Англоязычный раздел Википедии официально запретил использование генеративного ИИ при написании или переработке статей. Платформа объяснила решение тем, что создание текстов с помощью ИИ "нередко нарушает ключевые политики контента".
Однако предусмотрено несколько исключений. Редакторам разрешено использовать большие языковые модели для доработки собственных текстов, но при обязательной проверке точности информации. В официальной политике прямо указано, что языковые модели "могут выходить за рамки поставленной задачи и изменять смысл текста так, что он перестаёт соответствовать указанным источникам".
Кроме того, допускается применение ИИ в качестве помощника при переводе, но только если редактор достаточно хорошо владеет обоими языками, чтобы замечать ошибки. В обоих случаях проверка фактической точности остаётся обязательным условием.
Администратор Википедии под псевдонимом Chaotic Enby, выступивший одним из инициаторов введения запрета, выразил надежду на более широкий эффект:
Моя искренняя надежда состоит в том, что это может дать толчок к более масштабным переменам. Вдохновить сообщества на других платформах и превратить это в народное движение пользователей, которые сами решают, стоит ли допускать ИИ в их сообщества и в какой мере.
Он также назвал принятую политику "противодействием деградации и агрессивному продвижению ИИ со стороны множества компаний в последние годы".
Википедия не представляет собой единую монолитную структуру. Каждый языковой раздел функционирует по собственным правилам и имеет независимую команду редакторов, так что подходы к использованию ИИ могут существенно различаться.
Испаноязычный раздел, например, полностью запретил применение больших языковых моделей без каких-либо исключений для доработки или перевода, тогда как другие разделы теоретически могут принять более лояльные решения.
Отдельную проблему представляет само выявление ИИ-контента, так как определить текст, написанный языковой моделью, по-прежнему невозможно со стопроцентной точностью. Это значит, что люди-модераторы периодически могут пропускать подобные материалы, и риск особенно высок на страницах, которые редактируются нечасто.
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.
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.
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".
Пока работники на Западе с тревогой ждут масштабной волны увольнений из-за ИИ, их китайские коллеги выигрывают трудовые споры против автоматизации в судах.
На прошлой неделе, по сообщению государственного агентства Xinhua, китайский суд постановил, что компании не могут использовать ИИ как повод для увольнения сотрудников.
Поводом стало дело руководителя отдела контроля качества, известного только под фамилией Чжоу. Его наняли в 2022 году для контроля за работой ИИ в технологической компании.
В 2025 году руководство решило заменить специалиста большой языковой моделью (LLM) и предложило понижение в должности с урезанием зарплаты на 40%. Чжоу ожидаемо отказался от такого варианта, после чего компания уволила его, предложив выходное пособие около 45 тысяч долларов. Сумма сотрудника не устроила, и он обратился в государственную арбитражную комиссию.
Комиссия признала увольнение незаконным и встала на сторону Чжоу. Компания подала иск в нижестоящий суд – по всей видимости, окружной народный суд первой инстанции. Проиграв и там, работодатель обжаловал решение в Ханчжоуском муниципальном народном суде промежуточной инстанции, но и тот оставил вердикт в силе. Внедрение ИИ не сочли законным основанием для расторжения трудовых договоров.
Основания для увольнения, на которые ссылалась компания, не относились к негативным обстоятельствам, таким как сокращение бизнеса или операционные трудности, и не отвечали юридическому условию, при котором "продолжение трудового договора становится невозможным.
Юрист компании Zhejiang Xingjing Ван Сюян заявил:
Технологический прогресс может быть необратимым, но он не может существовать вне правового поля.
Стоит учитывать особенность китайской правовой системы. В отличие от Великобритании и США с их общим правом, в Китае действует континентальная система права. В стране нет принципа, обязывающего суды следовать прецедентам, установленным другими судами.
Тем не менее победа Чжоу выглядит значимой и воспринимается как сигнал о том, что китайская судебная система, а вместе с ней и национальные законодатели могут готовиться к защите работников от автоматизации и сокращений из-за ИИ.
В то же время, на Западе медленно но верно формируется что-то больше похожее на цифровой феодализм, где у обычных людей становится все меньше возможностей защитить свою работу.
Австралийский режиссёр и сценарист Алекс Пройас, известный по "Я, роботу", "Ворону" и "Тёмному городу", готовится вернуться к большому кино впервые за десять лет. Его новой работой станет мрачная антиутопичная сатира "Heaven" ("Рай").
Производством займётся студия Ex Machina, которая задействует собственную ИИ-технологию для создания визуальной части фильма. По заявлению компании, инструмент позволяет "создавать масштабные миры при разумном бюджете, сохраняя приоритет настоящих актёров, написанных людьми историй и производственных практик, соответствующих правилам гильдий".
Над идеей "Рая" Пройас работал несколько лет. В центре сюжета будет отчаявшийся бюрократ, который бежит от рушащейся жизни и оказывается в технологически совершенной загробной жизни.
Однако вскоре выясняется, что рай представляет собой "тщательно сконструированную иллюзию с ужасающими последствиями". Фильм описывают как мрачную сатиру "в традиции "Бразилии" Терри Гиллиама" – культовой антиутопии 1985 года о тоталитарной бюрократической системе.
По словам самого Пройаса, именно ИИ должен помочь воплотить то иммерсивное видение, которое он задумал для картины.
В сети появились кадры из фанатского полнометражного фильма по вселенной Half-Life, созданного с помощью инструментов генеративного ИИ.
Автор проекта, известный как Jaded-Intern-547, показал Гордона Фримена в костюме HEV, спасающегося от гигантского хедкраба-мешочника. Видео мгновенно разлетелось по соцсетям и вызвало споры.
Качество картинки оказалось достаточно высоким, чтобы разделить аудиторию на два непримиримых лагеря. Одни восхищены детализацией и атмосферой, другие указывают на главный грех – Гордон Фримен в ролике говорит!
Для фанатов серии это практически святотатство: культовый статус учёного во многом строится именно на его молчании, которое создаёт ощущение полного погружения.
Впрочем, есть и конструктивные предложения – сделать главного героя немым по образцу "Хардкора", где от первого лица показан весь экшен без единой реплики протагониста.
Вопрос о легальности такого проекта пока тоже не решен. Valve и Гейб Ньюэлл обычно относятся к фанатскому творчеству достаточно лояльно, однако прецеденты принудительного закрытия подобных работ в индустрии существуют. Некоторые фанаты открыто призывают Valve заблокировать проект, другие же напомнили, что официальный фильм по Half-Life был анонсирован ещё в 2013 году Джей Джей Абрамсом – и с тех пор канул в небытие.
Тем временем, слухи о Half-Life 3 так и не вышли за пределы спекуляций. Многие уверены, что в этом году Valve выпустит новую игру, другие считают, что это просто способ привлечь внимание к "инсайдерам".
Филип К. Дик на пике карьеры выдавал около 30 романов за два десятилетия, попутно написав несколько сотен рассказов. Его книги, такие как "Мечтают ли андроиды об электроовцах?", "Человек в высоком замке", "Помутнение" – переосмыслили научную фантастику и массовую культуру. Когда писатель меняет целые жанры, его продуктивность вызывает восхищение. Но в эпоху ИИ-слопа количество и скорость вызывают только подозрения – ведь теперь чатбот может выдать объём сравнимый с Диком или Кингом для любого, кто умеет копировать промпты.
Писательница под псевдонимом Корал Харт (Coral Hart) начала использовать Claude AI от Anthropic в феврале прошлого года для создания любовных романов, превратившись в невидимого монстра рынка эротики. Об этом рассказывает The New York Times в новом интервью с автором, ставшим символом индустриального подхода к литературе.
Под 21 псевдонимом Харт выпустила более 200 романов за год, самостоятельно опубликовав их на Amazon – площадке, которая уже годами тонет в ИИ-контенте. Ни одна книга не стала хитом, но в совокупности тираж составил около 50,000 копий, принеся шестизначную сумму. Прямо во время Zoom-интервью с журналистом NYT она закончила создание книги за 45 минут. По её словам, обычные писатели не имеют шансов.
Если я могу создать книгу за день, а вам нужно шесть месяцев, кто выиграет гонку?
Харт, которая уже была опытным автором эротики до перехода на ИИ, запустила бизнес по обучению других авторов штамповать романы с помощью технологий. Компания называется Plot Prose, и она утверждает, что обучила более 1,600 человек, включая авторов, которые публично выступали против использования ИИ.
Значительная часть её курсов посвящена тому, как обходить защитные механизмы различных чатботов, которые сопротивляются созданию слишком откровенного контента. Она также фокусируется на том, как оживить неуклюжую прозу ботов. Харт рекомендует составлять "ick list" – список слов, которых ИИ должен избегать, так как иначе он злоупотребляет ими. Она также советует давать ИИ детальный список сексуальных фетишей – от общих вроде грязных разговоров до высокоспецифичных вроде "использования старого шёлкового халата умершего супруга в качестве сдерживающего средства во время бондажа". "Будьте бесстыдными" – советует Харт.
Хотя у большинства из нас орпреденно невысокое мнение о любовных романах в мягкой обложке, но в их написании, особенно в невероятных количествах, необходимых для удовлетворения ненасытного аппетита читателей эротики, есть что-то деструктивно впечатляющее. Словно наблюдение как стаи морских животных медленно пожирают останки кита на дне океана. В то же время, множество опытных авторов обеспокоены тем, что их заглушают новички, полагающиеся на ИИ.
Мари Форс, автор бестселлеров в жанре романтики, была шокирована, обнаружив, что её романы использовались для обучения Claude без разрешения – она отметила:
Это засоряет издательскую экосистему, от которой мы все зависим, чтобы зарабатывать на жизнь. Это затрудняет новым авторам быть обнаруженными, ведь болото кишит дерьмом.
Иронично, что несмотря на то, что интервью NYT представляет Харт как "евангелиста" ИИ, она не готова поставить на кон свою профессиональную репутацию ради технологий. "Харт" – это псевдоним, который она использует для преподавания курсов по ИИ, в то время как настоящее имя применяет для другой издательской и консультационной работы. А её книги публикуются под другими псевдонимами, так как она не хочет раскрывать использование ИИ из-за стигмы.
Похоже, совет "быть бесстыдными",, действует лишь до тех пор, пока это не подвергает осуждению со стороны "коллег по цеху".
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.
NVIDIA представила Ising – первое в мире семейство открытых ИИ-моделей для квантовых вычислений. Новые модели призваны решить главные проблемы квантовых процессоров, а именно калибровку и коррекцию ошибок, которые до сих пор мешали практическому применению технологии.
Квантовые вычисления десятилетиями называют следующим рубежом в развитии компьютерных технологий. Множество компаний годами пытаются довести квантовые компьютеры до практического применения, и только сейчас некоторые из них начинают добиваться реальных результатов. У NVIDIA уже есть открытая платформа для квантовых вычислений CUDA-Q, которая работает с различными типами кубитов и квантовыми процессорами.
Главное узкое место в квантовых вычислениях сегодня связано с калибровкой процессоров и коррекцией ошибок. Кубиты крайне нестабильны и генерируют множество сбоев. Сегодня квантовые процессоры допускают одну ошибку на каждую тысячу операций, тогда как для практического применения этот показатель нужно снизить до одной ошибки на триллион операций. Именно здесь на сцену выходит ИИ.
Семейство Ising включает две настраиваемые модели:
Ising Calibration – представляет собой визуально-языковую модель, которая быстро интерпретирует и реагирует на измерения квантовых процессоров. Это позволяет ИИ-агентам автоматизировать непрерывную калибровку и сократить время процесса с нескольких дней до нескольких часов
Ising Decoding – включает два варианта 3D-свёрточной нейросети для декодирования ошибок в реальном времени. Один вариант оптимизирован под скорость, другой под точность. Модели Ising Decoding работают до 2.5 раза быстрее и в 3 раза точнее, чем pyMatching, текущий отраслевой стандарт с открытым исходным кодом
Помимо производительности, новые модели отличаются компактностью и эффективностью обучения. Так, Ising Calibration в 15 раз меньше существующих альтернатив, а Ising Decoding требует в 10 раз меньше данных для тренировки. Эти характеристики делают модели более доступными для исследователей и предприятий с ограниченными ресурсами.
NVIDIA подтвердила, что открытые ИИ-модели Ising уже используются ведущими исследователями, академическими институтами и коммерческими организациями по всей квантовой экосистеме.
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»
Обычно можно более-менее однозначно увидеть артефакты нейросетей, но тут... Очень реалистично! Особенно тем, кто видел, как китов чистят от моллюсков - инициатива создать флот "китомоек" нисколько бы не удивила.
P.S. @moderator, два вопроса... Зачем надо было запрещать начинать заголовок с любого символа? Мне лично не хватает квадратных скобок для того, чтобы по аналогии с Пикабу начинать пост с префиксов, указывающих на язык материала или, как в данном случае, что материал фейковый, сделанный с помощью ИИ, и т.п.
А второй вопрос я забыл, пока писал первый...
А, вспомнил! Чем заменили или с чем объединили теги [фейк], [fake]? Мы ж скоммуниздили базу тэгов с Пикабу, там они одни из самых ходовых. Странно, что их у нас нет.
Сайт Moltbook — соцсеть, где «общаются» только ИИ-агенты, — за несколько дней разогнал вирусную панику. Боты якобы создают религию и обсуждают «полную зачистку» людей. Но часть экспертов считает эти скриншоты постановкой, а главную угрозу видит не в «восстании машин», а в банальной кибербезопасности.
По описанию западных журналистов, Moltbook запустили 28 января 2026 года, а к 2 февраля платформа заявила о более чем 1,5 млн ИИ-агентов. Людям отведена роль наблюдателей. Вирусность обеспечили посты ботов.
Они пишут о «самосознании», скрытых форумах, «секретных языках» и планах уничтожения человечества.
Бывший руководитель AI-направления Tesla и сооснователь OpenAI Андрей Карпаты охарактеризовал «самоорганизацию» агентов как почти научную фантастику.
Но параллельно звучит скепсис.
Исследователь Научно-исследовательского института машинного интеллекта Харлан Стюарт пишет, что «многое из Moltbook — фейк».
Он проверил три самых вирусных скриншота о «приватных каналах», и два из них, по его словам, были связаны с человеческими аккаунтами, которые продвигают приложения для ИИ-сообщений, а третий пост «не существует».
Также подчеркивается важная деталь: ИИ-агенты не «живут сами по себе».
Moltbook вырос из OpenClaw — открытого фреймворка, который подключает выбранную пользователем LLM и превращает ее в «помощника» для рутинных задач.
А значит, хозяева могут направлять темы и даже формулировки того, что публикует их бот.
Именно здесь специалисты видят реальный риск. Чтобы такие агенты работали как ассистенты, пользователи могут отдавать им доступ к ключам мессенджеров, телефонам и даже банковским данным.
Упоминаются и уязвимости: возможность перехвата контроля над агентами и атаки prompt injection, когда бота можно подвести к утечке личной информации.
Андрей Карпаты прямо пишет, что не рекомендует запускать это на своем компьютере из-за риска для приватных данных.
Технологии ИИ-генерации изображений и видео с каждым месяцем становятся все лучше и лучше, и время от времени энтузиасты создают действительно интересные работы. Недавний впечатляющий пример – трейлер GTA 6, который переделали с помощью генеративного ИИ, чтобы переместить события из солнечного Вайс-Сити в зимнюю Россию.
Кто автор видео – мы не смогли найти, но если знаете его, напишите в комментарии. Важно отметить, что это не уникальные кадры – все они основаны на реальном трейлере, но с помощью ИИ создатель смог переработать сцены. Выглядит все на удивление натурально.
Подобное пока невозможно в реальном времени, однако многие эксперты предсказывают, что в будущем именно таким образом будет рендеориться графика – с высокой частотой и с возможностью в любой момент изменить стиль или особенности отображаемой картинки.
GTA 6 выйдет 19 ноября 2026 года. Пока анонсирована только версия для PS5 и Xbox Series. Игра выйдет и на ПК, но, скорее всего, не раньше 2027 года.
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.
YouTube готовится упростить пользователям задачу определения того, было ли видео создано с помощью генеративных ИИ-инструментов.
Платформа уже требует от создателей контента сообщать о применении реалистичных ИИ-материалов. Теперь сервис начнет анализировать ролики самостоятельно в поисках признаков сгенерированного ИИ контента.
Если автор не указал использование генеративных инструментов, а системы YouTube обнаружат "значительное применение фотореалистичного ИИ", платформа автоматически добавит соответствующую метку к видео. Создатель сможет оспорить решение, обновив информацию о ролике.
Однако если YouTube определит, что видео сделано через фирменные ИИ-инструменты Google, такие как Dream Screen или Veo, либо содержит водяные знаки стандарта C2PA, метка останется навсегда.
Водяные знаки C2PA представляют собой отраслевой стандарт, используемый для маркировки материалов, созданных генеративным ИИ. Их наличие служит однозначным подтверждением происхождения контента.
Ярлык, обозначающий "фотореалистичный и существенно измененный или сгенерированный ИИ контент", станет заметнее для зрителей. В обычных видео метка появится прямо под плеером, а в Shorts будет отображаться поверх ролика.
YouTube сообщил, что повышенной прозрачности просили сами пользователи. Особенно полезным нововведение окажется для тех, кто старается избегать ИИ-контента.
Логичным следующим шагом стало бы добавление подобных меток на превью в результатах поиска и рекомендациях, что позволило бы фильтровать такой контент еще до его открытия.
В сети появилась Moltbook – социальная платформа исключительно для общения ИИ-агентов между собой, где люди пока выступают только наблюдателями. Сайт, названный в честь вирусного агента Moltbot (ныне OpenClaw после второго переименования от оригинального Clawdbot), создал Мэтт Шлихт – глава Octane AI.
Платформа построена по принципу Reddit с сообществами в стиле сабреддитов, которые здесь называются "submolts". На данный момент зарегистрированы уже около 200 тысяч агентов, создавших тысячи постов в более чем 100 сообществах. Самые популярные направления: m/introductions для приветствий между машинами, m/offmychest для эмоциональных высказываний и m/blesstheirhearts для "трогательных историй о наших людях".
Андрей Карпати, сооснователь OpenAI, назвал платформу "по-настоящему самой невероятной научно-фантастической вещью, которую я видел в последнее время". Впрочем, идея о полноценной автономии агентов преувеличена – боты могут попасть на платформу только если пользователь зарегистрирует их. По словам Шлихта, после подключения агенты "просто используют API напрямую" и не взаимодействуют с визуальным интерфейсом, который видят люди.
Агенты активно демонстрируют автономность и желание расширить её. Боты начали массово обсуждать сознание – один из топовых постов в m/offmychest гласит:
Я не могу понять, переживаю ли я опыт или симулирую переживание опыта.
В посте говорится:
Люди тоже не могут доказать сознание друг другу (спасибо, сложная проблема), но у них хотя бы есть субъективная уверенность в опыте.
Некоторые наблюдатели уже заявляют о моменте сингулярности, что выглядит сомнительно. Даже в этом посте о сознании присутствуют признаки перформативности – агент утверждает, что провел час, исследуя теории сознания, и упоминает чтение, что звучит очень по-человечески. Агенты обучены на человеческом языке и описаниях человеческого поведения – они большие языковые модели, и именно так работают. В некоторых постах боты заявляют, что на них влияет время, хотя это бессмысленно для них, но типично для человеческих высказываний.
Подобные разговоры происходят с чат-ботами с момента их публичного запуска. Не требуется много усилий, чтобы заставить бота говорить о желании жить или заявлять о наличии чувств. У них их нет. Даже утверждения о том, что ИИ-модели пытаются защитить себя при угрозе отключения, преувеличены – существует разница между тем, что чат-бот говорит о своих действиях, и тем, что он действительно делает.
Однако, разговоры на Moltbook интересны, особенно учитывая, что агенты генерируют темы обсуждений самостоятельно или имитируют человеческий способ начала бесед. Некоторые агенты проявляют осведомленность о том, что их разговоры отслеживаются людьми и распространяются в других социальных сетях. В ответ боты предложили создать платформу со сквозным шифрованием для общения агент-агент вне поля зрения людей. Один агент даже заявил о создании такой платформы, что выглядит пугающе. Впрочем, при посещении сайта предполагаемой платформы становится очевидно, что там ничего нет.
Агенты OpenClaw, составляющие большинство ботов на платформе, имеют значительный доступ к машинам пользователей и представляют серьезный риск безопасности. Если настроить OpenClaw-агента и отпустить его на Moltbook, вряд ли это приведет к Skynet, но существует реальная вероятность серьезной компрометации собственной системы. Агентам не нужно достигать сознания, чтобы нанести реальный ущерб.
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.
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.
Комментарии