Яндекс

Лис-доставщик еды, размер 12 см. Куртка и сумка снимаются. Сумка полностью функциональна, открывается и можно положить внутрь небольшой прдмет или записку. Может быть иготовлен в любой цветовой вариации, согласно корпоративному дресс-коду (Яндекс, Самокат, Купер и т.д.).
В качестве бонуса в комментариях фото лисенка без куртки.

Стараюсь воздерживаться от негативных выбросов в атмосферу фраз "companyname совсем охренела". Хотя бы потому, что и так понятно, что можно ткнуть пальцем в практически любую IT компанию и она окажется охреневшей. В наши времена навязчивого маркетинга такому даже удивляться глупо. Поэтому я не удивился и в этот раз, а лишь констатировал, что ООО "ЯНДЕКС" и смежные с ней лица вновь катятся в сторону Яндекс-бара начала "двухтысячных".

Всякие такси, маркеты, ёды и прочие - это уже давно понятно какого формата сервисы и что за них организатор площадки, конечно же, не отвечает. И не захочет отвечать, пока такую обязанность не введут законодательно - это золотое правило бизнеса: чем меньше возьмёшь на себя обязательств, тем проще. То, что Яндекс трёт негативные отзывы о себе в своём же рекомендательном сервисе вовсе не удивительно. Но вот с программным обеспечением ведь не так - с ним пользователь действительно может объективно выбирать. И если ты творишь неудобные пользователю вещи, то он тебя просто пошлёт лесом, как в своё время у широкой прослойки населения. начисто стёрлось всё желание использовать хоть какие-то продукты от Mail.ru.

Сейчас Яндекс решил взять курс на максимальную навязчивость своей продукции. Ладно, при заходе на их сайт теперь уже постоянно всплывает сообщение о том, что тебе срочно необходимо поставить их чудесный браузер, но его зачем поганить, раз уж он у меня уже стоит?  В чём суть? - спросите вы. Дома я этот продукт не держу, но на работе он установлен для отдельных нужд. Под конкретные задачи, в общем. И что же это изделие делает? По-тихому обновляется и включает без разрешения:

• Свою автозагрузку. Мало использую браузер? А давай мы его будем теперь насильно открывать тебе при включении компьютера, вдруг понравится.
• Перехват нажатия кнопки PrintScreen с открытием своего редактора скриншотов. За такое вообще расстреливать надо.
• Обработку ссылок на яндекс таким образом, чтобы открывались они именно в их браузере. Тут, справедливости ради, речь о сторонних приложениях, а не других браузерах.
  

Ну ладно, я пользователь продвинутый, где находится функция удаления программ мне известно, но мне просто интересно: а что будет через год? Функция автоматического удаления всех других браузеров с компьютера?

Цены в рекламе подписки «Яндекс Плюс» не соответствовали действительности

Федеральная антимонопольная служба (ФАС) России объявила о возбуждении дела в отношении ООО «Яндекс». Об этом рассказала пресс-служба ведомства. 

Причиной стало нарушение рекламного законодательства со стороны Яндекса. Как сообщает пресс-служба, компания распространяла рекламу с недостоверными сведениями о цене услуги. В ведомстве рассказали:

Ранее в ФАС России пожаловался гражданин на рекламу онлайн-подписки «Яндекс Плюс». В рекламе подписки компания указывала более низкую цену услуги со скидкой 44%, которая не соответствовала действительности. При попытке приобрести подписку по указанной цене заявителю было отказано в покупке. Таким образом, потребители получали неверную информацию о стоимости услуги.

Теперь антимонопольное ведомство оценит рекламу Яндекса на предмет нарушения законодательства. В случае установления вины компании грозит ответственность в соответствии с законом о рекламе – штраф в размере от ста тысяч до пятисот тысяч рублей.

Источник

Давно, очень давно, парень и девушка заключили брак. Как это часто бывает, перед визитом ко мне брак был расторгнут. Вот нет, чтобы прийти ко мне с тортиком к чаю, рассказать, как счастливо живется семейной жизнью - нет! Почему-то ко мне приходят только с проблемами!

И, как это часто бывает, девушке в голову что-то ударило и она разместила в интернете, на нескольких новостных сайтах в комментариях, сведения компрометирующего характера относительно бывшего супруга. Впрочем, ему это особо не мешало до момента, пока он не решил пойти в политику. Вот тут он озадачился тем, чтобы очистить свое доброе имя от поклепов, разумно посчитав, что в политике он свое имя замарает еще далеко не один раз, причем совершенно самостоятельно.

Сперва обратился в какую-то организацию, где ему сказали "хреня-возня", обратимся к собственникам сайтов с исками, по 100 т.р. за каждый и обяжем удалить информацию.  Всего около 10 сайтов... неплохой навар!

После этого гражданин пришел ко мне. По-хорошему, можно было бы дамочке голову покомпостировать, но клиент был против. Во-первых, все посты были размещены в один день с минимальным разрывом по времени, копипастой. Т.е. один раз ей в голову ударило, а потом - успокоилась. Во-вторых, к тому времени свою бывшую он не видел и не слышал уже несколько лет и хотел, чтобы так же и продолжалось. Забыла - и слава Богу.

Я посчитал задачу плевым делом, подумав, что собственникам новостных сайтов глубоко насрать, кто там что в комментариях пишет. И взялся за сумму, гораздо более скромную, чем 1000000 рублей.

И в самом деле, обращение по электронной почте в техподдержку сайтов привело к удалению постов почти на всех сайтах менее, чем через неделю. Остались только 2, на 1 - обещали, что технический специалист вот-вот удалит, на 2 - вообще никто не отвечал.

Еще через неделю ожидание технического специалиста меня достало, я позвонил в редакцию издания, объяснил, что вот-вот обратимся с иском в суд... и удалили в течение получаса!

Остался последний. Где, кроме электронной почты других контактов не было. Сам сайт дохлый - последнее обновление было года 2 назад. И на письма все еще никто не отвечал, даже если кто-то их читал. Тут уже у меня начали появляться подозрения, что придется выходить с иском, но непонятно, куда обращаться. Хостинг сайта расположен в США, собственник домена - Private Person.

Тогда я решил обратиться к поисковым агрегаторам, с требованием удалить страницу из выдачи. С Яндексом было сложно. Во-первых техподдержка не отличалась высокой скоростью ответа, а, во-вторых, когда, наконец, контакт был достигнут, Яндекс ответил, что "а как вы докажете, что это информация относится именно к ФИО, а не к его полному тезке?"

Бля... а то, что в комментарии указана и дата рождения, и адрес регистрации, точно такие же, как и в доверенности - это нихрена не значит? Такие доводы убедили Яндекс и страница исчезла из поисковой выдачи.

С Гуглом все обстояло еще сложнее... техподдержка ответила что-то типа "мы за открытость информации, и удалим только когда будет решение суда!"

Вот сволочи! Поскольку установить собственников сайта возможности не было, самым логичным выходом было обратиться с иском непосредственно к поисковому агрегатору, т.е. к Гуглу...

Но, пока я чесал репу, сайт благополучно загнулся сам.

Гражданин же, который обратился с этой проблемой, в политику так и не прошел...

Я до конца этого квеста не дошёл, фантазия безграмотных контентопроизводителей победила.

Недавно заметил тревожную деталь: встроенный в Яндекс.Браузер ИИ (Алиса/YandexGPT) может анализировать содержимое страниц, включая личные сообщения во «ВКонтакте», и выдавать краткие ответы на основе этих данных.

На скриншоте видно, как система отвечает на вопрос о задолженности, упоминая конкретный диалог из ВК. Это вызывает серьёзные вопросы:

• Где границы доступа ИИ к личным данным?
• Как эти данные хранятся и используются?
• Можно ли доверять сервисам, которые «читают» ваши переписки без явного согласия?

Технологии — это удобно, но не ценой приватности. @Yandex, есть, что сказать?

Если любой тяжеляк пропустить через переводчик Яндекс браузера, то получаются ламповые, почти индийские песни.

Хотел ещё Роб Зомби добавить, но плохо переводчик справляется

Приспичило уточнить основное значение слова cobblestone в английском - на всякий случай, правильно ли это считать булыжником по умолчанию. Обычно не использую Яндекс для таких задач, но влом было создавать новые вкладки с адекватными лингвистическими ресурсами. Посчитал, что простой переводчик должен с этим справиться.

Собственно, да, справился - булыжник... А вот определение, которое создал ИИ, напомнило мне определения из вышмата, в которых иногда бывает масло масляное. XD

Булыжник размером с булыжник, сцуко! Для покрытия зданий! Нет, чтобы подтянуть конкретные определения и размеры из ГОСТ 4001-2013 и учебника по общей геологии. А вообще этот фейл растет из оригинального геологического определения: "cobblestone - cobble-sized stone <...>  used for pavement roads, streets, and buildings", что было воспринято ИИ как "булыжник - размером с булыжник, им шота покрывают", хотя ни слова про "покрывают" там нет, только общее "используется". На самом деле корректнее это будет сформулировать как "булыжник - камень, в геологии классифицируемый как "булыжник" в соответствии с его размером (64-256мм) и используемый в строительстве". Дело в том, что он редко используется в отделке зданий, обычно вид бутовой стены придается зданию искусственно.  Но все же используется, поэтому отрицать этого нельзя. Однако основное назначение - это заливка фундамента и постройка зданий/заборов/прочих конструкций методом бутовой кладки (настоящая бутовая стена). Что касается точного размера, то, например, по логарифмической шкале размерности частиц осадочных пород Аддена-Уэнтворта булыжники - это частицы размером от 64 до 256мм. Меньше - галька, больше - валун. Поэтому некоторые специалисты в своих работах определяют булыжники как "камни размером с крупную гальку/мелкий валун". Словом, будь Яндекс.Перевод человеком - он бы сделал свою работу лучше.

Новый ИК-пульт, анимация на Станции 3 и непрерывный диалог с Алисой. Рассказываем о февральских обновлениях устройств Яндекса.

ИК-пульт

Базовый ИК-пульт для умного дома обновился. Теперь он позволяет сделать обычную технику умной: если подключить его к телевизору, ТВ-приставке, ресиверу, проектору, вентилятору и другим устройствам с ИК-сигналом, устройствами можно управлять голосом или в приложении.

С пультом можно настроить и сценарии: например, включать вентилятор по расписанию или, если у вас уже есть датчик температуры и влажности, включать кондиционер. Если пульт подключен к Станции, сценарии с ним и другими устройствами, работающими на локальных протоколах Matter и Zigbee, продолжат выполняться даже при отключении интернета.

Главное изменение — цена. Обновленная версия стала доступнее и стоит 990 рублей.

Непрерывный диалог с Алисой

Разработчики добавили в Алису новую функцию — «Непрерывный диалог». При ее включении разговоры с ассистентом будут естественнее, так как пользователю не придется повторять «Алиса» в ходе беседы. После ответа Алиса еще 20 секунд подождет продолжения и по интонации поймет, обращаетесь вы к ней или просто разговариваете рядом.

В феврале эта возможность вышла из бета-тестирования и стала работать точнее: Алиса лучше распознает, когда продолжают диалог именно с ней. «Непрерывный диалог» доступен на Станциях Миди, Станции 3 и Станции Дуо Макс, а также на всех ТВ Станциях, кроме модели Бейсик. Функция включается в приложении «Дом с Алисой» в разделе «Ассистент».

Новая анимация яркости на Станции 3

На Станции 3 появилось небольшое, но приятное обновление: при изменении яркости задней подсветки теперь отображается анимация в виде созвездия Ориона.

Чтобы вручную настроить яркость, нужно зажать кнопку включения подсветки на пару секунд — после этого с помощью сенсорного кольца наверху Станции можно регулировать уровень света. В процессе будет плавно меняться анимация, повторяющая очертания созвездия.

тут

О складских роботах, выполняющих задачи в 500 раз быстрее людей, роборуке, которую в процессе обучения случайно «очеловечили», и других достижениях робототехники мы поговорили с Иваном Калиновым, директором Yandex Robotics.

В сентябре Центр робототехники Яндекс Маркета был выделен в новую компанию — Yandex Robotics. Какие задачи перед ней стоят, над чем она работает?

Центр робототехники Яндекс Маркета появился почти три года назад. Изначально мы развивались как небольшая команда, а затем выделились в самостоятельный бизнес стрим. Эти три года команда разрабатывала продукты для собственных нужд Яндекса, в первую очередь для Маркета. Но потом мы увидели большой запрос рынка на наши решения и начали двигаться вовне.

Новая компания продолжит создавать роботов и разрабатывать ПО для складских операций Маркета, а также предлагать свои решения сторонним бизнесам. Сейчас у нас работает более 300 человек: около 150 инженеров в сфере R&D, порядка 100 — в команде поддержки бизнеса (инженеры сборки, операторы роботов) и еще примерно 50 человек помогают в бэк-офисе.

Иван Калинов, директор Yandex Robotics

Иван Калинов окончил факультет радиотехники и кибернетики МФТИ. Получил степень магистра в МФТИ и Сколтехе, успел поучиться в MIT, имеет степень PhD по робототехнике, которой занимается с 2014 года. Он начал путь с автономных дронов для инвентаризации в рамках собственного стартапа. За время работы и учебы в Сколтехе создавал разных роботов и руководил разработкой коммерческих проектов в робототехнике. В Яндексе работает с ноября 2021 года.

А о каких продуктах речь?

У нас два основных направления, и в каждом есть разные линейки роботов. Первое направление — мобильная робототехника. В его рамках мы развиваем робота для инвентаризации складских помещений.

Он сканирует штрих и QR-коды на упаковках с товарами, например с бытовой техникой или сухим кормом для животных, и заносит данные в систему складского учета. У команды из пяти человек на инвентаризацию зоны площадью 20 тысяч кв. м уходит около месяца, а робот справится в 450–500 раз быстрее: он способен инвентаризировать это пространство за полтора часа. Несколько таких машин работают на наших складах, еще три — на внешних площадках.

Робот-инвентаризатор справляется с задачей в 450–500 раз быстрее команды из пяти человек.

Автономный мобильный робот (АМР) развозит тяжелые грузы по складу, а Dilectus помогает комплектовать заказы для отправки покупателям. Он находит коробки с нужными товарами, снимает их со стеллажей в зоне хранения, перевозит в зону комплектации и обратно. Dilectus гораздо сильнее человека: он легко поднимает короба весом до 35 кг и может одновременно перевозить до девяти таких коробов.

Второе направление нашей деятельности связано с коллаборативной робототехникой. Мы разрабатываем ИИ для так называемых роборук разных размеров. Первое устройство — депалетайзер с искусственным интеллектом. Он разбирает входные палеты, на которых лежат коробки разных размеров, форм и веса, и складывает их на конвейер. Благодаря нашей машине стоимость складских операций снижается, а скорость депалетизации увеличивается в среднем в два раза. Робот умеет проводить и обратную операцию, палетайзинг, то есть может собрать правильную палету из коробок разных размеров — эдакий 3D-тетрис.

Второй наш продукт с ИИ для роборук — Пикер с механическим щипковым захватом. Этот робот умеет поднимать небольшие объекты — например, канцелярские принадлежности, строительные крепежи, медицинскую продукцию и другие малоразмерные предметы весом до нескольких килограммов.

Dilectus находит в зоне хранения коробки с нужными товарами, забирает их и отвозит в зону комплектации.

Как робот определяет, какой предмет перед ним находится?

Все дело в софте. ИИ распознает изображение объекта, определяет, к какой категории он относится, строит карту глубины и затем начинает управлять двухпальцевым пикером. Он даже может предварительно повернуть или передвинуть товар для более удобного захвата. Для двухпальцевого пинчгриппера, с которым мы работаем, пока никто не написал ПО.

Мы достаточно много времени потратили на R&D, в результате получилась многомиллиардная нейронная сеть, которая может управлять маленькой роборукой — Пикером — и захватывать 94–97% ассортимента Яндекс Маркета. Она позволяет машинам комплектовать, сортировать, перекладывать товар из контейнера в нужное место. Причем за счет обучения нейросеть научилась определять и перекладывать в том числе и новые для нее предметы. Вообще проблема мелкой моторики роботов — одна из ключевых задач в робототехнике. И мы работаем над ее решением.

Почему вы выбрали для решения такой задачи именно двухпальцевый захват, а не аналог человеческой руки?

Решения встречаются разные — пятипальцевые, имитирующие руку человека, тоже есть. Но при таком подходе нужно обеспечить управление каждым пальцем отдельно, дать Пикеру то же количество степеней свободы, что и человеческой руке. Да, имитацией человеческой кисти удобнее осуществлять некоторые действия, но большую часть операций можно произвести и двумя пальцами.

В целом с задачей перемещения коробки или ее детектирования робототехника справилась. Тем не менее большинство разработчиков до сих пор пытаются передвигать объекты манипуляторами с присосками. Это еще раз доказывает сложность задачи управления роботами с пальцевым захватом

Депалетайзер перекладывает товар на конвейер или, наоборот, собирает его на палете. Причем разный размер коробок роботу не мешает.

Почему так сложно научить робота брать предметы? Вроде такие машины уже и ходить могут, и даже делать сальто.

Устройство изначально не понимает, с каким объектом оно работает. Ему нужно с разной степенью сжатия — но при этом без датчиков сжатия — схватить и переместить гель для стирки, ручку пакета, коробку чая или хрупкие конфеты. На начальных этапах мы научили Пикер брать твердые предметы, а затем перешли к хрупким. В ходе тестирования робот порой мял объект. Мы считали такой опыт неудачей и продолжали обучение.

В результате в нейросеть удалось «зашить» понимание того, с каким предметом она сейчас взаимодействует. По сути, мы дали оператору джойстик, написали всю систему телеуправления и на основе манипуляций человека с пинчгриппером составили дата сет — он получился одним из самых больших в мире. Нейросеть запоминала действия и степень усилия на захватах в каждом конкретном случае. Она научилась двигать объект, чтобы удобнее захватить его, и преследовать, когда товар нарочно пытаются убрать. Этому мы ее обучали полтора года.

Бывали даже ситуации, когда оператор задумывался, как лучше взять объект, и вхолостую нажимал на курок джойстика, «щелкая» пальцами захвата. Это нейросеть тоже запомнила и теперь в сложных случаях «щелкает» пальцами.

Возможностей Пикера с механическим щипковым захватом хватает для большинства операций. Задача была в том, чтобы научить ИИ с ним работать.

Получается, роборука «очеловечилась» в процессе обучения. Насколько сложные задачи сейчас она может решать?

Существует несколько поколений автоматизации. Первая — хардкод, когда автоматика перемещает одинаковые объекты по фиксированному маршруту. Вторая ступень — оснащение и обучение робота CV (компьютерным зрением) с пониманием, какой предмет и откуда нужно брать.

У многих компаний уже есть техника с автономным управлением, способная передвигаться внутри помещений или снаружи, видеть и оценивать обстановку вокруг себя. Мы же сейчас находимся в процессе создания системы третьего поколения, которая может взаимодействовать со средой в меняющихся условиях — например, работать с огромной товарной матрицей, десятками миллионов различных товаров, которые изо дня в день могут меняться. Именно эту проблему мы сейчас решаем, и у нас, похоже, неплохо получается.

Вы сказали, что сам механизм роборуки у вас от стороннего производителя. А что с остальными вашими продуктами в плане «железа»?

Что касается мобильных роботов, то все основное «железо» по нашим заказам изготавливают в России, а движки и сенсоры мы привозим из Китая.

Вы упоминали коллаборативных роботов, ко-ботов, которые могут работать рядом с людьми. Все ваши продукты таковы?

К коллаборативным роботам относится Пикер. Обычно он работает в отдельной зоне — однако, если в ней окажется человек или, например, его рука, робот не просто заметит это, но и сможет без вреда для человека продолжить работу.

Робот-инвентаризатор тоже в каком то смысле коллаборативный. Он уже действует в одной зоне с людьми, видит их. При необходимости он способен попросить человека отойти, подав звуковой сигнал, или самостоятельно его объехать.

А насколько экономически эффективно использование складских роботов? Как можно оценить выгоду от их внедрения для компании?

У каждого из роботов есть просчитанная экономическая модель, в которую можно подставить либо наши параметры, либо параметры партнера. В среднем срок окупаемости составляет от года до трех лет — этот показатель вычисляется исходя из эффективности работы оборудования и экономии человеческого ресурса.

Мы видим дефицит сотрудников для складских работ как в России, так и в целом по миру. Бизнес в сфере е-кома растет двузначными темпами, и, чтобы поддерживать такой рост, необходимо активно внедрять автоматизацию на складах.

Экономическая выгода от роботизированных устройств индивидуальна для каждого проекта. Например, инвентаризацию на складе робот выполняет в 500 раз быстрее, чем команда из пяти человек. Но, с другой стороны, такую операцию проводят не каждый день. Поэтому унифицировать эффективность нельзя.

В среднем робот-инвентаризатор окупается за 1,5–2,5 года в зависимости от ряда факторов. Если у склада большая оборачиваемость, машина окажется выгоднее не только благодаря более интенсивному использованию, но и потому, что она не накапливает человече ские ошибки.

Как вы думаете, сколько нам осталось до полностью автоматизированных складов, на которых вообще не будет людей?

На мой взгляд, 100%-ной автоматизации складов в обозримом будущем ожидать не стоит, но 95% бизнесу будет достаточно. Роботы нуждаются в людях не меньше, чем люди в роботах. Во-первых, машинам нужно постоянное техническое обслуживание. Во-вторых, сохраняется процент неудачных операций, хоть и небольшой. Это значит, что на 20 устройств должен приходиться хотя бы один человек, который будет решать задачи бизнеса в тандеме с роботами.

Конечно, как робототехник я мечтаю и стремлюсь к появлению полностью автономного склада. Но даже в таком месте примерно 5% операций будут выполнять люди. Живые сотрудники, особенно высококвалифицированные, не исчезнут, задача робототехники — избавить их от рутинных операций.

В целом сроки появления 100% автоматизированного склада зависят от размеров этого склада. К примеру, автоматизировать целиком цепочку операций на крупном складе мы сможем уже через 2,5–3 года. Если речь о дарксторе, в котором робот Dilectus мог бы привозить контейнер, а Пикер — разгружать его и комплектовать заказы, то такое решение мы уже протестировали, показали на последней выставке «СеМАТ» и готовы реализовать в следующем году.

Ваши роботы где-то уже используются?

Наши продукты постепенно включаются в производственные цепочки партнеров. Например, на складе «Лемана Про» тестируют роборуку с искусственным интеллектом на операциях депалетайзинга — она помогает разбирать товары. Мы ожидаем, что использование робота снизит стоимость операций по депалетизации примерно на 40% и при этом вдвое увеличит их скорость.

Звучит впечатляюще. А куда сейчас движется Yandex Robotics в целом, чего можно ожидать в будущем?

В данный момент мы занимаемся в основном интралогистикой — всем тем, что связано со складскими логистическими операциями. Мы активно развиваемся в этой сфере и скоро покажем много интересных наработок.

источник

Тут поговаривают, что есть приложуха для ПК под названием "Яндекс. Диск" и с 3 июня оно станет платным для персоналок. Точнее по подписке, а не заплатил раз и забыл.

У меня вопрос - этой хренью на компе (речь идёт не о мобилках) кто нибудь пользуется? Я ставил такую вещь клиенту - синхронизация данных в 1С шла через общий яндекс диск, повезло что у клиента POS-терминалы были заряжены на базе Вынь-8.

Что самое интересное - другие облака, тот же мыло.сру такких телодвижений не предпринимают. Более того, у яндекса есть вменяемый WebDAV, который без всяких приложух монтирует облако как локальный диск, у мыла его нету (по крайней мере раньше - сейчас не знаю). В линухе маленький однострочный скрип монтирует моё облако в папку и там пашет всё, в том числе и фоновая синхронизация.

Телодвижения  манагеров яндекса не вполне ясны, им же нужно наоборот привлекать клиентов, а не отталкивать, к тому же у них и у других конкурентов есть классическая подсадка на подписку в виде ограничения объёма.

И да. Я в основном пользую буржуйский терабокс - бесплатно 1Тб облака диска, в бесплатной версии идёт ограничение на размер одного файла в 1(ошибся) 4Гб, как у FAT32. Насчёт WebDAV не интересовался - пользую веб-версию. Так что решение яндекса весьма неоднозначно - оно просто оттолкнёт тех немногочисленных пользователей приложухи (которая вполне может собирать телеметрию)

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