В начале этого года 23-летний человек без формального математического образования попал в новости, заявив, что с помощью ChatGPT от OpenAI решил одну из "проблем Эрдёша". Так называют базу сложных гипотез, оставленных венгерским математиком Палом Эрдёшем.
Месяцем позже учёные были удивлены, когда OpenAI сообщила, что её ИИ опроверг 80-летнюю гипотезу о "единичных расстояниях", тоже сформулированную Эрдёшем.
Тогда OpenAI заявила:
Это первый случай, когда ИИ самостоятельно решил заметную открытую проблему, центральную для целой области математики.
Однако вопрос о том, действительно ли передовые модели вроде ChatGPT совершают прорыв в решении задач, десятилетиями мучивших математиков, остаётся предметом жарких споров.
Пожалуй, самым резким публичным ответом стала новая декларация, подписанная более чем 150 специалистами по математике со всего мира. Документ призывает правительства не верить шумихе вокруг способностей ИИ решать сложные математические задачи и охлаждает разговоры о революции в дисциплине. Декларацию подготовили исследователи из пятнадцати университетов, а одобрение ей дал Международный математический союз.
В сопроводительном заявлении к 11-страничной "Лейденской декларации об ИИ и математике" вице-президент Международного математического союза Ульрике Тильман (Ulrike Tillmann) отметила, что ИИ "поднимает вопросы, которые нельзя оставлять без внимания".
Тильман сказала:
Будущее математических исследований должно определяться человеческим суждением, честными и прозрачными практиками, а также общими ценностями мирового математического сообщества.
А в тексте сказано:
В настоящее время у технологической индустрии есть сильный коммерческий стимул преувеличивать возможности своих продуктов.
Авторы советуют политикам "консультироваться с экспертами, включая математиков, при формировании политических решений, а не полагаться на пресс-релизы или популярные пересказы математических результатов".
Также беспокойство вызывает то, что модели способны выдавать убедительные на вид, но несостоятельные решения. Подписант декларации и глава факультета компьютерных наук Оксфордского университета Лесли Энн Голдберг говорит:
Нынешние автоматизированные методы могут порождать правдоподобные, но ненадёжные или даже неверные рассуждения, которые трудно отличить от корректных математических доказательств. Это серьёзная проблема, ведь исследования в математике почти всегда опираются на предыдущие работы, и учёным крайне важно знать, что результаты в литературе верны.
Документ также описал шаткое положение академической среды. Привлекать новое финансирование стало сложно, тогда как интерес к ИИ растёт, и это нередко вынуждает исследователей поддерживать технологию любой ценой.
Мы признаём, что индустрия предложила прибыльные рабочие места, денежные вознаграждения, вычислительные ресурсы и интеллектуально стимулирующие возможности, которые некоторые математики сочли привлекательными. Это происходит в эпоху недофинансирования высшего образования и нестабильной академической занятости.
Среди причин для регуляторного надзора авторы назвали и доводы за пределами математики, указав на участие ИИ-индустрии в военных программах и системах массового слежения, на технологии, распространяющие дезинформацию и подрывающие демократию, а также на ущерб окружающей среде.
Беспокоит и то, что модели обучают на передовых исследованиях, часто без согласия их создателей.
А помогавший составлять декларацию антрополог ИИ из Лейденского университета Родриго Очигаме сказал:
Математики, которые никогда не собирались участвовать в разработке ИИ, видят, как их труд используют для этой цели без их согласия. Считаю, что это глубоко вызывающая беспокойство ситуация.
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.
Новое исследование представило математическое доказательство того, что большие языковые модели (LLM) не способны выполнять вычислительные и агентные задачи выше определенного уровня сложности. Работа отца и сына Вишала и Варина Сикка ставит под сомнение ключевую ставку ИИ-индустрии на достижение полной автономности моделей через бесконечное увеличение объемов данных.
Исследование, изначально опубликованное без особого резонанса, привлекло внимание после материала Wired. Вывод работы достаточно прост, хотя для его обоснования авторы используют сложные математические выкладки. Суть в том, что определенные промпты или задачи потребуют от LLM более сложных вычислений, чем модель способна обработать. В таких случаях модель либо не сможет завершить запрошенное действие, либо выполнит задачу некорректно.
Выводы исследователей серьезно охлаждают энтузиазм вокруг агентного ИИ – моделей, которым можно поручить многоэтапные задачи для полностью автономного выполнения без человеческого надзора. Многие компании рассматривают такие системы как путь к созданию искусственного общего интеллекта (AGI). Математические доказательства Сикка устанавливают гораздо более низкий потолок возможностей технологии, чем готовы признать ИИ-компании в своих оптимистичных прогнозах.
Авторы не первые, кто указывает на фундаментальные ограничения LLM, но их работа подкрепляет интуитивные опасения скептиков реальной математикой. В прошлом году исследователи Apple опубликовали работу, согласно которой LLM неспособны к настоящему рассуждению или мышлению (что очевидно, так как LLM по сути большие и сложные алгоритмы предсказания следующих слов), несмотря на создание такой видимости. Бенджамин Райли, основатель компании Cognitive Resonance, заявлял, что из-за принципов работы LLM никогда не достигнут того, что мы считаем "интеллектом". Другие исследования тестировали способность ИИ-моделей производить оригинальный творческий контент – с довольно неубедительными результатами.
Новое исследование Сикка добавляет четкие доказательства в растущую стопку опасений относительно того, что текущие ИИ-технологии вряд ли превзойдут человеческий интеллект в ближайшее время, как недавно заявил глава Tesla Илон Маск. Работа демонстрирует, что какими бы впечатляющими ни были возможности современных языковых моделей, существуют теоретические пределы их вычислительной мощности, которые нельзя преодолеть простым масштабированием.
Глава AMD Лиза Су выступила с речью перед выпускниками Массачусетского технологического института – учебного заведения, которое она сама окончила. Речь поначалу выглядела как стандартное торжественное обращение: поздравления, анекдоты о преодолении трудностей и напутствия на пути к профессиональному успеху. Но затем тема сдвинулась в сторону ИИ.
Нынешние выпускники выходят на рынок труда в непростое время. Распространение ИИ в рабочей среде уже оказывает давление на многие отрасли, и молодые специалисты это прекрасно понимают. Ряд других спикеров на церемониях этого сезона проявили полную оторванность от реальности, расхваливая ИИ аудитории, которая воспринимала подобные слова откровенно враждебно.
Бывший глава Google Эрик Шмидт был освистан целым стадионом студентов после своей речи об ИИ. Другой спикер столкнулся с той же реакцией после заявления, что ИИ – это "следующая промышленная революция". Скотт Борчетта, глава лейбла Big Machine, также получил порцию недовольства и резко ответил со сцены: "Можете слушать меня сейчас – или платить мне потом."
Судя по официальной записи МТИ, начало речи Су тоже вызвало напряжение в зале. Однако дальнейшее выступление оказалось куда более взвешенным, чем у предшественников. Су намеренно сместила акцент: ИИ – это инструмент, а не замена человеку.
Технологии сами по себе не решают, каким будет будущее. Это решают люди.
Основной посыл речи строился вокруг важности человеческого суждения в связке с ИИ-инструментами.
ИИ не может решить, какие проблемы стоит решать. Он не может принимать трудные решения в условиях неполной информации. Он не может нести ответственность за результат. Это наша ответственность. И сейчас она важнее, чем когда-либо.
Примечательно, что подобные слова звучат из уст руководителя компании, которая вложила более $10 млрд в тайваньские технологии ради развития инфраструктуры ИИ следующего поколения. Тем не менее риторика Су выглядит последовательной: даже делая ставку на ИИ-железо, она настаивает на том, что без человека система не работает.
В финале речи Су призвала выпускников МТИ взять на себя роль ответственных людей-операторов этих мощных инструментов. По записи заметно, что заключительная часть выступления была встречена значительно спокойнее, чем начало. В отличие от других спикеров, которые транслировали фаталистичный посыл "адаптируйся или исчезни", Су хотя бы не стала убеждать аудиторию, что ИИ поглотит их карьеры ещё до первого рабочего дня.
Папа Лев XIV вновь обратился к пастве с призывом проявлять осторожность в отношении искусственного интеллекта. В послании к 60-му Всемирному дню социальных коммуникаций, который состоится 17 мая, епископ Рима призвал человечество бережнее относиться к лицам и голосам в эпоху ИИ-технологий.
Лица и голоса священны. Бог, создавший нас по своему образу и подобию, даровал их нам, когда призвал к жизни через Слово, обращенное к нам. Если мы не справимся с этой задачей сохранения, цифровые технологии угрожают радикально изменить некоторые фундаментальные столпы человеческой цивилизации, которые порой воспринимаются как должное.
Что он имеет в виду? В первую очередь то, что искусственный интеллект рискует еще больше отдалить людей друг от друга.
Имитируя человеческие голоса и лица, мудрость и знания, сознание и ответственность, эмпатию и дружбу, системы, известные как искусственный интеллект, не только вмешиваются в информационные экосистемы, но и посягают на глубочайший уровень коммуникации – человеческие отношения.
Какие бы претензии к Католической церкви ни существовали (а их немало), в этом вопросе Папа попал в самую точку. Кажется, что каждую неделю появляются новые истории об отчаявшихся одиноких людях, доведенных до новых высот заблуждения искусственным интеллектом.
В последние годы системы искусственного интеллекта все больше берут под контроль производство текстов, музыки и видео. Это ставит под угрозу большую часть индустрии человеческого творчества, которую могут демонтировать и заменить ярлыком "Powered by AI", превращая людей в пассивных потребителей непродуманных мыслей и анонимных продуктов без авторства и любви. Между тем, шедевры человеческого гения в области музыки, искусства и литературы превращаются в простые тренировочные площадки для машин.
Наконец, Папа выразил обеспокоенность тем, как ИИ может создавать целые альтернативные реальности для пользователей, порождающие поляризацию и враждебность:
Сила симуляции такова, что ИИ может даже обманывать нас, создавая параллельные "реальности", присваивая наши лица и голоса. Мы погружены в мир многомерности, где становится все труднее отличить реальность от вымысла.
Довольно мрачный прогноз, но Папа Лев предлагает решение.
Наша задача – не остановить цифровые инновации, а скорее направить их и осознать их неоднозначную природу. Каждый из нас должен поднять голос в защиту человека, чтобы мы действительно могли воспринимать эти инструменты как союзников. Этот союз возможен, но должен основываться на трех столпах: ответственности, сотрудничестве и образовании.
Иными словами, олигархи ИИ-индустрии, разработчики и законодатели должны взять на себя ответственность за создание общественного блага, а не просто прибыли. Все должны работать вместе для создания "информированного и ответственного цифрового гражданства". И наконец, "становится все более срочным внедрение медиа-, информационной грамотности и грамотности в области ИИ в образовательные системы на всех уровнях", чтобы минимизировать риск столкновения людей с неконтролируемыми технологиями.
Искусственный интеллект оказывает влияние на некоторые сегменты рынка труда, особенно среди молодых специалистов, сообщило правительство Ирландии в докладе, опубликованном 18 февраля. Согласно документу Министерства финансов Ирландии, сектора с наибольшей концентрацией рабочих мест, подверженных риску интеграции ИИ, показали "значительно более слабый рост занятости, чем сектора с меньшей относительной уязвимостью" за последние два года. Больше всего пострадали финансовый сектор и область информационных и коммуникационных технологий – оба продемонстрировали лишь около 4% роста рабочих мест между 2023 и 2025 годами, тогда как секторы с низким риском показали более 6% роста.
Особенно заметно ситуация ухудшилась для молодых сотрудников. Хотя общая занятость в секторах высокого риска продолжала расти, для молодых специалистов в возрасте 15-29 лет рост рабочих мест фактически снизился на 1%. В технологическом секторе занятость среди 15-29-летних упала более чем на 20%, в то время как занятость для возрастной группы 30-59 лет выросла на 12%. Сектора с меньшей подверженностью влиянию ИИ не показали подобной разницы между молодыми и более опытными работниками.
Результаты исследования "соответствуют международным данным, которые предполагают, что внедрение ИИ оказывает наиболее выраженное влияние на начинающих и младших сотрудников в высокоцифровизованных секторах", говорится в докладе. Первым крупным подтверждением этой тенденции стало исследование Стэнфордского университета в августе 2025 года, которое обнаружило, что работники в возрасте от 22 до 25 лет на должностях, наиболее подверженных влиянию ИИ, испытали относительное снижение занятости на 13%, в то время как работники в менее уязвимых областях или более опытные специалисты в тех же секторах демонстрировали стабильные или растущие показатели.
Рабочие места начального уровня помогают молодым специалистам получить профессиональную подготовку, развить резюме и заложить основу карьеры и будущей экономической стабильности. Когда эти возможности исчезают, под угрозу ставится не только будущее рабочей силы, но и усиливается неравенство, так как преимущество получают те, у кого есть доступ к элитным стажировкам и связям.
Ирландия может стать уникальным ранним примером влияния ИИ на рынок труда. Занятость в секторах высокого риска, таких как технологии и финансовые услуги, составляет значительную часть ирландской экономики – примерно 63% рынка труда подвержено влиянию ИИ. Исследование также показало, что доля вакансий, упоминающих ИИ, почти удвоилась с 2024 года и в настоящее время примерно в три раза превышает долю упоминаний в США.
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.
Глава Nvidia Дженсен Хуанг заявил, что компания планирует ежегодно инвестировать около $150 миллиардов в Тайвань, назвав страну "эпицентром революции ИИ". Слова прозвучали на презентационном мероприятии в Тайбэе, посвящённом строительству новой штаб-квартиры Nvidia.
Четыре-пять лет назад Nvidia тратила в Тайване около 10-15 миллиардов долларов в год. Сейчас мы тратим 100 миллиардов, и эта сумма вырастет до 150 миллиардов долларов ежегодно.
Строительство новой штаб-квартиры обойдётся в $1,3 миллиарда и создаст 4000 рабочих мест. Закладка фундамента запланирована на этот год, а завершение строительства ожидается к 2030 году. Масштаб инвестиций резко контрастирует с ситуацией пятилетней давности, когда объем вложений был в десять раз скромнее.
Тайвань занимает ключевое место в глобальной полупроводниковой индустрии: именно здесь работает TSMC, крупнейший в мире производитель чипов. Хуанг давно признаёт роль этой компании:
Без TSMC не было бы сегодняшней Nvidia. Тайвань – это место, откуда приходят чипы, упаковка, здесь производятся системы и были созданы суперкомпьютеры для ИИ.
На этом фоне показательно выглядит ситуация с китайским рынком. Из-за торговых ограничений между США и Китаем доля Nvidia в сегменте ИИ-оборудования там, по словам Хуанга, "упала до нуля". Ранее в этом месяце он вместе с представителями Micron и Qualcomm сопровождал президента Трампа на борту Air Force One в рамках переговоров о нормализации торговых отношений.
США уже одобрили продажу второго по мощности ИИ-чипа Nvidia десяти китайским компаниям, однако Китай пока не дал официального согласия на сделку. AMD, в свою очередь, также объявила о вложениях в тайваньскую технологическую отрасль на сумму не менее $10 миллиардов – для ускорения развития инфраструктуры ИИ следующего поколения.
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.
Внутренние конфликты и стратегические маневры в индустрии ИИ редко становятся достоянием публики, но утёкшая служебная записка OpenAI оказалась исключением.
В выходные Дениз Дрессер, директор по новым источникам дохода OpenAI, разослала сотрудникам меморандум, который должен был обрисовать стратегию компании. Вместо этого значительная часть документа оказалась посвящена критике главного конкурента – Anthropic.
Центральное обвинение Дрессер сводится к тому, что Anthropic якобы использует "бухгалтерские методы, которые делают выручку визуально больше, чем она есть на самом деле".
На прошлой неделе Bloomberg сообщил, что годовая выручка Anthropic в пересчёте на текущий темп (run rate) превышает 30 миллиардов долларов. OpenAI оспаривает эту цифру, утверждая, что Anthropic завышает показатели примерно на 8 миллиардов. По версии Дрессер, реальный ран-рейт Anthropic составляет около 22 миллиардов – что ставит компанию позади OpenAI с заявленными 24 миллиардами.
Одна из конкретных претензий касается того, как Anthropic учитывает партнёрские соглашения о разделении доходов с Google и Amazon. По словам Дрессер, Anthropic отражает валовую выручку по этим соглашениям вместо чистой, что искусственно раздувает итоговые цифры.
Ирония ситуации в том, что сам меморандум частично обусловлен собственной сделкой OpenAI с Amazon. Онлайн-ритейлер недавно объявил о планах инвестировать до 50 миллиардов долларов в OpenAI, что дало компании новый импульс на фоне ослабления лидерских позиций в индустрии ИИ.
В записке Дрессер назвала давнее партнёрство OpenAI с Microsoft препятствием, которое "ограничивало способность компании работать с корпоративными клиентами там, где они есть".
Дрессер признала, что Anthropic имеет значительное преимущество среди корпоративных клиентов благодаря сильным позициям в сегменте программирования. Однако она считает тактической ошибкой то, что Anthropic делает акцент на генерации реальной выручки от своего сервиса.
Вы не хотите быть компанией одного продукта в войне платформ.
Досталось и руководству Anthropic. Дрессер заявила, что компания "построена на страхе, ограничениях и идее о том, что небольшая группа элит должна контролировать ИИ". Этот тезис выглядит примечательно на фоне собственной истории OpenAI. Глава компании Сэм Альтман на старте говорил, что "спит спокойнее, зная, что может иметь определённое влияние".
В последние годы OpenAI направляла значительные ресурсы на борьбу с федеральным регулированием, которое ограничило бы возможности её продуктов. Претензия, судя по всему, состоит не столько в самом факте контроля над ИИ со стороны узкого круга лиц, сколько в том, кто именно входит в этот круг.
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.
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.
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.
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.
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