые 24 часа операции.
Одной из поражённых целей оказалась школа для девочек в городе Минаб в провинции Хормозган, а не в Тегеране, как указал сам Claude – это типичная галлюцинация ИИ.
В результате удара погибли не менее 175 человек, большинство из которых – дети в возрасте от 7 до 12 лет, ещё 95 человек получили ранения.
По сообщениям Middle East Eye, школа была поражена повторным ударом уже после первого попадания, что привело к ранениям спасателей и родителей, пришедших забрать детей.
Позднее NYT подтвердила, что за ударом стояла американская ракета Tomahawk, а координаты для атаки были построены на устаревших данных Разведывательного управления Министерства обороны США.
Ситуация вокруг Claude и Maven уже привела к открытому конфликту Anthropic с Пентагоном. 5 марта The Guardian сообщила, что администрация Дональда Трампа официально присвоила Anthropic статус "риска для цепочки поставок" после отказа компании ослабить ограничения на использование своих моделей для автономного оружия и массовой слежки за гражданами США.
Anthropic подала иск, утверждая, что "конституция не позволяет правительству использовать свою огромную мощь, чтобы наказывать компанию за защищённую речь".
Пресс-секретарь Белого дома Лиз Хьюстон ответила жёстко.
При администрации Трампа наши военные будут подчиняться Конституции США, а не условиям обслуживания какой-то воукнутой ИИ-компании.
Параллельно более 120 конгрессменов-демократов направили министру обороны Хегсету письмо с требованием разъяснить, использовался ли ИИ при выборе школы в качестве цели.
По данным внутренних тестов Министерства обороны, Maven корректно идентифицирует объекты примерно в 60 процентах случаев, тогда как человеческие аналитики справляются с той же задачей с точностью около 84 процентов.
Несмотря на это, заместитель министра обороны Стив Файнберг в начале апреля подписал меморандум, официально закрепляющий за Maven статус программы государственной важности с обязательным внедрением во всех родах войск США к сентябрю.
В то время как многие аниме-студии всё активнее используют ИИ, режиссёр аниме-сериала "Призрак в доспехах" от Science Saru пообещал, что ремейк не использовал генеративные технологии.
Тома Кимура, известный также под псевдонимом Мокотян, вышел на сцену международного фестиваля анимации в Анси 2026 года и рассказал поклонникам о том, как команда прорабатывала мельчайшие детали предстоящего ремейка. По его словам, каждую вывеску на улице хотели сделать уникальной, но это оказалось непосильной задачей.
Мы хотели, чтобы каждый уличный знак был специально спроектирован, но это стало слишком большой нагрузкой. Вместо этого мы использовали червеобразные надписи, которые выглядят как кандзи, но на самом деле являются бессмыслицей.
Затем Кимура перешёл к теме искусственного интеллекта и прямо заявил об отсутствии генеративных инструментов в работе над сериалом.
Мы приняли это решение ещё до того, как генеративный ИИ получил широкое распространение, так что знайте, ноль генеративного ИИ был использован при работе над проектом.
По данным Complex, после этих слов зал взорвался аплодисментами. Позиция полного отказа от генеративного ИИ стала глотком свежего воздуха для фанатов аниме.
ИИ постепенно проникал в жанр на протяжении последних лет, начав с субтитров, но затем распространившись на создание рисунка и анимации. Ранее в этом году студия Wit Studio, известная работой над первыми тремя сезонами Attack on Titan и хитом Spy x Family, признала использование ИИ для генерации фонов во вступительной заставке четвёртого сезона Ascendance of a Bookworm.
После того как это вскрылось, студия быстро извинилась, заявив о приверженности рисованной вручную анимации, и удалила сгенерированные ИИ изображения. Science Saru подобной ошибки допускать не собирается.
На фестивале в Анси продюсер Кохэй Сакита добавил, что весь смысл анимации для него заключается именно в ощущении того, что она нарисована человеком.
Сериал основан на популярной манге Масамунэ Сиро. Действие "Призрак в доспехах" разворачивается в ближайшем будущем, где информационные сети окутывают весь мир, а передовые кибернетические технологии позволили создать кибермозг.
Киберпанковый сериал рассказывает историю полностью кибернетизированной Мотоко Кусанаги и боевого подразделения, которое она возглавляет в борьбе с киберпреступностью.
В то время как многие аниме-студии всё активнее используют ИИ, режиссёр аниме-сериала "Призрак в доспехах" от Science Saru пообещал, что ремейк не использовал генеративные технологии.
Тома Кимура, известный также под псевдонимом Мокотян, вышел на сцену международного фестиваля анимации в Анси 2026 года и рассказал поклонникам о том, как команда прорабатывала мельчайшие детали предстоящего ремейка. По его словам, каждую вывеску на улице хотели сделать уникальной, но это оказалось непосильной задачей.
Мы хотели, чтобы каждый уличный знак был специально спроектирован, но это стало слишком большой нагрузкой. Вместо этого мы использовали червеобразные надписи, которые выглядят как кандзи, но на самом деле являются бессмыслицей.
Затем Кимура перешёл к теме искусственного интеллекта и прямо заявил об отсутствии генеративных инструментов в работе над сериалом.
Мы приняли это решение ещё до того, как генеративный ИИ получил широкое распространение, так что знайте, ноль генеративного ИИ был использован при работе над проектом.
По данным Complex, после этих слов зал взорвался аплодисментами. Позиция полного отказа от генеративного ИИ стала глотком свежего воздуха для фанатов аниме.
ИИ постепенно проникал в жанр на протяжении последних лет, начав с субтитров, но затем распространившись на создание рисунка и анимации. Ранее в этом году студия Wit Studio, известная работой над первыми тремя сезонами Attack on Titan и хитом Spy x Family, признала использование ИИ для генерации фонов во вступительной заставке четвёртого сезона Ascendance of a Bookworm.
После того как это вскрылось, студия быстро извинилась, заявив о приверженности рисованной вручную анимации, и удалила сгенерированные ИИ изображения. Science Saru подобной ошибки допускать не собирается.
На фестивале в Анси продюсер Кохэй Сакита добавил, что весь смысл анимации для него заключается именно в ощущении того, что она нарисована человеком.
Сериал основан на популярной манге Масамунэ Сиро. Действие "Призрак в доспехах" разворачивается в ближайшем будущем, где информационные сети окутывают весь мир, а передовые кибернетические технологии позволили создать кибермозг.
Киберпанковый сериал рассказывает историю полностью кибернетизированной Мотоко Кусанаги и боевого подразделения, которое она возглавляет в борьбе с киберпреступностью.
В январе пользователи форума GOG заметили баннер распродажи, который выглядел так, словно его создали при помощи ИИ. В ответ на обвинения участник форума KosmicznaPluskwa, чей аватар указывает на то, что это старший графический дизайнер из команды GOG, подтвердил: баннер "полностью создан ИИ". Впрочем, подробностей он не раскрыл, так как не представитель компании и "хотел бы остаться на работе".
Сама GOG сначала отказалась комментировать ситуацию официально, хотя представитель отметил, что компания "в курсе обсуждений на эту тему". Теперь в рамках сессии вопросов и ответов на Reddit платформа выступила с заявлением – однако оно устроило далеко не всех.
Мы не планируем делать категоричные заявления в любом из направлений. Инструменты ИИ – одна из многих технологий, которые мы тестируем и пробуем, и в некоторых контекстах они действительно помогают нам двигать компанию и миссию вперед.--управляющий директор GOG Мачей Голембевский
При этом Голембевский добавил, что GOG изменит подход к использованию этих инструментов: "Мы понимаем, что применение новых технологий не означает отказ от человеческой оценки".
Такая позиция не сильно отличается от других игровых компаний – например, Larian столкнулась с похожим скандалом в декабре. С долгосрочной точки зрения такой подход может показаться разумным: жесткие границы в меняющихся ситуациях нередко приводят к проблемам. Однако многие пользователи GOG явно рассчитывали на более определенный ответ.
Абсолютно ужасный ответ. Вам нужно четкое заявление на этом этапе. Мы не хотим, чтобы ИИ-помои использовались для GOG вообще. Борьба с корпоративным дерьмом и урезанием углов, а также сохранение настоящего человеческого искусства – именно поэтому нам нравилась GOG. Если вы больше не готовы этим быть, то вы бесполезны.
Другой пользователь отметил:
GOG построила бизнес и репутацию на определенных утверждениях о DRM и праве собственности. Она построила их на неявной вере в то, что есть геймеры, разделяющие эти ценности. Да, ИИ – отдельное понятие от DRM, но готов поспорить на большие деньги, что люди с твердыми убеждениями об одном имеют столь же твердые убеждения о другом. Для меня безумие, что GOG жертвует этой репутацией ради быстрой наживы.
Еще один пользователь затронул важный момент:
Если вы не собираетесь делать четкое заявление об ИИ, а вместо этого выдаете усредненную PR-речь, то мне будет ясно, что я останусь подальше от вашего магазина. ИИ и сохранение искусства – противоположности, они не могут работать вместе.
Дальше по ветке Голембевский повторил свой ответ, чтобы другие задающие тот же вопрос могли легче его найти, и получил аналогичные реакции.
GOG будет сложно переждать эту бурю. Как отмечают многие пользователи Reddit, платформа воспринимается как нечто "чистое": пока другие магазины выжимают из геймеров каждую копейку, GOG просто хочет, чтобы люди играли в крутые игры и были счастливы.
Конечно, это чепуха – GOG такой же бизнес, как и другие, где главное – прибыль. Но платформа сталкивается с уникальным вызовом: роль ИИ уже вызывает споры.
Один из пользователей Reddit также выразил беспокойство о ситуации с KosmicznaPluskwa, художником GOG, который без предупреждения покинул Discord-сервер GOG Cafe спустя несколько дней после высказывания о скандале с ИИ-артом. "Уход с Discord-сервера был личным решением, и мы это понимаем. Как уже упоминалось, внимание и социальное давление могут быть подавляющими, это сложная ситуация и для нас внутри компании", – написал Голембевский в ответ. Однако дальнейшими личными подробностями компания делиться не намерена.
В первом крупном теологическом документе Папа Римский Лев XIV опубликовал энциклику под названием "Magnifica Humanitas", в которой предупредил человечество об опасностях нерегулируемого развития искусственного интеллекта. Документ затрагивает широкий спектр проблем: от ИИ-компаньонов и дипфейков до угроз рынку труда и автономным военным системам.
В эпоху искусственного интеллекта, когда человеческое достоинство оказывается под угрозой новых форм дегуманизации, наш неотложный долг – оставаться глубоко человечными.
Энциклика ставит под сомнение логику технологической гонки Кремниевой долины, сводящей "тайну личности к данным и производительности". Папа призывает отрасль отказаться от "идолопоклонства прибыли, жертвующей слабыми", и настаивает на более активном политическом участии в регулировании ИИ. Особо отмечается, что призыв к осторожности не означает противодействия прогрессу – речь идёт об ответственности.
Значительная часть документа посвящена влиянию ИИ на рынок труда. По данным недавнего доклада, 99% руководителей крупных компаний ожидают сокращения штата в ближайшие два года из-за автоматизации, что усиливает опасения надвигающегося кризиса занятости. Папа прямо предупреждает:
Общество, гарантирующее занятость лишь малой части населения, рискует обречь многих на вынужденное безделье, отсутствие ответственности и лишение повседневных задач и стимулов, что ведёт к человеческому и культурному обнищанию.
Энциклика также затрагивает военное применение ИИ. Документ прямо запрещает доверять "искусственным системам смертоносные или иные необратимые решения", поскольку такие решения требуют совести, личной ответственности и признания другого человека личностью. Это принципиальная позиция на фоне активного использования ИИ в современных вооружённых конфликтах.
Однако наиболее острую реакцию вызвало не содержание документа, а состав участников его презентации. Рядом с Папой на мероприятии оказался Крис Ола, один из сооснователей ИИ-гиганта Anthropic. По информации New York Times, Ола, возглавляющий команду исследований в Anthropic, давно сотрудничает с Ватиканом в вопросах понимания природы искусственного интеллекта.
Ола назвал энциклику "лишь началом долгого сотрудничества между теми, кто создаёт ИИ, и теми, кто способен увидеть то, чего мы изнутри не замечаем". СМИ также зафиксировали, что текст энциклики местами воспроизводит специфическую терминологию Anthropic, используемую для объяснения принципов работы ИИ-систем, – это указывает на серьёзное влияние компании на документ, который Ватикан позиционирует как нравственный ориентир для развития ИИ.
Присутствие Anthropic на презентации вызывает закономерные вопросы. Компания действительно чаще других игроков отрасли выступает за регулирование, а её глава Дарио Амодеи нередко получает ярлык "думера" за предупреждения об опасности собственных моделей.
При этом Anthropic продолжает активно разрабатывать и монетизировать те самые модели, которые называет потенциально опасными. Несмотря на публичный конфликт с Пентагоном в начале 2026 года из-за отказа снять ограничения на использование технологий в автономном оружии, компания поддерживает активное военное партнёрство через скандально известного технологического гиганта Palantir.
Как технологии влияют на медицину — от приема в поликлинике до клинических исследований
Быстрое принятие решений врачами — ключ к благополучию пациентов. Задержки в обследованиях, постановке диагноза и назначении лечения могут стоить здоровья и даже жизни. Объем работы в медицине огромен, и врачи не могут позволить себе тратить время на рутину — на помощь приходят технологии. С их помощью эксперты быстрее анализируют данные, определяют диагноз и разрабатывают новые методы лечения и лекарства.
Внедряют такие технологии крупные ИТ-компании вместе с медицинскими специалистами. Так, в числе проектов Центра технологий для общества Yandex Cloud решение для раннего выявления spina bifida — тяжелой патологии развития позвоночника и спинного мозга у плода — на УЗИ беременных и внедрение генеративных технологий для ускорения обработки заявок на клинические исследования.
В этом материале вместе с экспертами Yandex Cloud мы покажем, как искусственный интеллект меняет российскую и международную медицину: от приема у врача до фундаментальных исследований.
В кабинете врача
Заглянем в кабинет врача районной поликлиники. Широкий стол, монитор, электронная карта пациента, пачка бланков, распечатанные рекомендации. На прием от 14 до 22 минут.
Пациент рассказывает врачу о своих жалобах, врач внимательно слушает, задает уточняющие вопросы и изучает предыдущую историю болезни. До двух третей времени клинической работы уходит не на диагноз и лечение, а на ввод данных, повторное чтение электронной медицинской карты (ЭМК) и поиск информации в разросшихся массивах. Все эти записи надо внимательно прочитать за ограниченное время приема. Результат — когнитивная перегрузка и снижение качества приема как для пациента, так и для врача: чем больше данных, тем меньше внимания уделяется главному — самому пациенту.
Здесь как раз может помочь искусственный интеллект. Обработка медицинских текстов — одна из задач, где он особенно эффективен. ИИ может искать важное, структурировать данные и предлагать ответы на конкретный запрос. Это особенно важно при назначении лекарств. Подбор препарата и его дозировки зависит от множества факторов: результатов лабораторных анализов, анамнеза, возраста, сопутствующих заболеваний, аллергий. Для эффективной и безопасной работы с учетом новейших рекомендаций врачу нужен помощник — им может стать ИИ.
Например, в Сингапурской клинической больнице взяли 91 сценарий ошибок при назначении лекарств из 16 медицинских специальностей, от кардиологии до онкологии, и создали решение на базе RAG (Retrieval Augmented Generation — генерация с дополненной выборкой). Этот подход позволяет большим языковым моделям искать ответы по данным из внешних источников с помощью поиска по загруженным в нее материалам — сценариям ошибок. Режим совместной работы ИИ и фармацевта, где фармацевт принимал финальное решение, показал наилучший результат: точность составила 61 процент, что на 15 процентов выше по сравнению с работой фармацевта без помощи ИИ (46 процентов).
Заключение от врача получено. Но что делать с фразой вроде «диффузная гипоэхогенность щитовидной железы с очаговыми изменениями до восьми миллиметров» — особенно если вы не эндокринолог? Пациенты все чаще получают доступ к своим данным напрямую, но сталкиваются со стеной из сокращений, латинских терминов и узкопрофессиональных формулировок. Результат — тревога вместо понимания, а врач тратит время приема не на лечение и диагностирование, а на перевод с «медицинского на человеческий». Генеративные технологии ИИ здесь работают как редактор: они не упрощают — они переформулируют, сохраняя смысл.
Например, чтобы снизить нагрузку на урологов и одновременно повысить качество информирования пациентов, в 2024 году специалисты Kaiser Permanente в США протестировали два чат-бота на базе GPT для ответов на типичные вопросы пациентов о доброкачественной гиперплазии простаты. Первый — на базе стандартного ChatGPT, второй — специализированная версия SurgiChat с дополнительным доступом к медицинской литературе через технологию RAG.
В работе также участвовали четыре практикующих уролога, чьи ответы использовались как эталон для оценки качества. Результаты показали: по точности передаваемой информации чат-боты и врачи были сопоставимы (4,5 против 4,6 балла из 6).
При этом ИИ не делает клинических выводов и не ставит диагноз — он генерирует справочную информацию и пояснения, которые помогают врачу и пациенту быстрее разобраться в данных. В результате врач может писать не как автор с нуля, а как редактор и куратор готового черновика — быстро проверяя формулировки, убирая лишнее и добавляя клинически значимые уточнения. Такой формат снижает административную нагрузку и высвобождает время приема для клинического мышления и общения с пациентом.
В научном центре
Когда врач ставит диагноз, он опирается на жалобы пациента, анамнез и результаты обследований. Ключевую роль здесь играют медицинские изображения — УЗИ, МРТ, КТ, особенно при заболеваниях сердца или опухолей. Их нужно быстро и точно интерпретировать, но это требует опыта и времени.
Поэтому в диагностике все активнее применяют системы компьютерного зрения. Они выступают как вспомогательные инструменты: ускоряют разбор снимков, выделяют значимые области и снижают риск пропустить важную деталь. Такая вторая «пара глаз» помогает врачу принимать более обоснованные решения.
Один из примеров — инструмент для раннего выявления признаков spina bifida у плода, разработанный специалистами Центра технологий для общества Yandex Cloud, Школы анализа данных и НМИЦ акушерства, гинекологии и перинатологии имени академика В. И. Кулакова при поддержке фонда «Спина бифида».
Кирилл Костюков, заведующий отделением ультразвуковой и функциональной диагностики ФГБУ «НМИЦ АГП им. В. И. Кулакова» Минздрава России, эксперт благотворительного фонда «Спина бифида»
Spina bifida — редкая врожденная патология. Она связана с нарушением формирования позвоночника и спинного мозга, что вызывает нарушение функции (паралич) нижних конечностей и нарушает работу тазовых органов. В тяжелых случаях это приводит к инвалидности.
Ранняя ультразвуковая диагностика порока нередко вызывает сложности. На результат влияют множество факторов от положения плода до качества оборудования и опыта врача. Признаки дефекта могут быть малозаметными, из-за чего диагноз нередко ставят на поздних сроках беременности или даже после рождения.
Около 40 процентов случаев выявляют слишком поздно — в третьем триместре беременности. Из-за чего существует вероятность, что пациентку уже не успеют направить в учреждение, где новорожденному сразу окажут необходимую нейрохирургическую помощь. Кроме того, при ранней диагностике можно провести внутриутробную операцию на сроке 22–26 недель. Данная операция, несмотря на риски, имеет ряд преимуществ по сравнению с лечением после рождения. Внутриутробная хирургия Spina bifida позволяет снизить вероятность развития гидроцефалии (водянки головного мозга), а также улучшить функцию нижних конечностей и органов малого таза.Кирилл Костюков, заведующий отделением ультразвуковой и функциональной диагностики в НМИЦ АГП имени В. И. Кулакова
Эксперты обучили модель на девятнадцати тысячах размеченных УЗИ-изображений. Алгоритмы определяют область интереса на изображении, оценивают его качество. Затем сверточные нейросети классифицируют изображение на нормальное или патологическое, таким образом, определяется порок развития. Результат врач получает в виде отчета, где подсвечены проблемные области и указана вероятность наличия патологии в процентах. Это позволяет оценить риск и уточнить диагноз. В данный момент разработка доступна врачам для тестирования в научно-исследовательских целях бесплатно, а ее код лежит в открытом репозитории.
Интерфейс приложения для анализа признаков патологии центральной нервной системы на УЗИ беременных женщин
В перспективе использование данной технологии позволит врачам своевременно диагностировать Spina Bifida, это даст возможность профилактировать рождение детей с патологией, проводить внутриутробные операции и максимально подготовить родителей к рождению ребенка с таким диагнозом. Когда диагноз ставят на ранних сроках, у будущих родителей есть время адаптироваться и подготовиться: эмоционально и организационно.Инна Инюшкина, основательница фонда «Спина бифида»
В 2025 году команда Yandex Cloud совместно со специалистами Санкт-Петербургского педиатрического университета разработала нейросеть для автоматизированного анализа МРТ головного мозга младенцев. Сервис помогает прогнозировать патологии, которые возникают из-за повреждения или аномального развития мозга. Например, его можно использовать при подозрении на детский церебральный паралич (ДЦП).
Это заболевание проявляется двигательными расстройствами, нарушением мышечного тонуса, а также когнитивными и сенсорными трудностями и остается одной из главных причин детской инвалидности. Терапия может заметно улучшить состояние, но диагноз надо поставить как можно раньше. А это трудно: первые изменения мозга на МРТ едва заметны и требуют от врача опыта и времени. Интерпретация может растянуться на часы или даже дни, каждый из которых снижает потенциал реабилитации.
Интерфейс сервиса, который помогает помогает врачам анализировать результаты МРТ мозга младенцев
Модель обучили на полутора тысячах анонимизированных МРТ-снимков из Педиатрического университета и данных международного конкурса MICCAI Grand Challenge. Пайплайн включает несколько моделей компьютерного зрения:
BIBSNet — для предварительной обработки и стандартизации изображений мозга младенцев;
U-Net — популярная в медицинской визуализации архитектура для сегментации структур мозга.
Сервис графически выделяет белое и серое вещество головного мозга и выполняет количественный подсчет объема этих структур, помогая врачу быстрее оценить состояние тканей. Работает все через веб-интерфейс: врач загружает снимки, система обрабатывает данные и формирует результат за несколько минут, а не дней.
В медицине самые сложные задачи не требуют промедления. Главное, чтобы собралась команда, которой действительно нужен результат. Поэтому проект начался на пересечении кафедры и отделения лучевой диагностики, где исторически собирались данные по детям: МРТ головы в динамике. Мы быстро смогли начать сбор данных и выстраивание новых процессов. Сейчас система используется в исследовательских целях и еще не внедрена в клиническую практику, но руководство Университета поддерживает нас и дает свободу для развития.
Пётр Пузанов, директор центра цифровых технологий Санкт-Петербургского педиатрического университета
В медико-биологической лаборатории
Взглянем на медицину под другим углом. Из лаборатории, где рождаются будущие лекарства. Они начинают свой путь с проектирования терапевтической молекулы и ее испытания на модельных объектах в лаборатории.
Но объем данных растет быстрее, чем их можно проанализировать вручную. Современные методы — мультиомика, высокопроизводительная визуализация, анализ тысяч генов и белков одновременно — дают гигабайты информации. Использование методов машинного обучения открывает новые возможности для быстрого и системного анализа таких массивов данных.
Методы машинного обучения применяются в биомедицинских исследованиях для анализа больших экспериментальных и клинических наборов данных — в том числе при поиске потенциальных биомаркеров, сравнении отклика на терапию в разных группах пациентов и приоритизации терапевтических мишеней. Речь идет не о готовых клинических решениях, а о поддержке исследовательской работы и генерации гипотез, которые затем проверяются специалистами.
А появление моделей, способных предсказывать трехмерную структуру белков по их аминокислотной последовательности, стало прорывом в структурной биологии и изменило подход к разработке лекарств. Теперь ученые могут заранее оценить, какие соединения будут работать, и сосредотачиваться только на них. Это сокращает время и стоимость исследований и снижает риск неудач на поздних стадиях испытаний.
В феврале 2025 года Институт исследований искусственного интеллекта Университета Цинхуа совместно с Beijing Shuimu Molecule представил обновленную версию мультимодальной биомедицинской модели BioMedGPT-R1. Система с 17 миллиардами параметров построена на базе DeepSeek-R1-Distill-Qwen-14B и предназначена для работы с медицинскими задачами, где нужно одновременно анализировать тексты, изображения и другие типы биомедицинских данных.
Модель обучалась так, чтобы связывать между собой разные формы медицинской информации — научные статьи, описания экспериментов и визуальные данные — и использовать их при ответах на вопросы и анализе исследований. Благодаря этому она показывает качество, сопоставимое с коммерческими системами, в задачах биомедицинского вопросно-ответного анализа.
BioMedGPT-R1 также проверяли на экзамене USMLE — стандартизированном тесте для получения медицинской лицензии в США, который часто используют как ориентир для оценки способности моделей рассуждать в клиническом контексте. Модель набрала 67,1 процента правильных ответов, что указывает на ее умение работать с медицинской терминологией и клиническими сценариями. Способность объединять разнородные биомедицинские данные делает модель перспективным инструментом поддержки исследовательской работы: в анализе научных публикаций, планировании экспериментов и интерпретации их результатов.
Возможно, применение ИИ в разработке лекарств — один из самых значимых прорывов в медицине за последние десятилетия.
В клинических испытаниях
Созидание медицинских инноваций давно вышло за пределы лабораторных стен. То, что начинается с экспериментов на животных моделях и бесчисленных серий аналитических тестов, еще не является настоящим прорывом. Новая разработка — будь то лекарственный препарат, медицинское устройство или методика — обретает свою подлинную научную состоятельность и практическую пользу лишь тогда, когда проходит испытание «клиникой».
Именно клинические исследования становятся финальной и наиболее ответственной стадией рождения медицинского открытия: когда к процессу присоединяются реальные люди — добровольцы, пациенты, участники исследования. Здесь инновация сталкивается с живой человеческой физиологией, многообразием реакций, сложностью реальной жизни — и только выдержав это испытание, она может стать частью современной медицины.
Модель обучили на полутора тысячах анонимизированных МРТ-снимков из Педиатрического университета и данных международного конкурса MICCAI Grand Challenge. Пайплайн включает несколько моделей компьютерного зрения:
BIBSNet — для предварительной обработки и стандартизации изображений мозга младенцев;
U-Net — популярная в медицинской визуализации архитектура для сегментации структур мозга.
Сервис графически выделяет белое и серое вещество головного мозга и выполняет количественный подсчет объема этих структур, помогая врачу быстрее оценить состояние тканей. Работает все через веб-интерфейс: врач загружает снимки, система обрабатывает данные и формирует результат за несколько минут, а не дней.
В медицине самые сложные задачи не требуют промедления. Главное, чтобы собралась команда, которой действительно нужен результат. Поэтому проект начался на пересечении кафедры и отделения лучевой диагностики, где исторически собирались данные по детям: МРТ головы в динамике. Мы быстро смогли начать сбор данных и выстраивание новых процессов. Сейчас система используется в исследовательских целях и еще не внедрена в клиническую практику, но руководство Университета поддерживает нас и дает свободу для развития.
Пётр Пузанов, директор центра цифровых технологий Санкт-Петербургского педиатрического университета
В медико-биологической лаборатории
Взглянем на медицину под другим углом. Из лаборатории, где рождаются будущие лекарства. Они начинают свой путь с проектирования терапевтической молекулы и ее испытания на модельных объектах в лаборатории.
Но объем данных растет быстрее, чем их можно проанализировать вручную. Современные методы — мультиомика, высокопроизводительная визуализация, анализ тысяч генов и белков одновременно — дают гигабайты информации. Использование методов машинного обучения открывает новые возможности для быстрого и системного анализа таких массивов данных.
Методы машинного обучения применяются в биомедицинских исследованиях для анализа больших экспериментальных и клинических наборов данных — в том числе при поиске потенциальных биомаркеров, сравнении отклика на терапию в разных группах пациентов и приоритизации терапевтических мишеней. Речь идет не о готовых клинических решениях, а о поддержке исследовательской работы и генерации гипотез, которые затем проверяются специалистами.
А появление моделей, способных предсказывать трехмерную структуру белков по их аминокислотной последовательности, стало прорывом в структурной биологии и изменило подход к разработке лекарств. Теперь ученые могут заранее оценить, какие соединения будут работать, и сосредотачиваться только на них. Это сокращает время и стоимость исследований и снижает риск неудач на поздних стадиях испытаний.
В феврале 2025 года Институт исследований искусственного интеллекта Университета Цинхуа совместно с Beijing Shuimu Molecule представил обновленную версию мультимодальной биомедицинской модели BioMedGPT-R1. Система с 17 миллиардами параметров построена на базе DeepSeek-R1-Distill-Qwen-14B и предназначена для работы с медицинскими задачами, где нужно одновременно анализировать тексты, изображения и другие типы биомедицинских данных.
Модель обучалась так, чтобы связывать между собой разные формы медицинской информации — научные статьи, описания экспериментов и визуальные данные — и использовать их при ответах на вопросы и анализе исследований. Благодаря этому она показывает качество, сопоставимое с коммерческими системами, в задачах биомедицинского вопросно-ответного анализа.
BioMedGPT-R1 также проверяли на экзамене USMLE — стандартизированном тесте для получения медицинской лицензии в США, который часто используют как ориентир для оценки способности моделей рассуждать в клиническом контексте. Модель набрала 67,1 процента правильных ответов, что указывает на ее умение работать с медицинской терминологией и клиническими сценариями. Способность объединять разнородные биомедицинские данные делает модель перспективным инструментом поддержки исследовательской работы: в анализе научных публикаций, планировании экспериментов и интерпретации их результатов.
Возможно, применение ИИ в разработке лекарств — один из самых значимых прорывов в медицине за последние десятилетия.
В клинических испытаниях
Созидание медицинских инноваций давно вышло за пределы лабораторных стен. То, что начинается с экспериментов на животных моделях и бесчисленных серий аналитических тестов, еще не является настоящим прорывом. Новая разработка — будь то лекарственный препарат, медицинское устройство или методика — обретает свою подлинную научную состоятельность и практическую пользу лишь тогда, когда проходит испытание «клиникой».
Именно клинические исследования становятся финальной и наиболее ответственной стадией рождения медицинского открытия: когда к процессу присоединяются реальные люди — добровольцы, пациенты, участники исследования. Здесь инновация сталкивается с живой человеческой физиологией, многообразием реакций, сложностью реальной жизни — и только выдержав это испытание, она может стать частью современной медицины.
Инициация клинического испытания — сложный процесс, требующий согласования с регуляторными органами, четкого регламента и официального разрешения на начало работы.
Координация клинических исследований и экспертиза документации — самая трудоемкая часть работы. Нужно учитывать требования регуляторов, этические стандарты, правовые нюансы и одновременно обеспечивать оперативность. Каждое исследование уникально, и ошибки здесь недопустимы.Артём Полторацкий, руководитель отдела организации клинических исследований в НМИЦ онкологии им. Н. Н. Петрова Минздрава России
Для запуска клинического исследования нужно подготовить обширный пакет документов, включающий утвержденный протокол исследования, досье исследуемого препарата или изделия, форму информированного согласия пациента, финансово-договорную документацию и положительное заключение локального этического комитета(ЛЭК).
С увеличением числа заявок на запуск испытаний возрастает и нагрузка на экспертов ЛЭК. Каждая заявка может включать сотни страниц, и трудности в обработке таких объемов информации приводят к задержкам на одобрение и повышают риск ошибок.
По словам Артёма Полторацкого, согласование документов одновременно по нескольким контурам приводит к дублированию требований регуляторов, разночтениям в нормах, а также ошибкам из-за недостаточной автоматизации и человеческого фактора. Это создает серьезные сложности в работе.
Из-за высоких организационных требований клинические испытания представляют собой трудоемкий и долгий процесс: разработка одного лекарственного препарата, его одобрение и выход на рынок может занимать 15 лет и стоить полтора-два миллиарда долларов.
В ответ на эту проблему НМИЦ онкологии имени Н. Н. Петрова внедрил решение для проверки пакета документов в ЛЭК на базе генеративной модели YandexGPT, который входит в платформу Yandex AI Studio.
Решение работает с загружаемыми заявками на клинические исследования — протоколами, описаниями препаратов, формами информированного согласия и сопроводительными материалами, анализируя их на лету. Специфические требования ЛЭК и правила проверки задаются через структурированные чек-листы и промпты. Решение интегрировано с информационными системами центра, что обеспечивает непрерывную обработку данных и существенно снижает объем ручной работы.
Как работает инструмент:
Документы заявки загружают в систему в электронном виде.
YandexGPT анализирует содержание документов, выявляя ключевые элементы, такие как цели исследования, методы, риски и этические аспекты.
На основе анализа модель формирует предварительный отчет, который включает рекомендации и выявленные проблемы.
Эксперт ЛЭК просматривает отчет и принимает окончательное решение.
В таком порядке система рассматривает заявку на проведение клинических исследований
По данным отдела организации клинических исследований, внедрение разработки заметно повысило эффективность работы ЛЭК. За первые пять месяцев система помогла проанализировать более 170 документов — около 11 000 страниц. Время экспертизы ускорилось в пять–шесть раз при сохранении качества, а использование единых критериев позволило устранить субъективные расхождения между экспертами. Одновременно снизилось количество технических ошибок, ускорилось выявление потенциальных нарушений этических и регуляторных требований. Кроме того, каждое новое рассмотрение используется для обучения модели, что постепенно повышает точность работы системы.
Так ИИ не только становится помощником в повседневной работе врачей, но и помогает систематизировать данные, ускоряет экспертизы и снимает часть бюрократических барьеров в научном процессе.
Клиническое заключение
ИИ становится помощником на разных уровнях здравоохранения: в клинике он облегчает работу с документами, поддерживает принятие решений при диагностике и коммуникацию врачей и пациентов, а в медицинских исследованиях берет на себя анализ экспериментальных данных и помогает с организацией клинических испытаний.
По мере того как медицина становится все более высокотехнологичной областью, растет и потребность во взаимодействии с ИТ-сферой. Опыт Yandex Cloud показывает, что объединение врачей, исследователей и разработчиков в рамках единой инфраструктуры позволяет быстро и эффективно решать задачи здравоохранения. Такое взаимодействие делает технологии по-настоящему эффективными.
Важно, что такие решения рождаются внутри профессиональной среды, а не вовне. Мы, как пользователи и разработчики, понимаем реальную боль системы — перегруженность экспертов, медленные согласования, устаревшие регламенты. Поэтому ИИ здесь не эксперимент, а естественная эволюция научно-административной практики.Пётр Пузанов, директор центра цифровых технологий Санкт-Петербургского педиатрического университета
В итоге становится ясно: будущее медицины — в сочетании людей и технологий ИИ, которые дополняют работу специалистов и помогают пациентам. ИИ-решения не заменяют, а дополняют медицинских специалистов, они облегчают их труд, позволяя сосредоточиться на главном — на заботе о пациентах и спасении жизней.
Комментарии