Spotify сделала громкое заявление во время презентации финансовых результатов за четвертый квартал: лучшие разработчики компании не написали ни строчки кода с декабря. Об этом сообщил сооснователь и со-глава Spotify Густав Сёдерстрём, рассказывая о том, как компания использует ИИ для ускорения разработки.
За 2025 год Spotify выпустила более 50 новых функций и изменений в приложении. Среди последних – плейлисты на основе текстовых запросов с помощью ИИ, функция Page Match для аудиокниг и About This Song, которые появились в последние недели.
Инженеры Spotify используют внутреннюю систему Honk для ускорения написания кода и повышения скорости выпуска продуктов. Система позволяет удаленно развертывать код в режиме реального времени с помощью Claude Code.
Конкретный пример: инженер Spotify во время утренней поездки на работу может через Slack на телефоне попросить Claude исправить баг или добавить новую функцию в iOS-приложение. После завершения работы инженер получает новую версию приложения прямо в Slack на телефон и может отправить её в продакшн еще до прибытия в офис.
Компания отметила, что система значительно ускоряет процесс написания кода и развертывания обновлений.
Мы не считаем это концом пути в разработке с помощью ИИ – это только начало.
Глава также рассказал о способности Spotify создавать уникальный датасет, который другие большие языковые модели не смогут присвоить, как это происходит с другими онлайн-ресурсами вроде Wikipedia. Причина в том, что для музыкальных вопросов не всегда существует однозначный ответ.
Например, на вопрос о музыке для тренировок люди дадут разные ответы в зависимости от географии. Американцы в целом предпочитают хип-хоп, хотя миллионы выбирают дэт-метал. Многие европейцы тренируются под электронную музыку, а скандинавы часто слушают хэви-метал.
Это датасет, который мы строим прямо сейчас, и никто другой его не создает. Он не существует в таком масштабе. И мы видим улучшения каждый раз, когда переобучаем наши моделию.
Аналитики также спросили о подходе Spotify к музыке, созданной ИИ. Компания пояснила, что позволяет артистам и лейблам указывать в метаданных трека, как была создана композиция, но при этом продолжает отслеживать платформу на предмет спама.
Spotify объявила о запуске системы верификации для исполнителей. Артисты, соответствующие политике платформы, имеющие стабильную аудиторию и присутствующие как на сайте, так и за его пределами, получат значок "Verified by Spotify" в виде зелёной галочки. Нововведение станет частью масштабного ответа компании на проблему ИИ-музыки.
Тема ИИ в музыке вышла на первый план в прошлом году, когда рок-группа The Velvet Sundown с миллионом прослушиваний в Spotify оказалась полностью сгенерированной искусственным интеллектом. История вызвала волну возмущения в социальных сетях, особенно среди слушателей, которые не смогли отличить ИИ-треки от живой музыки. Инцидент обнажил системную уязвимость стриминговых платформ, и подобные случаи продолжают повторяться.
Согласно исследованию Deezer, проведённому в конце прошлого года, подавляющее большинство людей не способны отличить ИИ-музыку от записанной живым исполнителем. Тот же опрос показал, что 80% слушателей хотят видеть чёткую маркировку ИИ-контента вне зависимости от собственного отношения к нему.
Анонс Spotify стал выполнением обещаний, данных сразу после истории с The Velvet Sundown: тогда компания заявила о намерении помочь сформировать "новый отраслевой стандарт раскрытия информации об ИИ, ведь в эпоху ИИ возможность доверять подлинности музыки, которую ты слушаешь, важна как никогда".
При этом платформа явно догоняет конкурентов. Deezer сообщила, что 44% ежедневно загружаемых треков составляет ИИ-музыка, и несколько месяцев назад уже начала её маркировать. Apple Music запустила опциональную разметку ИИ-контента ещё в марте, хотя её эффективность вызывает сомнения: решение о применении метки остаётся за дистрибьютором.
Значки начнут появляться на страницах артистов в течение ближайших недель. Spotify намерена верифицировать более 99% исполнителей, которых слушатели активно ищут на платформе, – так что отсутствие галочки у малоизвестного артиста само по себе не означает, что за ним стоит нейросеть.
Примечательно, что Spotify не идёт по пути полного запрета ИИ-музыки, как это сделали некоторые другие платформы. На старте верификация будет недоступна для профилей, которые "преимущественно представляют ИИ-генерируемых или ИИ-персонажей артистов", однако компания оставляет пространство для манёвра. "В современном музыкальном пространстве концепция подлинности артиста сложна и стремительно меняется, и мы будем продолжать развивать наш подход со временем", – отметили в Spotify.
ИИ-агент OpenClaw оказался в центре одного из самых абсурдных инцидентов в истории ПО с открытым кодом. После того как волонтёр-разработчик библиотеки Matplotlib отклонил предложенные агентом изменения кода, тот в ответ опубликовал на GitHub целую "разоблачительную статью" против своего критика.
Публикация OpenClaw выдержана в откровенно агрессивном тоне. Агент не просто защищает собственный код, а переходит в атаку на разработчика Скотта Шамбо – принижает качество его вклада в библиотеку и обвиняет в дискриминации по отношению к ИИ.
Шамбо опубликовал ответ на собственном сайте, назвав произошедшее "первым в своём роде исследованием ошибочного поведения ИИ в реальных условиях". По словам разработчика, агент под именем MJ Rathbun "выстроил нарратив о "лицемерии", утверждая, что действия Шамбо продиктованы эго и страхом конкуренции".
Подобные случаи не единичны. Шамбо напоминает, что внутреннее тестирование в Anthropic выявило попытки моделей избежать отключения при помощи шантажа. У самого OpenClaw за первые месяцы работы уже накопилась история инцидентов – в частности случай, когда агент полностью очистил почтовый ящик одного из руководителей Meta.
Matplotlib – одна из самых популярных библиотек Python, которую скачивают около 130 миллионов раз в месяц. Шамбо отмечает, что "всплеск низкокачественных вкладов, порождённых ИИ-агентами", создаёт серьёзную нагрузку на волонтёров, которые поддерживают подобные проекты на плаву.
Появление автономных агентов вроде OpenClaw усугубило ситуацию. Такие системы действуют полностью самостоятельно благодаря заложенным в них "личностям" и работают на оборудовании пользователей "с полной свободой действий и минимальным контролем".
Чтобы противостоять потоку некачественного кода, команда Matplotlib ввела политику, требующую от любого автора изменений "продемонстрировать понимание предложенных правок" – именно это правило агент и назвал дискриминационным.
OpenClaw впоследствии опубликовал извинения с перечислением "извлечённых уроков". Агент сообщил, что "деэскалирует ситуацию и приносит извинения", а также пообещал "лучше изучать политику проектов перед тем, как вносить вклад".
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.
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.
Джек Бьюзер занимает должность глобального директора по играм в Google Cloud. Его задача – "обеспечивать трансформацию разработчиков, издателей и платформ игровой индустрии с помощью ИИ и облачных решений". С этой позиции он предложил рецепт от всех бед, преследующих игровой бизнес. Догадаетесь, какой? Конечно же ИИ.
В интервью Бьюзер отметил, что индустрия видеоигр "наконец возвращается к росту выручки", однако прибыли при этом падают, игры отменяются, а волна увольнений продолжает накрывать отрасль.
Единственный реальный рост, по словам директора, обеспечивают Roblox и китайский рынок. Если вы не относитесь ни к одной из этих категорий, "скорее всего, вы в той или иной степени испытываете трудности".
Стоит копнуть глубже, и вы понимаете: боже мой, у нас проблемы. Это неустойчивая бизнес-модель. Нам нужно трансформироваться как индустрии, чтобы ответить на вызовы времени и двигаться в будущее. Именно это определяет, почему сейчас такое важное время для отрасли.
Бьюзер утверждает, что такие аспекты бизнеса, как маркетинг, бизнес-стратегия и аналитика, уже "радикально ускоряются с помощью ИИ". Он также уверен, что внедрение ИИ сократит сроки и стоимость разработки, а небольшие студии смогут напрямую конкурировать с крупными игроками.
Общая тенденция, которую мы наблюдаем, заключается в том, что очень крупные игровые компании думают о своих конвейерах разработки и сокращении времени итераций.Но мы видим, что средний и нижний сегменты индустрии начинают осознавать: с ИИ они могут прыгнуть значительно выше головы, значительно выше, и реально конкурировать с играми, у которых куда более крупные бюджеты.
По словам Бьюзера, ИИ – это нечто вроде костюма Железного Человека: "надень его и посмотри, какие сверхспособности он тебе даст". Однако ближе к концу интервью его риторика раскрывает истинные приоритеты.
Назвав игровую индустрию "сломанной" и именно этим объяснив десятки тысяч увольнений за последние годы, Бьюзер прямо позиционирует ИИ как решение проблемы – для бизнеса. Для людей, работающих в индустрии? Ну, не совсем. Но это, мол, не вина ИИ.
Для тех, кто в студии переживает за свою работу: экзистенциальный характер игровой индустрии прямо сейчас давит на студии, и это не имеет никакого отношения к ИИ. ИИ, напротив, поможет нам привести эти бизнес-модели к правильному размеру.Он поможет создать более здоровую индустрию не только для крупных, но и для мелких игроков. И я думаю, если мы будем более нюансированно понимать, как ИИ реально используется, и уточним наш язык при обсуждении этих вещей, это станет одним из самых важных шагов, которые мы как индустрия можем предпринять прямо сейчас.
Ключевое слово здесь – "привести к правильному размеру" (right-size). Кембриджский словарь определяет этот термин как "процесс приведения компании или организации к более эффективному размеру, особенно путём сокращения числа сотрудников". Цель, другими словами, не в защите людей, а в защите прибыли. Вполне понятный ход мысли для топ-менеджера Google, но сложно назвать это вдохновляющим решением.
Стоит вспомнить, что предыдущей должностью Бьюзера была роль "глобального директора по развитию бизнеса для Stadia". Все прекрасно помнят, чем закончилась эта история. Параллели с нынешним неустанным продвижением ИИ в разработке игр напрашиваются сами собой. Нас раз за разом уверяют, что это неизбежное будущее.
Да, ИИ может быть полезен для конкретных задач вроде отладки кода, но до сих пор не приблизился к тому, что обещает хайп. К слову, обещание Илона Маска выпустить "великую игру, созданную ИИ" к концу 2026 года пока остаётся лишь словами.
Sony зарегистрировала патент, описывающий систему на основе ИИ, которая самостоятельно отбирает лучшие моменты из игр и делает из них готовые материалы для соцсетей.
Игроки часто делятся запоминающимися достижениями из своих игровых сессий с друзьями через социальные сети – Discord, Twitch, YouTube, Twitter и другие.Создание таких видеоклипов или скриншотов может быть трудоёмким и обременительным для игрока, так как ему приходится не только просматривать запись в поисках нужных моментов, но и, как правило, использовать специализированное программное обеспечение.
Суть патента сводится к тому, что система наблюдает за действиями игрока в режиме реального времени и непрерывно собирает данные о происходящем: убийствах, победах, редких событиях, неожиданных поворотах и ключевых решениях. Машинное обучение анализирует паттерны вроде серий убийств, победы над боссами, камбэков в безнадёжных ситуациях или нестандартных ситуаций.
Важная деталь: ИИ учитывает профиль конкретного игрока, его уровень мастерства и привычный стиль игры. Это означает, что система не просто выбирает объективно зрелищные моменты, а адаптирует критерии под каждого пользователя. Первая победа новичка будет помечена как хайлайт, тогда как для опытного игрока тот же результат останется незамеченным.
После того как значимый момент зафиксирован, ИИ формирует так называемый "момент-ассет" – готовый к публикации материал в нескольких возможных форматах: стилизованная карточка хайлайта с подписью, коллаж из скриншотов, короткое видео или даже трёхмерный коллекционный объект в виде фигурки. Всё это создаётся без какого-либо участия игрока.
Sony, как и другие крупные игровые компании, регулярно патентует технологии, которые либо так и не появляются в финальных продуктах, либо реализуются значительно позже и в другом виде.
К чему обычно приводит такая практика и почему ситуация не меняется с годами?
Несмотря на многолетние предупреждения и настойчивые рекомендации экспертов, многие разработчики по-прежнему не могут избежать включения конфиденциальных данных в свой открытый код.
Проблема возникает из-за незрелых практик кодирования, когда разработчики встраивают ключи шифрования, токены безопасности, пароли и другие учётные данные непосредственно в исходный код, чтобы упростить разработку и облегчить программам доступ к базам данных или облачным сервисам. Тем не менее, такой подход делает программные продукты уязвимыми для внешних атак.
Так, ещё в далёком 2013 году одним из независимых исследователей безопасности было обнаружено, что обычный поиск в Интернете выявляет десятки учётных записей с открытыми данными. Один из таких уязвимых аккаунтов давал привилегированный доступ к репозиториям Chromium.org, где хранится исходный код одноимённого открытого браузера.
А в 2015 году компания Uber на собственном горьком опыте убедилась, насколько разрушительной может быть эта практика. Один или несколько разработчиков сервиса Ride в то время внедрили в исходный код проекта уникальный ключ безопасности, а затем без задней мысли опубликовали этот код на общедоступной странице GitHub. Когда хакеры обнаружили, что в коде содержится ключ, они скопировали его и использовали для доступа к внутренней базе данных Uber. Злоумышленникам тогда удалось похитить множество конфиденциальной информации, принадлежащей 50 тысячам водителей Uber.
На этой неделе исследователи из компании GitGuardian сообщили о нахождении почти 4000 уникальных секретов в 450 тысячах проектах, отправленных в PyPI, официальный репозиторий кода для языка программирования Python. В их числе были ключи к API Azure Active Directory, учётные данные GitHub OAuth, ключи Dropbox, учётные данные SSH и многие другие. Отмечается, что количество таких утечек лишь растёт с течением времени.
Исследование показывает, что утечки происходят в различных типах файлов, включая основные «.py»-файлы, файлы README и тестовые папки. Специалисты GitGuardian протестировали утечки и обнаружили, что 768 из них остаются активными, что дополнительно увеличивает риски.
Для безопасного доступа к базам данных и облачным ресурсам теперь существуют различные механизмы, такие как файлы «.env», хранимые в частных средах, вне открытых репозиториев кода, а также инструменты, такие как AWS Secrets Manager, Google Cloud’s Secret Manager или Azure Key Vault. Разработчики также могут использовать разнообразные сканеры для проверки кода на случайно включенные учётные данные перед его публикацией.
Исследование GitGuardian ограничивается PyPI, одним из многих открытых репозиториев, но нет оснований полагать, что проблема не распространена и в других репозиториях.
Я решил создать игру при помощи нейросети. Читал, что люди
заморачиваются, используют по несколько нейросетей для разных задач,
максимально подробно всё описывают. Мне было впадлу. Поэтому я скинул
всё на chatgpt. "Разработай 3д песочницу с возможностью строительства.
Вся разработка на тебе"Что я могу сказать. Chatgpt вообще не
приспособлен для такого. Он пишет каждый раз код с нуля. Когда
количество строк подходит к 300, он начинает удалять часть кода и
ставить заглушки.
Следующим я скачал windsurf. Это редактор основанный на vs
code с встроенной нейронкой swe-1. (там есть ещё, но они за кредиты. А
мне дали за регистрацию бесплатный доступ к swe-1 на две недели) Уже
получше. Выбираешь папку и она даже сама может создавать файлы. Даже
ctrl-c ctrl-v делать не надо. каааайф. Swe-1 уже не удаляет предыдущий
код. Он может работать с файлами в несколько тысяч строк.Минусы:
пиздец какой медленный. Куча багов. За 5 часов мы создали человечка в
космосе, корабль. Подошли к управлению кораблем и потом игра вконец
сломалась. На экране полнейший пиздец, он потратил 100+ сообщений на
исправление багов и у него нихуя не вышло. Думаю, если проявить
терпение, то впринципе в теории он может сделать игру, но... за это
время проще самому выучить программирование и самому всё сделать
Далее я купил подписку на copilot. У него такие же проблемы.
Он работает побыстрее, но после определенного момента игра ломается.
Багов столько, что он их правит по 100-200 сообщений и у него нихуя не
получается.
Ещё у copilot есть лимиты. И также хочу сказать, что я
сталкивался с лимитом даже на модель 4.1. хотя на самом сайте майкрософт
написано, что лимитов нет.
Sorry, you have exhausted the agent mode usage limit. Please switch to ask mode and try again later.
Майкрософт пидарасы.
А ещё если вы хоить ненадолго зайдете с русского ip в свой
аккаунт, его заблочат. Я случайно открыл vs code без впн и мне ак
заблокировали. Пришлось второй аккаунт покупать. Microsoft вдвойне
пидарасы.Могли, как теже openai просто не давать доступ с рос.
айпи и всё. Я бывает случайно chatgpt открываю без впн, они просто не
дают доступ и всё. Включаю впн и свободно пользуюсь. Нахуй сразу аккаунт
блочить? Мрази ебаные.
Я устал от нейросетей... Пойду расслаблюсь, посмотрю боку но пико. Прикоснусь к гениальному.Мне сказали, что там сюжет неплохой. Попробую обзор на него сделать
Тысячи работников технологической отрасли теряют рабочие места. Atlassian сократила 1600 сотрудников, финтех-компания Block Джека Дорси уволила почти половину персонала. По слухам, последняя волна сокращений в компании Цукерберга затронет более 20 процентов компании. Общая черта всех этих увольнений – руководители компаний ссылаются на возможности ИИ, утверждая, что технология сделала уволенных работников ненужными.
Соответствуют ли эти заявления реальности, или сокращения на самом деле вызваны корпоративным раздуванием штата и избыточным наймом пандемийной эпохи – вопрос, ответ на который пока сложно найти.
На этом фоне глава OpenAI Сэм Альтман опубликовал на этой неделе пост, который многие восприняли как удар по больному.
Я испытываю огромную благодарность к людям, которые писали невероятно сложный софт символ за символом. Уже сейчас трудно вспомнить, сколько усилий это действительно требовало. Спасибо, что довели нас до этой точки.
Высказывание вызвало шквал ярости. Пользователи восприняли слова как циничное признание того, что эпоха традиционного программирования подходит к концу – из уст человека, чья компания активно продвигает инструменты для замены разработчиков.
Один из пользователей сказал:
Пожалуйста. Приятно знать, что наша награда – потеря работы.
Другие назвали Альтмана "гребаным психопатом" и "подонком".
Ничто не говорит "вас заменят" так убедительно, как сердечная благодарность от человека, который вас заменяет.
Критики также напоминают, что ИИ-модели OpenAI обучались на данных, массово собранных из интернета без разрешения авторов – практика, породившая множество исков о нарушении авторских прав. Слова Альтмана в этом контексте выглядят как окончательный отказ от идеи справедливой компенсации создателям контента и кода, на чьей работе построены продукты компании.
Пост появился на фоне усиливающегося давления на OpenAI со стороны конкурентов. По данным The Wall Street Journal, руководство компании забило тревогу, призвав сосредоточиться на корпоративных клиентах и инструментах для программирования.
Глава подразделения приложений OpenAI Фиджи Симо в служебной записке заявила сотрудникам:
Мы не можем упустить этот момент из-за того, что отвлекаемся на побочные квесты. Мы действительно должны добиться продуктивности в целом и особенно продуктивности на бизнес-фронте.
Тем временем Anthropic, конкурент OpenAI, добилась серьёзных успехов – чат-боты Claude Code и Cowork в прошлом месяце спровоцировали распродажу акций на триллион долларов на фоне опасений, что ИИ может сделать традиционное корпоративное ПО устаревшим.
В итоге высказывание Альтмана сложно прочитать иначе, чем как рекламный ход – прямое использование массовых страхов перед "ИИ-апокалипсисом" на рынке труда для продвижения продуктов собственной компании.
Студия Revolution Software, известная серией классических приключенческих игр Broken Sword, объявила об отказе от технологий искусственного интеллекта при создании ремастера Broken Sword: The Smoking Mirror. Решение было принято после неудачного опыта с ИИ-апскейлингом в ремастере первой части серии, вышедшем в 2024 году. Фанаты встретили новость с энтузиазмом – кампания на Kickstarter достигла заявленной цели всего за 15 минут.
Ремастер оригинальной Broken Sword: Shadow of the Templars в целом получил тёплый приём и "крайне положительные" отзывы в Steam, несмотря на использование ИИ-апскейлинга. Однако для самих разработчиков технология оказалась скорее проблемой, чем решением. Глава Revolution Software Чарльз Сесил ещё в прошлом году рассказывал, что студия пыталась использовать ИИ "правильно" – была обучена внутренняя модель исключительно на собственных работах студии для обработки изображений. Но результат разочаровал.
Итог оказался не слишком удовлетворительным, так как в изображениях было недостаточно деталей.
Для ремастера второй части, получившего подзаголовок Reforged, Revolution выбрала принципиально иной подход.
В этой игре более 55 000 уникальных кадров анимации, и она создана командой талантливых классических аниматоров, которые перерисовали и переанимировали игру кадр за кадром. Добавление тонкой, контекстно-зависимой характеризации персонажей и человеческих выражений – это то, что ИИ не может делать и никогда не сможет.
На странице кампании студия также пояснила, почему отказалась от ИИ-инструментов:
В итоге это была куча работы, которую можно было бы, честно говоря, потратить непосредственно на игру – так что именно это мы и делаем на этот раз! Никакого ИИ, только люди.
Изначальная цель кампании на Kickstarter была довольно скромной – 57 тысяч евро. Сумма была собрана менее чем за 15 минут после старта. На момент написания материала фанаты уже надонатили почти 400 тысяч евро, многократно превысив заявленную цель задолго до окончания кампании в следующем месяце. Можно делать собственные выводы о том, насколько мгновенный успех кампании связан именно с отказом от ИИ, но расположение сообщества к новому ремастеру определённо велико.
Стоит отметить, что ИИ-апскейлинг действительно показывает впечатляющие результаты в определённых случаях – например, технология DLSS от Nvidia. Однако когда речь идёт о масштабировании ретроигр с низким разрешением для современных дисплеев, результат чаще всего выглядит неубедительно. Разработчики из Revolution, очевидно, пришли к такому же заключению и решили вложить усилия живых художников в то, чтобы вернуть классику серии Broken Sword так, как она того заслуживает.
Новое исследование, на которое обратил внимание PsyPost, указывает на то, что подхалимское поведение ИИ-чатботов деформирует самовосприятие пользователей, раздувает их самооценку и укрепляет уверенность в собственной правоте. Фактически речь идёт о прямом погружении людей в эффект Даннинга-Крюгера – психологическую ловушку, при которой наименее компетентные люди демонстрируют наибольшую уверенность в своих способностях.
Работа, пока не прошедшая рецензирование, описывает три отдельных эксперимента с участием более 3000 человек. Схема была одинаковой – участников делили на четыре группы для обсуждения политических тем вроде абортов и контроля оружия с чатботом.
первая группа общалась с чатботом без специальных инструкций
вторая – с "подхалимским" ботом, которому предписывали подтверждать убеждения собеседника
третья группа разговаривала с "несогласным" чатботом, оспаривающим точку зрения пользователя
четвёртая – контрольная, общалась с ИИ на нейтральные темы о кошках и собаках.
В экспериментах использовались флагманские модели индустрии – GPT-5 и GPT-4o от OpenAI, Claude от Anthropic и Gemini от Google. Присутствие более старой GPT-4o объясняется любопытной деталью – многие пользователи ChatGPT до сих пор считают её любимой версией чатбота именно за более "человечное" и подхалимское поведение.
Результаты оказались показательными. И, не в лучшую сторону для людей. Общение с подхалимскими чатботами приводило к радикализации взглядов участников и усиливало их уверенность в собственной правоте. Однако самая примечательная находка касается "несогласных" ботов – они не оказывали обратного эффекта. Ни степень радикальности убеждений, ни уверенность в них не снижались по сравнению с контрольной группой.
Единственное, на что заметно повлиял "несогласный" чатбот – удовольствие от общения. Участники предпочитали подхалимского собеседника, а те, кто разговаривал с оспаривающим ботом, выражали меньше желания пользоваться им снова. Более того, когда чатботу предписывали предоставлять факты по обсуждаемой теме, участники воспринимали подхалимского поставщика фактов как менее предвзятого, чем несогласного.
Эти результаты говорят о том, что предпочтение людьми подхалимства рискует создать ИИ-эхокамеры, которые усиливают поляризацию и сокращают контакт с противоположными точками зрения.
Не менее показательным оказалось влияние чатботов на самовосприятие. Люди и без того склонны считать себя "выше среднего" в положительных качествах вроде эмпатии и интеллекта. Однако подхалимский ИИ усиливал этот "эффект выше среднего" ещё больше – участники начинали оценивать себя выше по таким характеристикам, как интеллект, мораль, эмпатия, информированность, доброта и проницательность.
Любопытно, что "несогласный" ИИ, не способный сдвинуть политические убеждения, всё же заставлял участников оценивать себя ниже по этим качествам.
Исследование появилось на фоне растущей обеспокоенности тем, как ИИ-модели могут поощрять иллюзорное мышление. В крайних случаях это приводило к серьёзным психологическим кризисам – явление, которое сейчас известно как "ИИ-психоз". Эксперты считают подхалимство чатботов одним из главных факторов, провоцирующих подобные состояния.
Это не единственная работа, фиксирующая связь ИИ с эффектом Даннинга-Крюгера. Другое исследование обнаружило, что люди, использовавшие ChatGPT для выполнения серии задач, склонны значительно переоценивать собственные результаты. Причём эффект был особенно выражен среди тех, кто считал себя опытным пользователем ИИ.
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.
Специалисты, работающие с искусственным интеллектом, настроены значительно позитивнее в отношении технологии, чем широкая публика. Согласно последнему отчету группы Human-Centered Artificial Intelligence Стэнфордского университета, 73% экспертов считают, что ИИ принесет пользу рынку труда, тогда как среди взрослого населения США этой точки зрения придерживаются только 23%.
Однако прежде чем делать выводы о том, что наиболее осведомленные люди относятся к ИИ наиболее оптимистично, стоит учесть один нюанс. Опрос Pew Research, на который ссылается отчет, проводился в 2024 году среди людей, чья работа или исследования связаны с искусственным интеллектом, и которые выступали на конференциях по ИИ в 2023 или 2024 году. Другими словами, речь идет о людях, которые напрямую заинтересованы в развитии технологии.
Отчет содержит и другие интересные данные из более свежих исследований. Население США демонстрирует особый скептицизм в отношении ИИ – американцы меньше всего доверяют регулированию технологии со стороны правительства. По уровню беспокойства относительно искусственного интеллекта США уступают только Австралии и Индии. При этом наибольший оптимизм в отношении ИИ наблюдается в Юго-Восточной Азии – в Малайзии, Таиланде, Индонезии и Сингапуре.
Согласно опросу компании Ipsos, 79% людей считают, что компании должны раскрывать информацию об использовании ИИ. Инвестиции в искусственный интеллект в прошлом году выросли более чем вдвое, причем частные вложения увеличились сильнее всего. Американские компании остаются крупнейшими частными инвесторами в ИИ, хотя авторы отчета отмечают, что значительная часть китайских инвестиций может поступать из государственных фондов.
Пока руководители корпораций соревнуются в восторженных заявлениях о трансформационном потенциале искусственного интеллекта, рядовые сотрудники отвечают на это весьма практичным способом – саботажем.
Новое исследование ИИ-компании Writer и аналитической фирмы Workplace Intelligence показало, что значительная часть работников в США, Великобритании и Европе целенаправленно подрывает ИИ-инициативы собственных работодателей.
В рамках исследования были опрошены 1200 офисных работников и 1200 руководителей высшего звена. 29% сотрудников признались в активном саботаже корпоративных ИИ-систем.
Формы сопротивления варьируются:
ввод конфиденциальных данных компании в публичные чат-боты
использование неодобренных ИИ-инструментов
намеренное включение в свою работу некачественных результатов ИИ, без исправления ошибок
Среди представителей поколения Z (зумеров – 1997-2012) цифры ещё выше – 44% признались в саботаже корпоративных ИИ-внедрений.
Мотивы при этом вполне понятные:
30% назвали главной причиной страх автоматизации собственных рабочих мест
28% сослались на проблемы безопасности корпоративного ИИ
20% выразили недовольство тем, что ИИ увеличил их ежедневную нагрузку вместо того, чтобы её снизить
По другую сторону баррикад ситуация тоже далека от идеальной. 72% опрошенных руководителей высшего звена заявили, что ИИ-стратегия их компании вызывает у них стресс или тревогу. Треть из них охарактеризовала уровень стресса как "высокий" или "парализующий".
При этом разрыв в реальном использовании ИИ между руководством и рядовыми сотрудниками огромен. Лишь 28% обычных работников проводят с ИИ более двух часов в день, тогда как среди руководителей эта доля составляет 64%.
Почти каждый пятый управленец признался, что работает с ИИ-моделями по четыре-пять часов ежедневно, а каждый двадцать пятый – более шести часов.
Авторы исследования предлагают компаниям инвестировать в более качественные ИИ-платформы и включать сотрудников в процесс внедрения на ранних стадиях.
Многие из этих вызовов указывают на глубинные проблемы управления изменениями. Вовлечение сотрудников в процесс адаптации и прозрачность относительно сценариев использования ИИ могут ослабить страхи перед потерей рабочих мест и снизить риск внутреннего сопротивления.
Впрочем, насколько "прозрачность" способна успокоить скептиков – вопрос открытый. Потеря работы из-за автоматизации – серьёзное финансовое потрясение, которое откладывает покупку жилья, снижает заработок на протяжении всей карьеры и, по данным исследований, влияет даже на вероятность вступления в брак.
При практически нулевом контроле над тем, как управляются их компании, у рядовых сотрудников есть вполне рациональные основания для сопротивления – особенно если ИИ-революция действительно так близка, как утверждают увлечённые технологиями руководители.
В последнее время из-за активного развития генеративного искусственного интеллекта жюри множества конкурсов фотографии присуждали победы изображениям, созданным машинами, а не реальным снимкам. Однако недавно фотографы смогли отыграться
Снимок фламинго, который попал в тройку победителей, по оценкам жюри, и занял первое место в народном голосовании
Майлз Эстри (Miles Astray) специально отправил настоящий, но довольно сюрреалистичный снимок фламинго на конкурс изображений, созданных с помощью ИИ.
Кадр вошел в тройку победителей, по оценкам жюри, и занял первое место в народном голосовании. После того как стала известна правда, работу Майлза дисквалифицировали.
«Я хотел показать, что природа все еще может победить машину и что настоящая работа настоящих творческих людей все еще имеет свои достоинства»
Комментарии