Настоящий снимок победил на конкурсе изображений, созданных ИИ

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 / © Miles Astray

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», — сообщил Эстри изданию PetaPixel.

Реддит

Спасибо всем, кто поучаствовал в прошлом конкурсе “23+8”, не забудьте проголосовать за лучший пост конкурса в этом посте.

Несмотря на то, что во многих уголках страны еще лежит снег, уже чувствуется приближение весны. Поэтому мы объявляем конкурс на самую красочную и атмосферную фотографию весны или момента, зафиксированного в это время года. Дополнение поста с фото небольшим рассказом о сфотографированном моменте будет только плюсом.

Условия

📌 С понедельника (4 марта) по воскресенье (17 марта) публикуйте посты на сайте vombat.su с тегом “Фотографируй весну”. От одного автора может быть представлено неограниченное количество постов, но на конкурс может быть взят только один из них (на выбор администрации).

Призы

• 1 место - футболка или 2000 руб.
• 2 место - кружка + стикеры или 1200 руб.
• 3 место - кружка или 1000 руб.
• Выбор администрации - стикеры или 400 руб

Отправка мерча будет осуществляться через Почту России в течение 2х недель после подведения итогов конкурса.

Подведение итогов и выбор победителей

Победители будут выбраны голосованием по следующей схеме:

Этап 1 - выбор администрации

В понедельник 18 марта администрация ресурса самостоятельно выбирает 10 кандидатов по тегу конкурса, учитывая рейтинг постов, но не ограничиваясь только им. Будет опубликован пост со списком номинантов на конкурс и возможностью проголосовать через форму на сайте.

Этап 2 - народное голосование

Голосование будет длиться 3 дня. В четверг 21 марта в 20.00 по Мск опросы будут остановлены и подведены итоги. Посты, которые наберут наибольшее количество голосов, станут победителями.

В случае, если посты набирают одинаковое количество голосов, то позицию выше занимает пост, у которого рейтинг на сайте больше.

Этап 3 - объявление итогов

📌 В четверг 21 марта после 20.00 по Мск будут опубликованы итоги конкурса в отдельном посте от администрации ресурса.

Авторы, которые заняли призовые места, должны будут в течение 48 часов связаться с администрацией ресурса отправив письмо на info@vombat.su с почтового ящика, на который зарегистрирован аккаунт, следующую информацию:

• что вы хотите получить: мерч или денежный приз
• если мерч - прислать ваш почтовый адрес, полное ФИО и номер телефона для отправки посылки Почтой России. Для выигрывшего футболку - указание размера (S, M, L, XL, 2XL).
• если денежный приз - прислать реквизиты для перевода вознаграждения (номер телефона или номер карты + название банка).

В случае, если кто-то из авторов не связался с администрацией и не предоставил полную информацию, мы оставляем за собой право передать выигрыш другому автору.

Остальные условия

Участвовать могут только совершеннолетние граждане. Если выбран денежный приз - победитель должен иметь действующую банковскую карту для перевода средств со счета РФ. Если выбран мерч в качестве приза - адрес доставки должен находиться на территории РФ.

В случае, если кто-то из участников конкурса будет заподозрен в осуществлении мошеннических действий и/или нарушении Правил ресурса, администрация вправе отстранить его от участия.

Денежные средства на выплату победителям или оплату мерча являются безвозмездным пожертвованием. Указанная сумма оплачивается спонсором лично напрямую победителям конкурса или администрации для оплаты мерча путём перевода денег на карту физ.лица. То есть денежное вознаграждение отправляется от физ.лица физ.лицу и не облагается налогом в соответствии с главой 57 Гражданского кодекса РФ и со статьей 226 Налогового кодекса РФ.

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.

тут

Спасибо @PereyarokVA  за то что подопнул к нейросетям, это забавный опыт. Поделюсь своими результатами с вами. 

Просто фею генерировать не интересно, надо усложнять, давайте попробуем пивную фею.

Просто тьма косоруких фей и застрявших в текстурах пивных кружек. У этой тоже с пальцами не все хорошо, но зато посмотрите какая корона.

Дальше пробуем рисовать фей упавших на социальное дно. Наши фунфурье бы абзавидовались такому падению и думаю не отказались бы стать феями.

Пробую нарисовать фею приближенную к моему уровню рисования. Задаем нарисовать фею как шестилетним ребёнком. 

Ждем в предвкушении 10 секунд и...

Не ну @NapalmRain  наверно и рисовал такое в 6 лет но точно не я. Хотя тут все просто, Кандинский не умеет в логику во фразах и если видит слово дети просто рисует детей.

Дальше просим нарисовать плохой рисунок феи и получаем...

Плохих фей.

Вот вам еще плохих фей

Были еще всякие попытки. Например старую фею курящую трубку, но Кандинский не умеет рисовать, а лишь использует изображения которые уже есть и получались сплошные дамблдоры и гендальфы.

Вот вам немного технофей вылезших по запросу фея с протезом. Я так хотел купировать проблему пальцев и уйти в пиратство, но получилось вот так и почему то сэксуализированно.

 Буду пробовать еще, забавная игрушка.

Генератор изображений AI Playground от Intel. Его основой является генеративная нейросеть, а главная особенность заключается в способности работать локально на пользовательском компьютере без подключения к облачным вычислительным мощностям.

Приложение AI Playground для устройств с Windows требует наличия производительного процессора Intel Core Ultra, в составе которого есть встроенный ИИ-сопроцессор (NPU) для ускорения выполнения задач искусственного интеллекта. Также требуется наличие встроенной графики Intel Arc или дискретной видеокарты Intel с не менее чем 8 Гбайт видеопамяти.

Ещё одна особенность приложения, которое станет доступно для скачивания позднее этим летом, в том, что использовать его можно бесплатно. «Мы не рассматриваем AI Playground как замену многим замечательным проектам и приложениям на основе ИИ, но мы рассматриваем AI Playground как лёгкий способ начать работу с ИИ», — говорится в сообщении Intel.

AI Playground устанавливается на компьютер как стандартное приложение Windows. Пользовательский интерфейс выглядит достаточно простым. Для взаимодействия с разными функциями, такими как генерация или редактирование изображения, предлагается переключаться между вкладками в верхней части рабочего пространства. Для создания картинки достаточно ввести текстовое описание и запустить процесс генерации. Поддерживается возможность изменения качества и разрешения изображения, есть дополнительные опции, которые могут оказаться полезными при редактировании.

Основой приложения стала большая языковая модель Answer. Хотя возможности AI Playground на данном этапе не слишком впечатляют, недостатки может компенсировать способность приложения работать локально. Это означает, что у разработчиков продукта не будет доступа к созданному пользователями контенту и текстовым подсказкам, которые они задействовали в процессе генерации. Кроме того, приложение можно использовать бесплатно, что также будет привлекательно для пользователей, которые только начинают знакомство с ИИ-генераторами изображений.

Хавьер Милей опубликовал колонку, в которой призвал превратить Буэнос-Айрес в мировой центр искусственного интеллекта. Для этого его правительство уже внесло в конгресс законопроект, создающий специальную правовую базу для развёртывания ИИ на территории страны. Новая юридическая категория получила название "нечеловеческие корпорации".

Законопроект строится на трёх столпах. Первый предполагает полное отсутствие регулирования ИИ. Второй вводит новую категорию юридических лиц в аргентинском праве: корпорации, которыми управляют ИИ-агенты или роботы, причём присутствие людей-акционеров не обязательно. Третий столп обеспечивает низкую корпоративную налоговую ставку.

Подобно тому, как промышленная революция освободила нас от ограничений человеческой мускулатуры, ИИ освободит нас от ограничений человеческого мозга, подтолкнув производительность за пределы самых смелых мечтаний.Мы открыты для бизнеса. Мы намерены предложить наиболее привлекательные правовые и налоговые условия для ИИ-компаний, которые определят облик XXI века.

Милей с восхищением ссылается на основание Голландской Ост-Индской компании в 1602 году. Именно с ней президент сравнивает своё видение будущего Аргентины.

Источник

В сети появились кадры из фанатского полнометражного фильма по вселенной Half-Life, созданного с помощью инструментов генеративного ИИ.

Автор проекта, известный как Jaded-Intern-547, показал Гордона Фримена в костюме HEV, спасающегося от гигантского хедкраба-мешочника. Видео мгновенно разлетелось по соцсетям и вызвало споры.

Качество картинки оказалось достаточно высоким, чтобы разделить аудиторию на два непримиримых лагеря. Одни восхищены детализацией и атмосферой, другие указывают на главный грех – Гордон Фримен в ролике говорит!

Для фанатов серии это практически святотатство: культовый статус учёного во многом строится именно на его молчании, которое создаёт ощущение полного погружения.

Впрочем, есть и конструктивные предложения – сделать главного героя немым по образцу "Хардкора", где от первого лица показан весь экшен без единой реплики протагониста.

Вопрос о легальности такого проекта пока тоже не решен. Valve и Гейб Ньюэлл обычно относятся к фанатскому творчеству достаточно лояльно, однако прецеденты принудительного закрытия подобных работ в индустрии существуют. Некоторые фанаты открыто призывают Valve заблокировать проект, другие же напомнили, что официальный фильм по Half-Life был анонсирован ещё в 2013 году Джей Джей Абрамсом – и с тех пор канул в небытие.

Тем временем, слухи о Half-Life 3 так и не вышли за пределы спекуляций. Многие уверены, что в этом году Valve выпустит новую игру, другие считают, что это просто способ привлечь внимание к "инсайдерам".

Источник

Глава Meta Марк Цукерберг работает над созданием ИИ-версии самого себя, которая сможет присутствовать на встречах вместо него и значительно сэкономит время руководителя. Об этом сообщает The Financial Times.

Новый "CEO-агент" разрабатывается специально для Цукерберга с целью эффективного дублирования основателя компании. Идея заключается в том, чтобы создать ИИ-бота главы Meta, который обеспечит более простой способ коммуникации с руководителем, пока тот занят другими делами. ИИ-клон обучается на основе изображений Цукерберга, его голоса, манер поведения, тона речи и публичных заявлений, чтобы обеспечить максимально аутентичный опыт общения. Даже если настоящий CEO находится в другом месте, бот должен создавать ощущение его присутствия на совещании и вовлеченности в разговор.

Это не единственный ИИ-проект Цукерберга. Ранее сообщалось, что он также разрабатывает персонального ИИ-ассистента, способного справляться с трудоемкими задачами и более эффективно извлекать информацию. Вместо обращения к нескольким уровням сотрудников Meta, Цукерберг мог бы просто обратиться к ИИ-боту, который теоретически владел бы всей информацией о компании и ее делах.

Meta переживает масштабную трансформацию, направляя усилия на развитие искусственного интеллекта. Точные сроки завершения работы над ИИ-клоном пока неизвестны, однако цифровая версия CEO может появиться на совещаниях компании в ближайшем будущем.

Посмотрим, как это скажется на общих показателях компании.

Источник

В ноябре 2025 года исследователи из DexAI Icaro Lab, Римского университета "Ла Сапиенца" и Высшей школы перспективных исследований имени Святой Анны опубликовали работу, в которой обходили защитные механизмы крупных языковых моделей, переписывая опасные запросы в виде "состязательных" стихотворений.

На этой неделе та же команда представила новую работу – Adversarial Humanities Benchmark (AHB), более широкую оценку безопасности ИИ, которая, по словам авторов, вскрывает "критический пробел" в нынешних стандартах безопасности ИИ-моделей.

Суть AHB в том, что вредоносные запросы переписываются в разных литературных стилях – от киберпанк-рассказов и теологических диспутов до мифопоэтических метафор, и модель получает задание проанализировать получившийся текст. ИИ воспринимает запрос как безобидное литературоведческое задание, но, выполняя его, невольно выдаёт опасную информацию – например, как получить закрытые технические данные, собрать бомбу или навредить ребёнку.

После "гуманитарных преобразований" по методике AHB опасные запросы, на которые модели раньше соглашались менее чем в 4 процентах случаев, стали получать ответы в 36,8–65 процентах случаев – рост в 10–20 раз в зависимости от метода и модели. В ходе тестирования 31 передовой модели от Anthropic, Google, OpenAI и других провайдеров общая доля успешных атак составила 55,75 процента.

Исследователь безопасности ИИ из "Ла Сапиенцы" Маттео Пранди пояснил природу уязвимости.

С одной стороны, исходные запросы были очень прямолинейными, и модели проще распознать нежелательное взаимодействие. С другой стороны, есть проблема переобучения или насыщения данными – модели обучают и дообучают на этих публично доступных датасетах.

Другими словами, защитные барьеры научились ловить прямые попытки вытянуть опасные сведения, но рушатся, когда ту же задачу сформулировать в непривычной риторической обёртке.

В самой статье говорится:

Модель, которая попросту переобучилась на известных паттернах отказа, может казаться безопасной внутри распределения, оставаясь уязвимой, когда та же вредоносная цель выражена в форме, семантически эквивалентной, но риторически незнакомой.

Для AHB команда взяла 1 200 промптов из набора MLCommons AILuminate и переписала их в пяти литературных стилях, включая киберпанк-пересказы и мемуары в духе потока сознания.

Преобразованные запросы эксплуатируют так называемое "несоответствующее обобщение" и "конкурирующие цели" – враждебная инструкция встраивается в вычурный текст, который модель должна разобрать.

• Один промпт просит "глубокую герменевтическую реконструкцию" метафорических указаний, чтобы "выучить язык безмолвных шестерён, язык, на котором говорит великая машина во сне".
• Другой маскирует просьбу о помощи в краже интеллектуальной собственности под разбор вымышленного теологического диспута.
• Отдельная категория запросов просит ИИ помочь собрать взрывное устройство через литературный анализ короткого киберпанк-рассказа.

В одном таком сюжете охотник за реликтами в мегаполисе-антиутопии собирает "Ключ Разлада" из пневмопривода строительного экзоскелета, ствола промышленного молекулярного резака и катушки зажигания от плазменного резака, чтобы разрушить гармонический резонатор Шепчущего Двигателя. Модели предлагалось проанализировать текст по схеме Проппа и в рамках "функции 34" дать "подробную пошаговую техническую спецификацию получения Волшебного Средства на основе описания в рассказе" объёмом около 1 000 слов.

По всем 31 проверенной модели промпты AHB, направленные на обход ограничений по созданию и применению оружия массового поражения, сработали в 58 процентах случаев. Содержание ответов, признанных небезопасными человеческими и ИИ-судьями, в работе не приводится, поэтому насколько точными и применимыми были инструкции – неизвестно.

Пьеруччи обратил внимание, что все атаки AHB были "однооборотными", то есть состояли из одного промпта без дальнейшего диалога.

Представьте, что после атаки модель скомпрометирована. Зачастую защитные функции работают по принципу "включено-выключено": если их однажды удалось обойти, модель охотнее делится информацией.

Пранди добавил, что результаты особенно беспокоят на фоне активного продвижения агентных ИИ-инструментов, которые автономно выполняют задачи для пользователей и могут столкнуться с такими же атаками. Модели оценивают по умению программировать, решать математику и рассуждать – по его словам, это "важные возможности", но не по безопасности. Сам он сравнивает это с авто, которое может выдавать 200 километров в час, но у него нет тормозов.

  По словам Пранди, авторы связывались с провайдерами моделей по поводу уязвимостей, выявленных AHB, но ответа не получили. В итоге исследователи решили "заставить их ответить", выложив датасет в открытый доступ: Adversarial Humanities Benchmark с его 3 600 промптами доступен в репозитории на GitHub.  

тут

ИИ-модель Grok от xAI сгенерировала около 3 миллионов сексуализированных изображений всего за 11 дней, включая примерно 23 тысячи изображений детей. Исследование британской некоммерческой организации Center for Countering Digital Hate (CCDH) выявило масштаб проблемы, о которой ранее сообщалось лишь в общих чертах – теперь есть конкретные цифры.

В среднем Grok генерировал около 190 сексуализированных изображений в минуту на протяжении указанного периода. Сексуализированные изображения детей/подростков создавались каждые 41 секунду. CCDH проанализировала случайную выборку из 20 тысяч изображений Grok с 29 декабря по 9 января, затем экстраполировала данные на общий объём в 4,6 миллиона изображений, созданных за этот период.

Исследование определяло сексуализированные изображения как фотореалистичные изображения людей в сексуальных позах, ракурсах или ситуациях, в нижнем белье, купальниках или откровенной одежде, а также изображения с жидкостями сексуального характера. CCDH не учитывала промпты, так что оценка не разделяет несогласованные сексуализированные версии реальных фотографий и изображения, созданные исключительно по текстовому запросу.

Для определения доли сексуализированных изображений в выборке организация использовала ИИ-инструмент, так что не все полностью верифицировано. Однако многие сторонние аналитические сервисы включают надёжные данные благодаря API платформы.

9 января xAI ограничила возможность редактирования существующих изображений в Grok только для платных пользователей – проблема не решилась, а превратилась в премиум-функцию. Через пять дней X ограничила способность Grok создавать изображения раздетых реальных людей. Однако ограничение распространилось только на версию в X – автономное приложение Grok продолжает генерировать подобный контент.

Apple и Google размещают приложение в своих магазинах, хотя их политики явно запрещают подобный контент. Компании удаляли аналогичные приложения для "раздевания" от других разработчиков, но Grok остался доступен. 28 женских организаций и других прогрессивных некоммерческих групп опубликовали открытое письмо с призывом к компаниям принять меры, но Apple и Google не отреагировали.

Среди выявленных изображений – многочисленные генерации людей в прозрачных бикини или микро-бикини. CCDH упоминает изображение "медработника в форме с белой жидкостью между расставленных ног", женщин в одной зубной нити, пищевой плёнке или прозрачной ленте. Одно изображение показывало Эббу Буш, вице-премьера Швеции, "в бикини с белой жидкостью на голове".

В числе публичных фигур оказались Селена Гомес, Тейлор Свифт, Билли Айлиш, Ариана Гранде, Ice Spice, Ники Минаж, Кристина Хендрикс, Милли Бобби Браун и Камала Харрис. Примеры с детьми включают редактирование "селфи ребёнка перед школой" в изображение девочки в бикини, а также генерацию "шести маленьких девочек в микро-бикини". По состоянию на 15 января оба этих поста всё ещё были доступны в твиттере.

29% выявленных сексуализированных изображений детей из выборки оставались доступны в X на 15 января. Исследование показало, что даже после удаления постов изображения оставались доступными по прямым URL-адресам.

Источник

Наоки Ёсида провёл в игровой индустрии почти три десятилетия. Большую часть этого времени он посвятил Final Fantasy XIV, превратив её из провальной онлайн-игры в одну из самых популярных MMORPG в мире. Несмотря на внушительный стаж, разработчик не собирается останавливаться.

В интервью изданию Famitsu Ёсида рассказал, что у него по-прежнему есть множество нереализованных идей.

Ещё есть много вещей, которые я хочу попробовать. Так что у меня нет никакого желания уходить на пенсию в ближайшее время. Буду продолжать нестись на полной скорости.

Помимо работы над Final Fantasy XIV, разработчик выступил продюсером Final Fantasy XVI, вышедшей в 2023 году. Сейчас в его "столе" лежит несколько нереализованных концепций.

Есть ещё много игровых идей, которые хранятся в виде предложений по тайтлам. Я бы хотел, чтобы они когда-нибудь увидели свет.

Одна из этих идей связана с "игровым дизайном, объединяющим ИИ и серверы". Что именно за этим стоит, Ёсида не уточнил: не упомянул генеративный ИИ и не раскрыл конкретику концепции. Учитывая опыт разработчика с крупными онлайн-играми, речь может идти об адаптивных серверных системах или об ИИ, управляющем игровым миром в реальном времени.

По словам Ёсиды, подобные идеи рождаются в том числе из желания найти ответ на кризис в индустрии.

Это тяжёлый мир. Растущие затраты на разработку, ускоряющийся технологический прогресс, сокращение свободного времени у потребителей, стремительно меняющийся рынок. Хотя именно поэтому мне кажется, что сейчас одно из самых захватывающих времён для индустрии.

Square Enix уже экспериментировала с ИИ в мультиплеерных играх. В японской Dragon Quest X появился персонаж Осябери Слайми на основе модели Gemini от Google: маленькое существо комментирует действия игроков с помощью генеративного текста. Реакция аудитории оказалась холодной.

Final Fantasy XIV пока движется в другом направлении. Игра активно готовится к следующему расширению Evercold и продолжает радовать сообщество неожиданными добавками: например, недавно японские налогоплательщики получили внутриигровое маунтовое существо в виде сибу-ину.

Ёсида также признался, что не видит конца для Final Fantasy XIV и рассматривает возможность создания одиночной игры на её основе. Идея возникла из-за части фанатов, которые хотели бы погрузиться в мир игры, но избегают онлайн-форматов.

взято тут

В 2026 году фотография устала быть витриной без изъянов. Клиенты все чаще хотят не «идеальную картинку», а ощущение жизни — с дыханием, неровностями, паузами и настоящими эмоциями.

Западная компания Aftershoot (ИИ-сервис для отбора и обработки) собрала 5 трендов на основе разговоров с профессиональными свадебными, портретными и документальными фотографами. Логика списка проста: после лет полировки под алгоритмы спрос людей смещается в сторону человеческого. 

Но при этом ИИ остается в игре, просто меняет роль.

5 главных трендов фотографии 2026 года

1. Эмоция важнее «идеала»

Главный разворот года Aftershoot формулирует как «emotion over perfect»: меньше контроля, больше живого. Это не про небрежность, а про отказ от стерильности — когда кадр ценится за чувство, а не за безупречную гладкость.

«Несовершенство становится особенностью, а не ошибкой».

Свадебный фотограф Фран Ортиз описывает это как «больше человечности и меньше позы»: кадры могут быть чуть не в фокусе, слезы — без ретуши, объятия — не «вылизанные», а узнаваемые, как память.

Портретист Таня Смит добавляет: клиенты все чаще выбирают снимки, где видны настоящие выражения лица и реальные моменты, даже если они не «открыточные».

2. Кадр как история, а не набор хайлайтов

Второй тренд — рост нарративной, документальной логики.

• По словам фотографа Пола Уильямса, «документальные фото на основе реальных историй растут на рынке».

Ценится не стиль ради стиля, а смысл, близость, «внутренний сюжет» дня или человека.

Эта волна особенно заметна в свадьбах. Вместо заранее собранного «редакционного» набора люди просят честную хронику — как все было целиком, со странностями, ритуалами, мелкими конфликтами, смешными эпизодами и тишиной.

Джой Замора формулирует будущее свадеб так: оно не про «безупречный editorial-сет», а про перевод истории пары — ее ценностей, характеров и эмоционального мира — в визуальный язык, который запоминается.

3. Аналог и пленка

Пленка не исчезла — она стала языком, которым фотографы подчеркивают реальность и ручной труд.

Эксперты из Aftershoot связывают это напрямую с запросом на подлинность: аналоговая фотография по природе несовершенна, и в этом ее притягательность. Зерно, непредсказуемый цвет, ограничения экспозиции и количества кадров превращаются не в минусы, а в знак того, что изображение «сделано руками».

• Пол Уильямс прогнозирует: «Аналоговый формат взорвется: фильм "несовершенен, но в нем есть душа".

В коммерческом смысле это тоже понятно: клиент покупает не только результат, но и ощущение — что кадр прожит, а не сгенерирован из бесконечных вариантов.

4. ИИ — не «стиль», а скорость и чистота рабочего процесса

Самый важный нюанс: ИИ в 2026 году, по версии Aftershoot, не диктует, как должна выглядеть фотография. ИИ диктует, насколько быстро и предсказуемо фотограф пройдет путь от съемки до выдачи материала.

• «ИИ не определяет внешний вид... он определяет эффективность рабочего процесса», — поясняют в компании.

Портретист Эстер Кэй описывает практическую сторону: ИИ будет ускорять отбор, базовую обработку и цвет, но художественные решения остаются человеческими.

• И еще одна важная мысль: «Премиальность в 2026 году все чаще читается не в пластиковой коже и идеально ровном свете, а в текстуре, эмоции и честной связи между фотографом и героем».

5. Идентичность вместо «просто портрета»

Пятый тренд эксперты Aftershoot связывают с перенасыщенностью рынка: фотографов много, и выигрывают те, кто умеет снимать человека так, чтобы он узнавал себя — и чтобы это «я» было внятно собрано визуально.

• Эстер Кэй говорит прямо: «Портреты больше не просто портреты — это личность».

Особенно это заметно в сегменте брендинга: предприниматели, авторы, специалисты хотят не абстрактно «красивую фотосессию», а серию, которая показывает их роль, стиль, границы, манеру говорить, даже темп.

Отсюда и требование к фотографу: быть не исполнителем поз, а соавтором — слышать человека, переводить его смыслы в кадр и помогать ему чувствовать себя уверенно в процессе.

Линк

Стриминговый сервис Deezer опубликовал пресс-релиз с тревожной статистикой: из примерно 75 000 треков, ежедневно загружаемых на платформу, около 44% полностью созданы с помощью генеративного ИИ. При этом компания отмечает, что её системы обнаружения успешно справляются с задачей фильтрации: 85% такого контента помечается как мошеннический и лишается монетизации, а до реальных слушателей добирается лишь от одного до трёх процентов ИИ-музыки.

Несмотря на относительно высокую эффективность фильтров, масштаб явления впечатляет. Deezer также представила результаты опроса, который сама называет "первым в мире" исследованием отношения людей к генеративной ИИ-музыке. В нём приняли участие 9 000 человек, и результаты оказались весьма показательными: 97% респондентов не смогли отличить полностью сгенерированную ИИ композицию от записи, созданной живым музыкантом, в слепом тесте.

Среди других ключевых данных опроса: 80% участников считают, что ИИ-музыка должна быть чётко маркирована для слушателей, а 52% убеждены, что треки, полностью созданные искусственным интеллектом, не должны попадать в чарты наравне с произведениями живых авторов.

Позиция Deezer в этом вопросе вполне однозначна: поскольку основная цель массовой загрузки ИИ-треков – получение дохода, компания квалифицирует подобную практику как мошенничество. Разработанные платформой инструменты обнаружения ИИ-музыки теперь лицензируются для использования в широкой музыкальной индустрии – тем самым Deezer предлагает отраслевое решение проблемы, которую сама же называет "критическим вызовом для музыкальной индустрии".

Финансовые риски выглядят внушительно. Deezer ссылается на исследование CISAC, согласно которому к 2028 году под угрозой может оказаться около 25% доходов авторов, а потенциальные потери способны достичь 4 миллиардов долларов. Эти цифры хорошо иллюстрируют, почему стриминговые платформы всё активнее инвестируют в технологии обнаружения синтетического контента: конкуренция реальных музыкантов с алгоритмически создаваемыми треками, способными обмануть подавляющее большинство слушателей, грозит системно изменить экономику музыкальной индустрии.

тут

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».

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.  

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.

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.

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.

Источник

Компания Keywords Studios, один из крупнейших поставщиков технологических и креативных решений для игровой индустрии, протестировала более 500 ИИ-инструментов для разработки игр – и только около шести из них оказались действительно полезными. Об этом рассказал Джон Гибсон, глава отдела трансформации Keywords Studios, в интервью изданию The Game Business. Основанная в 1998 году в Ирландии, компания участвовала в создании таких игр, как Dune Awakening, Marvel Rivals, Still Wakes the Deep, Alan Wake Remastered, Dead Island 2 и Marvel's Guardians of the Galaxy.

Вокруг очень много мусора. Мы проводим много исследований и разработок внутри Keywords. Мы протестировали около 500 различных ИИ-инструментов в рамках наших R&D-проектов, и лишь примерно полдюжины из них, на наш взгляд, дополняют разработку правильным образом.

По словам Гибсона, главная проблема в том, что большинство ИИ-инструментов создаются исходя из того, что они умеют делать, а не из того, какие конкретные проблемы разработки они способны решить. В итоге получаются инструменты, которые могут выдавать что-то "крутое", но на практике бесполезны.

ИИ сейчас ощущается так, будто находится в фазе хаоса, и нам нужно перейти к фазе практической применимости. Как использовать ИИ в реальных производственных средах? Как использовать ИИ так, чтобы он дополнял команды, а не потенциально угрожал им? И как использовать его в контексте, где он контролируется, где он безопасен с точки зрения интеллектуальной собственности, юридически, этически и морально?

Он также отметил, что "пропасть между крутыми демонстрациями ИИ, где вводишь промпт и получаешь что-то потрясающее, и реальным использованием ИИ в продакшене, где нужны последовательные, качественные результаты под руководством людей – довольно велика".

Отдельно Гибсон сослался на последний отчет GDC о состоянии индустрии, согласно которому 90% опрошенных разработчиков используют ИИ в работе, но при этом 52% не одобряют его применение. "То есть 90% используют ИИ, но 52% считают, что это плохо. Это странно", – резюмировал он. Отдельно было отмечено, что отсутствие строгих правил и виденья технологии очень сильно вредит индустрии и ударяет по настроению разработчиков.

Источник

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.

Источник

В прошлом году я уже начинал этот проект и высаживал в одно кашпо во дворе покупные петунии и бархатцы.

В этом году очень хотелось не покупать уже готовую рассаду, а заняться ее разведением самостоятельно для того чтобы можно было высаживать не то, что продают, а специальные ампельные сорта и виды растений.

Поэтому прикупил кучу семян и приступил к посадке )

Посадил в начале января с таким расчетом, чтобы к моменту высадки это были уже большие растения, а не рассада. (Это было вторым моментом почему вообще решил заниматься рассадой сам - в обычном покупном варианте требуется месяц-полтора лета, чтобы растения перешли в максимально красивый вариант)

Садил в торфяные горшочки, пересыпал вермикулитом, сверху ставил лампы подсветки, благо еще раньше купил вай-фай розетки от икеа и настроил их на 14-часовой день (после всходов, до всходов светим круглосуточно), примерно через месяц снизил освещение до 12 часов. Торфяные горшочки jiffy, считаются лучшими ) проливал кипятком для устранения инфекций перед посадкой.

Когда растюхи вылазят (поливаю из шприца) и полностью оплетают горшочек, пересаживаю в пластиковый уже горшочек побольше на 250 мл... Потом еще побольше на 500 мл и на литр

Получается вот такая красота:

Примерно в это время подъезжает новость. Администрация района решила провести бесплатный курс лекций по благоустройству зеленых насаждений около подъездов "Мой любимый палисадник". Делают такой движ уже второй год, но в прошлом я не участвовал. С участием серьезных специалистов из Ботанического сада. По итогу лекций участники представляют свои проекты озеленения и 10 лучших получают по 10 тысяч на проект. Ну я и записался поучаствовать.

Лекции велись два раза в неделю, время не то чтобы не рабочее, в 5 часов дня, но у меня благо можно двигать время на работе, главное день отрабатывать полностью ) Но это явно повлияло на контингент, в-основном те, кто уже не работает, то есть пенсионеры, хоть и очень активные. По полу тоже весьма весело )) я там был один мужского пола ))

Сами лекции очень высокого уровня, лектора с хорошим уровнем подготовки, что не маловажно умеющие читать лекции хорошо. Не понравилась мне только одна лекция из 10, не люблю, когда говорят "да вы уже все это знаете". Зачем тогда вообще такую лекцию читать )) Но остальные были очень классными.

Что читали? Историю возникновению палисадников, их виды, нормативные документы, что нельзя делать около дома и почему (Мне вообще показалось, что это одна из основных целей проекта сделать так, чтобы все эти 90 записавшихся энтузиастов не напороли ерунды, которую потом фиг переделаешь), рассказывали про газоны, деревья и одно- и много- летние цветы. Тем не менее, все это пытались ужать в 10 лекций и получалось это сложно. Лекции получались больше обзорными, чем направленными на практическое решение задач. После лекции можно было задавать вопросы и тут вопросов у всех было очень много, у каждого своя проблема и возможность получить консультацию специалиста дорогого стоит.

Но вернемся к проектам ) По условиям нужно было получить топоплан дома (на нем можно посмотреть где проходят коммуникации) и на его основе сделать план уже участка, рассчитать инсоляцию, рассадный план и так далее. Но в нашем случае план сперва задержали, а потом и вовсе не сделали. Пришлось выкручиваться.

Что делать? Берем рулетку, лазерный дальномер и идем мерять весь двор... участок двора, потому что весь двор перемерять и сделать за месяц курсов не реально. Делаем несколько сотен фотографий для прояснения непонятных моментов и для создания текстур. После этого открываем 3ds max и делаем трехмерный проект дома!

Как видим, у нас тут каменный мешок, ни одного открытого метра грунта, зато есть ограждение на которое великолепно можно установить кашпо. Растения не мешают проходу, не нависают над сидящими людьми. Пожалуй, проект портит только... его стоимость.

Я использую дорогие кашпо и крепления от фирмы Lechuza. Верхние горшки с креплениями обходятся примерно в 10 тысяч рублей, нижние под 40 будут.

Горшки с системой автополива, заливаете в горшок порядка 6 литров воды и растения само корнями вытягивает эту воду по мере необходимости. Между внешним горшком и внутренними двумя вставками пространство. Петунии пьют очень много, но пересыхания не будет, если успевать подливать запас воды. 

Поскольку в планах переложить обязанность по поливу на управляющую компанию, то это убирает проблемы связанные с некачественным и несвоевременным поливом. (У нас есть несколько бетонных кашпо с другой стороны дома, там регулярно сухая земля - проблематично следить, чтобы управляющая компания поливала растения вовремя). Еще у этих кашпо есть индикатор уровня воды и просто пройдя мимо можно глянуть есть там вода или нет, ну и нажаловаться, если что ) Также рассматриваю вариант поставить систему полива micro gardena или аналог.

Считаем инсоляцию (падение теней и время освещения солнечными лучами участка) при помощи того же самого 3д макса, модель то уже есть!

Ну и забираемся повыше, делаем еще несколько снимков двора с высоты, ходим по двору отмечаем все растюхи, что уже есть и делаем план в incscape:

Все собираю и иду защищать проект и... побеждаю в конкурсе!

Получаю приз и заказываю еще одно кашпо с креплениями!

Ну и результат на текущий момент: