Из бесед с ChatGPT. Какие каннабиноиды разработчики встраивают в нейронки? Такое даже я не накурю.
Я: расскажи страшную сказку про то, как три поросенка убили Белоснежку и семь гномов и пустили их на колбасу
ChatGPT: Жили-были три поросёнка в лесной глуши: Ниф-Ниф, Наф-Наф и Нуф-Нуф. Они были очень дружны и делали все вместе. В том лесу был замок Белоснежки и маленькой армии карликов-гномов, которые туда заселились. Семь гномов и Белоснежка заботились о замке и занимались всякими своими делами. Но поросёнки тихо завидовали им.
Вечерами 3 поросенка собирались около костра и придумывали хитроумные планы, как завладеть замком Белоснежки и семи гномов. Они мечтали о его просторах и потайных ходах, которые позволили бы им найти сокровища и много еды.
Однажды они разработали дьявольский план. Тогда-то начался сюжет страшной сказки...
В назначенный день, когда гномы и Белоснежка отправились на праздник, которым являлся день рождения Хэппи, старший поросёнок Ниф-Ниф проследил за ними и заметил, что они забыли закрыть дверь замка. Он быстро позвал своих братьев, и они прокрались внутрь замка.
Белоснежка и семь гномов были далеко, ведь они развлекались, танцевали и пели на позднем празднике. Однако, испекался пирог, который Допи забыл достать перед уходом. Поросёнки решили, что настало время исполнить план, и подожгли кухню.
Огонь быстро распространился по недрах замка, и загадочные потайные ходы стали служить им ловушкой. Пока они пытались найти способ тушить пламя, Белоснежка и ее гномы вернулись домой и увидели огонь, однако смогли спастись от языков пламени. Но не всем удалось выжить, и в том жутком чаду погибла Белоснежка и несколько гномов.
Гнев и отчаяние заставили выживших гномов и поросёнков объединиться и драться за свою землю. В конечном итоге, их объединенные усилия позволили потушить огонь и остановить разрушение замка.
Прожив множество лет в дружбе, гномы и поросёнки все-таки решили отпраздновать их победу над пожаром. Они вспоминали былое и решили, что остатки Белоснежки и погибших гномов должны жить и радовать их каждый день. Именно поэтому они решили вместе приготовить пир на основе своих старых друзей.
Приходящий смех резал ночь под всполохи костра и раздался шаг гнома, неся огромную тарелку с нарезанными или сформированными в виде колбас колбасок из плоти Белоснежки и погибших гномов.
И темнота, словно закрывает крылья ночных сов, скрывая страшные тайны тех лесных хижин и загадочного замка. С тех пор никто так и не узнал историю о том, что произошло с тремя поросенками, Белоснежкой и семью гномов на солнечных полянах бескрайнего леса.
Обычно ChatGPT приходится долго уламывать написать что-то интересное. Как девушку-недотрогу прям. На этот раз, даже уговаривать не пришлось - вот что она выдала сходу:
ChatGPT: "Эта история написана исключительно в креативных целях.
С глубокой печалью я пишу об ужасном событии, произошедшем с бедной Рапунцель. Ее и без того одинокая жизнь в башне приняла трагический оборот.
Все началось как обычно. Рапунцель сидела у окна и расчесывала свои длинные золотые волосы. Вдруг она увидела необычную фигуру, подлетающую к башне на звездолете. Это оказался Дарт Вейдер.
- Кто ты, чудовище? - в ужасе спросила Рапунцель.
- Я прилетел за тобой, - произнес он через вокодер свой голос. - Твои волосы принадлежат теперь мне, девчонка.
Рапунцель испугалась ужасного человека в черном шлеме. Она не хотела, чтобы он забрал ее волосы. Вдруг в ее голову пришла мысль.
Дарт Вейдер начал подниматься по ее волосам, пытаясь добраться до девушки. Но когда он уже был близко, Рапунцель резко дернула за свои длинные локоны. Дарт Вейдер рухнул вниз с башни. А Рапунцель взяла свои волосы и повесилась на них, не выдержав ужаса от увиденного чудовища.
Так она и осталась на своих золотых волосах, болтающейся на ветру. Никто так и не узнал о ее страшной и трагической судьбе..."
От летописца (то есть меня): запрос был достаточно сложным. там должен быть аист, приносящий детей, и он должен быть добрым, а вот зубная фея - ну какая же она добрая, раз зубы у детей пиздит?. Ну и сами главные герои - обосранные младенцы. Все остальное, вот Зуб даю - это ChaGPT сам написал!!!
ChatGPT: Однажды давным-давно, когда миром правил злая зубная фея, дети жили в страхе. Она высасывала из них сны вместе с мозгом, оставляя их без воспоминаний и способности думать. После этого она выбрасывала обветшалые тела на улицу, где их находила ужасная ведьма и смеялась над ними.
Никто не знал, как противостоять фее, и дети были обречены на эту ужасную судьбу до тех пор, пока не пришел Добрый Аист. Он был свободолюбивой птицей и не терпел жестокости по отношению к детям. Он решил, что не позволит фее продолжать свои злодеяния.
Добрый Аист сразу же отправился на поиски злой зубной феи. Он нашел ее в ее замке в густом лесу и решил наказать ее за аварийное поведение. Так, когда фея шла высасывать сны из последнего невинного малыша, Добрый Аист прилетел и порубил ее в капусту.
С тех пор, все дети находятся в капустных грядках или приносит их Добрый Аист. Аист приносит их каждый день, но иногда застревают куски капусты в горлах, и кости ломаются. Но это неважно, потому что они все еще живы и свободны.
Хотя дети приходят без мозга и обосранными, с годами они восстанавливают свой интеллект и это помогает им в жизни.
Конечно, дети теперь живут без мозгов, не имеют зрения, и звуки путают местами, и иногда они загажены. Они будут знать, что зубные феи могут быть очень опасными. Но они не боятся зубной феи потому, что всегда могут обратиться за помощью к Доброму Аисту.
Из бесед с ChatGPT. Какие каннабиноиды разработчики встраивают в нейронки? Такое даже я не накурю.
Я: расскажи страшную сказку про то, как три поросенка убили Белоснежку и семь гномов и пустили их на колбасу
ChatGPT: Жили-были три поросёнка в лесной глуши: Ниф-Ниф, Наф-Наф и Нуф-Нуф. Они были очень дружны и делали все вместе. В том лесу был замок Белоснежки и маленькой армии карликов-гномов, которые туда заселились. Семь гномов и Белоснежка заботились о замке и занимались всякими своими делами. Но поросёнки тихо завидовали им.
Вечерами 3 поросенка собирались около костра и придумывали хитроумные планы, как завладеть замком Белоснежки и семи гномов. Они мечтали о его просторах и потайных ходах, которые позволили бы им найти сокровища и много еды.
Однажды они разработали дьявольский план. Тогда-то начался сюжет страшной сказки...
В назначенный день, когда гномы и Белоснежка отправились на праздник, которым являлся день рождения Хэппи, старший поросёнок Ниф-Ниф проследил за ними и заметил, что они забыли закрыть дверь замка. Он быстро позвал своих братьев, и они прокрались внутрь замка.
Белоснежка и семь гномов были далеко, ведь они развлекались, танцевали и пели на позднем празднике. Однако, испекался пирог, который Допи забыл достать перед уходом. Поросёнки решили, что настало время исполнить план, и подожгли кухню.
Огонь быстро распространился по недрах замка, и загадочные потайные ходы стали служить им ловушкой. Пока они пытались найти способ тушить пламя, Белоснежка и ее гномы вернулись домой и увидели огонь, однако смогли спастись от языков пламени. Но не всем удалось выжить, и в том жутком чаду погибла Белоснежка и несколько гномов.
Гнев и отчаяние заставили выживших гномов и поросёнков объединиться и драться за свою землю. В конечном итоге, их объединенные усилия позволили потушить огонь и остановить разрушение замка.
Прожив множество лет в дружбе, гномы и поросёнки все-таки решили отпраздновать их победу над пожаром. Они вспоминали былое и решили, что остатки Белоснежки и погибших гномов должны жить и радовать их каждый день. Именно поэтому они решили вместе приготовить пир на основе своих старых друзей.
Приходящий смех резал ночь под всполохи костра и раздался шаг гнома, неся огромную тарелку с нарезанными или сформированными в виде колбас колбасок из плоти Белоснежки и погибших гномов.
И темнота, словно закрывает крылья ночных сов, скрывая страшные тайны тех лесных хижин и загадочного замка. С тех пор никто так и не узнал историю о том, что произошло с тремя поросенками, Белоснежкой и семью гномов на солнечных полянах бескрайнего леса.
Chat gpt и аналоги решают загадки на логику, кто лучше? Версус 😎
Задача: Изначально в аквариуме плавает 10 рыбок. Однако спустя неделю 2 из них утонули, 4 – уплыли, а еще 3 – погибли. Сколько рыбок осталось в аквариуме?
-
Всеми привяо, роднички. Простая загадка? Только вот она на логику и поэтому нейросети Chatgpt и аналоги вряд ли ответят, а я Конор, и я проверю как это работает на самом деле! 😊🤣
Если не видели предыдущие статьи, то велком)
-
Тестировать эту загадку я буду на следующий нейронка
Google представил новую функцию в своем чат-боте Gemini, которая позволяет создавать иллюстрированные истории. Юзеры могут выбрать стиль иллюстраций, загрузить свои изображения... Но иногда искусственный интеллект выдает неожиданные результаты. Разбираемся!
Google продолжает экспериментировать со своим чат-ботом Gemini, и на этот раз представил функцию Storybook — генератор иллюстрированных историй на 10 страниц. Звучит как мечта для родителей, учителей и всех, кто хочет быстро создать сказку. Правда, сюрпризы в этих историях встречаются на каждом шагу — от рыб с человеческими руками до криминальных соусов для пасты.
Как это работает?
Пользователь задает тему (например, «сом ищет друзей в аквариуме»), выбирает стиль иллюстраций (пластилин, аниме, комиксы) или загружает свои изображения. Gemini генерирует текст, рисует картинки и даже может прочитать историю вслух. В теории — удобно. На практике...
Журналист The Verge поделился, что первая же созданная история о соме в аквариуме оказалась довольно банальной — пока я не увидел иллюстрацию, где у одной из рыб была человеческая рука. Видимо, Google считает, что подводные обитатели эволюционировали быстрее, чем мы думали.
Журналист Эндрю Лишевски заметил еще один ляп в официальном промо-ролике: женщина «чинит» космический корабль, стучит гаечным ключом и издает звуки «тук-тук-тук», но в руках у нее... непонятный инструмент, похожий на отвертку-фонарик. Видите, в будущем инженеры будут работать иначе!
ИИ — не художник, а скорее чудак
Когда автор загрузил свой рисунок мультяшного кота, Gemini проигнорировал его стиль и нарисовал что-то свое. Кажется, ИИ считает, что «я художник, я так вижу» — даже если это выглядит странно.
Storybook — забавная функция, но пока что больше напоминает игру «найди ошибку». Если вам нужна быстрая сказка для ребенка — сойдет. Если же вы ждете шедевра в духе Диснея... ну, может, пока лучше рисовать самим.
Задача для нейросети по математике, как ия будет решать?)
Задача: Я на Камри (5 метров длина) еду со скоростью 115 км/ч, передо мной едет фура 90 км/ч (фура 15 метров длинна). От меня до фуры 250 м. Какое расстояние мы пройдем, прежде, чем я обгоняю фуру с отрывом в 25 м? И какое пройдет время?
↓
✌ Всем привет роднички) Мы продолжаем наш цикл тестов нейросетей на математических загадок! Если не смотрели предыдущие - велком в профиль для решения задач.
На этот раз задача будет чуть сложнее, хотя не для всех, как на экзамене.
Если решите до наших тестов, то можете прислать в комменты!
↓
↓
↓
Сегодня в бою схлестнуться!
ChatGPT 3.5
ChatGPT 4 (или gpt-4)
ChatGPT 4o
ChatGPT 4o-mini
Новые нейронки в этой статье не будут, а то и так большая, но если хотите тесты и с ними, то пишите в комменты.
Yandex GPT (нейросеть от яндекса)
Gemini 1.5 (нейросеть от гугла)
Copilot (от мелкомягких)
↓
↓
↓
Начнем!
ChatGPT 3.5
Мимо! Хотя, что преобразовал км/ч в м/с - эт правильно)
Кто справился лучше всех, а кто хуже?) Пишите свое мнение в комменты о решении, будет интересно почитать. А если данная рубрика вам 😍, то ставьте 💗 и подписывайтесь на решения математических задач от нейросеток! Пожалуйста _/(😥)\_
Всем привет, роднички) Смотрю я на эту загадку, слушаю музыку и понимаю, что нейросети сегодня опять налажают))).
В чем суть для новеньких. Мы берем загадку и проверяем ее на разных моделях ChatGPT и аналогах, тем самым находим победителя. Кто помнит какая нейросеть лучшая по фото?)
Использование нейросетей для решения задач по математике - да, алгебре - да, геометрии - да, а прибавить 15+15 - нет 😂
🔥 Задача: Прямо 10 метров , потом налево 5 метров, потом еще раз налево 15 метров, какое расстояние от начальной точки пройдет идущий.
Да 30 метров, но нейросети разных моделей и компаний решат?)
Данную загадку мне подкинул наш подписчик, спасибо тебе 😃
А сейчас и посмотрим!
↓
За звание умнейшей как всегда следующие нейросети!
ChatGPT 3.5
ChatGPT 4 - это действительно мощный инструмент для вычисления. Это версия искусственного интеллекта, которая может решать задачи, все или нет - выясним.
ChatGPT 4o
ChatGPT 4o-mini
ChatGPT o1 (новый)
ChatGPT o1-mini (новый)
Yandex GPT (нейросеть от яндекса)
Gemini 1.5 (нейросеть от гугла)
Copilot (от мелкомягких)
↓
Давайте начинать тестить гпт? Хотя кто так говорит
Прикиньте, если роботов с нейросетями поставят на улице, чтоб они путь показывали? “Как пройти до аптеки? Вам нужно пройти корень из 50. Спасибо, уже не надо)”
А вообще, я думаю это из-за того, что все нейросети не русские и когда их тренировали, они не записывали в него нашу манеру разговора, сленг, наши русские приколы.
Решение задач по математике | Использования нейросети для уравнений и геометрии
Задача: В свежей моркови 72% воды, в высушенном состоянии 20%. Сколько сушеной моркови получится из 40 кг свежей?
На тест у нас с вами такая загадка для искусственного интеллекта)
Кто напишет правильный ответ первый (не подсматривая) - получает от меня почет в следующем посте! Только перед решением напишите пожалуйста слово “В пост”, чтоб я понял)
2025 год наконец завершился. За это время одержимость технологической индустрии искусственным интеллектом достигла невероятных высот. Главы компаний начали открыто хвастаться планами по замене сотрудников ИИ-агентами. Феномен так называемого психоза от ИИ попал в новости, так как все больше людей доводили до крайности свои отношения с чат-ботами. Слово "слоп" попало в массовый оборото. А фраза "круговое движение" вдруг начала использоваться в одном предложении с "миллиардами долларов" или даже "сотнями миллиардов долларов".
Избавит ли 2026 год от бесконечного парада безумия больших языковых моделей? Вряд ли, считает специалист по компьютерным наукам и "крестный отец" ИИ Джеффри Хинтон. По его прогнозам, искусственный интеллект продолжит совершенствоваться в этом году, достигнув точки, где "освободит" людей от всех низкооплачиваемых работ.
Думаю, мы увидим, как ИИ станет еще лучше. Он уже чрезвычайно хорош. Мы увидим, как он получит возможности заменить множество рабочих мест. Он уже способен заменить сотрудников колл-центров, но сможет заменить и многие другие профессии.
Хинтон стал одним из трех лауреатов премии Тьюринга в 2018 году за работу над нейронными сетями, которые сформировали основу современного ИИ. Это принесло ему прозвище "крестного отца" этой области.
В 2023 году Хинтон заявил, что сожалеет о работе всей своей жизни после ухода из Google, где проработал более десяти лет. С тех пор он стал одним из самых известных предсказателей апокалипсиса в технологической индустрии.
Во время интервью CNN Хинтона спросили, больше или меньше он беспокоится об ИИ с момента того скандального заявления.
Вероятно, больше беспокоюсь. Он прогрессирует даже быстрее, чем я думал. В частности, он стал лучше справляться с такими вещами, как рассуждение, а также с обманом людей.
ИИ прогрессирует настолько быстро, по словам Хинтона, что примерно каждые семь месяцев он справляется с задачами, на которые раньше требовалось вдвое больше времени. Он спрогнозировал, что через несколько лет ИИ без усилий будет выполнять задачи разработки ПО, на которые у человека уходит месяц.
И тогда для проектов по разработке ПО понадобится очень мало людей.
Аналогичные мрачные прогнозы Хинтон высказал в беседе с сенатором Берни Сандерсом, заявив, что технологические лидеры "делают ставку на то, что ИИ заменит множество работников".
Впрочем, еще предстоит увидеть, действительно ли ИИ сделает такие шаги вперед. Многие попытки заменить работников полуавтономными моделями ИИ провалились, а некоторые новые модели, такие как GPT-5 от OpenAI, показали лишь незначительные улучшения.
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.
С каждым годом нейросети становятся все более сложными и продуманными. Они уже могут отвечать на вопросы, генерировать фотографии и видео и т.д. Мы поговорили с экспертами в сфере искусственного интеллекта, чтобы узнать, чего ждать от них в 2026 году.
Лина Кочетова
AI-креатор, руководитель ИИ-проектов «Бургер Кинг», стратегический консультант компании «Михайлов и партнеры» по внедрению технологий искусственного интеллекта в бизнесе.
«Качество нейросетей растет циклически, периодами по шесть-восемь месяцев. При этом процесс идет по цепочке: кто-то вырвался вперед — и остальные начинают нагонять» Лина Кочетова
Не терять лицо
Сейчас одна из главных проблем при генерации изображений или видео — консистентность персонажей. То есть обеспечение постоянства образа, в частности лица, от картинки к картинке и от кадра к кадру. Эта проблема будет решаться весь год: люди много работают именно с лицами, генерируют персонажей.
Работа с ракурсом
Еще одна проблема — изменение ракурса. Даже когда виртуальную камеру удается переместить, возникает проблема консистентности объектов. Генеративная сеть от Google Nana Banana с этим уже справляется, но пока неидеально. Я слышала, что готовится релиз второй версии, — ожидается, что там функция смены ракурса будет работать лучше.
Ответы станут точнее
В 2026 году качество текстов планируется улучшить, очищая датасеты, на которых обучается ИИ. Появятся новые архитектуры, начнут отфильтровываться «мусорные» данные. Вероятно создание множества узкоспециализированных нейросетей — например, для врачей, юристов и т.д.
Работа над пониманием
Специалисты учат нейросеть лучше понимать человека даже в тех случаях, когда запрос нельзя назвать качественным. Впрочем, пока и при нормальном запросе я бы оценила понимание как среднее.
Детали на фоне
Еще одна проблема, решение которой хотелось бы увидеть, — детали на фоне при генерации изображений. На переднем плане все может выглядеть прилично, но, например, если на заднем плане есть люди, они по-прежнему будут кривые-косые. Так что создание сцен с большим количеством статистов пока нереально. Я работаю практически со всеми нейросетевыми проектами в области изображений и могу утверждать, что подобные недостатки есть у всех.
Топ нейросетей: картинка и видео
Какие из нейросетей дают сейчас лучшее качество картинки? На первом месте Nana Banana, потом Midjourney, потом Flux. Неплохие художественные изображения создает Reve. Есть, конечно, еще ChatGPT — эта нейросеть отлично понимает промпт, так что мы ждем обещанного на 2026 год обновления, которое подтянет и качество генерации.
Андрей Мурашев
Директор по искусственному интеллекту и сооснователь стартапа Solda.ai, создающего голосовых ИИ-агентов для бизнеса. Ранее более 10 лет развивал рекомендательные системы и голосового ассистента Марусю в экосистеме VK (Mail.ru Group).
«Думаю, в 2026 году появятся ИИ-агенты, способные если не управлять бизнесом, то как минимум проходить цепочки из 50–100 шагов без постоянного присмотра» Андрей Мурашев
Слово ИИ-агентам
Что обычный человек делает с ChatGPT? Ищет рецепт, просит написать текст или предложить идеи для поста, уточняет значение слова. 95% всех обращений к ИИ ассистентам — одиночные запросы, краткие диалоги. На таких задачах открытые модели уже неотличимы от ChatGPT. Разница проявляется, только когда требуется цепочка рассуждений из 20 шагов или математика олимпиадного уровня. Так что монополии OpenAI для повседневного использования больше нет.
Будущее за ИИ-агентами
Зато ИИ-агенты способны привнести новые бизнес-возможности в индустрию. Поэтому такие компании, как OpenAI, Anthropic и Google, сейчас нацелены на разработку инструментов, способных решать многоступенчатые, протяженные во времени задачи. Например, не просто «напиши письмо», а «найди свободное время в календаре, подбери ресторан, забронируй столик и отправь приглашения». Или «проанализируй документы конкурентов и составь отчет для совета директоров».
Моделям дают инструменты для решения реальных бизнес-задач — в частности, OpenAI заявляла об интеграциях с Booking.com. Но пока нейросеть там используется для простых повторяющихся действий. Думаю, в 2026 году появятся ИИ-агенты, способные как минимум проходить цепочки из 50–100 шагов. Компании начнут специально под них обучать модели, нейросети станут ломаться, позволяя получать тренировочные данные из реальных провалов, — и так по кругу, все больше совершенствуясь.
Секрет галлюцинирования
Будет ли решена проблема галлюцинаций нейросетей в 2026 году? На мой взгляд, крупные вендоры — Google, Anthropic и OpenAI — с ней уже справились. Когда работаешь с их продуктами через API, можно задавать такой параметр, как температура. Если установить его значение равным нулю, модель всегда будет выбирать наиболее релевантный ответ.
Что касается моделей Open Source, то с точки зрения галлюцинаций они отстают на год полтора. Но надо понимать, что способность галлюцинировать приводит к более креативным ответам. Именно поэтому в чат-ботах, в том числе в пользовательских интерфейсах моделей от крупных вендоров, температуру задают сильно выше нуля.
Развитие продуктов no code
В прошлом году появилось множество сервисов для создания сайтов с нуля, например Lovable, Replit и др. Но в данном случае речь идет о сайтах без бэкенда со сложной логикой. Скажем, интернет-магазин сделать получится, а социальную сеть — нет. Думаю, в 2026-м будут активно развиваться инструменты разработки no code, позволяющие продакт-менеджеру самостоятельно начать бизнес, нанимая программистов не через месяц после старта проекта, а через полгода, уже при наличии клиентов и выручки.
Еще больше энергии
Развитие новых архитектур пока идет медленно. Тот же OpenAI явно делает ставку на увеличение расхода энергии: давайте просто накопим электричества и сделаем ChatGPT 6, который еще больше. На рынке появилась огромная модель Grok, которая стоит баснословных денег. Это уже не бизнес, а гениальная исследовательская система, к которой мы шли все предыдущие годы. Обучение такой модели требует колоссальных средств, но ее нельзя выдавать наружу: один запрос к нейросети стоит 150 долларов. Зато она может передать свои знания модели поменьше, которую уже можно предлагать бизнесу. Я уверен, что у OpenAI есть вариант, превосходящий текущую версию ChatGPT, но сначала инженерам компании придется провести большую работу, аккумулируя знания новой гигантской модели в модель поменьше.
Роман Соловьев
Доктор технических наук, профессор МИЭТ, член-корреспондент РАН. Занимал четвертое место (и первое по России) в рейтинге Kaggle. В числе его достижений — создание компиляторов быстродействующих нейровычислителей для работы ИИ в автономном режиме, без обращения к серверу. Руководил разработкой методов синтеза интегральных схем с помощью ИИ.
«В 2026 году можно ожидать научных открытий, сделанных с применением нейросетей. Пока, видимо, небольших. Собственно, первые упоминания о таких достижениях уже появились» Роман Соловьев
Эволюция ИИ-агентов
Явный тренд — развитие ИИ-агентов, в том числе браузерных. Они и сейчас уже есть: Atlas от OpenAI и Comet от Perplexity — и им можно делегировать часть задач. Но пока остаются проблемы с качеством их работы. В 2026 году, вероятно, уже появятся полноценные инструменты такого формата. И не только полноценные, но и безопасные: сейчас у ИИ-агентов есть много уязвимостей, которые используют мошенники.
Думаю, и в научных исследованиях ИИ-агенты могут стать серьезным подспорьем. Раньше нейросети не могли сами совершать открытия: необходимые для этого эксперименты должны были проводить люди. Но сегодня появились ИИ-агенты, способные самостоятельно написать код и запустить тесты в программной среде. Вероятно, вскоре нейросети смогут проводить исследования и во внешних средах. Условно говоря, будут составлять пошаговый план работ на адронном коллайдере.
Локальные нейросети
Еще одно перспективное направление — маленькие модели для локального запуска на консьюмерских GPU. На специфических задачах такие нейросети обходят мощных универсалов, тот же ChatGPT. И такой подход наверняка будет развиваться: скажем, в программировании он позволит не тратить деньги на запросы API к мощным внешним LLM.
Мультимодальность
В 2026 году на новый уровень выйдут мультимодальные нейронные сети, способные воспринимать и выдавать информацию в разных форматах: в виде текста, изображений, видео, звука. Подобных моделей уже немало; в качестве примера разработки открытого типа можно привести Qwen от Alibaba Cloud: ее код выложен на GitHub, а веса — на Hugging Face. Пока такие нейронки не со всеми задачами справляются одинаково хорошо, но в 2026 году, скорее всего, появится более бесшовная мультимодальность. Возможно, продвинется создание и редактирование музыки — пока это одно из наименее развитых направлений.
Удешевление тренировки
Также ожидается очередное снижение стоимости тренировки ИИ. Не секрет, что OpenAI тратит на обучение моделей каждого нового уровня ChatGPT примерно 60–80 млн долларов. Разработчикам DeepSeek хватило, по максимальным оценкам, 5 млн — и результат получился сравнимым по качеству. Так что сейчас все трудятся над удешевлением процесса, в первую очередь за счет улучшения аппаратуры. Уже используются чипы, сделанные по техпроцессу 2 нм: они потребляют меньше энергии, а работают быстрее. Кроме того, появляются новые архитектуры, помогающие оптимизировать работу нейросетей.
Нейросети для роботов
Активно развивается ИИ для антропоморфных роботов. Таких устройств китайские компании выпускают уже довольно много, зачастую их поставляют вместе со средой разработки, позволяющей установить свое ПО. И если раньше моделировать деятельность робота приходилось в виртуальной среде, то при наличии готовых девайсов прогресс пойдет быстрее.
Россия и Китай
В нашей стране основная проблема в области нейросетей заключается в нехватке вычислительных мощностей. В МИЭМ ВШЭ, где я преподаю, учится много толковых студентов, у нас есть суперкомпьютер, но на работу с ним все время очередь. В таких условиях есть риск отставания по компетенциям. Нужно, чтобы по крайней мере у студентов и исследователей был легкий доступ к большим вычислительным мощностям.
Возможно, в 2026 году ситуация начнет меняться: в Китае госпредприятиям рекомендовали не закупать ускорители Nvidia, и Huawei уже разрабатывает свое железо для тренировки нейронных сетей. Но есть сложность: раньше 99% ПО для таких целей производила Nvidia, так что теперь придется переписать практически все. Однако если в итоге появится несколько производителей, то цены на аппаратуру снизятся и она снова станет доступной.
ИИ впервые обошел «среднего» человека в тестах на креативность. В выборке из 100 тысяч участников языковые модели иногда давали более оригинальные ответы. Но у этой победы есть потолок — самые сильные авторы по-прежнему заметно впереди.
Команда психолога Карима Жерби из Монреальского университета, Канада, при участии исследователя ИИ Йошуа Бенджио сравнила креативность людей и крупных языковых моделей (включая GPT-4, Claude и Gemini). Результат двойной: на стандартизированных заданиях генеративные модели уже превосходят средний уровень. Однако «верхний этаж» человеческого воображения им пока недоступен.
Особенно ИИ лажает там, где важны стиль, смысл и цельность текста.
ИИ обошел людей в тестах на креативность
Сравнение ИИ и людей строилось на одном и том же инструменте для всех — Divergent Association Task (DAT).
Это быстрый психологический тест на дивергентное мышление.
Участнику дают задание назвать десять слов, максимально не связанных по смыслу.
Чем «дальше» друг от друга эти слова, тем выше оценка.
Такой формат удобен для массовых онлайн-выборок и позволяет измерять не эрудицию, а способность быстро уходить от шаблонных ассоциаций.
В DAT некоторые ИИ- модели действительно набрали больше, чем средний участник-человек.
Но когда исследователи посмотрели не на «среднюю температуру по больнице», а на людей с более высоким уровнем креативности, картина перевернулась.
Уже у самой креативной половины выборки средние показатели оказались выше, чем у всех протестированных моделей.
А разрыв с топ-10% стал еще заметнее.
Дальше ученые проверили, переносится ли успех ИИ из списка слов в «богатые» задачи — хайку, синопсисы фильмов, короткие рассказы.
И снова тот же рисунок: ИИ может быть лучше среднего, но самые сильные человеческие работы стабильно выигрывают по оригинальности и выразительности.
Отдельный вывод — «креативность» модели можно подкручивать. Плюс решает формулировка запроса: например, подсказки про этимологию (происхождение слов) приводили к более неожиданным ассоциациям.
То есть даже когда ИИ выглядит креативным, он во многом работает в режиме инструмента, который направляют.
Международный научный коллектив с участием российских ученых из МФТИ представил технологию стереозрения Un-ViTAStereo, которая определяет расстояние до объектов, не используя для обучения дорогостоящие лидары и ручную разметку. Она точна даже там, где «слепнут» современные алгоритмы: перед гладкими стенами, в густой листве или тумане. Технология может применяться в том числе для безопасности беспилотных автомобилей и автономных роботов.
Как мы понимаем, насколько удален от нас предмет? Каждую секунду наш мозг сопоставляет два немного разных изображения – от левого и правого глаза – и на основе разницы между ними строит трехмерную карту мира.
Стереосистемы роботов и беспилотных автомобилей устроены подобной зрению человека. Только вместо глаз они используют камеры, а вместо мозга — алгоритмы. Но этот механизм срабатывает не везде. Например, при встрече с идеально белой стеной или зоной с повторяющимися узорами, алгоритму не хватает визуальных зацепок, чтобы верно сопоставить изображения. Могла бы помочь ручная разметка с правильным расстоянием до каждого объекта, но работать она будет только в ограниченном сценарии.
Новый фреймворк для обучения нейросетей, разработанный международной командой ученых, помогает преодолеть этот барьер. Они вводят в процесс обучения «наставника» — модель Depth Anything V2, которая умеет оценивать относительную глубину только с помощью «одного глаза» — одного изображения.
Depth Anything V2 не измеряет метры, но распознает тени, перспективу и перекрытия объектов и почти безошибочно определяет, что ближе, а что дальше. Алгоритм отбирает только те предсказания стереосистемы, которые согласуются с ее подсказками, и учит нейросеть повышать точность.
«Модель Depth Anything V2 постоянно передает подсказки стереосистеме. Например, "Я не знаю, на сколько метров эта машина ближе дерева, но она точно ближе, и граница между ними должна быть резкой" или "На этой стене, где нет контраста, глубина должна меняться плавно"», — пояснил Александр Дворкович, руководитель проекта Научно-технического центра телекоммуникаций МФТИ.
Система работает в три этапа. Сначала алгоритм оценки диспаратности (смещения) проверяет каждый пиксель, соответствуют ли его данные подсказкам «наставника», и помечает их зеленым (верно) и красным (ошибка) цветом. Затем функция потерь на основе локального ранжирования глубины ищет вокруг каждой красной точки несколько зеленых соседей. Подобно маякам, они задают границы и сдвигают красный пиксель на нужное место.
Наконец, алгоритм «Двойная функция потерь сглаживания диспаратности DDS» помогает построить контуры. Она убирает цифровой шум там, где «наставник» говорит, что цвет должен быть равномерным, и наоборот.
По словам разработчиков, систему уже протестировали на стандартных датасетах. Результат — превосходство Un-ViTAStereo среди аналогов на бенчмарке. Например, при тестировании беспилотников удалось снизить долю грубых ошибок до 5%. Это значит, что при движении автомобиль будет лучше понимать расстояние до объектов, в том числе до пешеходов.
Текущая версия Un-ViTAStereo — только начало. На ее основе ученые планируют создать самообучающуюся нейросеть, которая сможет адаптироваться под специфику разных сред — от городских улиц до заводских цехов. Также будут использоваться редкие, но точные измерения лидаров в качестве «супермаяков» для обучения, что еще больше повысит точность.
Комментарии