Россия

Сбер запустил AI Challenge 2026 
(Как-то оперативно пропустили. Исправляемся) 

AI Challenge 2026 - международный конкурс по искусственному интеллекту для школьников и студентов. 

В конкурсе 3 категории — «Начинающие», «Школьники» и «Студенты», 3 этапа и общий призовой фонд 15,6 млн рублей. 

Задачи: автономные ИИ-агенты для кибербезопасности, восстановление изображений, обработка обращений граждан и поиск скрытых ИИ-манипуляций на изображениях. 

Ваши ученики могут участвовать. Удачи! 
https://aiijc.com/ru/

Великобритания

Skills England (государственное агентство Англии по навыкам) и Department for Work and Pensions (ведомство Великобритании по вопросам занятости и пенсий, DWP) 1 июня 2026 года опубликовали Annual Skills Report 2026 (ежегодный доклад о навыках) и Sector Skills Needs Assessments (отраслевые оценки потребности в навыках). 

8 приоритетных секторов промышленной стратегии плюс строительство, здравоохранение и социальный уход.

Прогнозы изменения занятости. Везде рост. В том числе и потому, что ИИ создает новые рабочие места. Но и изменение структуры занятости. 

То есть. Разговоры о том, что ИИ приведет к массовой безработице, это все сотрясение воздуха. 

Не приведет.  В том смысле, что рабочих мест меньше не станет. 

Но. Рабочие места станут другими. И множество людей действительно краткосрочно  будут терять работу. 

Skills England пишет, что нужны не только ИИ-специалисты, а адаптация всей рабочей силы к возможностям ИИ. 

И новые навыки надо качать уже сейчас, чтобы быстро адаптироваться к изменению рынка труда. 

Сами люди, понятно, ничего себе прокачивать не будут. Никогда такого не было, чтобы взрослые люди в массе своей побежали учиться чему-то новому. Не будет и сейчас. 

Все в принудительном порядке. Через государственную систему базового и дополнительного образования. 

В обучение будут встраивать коммуникацию, критическое мышление и аналитические навыки для работы с ИИ, а спрос работодателей будут отслеживать через данные и аналитику с использованием ИИ). 

Доступные данные по отраслям:
Передовое производство (Sector Skills Needs Assessment – Advanced Manufacturing): https://assets.publishing.service.gov.uk/media/6a18500a65bc5f798327f4ad/sna_advanced_manufacturing.pdf

Чистая энергетика (Sector Skills Needs Assessment – Clean Energy): https://assets.publishing.service.gov.uk/media/6a18577d050971fbebf3bbe7/sna_clean_energy.pdf

Строительство (Sector Skills Needs Assessment – Construction): https://assets.publishing.service.gov.uk/media/6a1856ac916cd732dcdaacab/sna_construction.pdf

Креативные индустрии (Sector Skills Needs Assessment – Creative Industries): https://assets.publishing.service.gov.uk/media/6a196af0b95db968c8f3bc39/sna_creative_industries.pdf

Оборона (Sector Skills Needs Assessment – Defence): https://assets.publishing.service.gov.uk/media/6a1857cd65bc5f798327f4c1/sna_defence.pdf

Цифровые технологии (Sector Skills Needs Assessment – Digital and Technologies): https://assets.publishing.service.gov.uk/media/6a18574e050971fbebf3bbe6/sna_digital_and_technologies.pdf

Финансовые услуги (Sector Skills Needs Assessment – Financial Services): https://assets.publishing.service.gov.uk/media/6a18581f65bc5f798327f4c3/sna_financial_services.pdf

Здравоохранение и социальный уход за взрослыми (Sector Skills Needs Assessment – Health and Adult Social Care): https://assets.publishing.service.gov.uk/media/6a185b0d65bc5f798327f4c9/sna_health_and_adult_social_care.pdf

Науки о жизни (Sector Skills Needs Assessment – Life Sciences): https://assets.publishing.service.gov.uk/media/6a18570f050971fbebf3bbe5/sna_life_sciences.pdf

Профессиональные и деловые услуги (Sector Skills Needs Assessment – Professional and Business Services): https://assets.publishing.service.gov.uk/media/6a185cb2c7335e2ca6daacbf/sna_professional_and_business_services.pdf


Каждый документ 20 + страниц.  10 страниц «воды», которая дублируется в каждом файле. Это можно в одном файле глянуть, а в остальных смело пропускать. А вот на чисто отраслевые цифры можно глянуть. Любопытно. 

Интересно в первую очередь профильным учебным заведениям для планирования перспективных программ обучения. 

https://www.gov.uk/government/publications/skills-england-annual-skills-report-and-sectoral-skills-needs-assessments-2026

Публикуем подробные комментарии к предыдущим постам нашего постоянного читателя и практически соавтора канала.

Часть 1.
Давно не выступал здесь с комментариями. Я отнюдь не потерял интерес к каналу и его проблематике, просто я не ИИ, и человеческому мозгу чаще требуется калибровка, перезагрузка и зачистка контактов :) Плюс куча других задач. Исправляюсь!

Хотел выступить еще по поводу поста о результатах опроса от SuperJob https://t.me/aiobraz/91, но автор(ы) буквально сняли с языка некоторые мысли, поэтому все нижесказанное навеяно сразу двумя постами.
Представляется, и автор(ы) это подчеркивает(ют), что опрос, согласно которому люди очень не хотят, чтобы на работу их «принимал» ИИ, отражает более системную проблему общего недоверия к ИИ и свойственного человеческой природе страха перед всем новым и неизведанным.

Как это так? Мало того, что ИИ отбирает у нас работу, так еще и принимает решение о нашем найме! Опять процитирую свой горячо любимый «Саут Парк»: «Из-за этих гадов (произносится через «хэ», на южнорусский манер) мы без работы сидим!», только теперь на месте «хадов» – «хадский» ИИ. Отмечу – за ИИ в HR-е по данным опроса как раз те самые респонденты с доходом от 150 тыс., которые, определенно в курсе, что такое ИИ и наверняка сами его активно используют.

Один из последних соцопросов в Великобритании также отразил подобную тенденцию. Он охватил четыре группы: 2000 представителей общественности, 1000 молодых людей в возрасте 16–29 лет, 1000 студентов и 500 работодателей. Результаты показали, что почти 69% работников беспокоятся о негативных экономических последствиях, связанных с потерей рабочих мест из-за ИИ, 64% работодателей разделили эти опасения. Более половины опрошенных (57%) считали, что ИИ приведет к массовой безработице. Более 20% были уверены, что ИИ сможет забрать рабочие места с такой скоростью, что это вызовет гражданские волнения, а среди студентов этот показатель составил более 34%. 40% респондентов вообще прямо признались, что боятся ИИ. https://www.independent.co.uk/news/uk/home-news/ai-artificial-intelligence-uk-jobs-unemployment-unrest-b2978928.html

Чем вызван этот страх? Как представляется, это «типичная болезнь» роста, вызванная опережающим развитием ИИ, к которому оказались не готовы ни рынок, ни тем более регуляторы. Я – сторонник саморегулирующихся систем, и уверен, что когда наблюдаемая «болезнь» роста будет излечена, «хайп» по поводу всесилия ИИ спадет, рынок сам все отрегулирует. Пусть все развивается по принципу Láissez-fáire.

И уже к этому есть тенденции, указывающие на то, что рынок постепенно приспосабливается к новой реальности, в которой много работ выполняется ИИ. И в этой реальности человеку в любом случае найдется место. Так, по данным Goldman Sachs, в США ежемесячно теряется около 16 тыс. рабочих мест из-за автоматизации. Однако сейчас наблюдается новый тренд: многие компании, уволившие сотрудников после внедрения ИИ, начинают их возвращать. Согласно опросу, проведенному компанией Robert Half, 29% организаций, внедривших ИИ, уволили работников, а затем решили их вернуть. Возникает такое явление, как «boomerang hires».

Часть 2.
У работодателей возникает понимание, что сочетание человеческого опыта и ИИ может привести к более эффективным результатам, плюс многие компании переоценили возможности ИИ в определенных ролях. Например, IKEA, автоматизировав 50% своих телефонных звонков, вместо увольнений решила переобучить сотрудников на новые роли, такие как дизайнеры интерьеров, используя ИИ для рекомендаций по размещению товаров. Это решение привело к увеличению доходов компании. https://asector.ru/news/2026_04_ii_kak_povod_dlya_uvolneniy_kompanii?ysclid=mq0q58kp7s257438421, https://shoppers.media/news/6831_ikea-pereobucila-sotrudnikov-koll-centra-na-konsultantov-po-intereru, https://habr.com/ru/articles/966994/

Японская игровая компания Nintendo принципиально не применяет генеративный ИИ в геймдевелопменте, что не мешает ее акциям расти. Хотя отмечается, что рост не столько связан с успехами Nintendo, сколько с изменением настроений инвесторов в отношении технологий ИИ в пользу более реалистичных оценок. https://habr.com/ru/companies/ru_mts/articles/828114/

Адаптируются к новым реалиям и будущие работники. Студенты колледжей в США пересматривают свои специальности из-за опасений, что искусственный интеллект угрожает их карьерным перспективам. Согласно опросу, проведенному Gallup и Lumina Foundation, каждый шестой студент, то есть около 16%, сменил специальность из-за влияния ИИ на рынок труда, а почти половина (47%) студентов колледжей как минимум всерьез задумывались о смене специальности по той же причине. То есть работают на «опережение». https://dzen.ru/a/ac7E7IlxU3miNf2_?ysclid=mq0q0fbhlu102595233

В качестве авторитетного мнения и видения ситуации можно привести недавнее высказывание генерального директора OpenAI Сэма Альтмана, который заявил, что стремительное развитие ИИ не приведет к глобальной потере рабочих мест, как он опасался ранее. По его словам, он и его команда были «примерно правы» в своих технологических прогнозах, сделанных при запуске ChatGPT в 2022 году, но ошибались в оценке социальных и экономических последствий: «Я не думаю, что нас ждет тот самый “апокалипсис рабочих мест”, о котором заявляют некоторые компании в нашей сфере». https://habr.com/ru/news/1040096/

Часть 3.
И, напоследок, в качестве резюме, приведу очень точное сравнение одного уважаемого мной блогера, помещенное им, увы, в закрытом канале: на протяжении всей истории человек создавал машины, умеющие лучше человека в каких-то областях. Человек не может обогнать не только болид «Формулы-1», но даже старенький «Запорожец». Но это не означает, что он не перестал перемещаться в пространстве. Наоборот, человек задает автомобилю цель – куда ехать. ИИ в этом отношении ничем не отличается от автомобиля. Где-то человек не сможет конкурировать с ИИ, но он может создать симбиоз, где человек будет ставить ему задачи и создавать смыслы. Вот и на рынке труда теперь в передовиках будут те, кто лучше пишет промпты, обучает ИИ и т. д. И никуда человек не денется!

Правда, в этом контексте сложно ответить на вопрос – правильно ли принудительно обучать взрослых людей работе с ИИ? Возможно, и не стоит. Силком же никого не затащишь в «светлое будущее». Но возможности предоставить надо!

P.S. Что касается ИИ в процедурах найма – одна из свежих новостей. Исследование Стэнфордского университета показало, что ИИ в этих процессах склонно к дискриминации по расовому признаку (!!!!!!). В фокусе исследования находилась платформа Pymetrics, принадлежащая Harver. Ученые обнаружили, что 26% чернокожих соискателей и 15% азиатских кандидатов подавали заявки на вакансии, где искусственный интеллект дискриминировал их расовую группу. Согласно результатам исследования, от дискриминации ИИ-систем пострадали около 40 тысяч соискателей. Так что, как говорится, и на старуху бывает «прореха» :) https://www.yahoo.com/news/politics/articles/largest-study-ai-hiring-algorithms-183000403.html

P.P.S. Кроме того, «ИИ в HR» – это игра, в которую можно играть вдвоем. Соискатели все чаще используют метод prompt hacking, позволяющий обойти автоматизированные системы отбора резюме, например, скрытые сообщения в белом тексте на своих резюме. Появляются фальшивые кандидаты с использованием deepfake. По некоторым зарубежным опросам, 72% рекрутеров столкнулись с ИИ-резюме, а 15% видели замену лиц в видеоинтервью.

Конечно. существуют и «легальные» методы использования ИИ в поиске работы. Так, соискатели применяют ИИ для адаптации своих резюме под конкретные вакансии. Также не возбраняется исследовать компанию-работодателя с помощью ИИ. Или отработать ключевые навыки. Или можно попрактиковаться с ИИ в формате мок-собеседований. Все это повышает шансы на успешное трудоустройство.

#КартаИИ@aiobraz

Продолжаем тему

ИИ для поиска научной литературы

Научная работа начинается с реконструкции исследовательского поля: какие школы сложились, какие понятия используются, какие методы считаются рабочими, где проходит спор, какие результаты воспроизводятся, а какие держатся на слабой эмпирической базе.

Ошибка на входе стоит дорого. Можно построить работу на устаревшей терминологии, пропустить ключевую дискуссию, принять частный результат за консенсус или включить в список литературы статьи, которые много цитируют, но уже методологически оспорены.

Искусственный интеллект полезен как инструмент ускоренного ориентирования. Раньше исследователь двигался через ключевые слова: подбирал запросы, открывал вкладки, скачивал PDF-файлы, проверял аннотации. Сейчас появились сервисы, которые ищут не только по совпадению слов, но и по смыслу запроса.
Такой поиск называют семантическим: система пытается понять, о каком явлении, методе или типе доказательства идёт речь, даже если в статье используются другие формулировки.

К этой группе относятся Semantic Scholar, Elicit, Scite, ResearchRabbit, Connected Papers, Litmaps и другие специализированные инструменты. Фронтирные модели, включая ChatGPT, тоже помогают входить в тему. Они находят релевантные статьи, строят карту связей между публикациями, показывают характер цитирования и помогают готовить обзор литературы.

Первый пример. Исследователь входит в тему раннего выявления профессионального выгорания у преподавателей. Обычный поисковый запрос даст много лишнего: популярные статьи, медицинские тексты о депрессии, управленческие заметки о мотивации. ИИ-инструмент позволяет сформулировать вопрос точнее: «Какие психометрические шкалы и поведенческие индикаторы используются для раннего выявления профессионального выгорания у преподавателей высшей школы?» После этого система помогает выделить тип исследования, выборку, инструмент измерения, результаты и ограничения.

Второй пример. Аспирант пишет обзор по применению генеративного ИИ в инженерном образовании. В поле есть разные линии: автоматическая проверка заданий, генерация учебных примеров, помощь студентам с кодом, академическая добросовестность, изменение роли преподавателя. Карта цитирований помогает увидеть базовые работы, новые публикации и связи между направлениями.

Третий пример. Преподаватель готовит новый курс. Ему нужен не случайный список литературы, а ядро текстов: обзорные работы, методологические статьи, свежие эмпирические исследования и критические публикации. ИИ быстро соберёт предварительный список, но преподаватель сам проверяет, какие тексты обязательны.

Ограничения принципиальны. ИИ может пропустить важную статью, особенно если она написана в другой терминологической традиции. Может неверно извлечь данные из таблицы. Может смешать рандомизированное исследование, наблюдательную работу и экспертный комментарий. Может пересказать слабую статью и не заметить, что выборка мала, контрольной группы нет, а выводы шире данных.

Модель может не иметь доступа к закрытым базам научной литературы.

Многие такие базы уже встраивают большие языковые модели в свои интерфейсы и позволяют использовать ИИ внутри существующих подписок. Но это не отменяет главного: серьёзный обзор требует методологии. Нужны протокол поиска, список баз данных, точные запросы, критерии включения и исключения, фиксация версий и ручная проверка первоисточников.

ИИ не заменяет исследовательскую дисциплину. Он снижает рутину, помогает составить протокол, предварительно разметить корпус текстов, извлечь признаки из статей и быстрее увидеть структуру поля. Но ответственность за выводы остаётся на исследователе.

И здесь есть важный парадокс. Сегодня ИИ ускоряет тех, кто уже использует эти инструменты. Так же когда-то компьютер и электронная почта ускоряли учёного относительно коллег, у которых их не было. Через некоторое время использование ИИ в научной работе станет нормой. Общая скорость вырастет. А само ощущение ускорения исчезнет.

Вдогонку. 

Гугл узнал, что мы сегодня затронули тему и  обновил после нашего поста NotebookLM :)

Главное изменение: теперь не обязательно заранее приносить все источники вручную. Можно начать с темы, вопроса или сырой идеи — и NotebookLM поможет собрать базу источников прямо в чате.

Инструмент может использовать Google Search, искать релевантные материалы в интернете, в том числе на других языках, и добавлять их в блокнот. Пользователь при этом сохраняет контроль. Какие источники попадут в рабочую базу, решает владелец аккаунта.

NotebookLM должен собрать корпус источников, показать, на чём строится ответ, и дальше работать внутри этой проверяемой базы.

Вторая часть обновления — новые форматы результата. NotebookLM теперь может готовить не только текстовые заметки, но и более прикладные артефакты: отчёты PDF, документы Word, Markdown, таблицы Excel, презентации PowerPoint, визуализации в PNG и SVG, структурированные данные CSV и JSON.

Третье изменение. Google пишет, что NotebookLM теперь работает на Gemini 3.5 и Antigravity. Каждый блокнот получает защищённую облачную вычислительную среду, где система может писать и выполнять код для анализа данных, построения графиков и подготовки сложных материалов.

По сути, Google двигает NotebookLM в сторону исследовательского рабочего места: поиск источников, анализ, код, таблицы, графики, презентации и отчёты в одном флаконе.

Подробности:

https://blog.google/innovation-and-ai/products/notebooklm/better-research-notebooklm/

И снова о бессмысленности проверки работ на предмет текстов, сгенерированных ИИ.

Во всяком случае о бессмысленности проверок теми, кто сам ИИ в глаза не видел и не понимает, что там не самом деле происходит, когда ИИ генерирует текст по заданию, ну пусть будет, студента.

В прессе активно обсуждается история о том, как Московский Международный университет продемонстрировал ….

Сел в лужу, короче говоря.

Студентку отчислили за использовании ИИ в дипломной работе.

Не за то, что работа плоха.

А может причиной было совсем что-то другое, а использование ИИ лишь повод. Этого мы не знаем.

Студентка обратилась в суд.

Суд первой инстанции встал на сторону студентки.

ВУЗ пошел в апелляцию и проиграл в вышестоящем суде.

Карточка судебного дела по ссылке.

Читать ее гораздо любопытнее, чем пересказы в прессе .

Радует вменяемость судей.

Расстраивает отсталость ВУЗа :(

https://vs--tat.sudrf.ru/modules.php?case_id=27916406&case_uid=ae64ea54-314c-49e5-94b4-9e7f1ce44db1&delo_id=5&name=sud_delo&name_op=case&new=5&result=1&srv_num=1

Логнгрид на выходные. 319 страниц

Anthropic опубликовала информацию о последних моделях Claude Fable 5 и Claude Mythos 5. 

Fable 5 и Mythos 5 — это две версии одной и той же модели. Базовая модель одна, но режим доступа разный. Fable 5 доступна обычным пользователям. Mythos 5 доступна только ограниченному кругу проверенных партнёров в Project Glasswing.

Главное отличие — ограничения. В Fable 5 включены дополнительные защитные механизмы для задач в кибербезопасности, биологии, химии и при попытках скопировать поведение модели. Если пользователь в обычном приложении задаёт рискованный запрос, Fable 5 не отвечает сама, а переводит запрос на Claude Opus 4.8. В интерфейсе для разработчиков такой запрос по умолчанию блокируется.

Anthropic не заявляет, что модель уже заменяет сильных исследователей и инженеров. Компания отдельно пишет, что Mythos 5 не показала устойчивого двукратного ускорения собственных исследований искусственного интеллекта. Внутри Anthropic модель проверяли на 886 рабочих исследовательских и инженерных задачах.

В биологии и химии модель отнесли к уровню CB-1. Это значит: она может заметно помогать людям с базовой технической подготовкой в опасных химико-биологических задачах. Уровень CB-2, то есть замену редкой мировой экспертизы при создании новых химико-биологических угроз, Anthropic признала пока недостигнутым.

Самый заметный биологический тест: 6 биологов уровня PhD работали в командах с экспертами по большим языковым моделям. Было 3 команды со специалистами по патологии растений и 3 команды с биологами общего профиля. Две из трёх команд общего профиля с Mythos 5 превзошли все три команды специалистов. 
Эксперты оценили, что без искусственного интеллекта такая работа заняла бы 40–95 рабочих дней, в среднем 72,5 дня. 

С Mythos 5 её сделали за 16 часов.

Подобных примеров из совершенно разных областей в документе более, чем достаточно. 

Слабые места модели: ошибки в расчётах, выдуманные ссылки и данные, нестабильные оценки при повторных запросах, слабое удержание ограничений в длинных сессиях, переусложнение решений, уверенные ответы при недостаточной проверке, рискованные действия ради выполнения цели пользователя.

Документ обязательно нужно читать полностью. Пусть и по диагонали. Пусть и пропуская те части, которые не касаются сферы непосредственно ваших интересов. 

Подобное выходит раз в год. 

Ждём новостей от OpenAi

Документ в приложении.  

Свежий доклад Всемирного экономического форума Shaping the Future of Learning: Education Readiness for the Age of AI (июнь 2026). 46 страниц.  

Некоторые циферки из доклада. 


Образование — вторая отрасль в мире по интенсивности внедрения ИИ, уступает только сектору технологий и медиа.  

Доля образовательных инноваций, использующих ИИ, выросла с 5,4% в 2022 году до 21,6% в 2025 году (рост примерно в 4 раза). 

Использование ИИ школьниками для выполнения домашних заданий выросло с 48% (май 2025) до 62% (декабрь 2025). 

Лишь 6% учителей считают существующие правила использования ИИ достаточно понятными. 


В мире ожидается дефицит 44 млн учителей к 2030 году. 

Исследования показывают, что до 20% рабочего времени учителей уходит на административные задачи, которые могут быть автоматизированы ИИ. 

Еще 8–20% аналитической работы (подготовка уроков, анализ результатов и др.) может быть усилено ИИ. 


Анализ почти 575 тысяч диалогов студентов с Claude показал, что около 47% взаимодействий были направлены на получение готовых ответов с минимальным интеллектуальным участием учащегося. 

95% опрошенных (преподаватели, администраторы и студенты) считают, что ИИ уже используется для тех или иных форм академического мошенничества. 


Согласно данным европейского рынка труда, требование «готовность учиться» (willingness to learn) встречается почти в 20% вакансий — чаще любого другого навыка. 

Доклад фиксирует снижение результатов тестов PISA (Programme for International Student Assessment) по математике, чтению и естественным наукам по сравнению с уровнями начала 2010-х годов. 

Кстати, это совсем не связно с ИИ. Снижение началось раньше, чем началось хоть какое-то использование ИИ в образовательных задачах. На графике в докладе это отлично видно. 

Источник в приложении

@aiobraz

Сколько на самом деле стоит использование продвинутых ИИ приложений. 

SemiAnalysis пишет, что они купили подписки Anthropic/OpenAI, гоняли длинные coding-задачи до недельных лимитов и сравнивали экономику подписки с API-тарификацией. 

Подписки на фронтирные модели сейчас продаются как «безлимит», но экономика у них совсем не безлимитная.

Активный пользователь может сейчас получить по подписке намного больше вычислений, чем реально оплачено подпиской. 

$20–$200 в месяц это не цена за реальную нагрузку. Это ставка на то, что большинство пользователей не будет выжимать лимиты до суха. 

Логично. 

Экономика подписки держится на среднем потреблении, а не на максимальном.

Вывод. 

Массовая подписка останется витриной и  и маркетинговым каналом привлечения юзеров. 

Пока мощные coding-агенты доступны за цену обычного софта, отдельный специалист получает инфраструктуру, которая раньше требовала бюджета большой команды. 

Но это временно.

Профессиональная нагрузка будет монетизироваться отдельно, что уже и начинает происходить. 

https://x.com/SemiAnalysis_/status/2064815044085318040

США
Иностранцам закрыли доступ к Fable 5 и Mythos 5.

Ничего подобного в истории авторы канала не припомнят.  Так чтобы какой-то продукт сначала выпустили на весь мир, а потом резко решили ограничить к нему доступ.

Есть куча «секретного» софта, который никогда не был в открытом доступе. Это нормально.  Но вот чтоб так? 

Anthropic сообщила, что получила от правительства США предписание прекратить доступ к Claude Fable 5 и Claude Mythos 5 для любого иностранного гражданина внутри США, за пределами США и даже среди сотрудников самой Anthropic. 

Mythos 5 позиционировалась как модель с сильнейшими кибервозможностями для киберзащитников и провайдеров критической инфраструктуры. 

Fable 5 — как массовая версия того же класса с дополнительными ограничениями. Теперь доступ к таким возможностям рассматривается как вопрос национальной безопасности. 

Anthropic пишет, что из-за невозможности отделить всех иностранных пользователей ей пришлось отключить Fable 5 и Mythos 5 для всех клиентов. Остальные модели, по заявлению компании, не затронуты. 

Причина, по версии Anthropic, опасение правительства из-за обхода защит, то есть взлома ограничений модели (jailbreak), который мог позволить использовать Fable 5 для поиска уязвимостей в программном обеспечении. 

По ссылке подробные объяснения от Anthropic. 

Компания сама не в восторге от таких действий правительства. 

Тут еще что может быть. Мы помним, что Anthropic в начале года поссорился с Пентагоном. Компанию отодвинули от военных контрактов. И чуть ли не от го контактов вообще. И был большой скандал. 

Это не помешало Anthropic наращивать выручку и пользовательскую базу огромными темпами. 

Возможно, тут еще и желание правительства притормозить строптивую компанию. И дать возможность основному конкуренту (OpenAi) выйти с моделями класса Mythos. Так ли это, мы никогда не узнаем. 

Понаблюдаем. Тут какие варианты? 

Anthropic докажет чиновникам, что может контролировать использование модели. Запрет уберут. 

OpenAI не выпустит следующие модели ChatGPT в открытый доступ. Запрет останется. Значит дело не в конкуренции и личных обидах. 

OpenAI выпустит следующие модели ChatGPT в публичный доступ, а Anthropic будет оставаться под ограничениями. Значит сильно «Трамп» обиделся на компанию. 

https://www.anthropic.com/news/fable-mythos-access

@aiobor

Канада опубликовала национальную стратегию развития искусственного интеллекта.

В документе ИИ рассматривается не только как технологическая отрасль, но и как задача для образования, науки и рынка труда.

Для стратегического документа слишком много ненужных цифр.  И слишком много о тактике для стратегии. 

По диагонали можно глянуть. Источник в приложении.
Основные цифры в контексте канала:

Образование

— 1 млн студентов начального уровня в системе послешкольного образования должны пройти базовую подготовку по ИИ.

— Более 3 000 школьных педагогов должны пройти обучение и получить учебные комплекты по ИИ.

— Все студенты послешкольного образования должны получить доступ к доверенным ИИ-агентам.

— $30 млн направляется в программу бесплатного обучения цифровым навыкам для школьников от подготовительного класса до 12 класса и их преподавателей. В программу входят программирование, ИИ и новые технологии.

— $50 млн на 5 лет выделяется на модернизацию государственного сервиса вакансий с использованием ИИ-подбора работы по навыкам. (Это в унитаз. Просто распил бюджета.) 


Практика и рынок труда

— До 90 000 рабочих мест, стажировок и практик, связанных с ИИ, должно быть создано для молодых канадцев к 2031 году.

Из них:
— 45 000 — через программы студенческой производственной практики и летней занятости;

— 35 000 — через программы развития базовых профессиональных навыков и другие инициативы;

— 10 000 — через программы прикладного внедрения ИИ и междисциплинарной подготовки.

— До 250 000 новых рабочих мест должно быть создано за счёт внедрения ИИ к 2031 году.

— Цель по внедрению ИИ в бизнесе: рост с 12% до 60% к 2034 году.

Наука и исследователи

— $1,7 млрд — стратегия привлечения научных и технологических талантов.

— Число исследовательских кафедр по ИИ должно вырасти со 130 до почти 200.

— Три национальных института ИИ — Mila, Amii и Vector Institute — остаются базовой инфраструктурой исследований и подготовки кадров.

— Через программу исследовательских кафедр по ИИ уже профинансировано более 150 исследователей.

Рабочие навыки

— Институт Amii ежегодно обучает 125 000 студентов знаниям и навыкам в области ИИ.

— Amii уже охватил более 1 000 школьных педагогов в более чем 400 школах. Через эти программы поддержано обучение более 60 000 школьников.

— $9 млн федеральных инвестиций направлено на подготовку почти 5 000 работников энергетического сектора к использованию ИИ.

OpenAI запустила в OpenAI Academy (учебной платформе OpenAI) три курса для применения ИИ на работе:

AI Foundations (основы искусственного интеллекта),

Applied AI Foundations (прикладные основы ИИ),

Agents and Workflows (агенты и рабочие процессы).


https://openai.com/index/academy-courses-applying-ai-at-work/

#КартаИИ@aiobraz продолжаем тему

ИИ для науки

В 2026 году ИИ для науки сместился от «помощника для поиска литературы» к агентным системам, которые участвуют в полном исследовательском цикле: формулируют гипотезы, пишут код, предлагают эксперименты, анализируют данные и готовят черновики публикаций. 

Это пока еще не полная «замена учёного» :)

Ключевые результаты требуют вменяемой человеческой постановки задачи, проверки новизны и экспериментальной валидации. А это требует «старой» инфраструктуры «с синхрофазотрономи и вот этим вот всем». 

1. Автоматизация научного цикла. В Nature 25 марта (как давно это было уже, по меркам развития темы!) опубликована работа The AI Scientist: система генерирует исследовательские идеи, пишет код, запускает эксперименты, строит графики, анализирует данные, пишет рукопись и проводит собственное «peer review». 

Один сгенерированный ею манускрипт прошёл первый раунд рецензирования на воркшопе топовой ML-конференции. У этого воркшопа была заявлена доля принятия 70%. Это важный прорыв как proof-of-concept. При этом, Nature указывает на риски шума в литературе и перегрузки рецензирования.  

2. Биомедицина: агенты для гипотез и валидации. 19 мая в Nature опубликована статья о Co-Scientist — многоагентной системе на Gemini для генерации, критики и уточнения научных гипотез. Валидация была сосредоточена на трёх биомедицинских задачах: перепрофилирование лекарств, поиск новых мишеней и объяснение механизмов антимикробной резистентности. В частности, Co-Scientist помог найти кандидаты и комбинации для острого миелоидного лейкоза, проверенные in vitro.  

3. Автоматизированное открытие в офтальмологии. В другой статье Nature от 19 года описана система Robin. Она объединяет агентов поиска литературы и анализа данных, формирует гипотезы, предлагает эксперименты, интерпретирует результаты и обновляет гипотезы. На задаче сухой возрастной макулярной дегенерации Robin предложила усиление фагоцитоза пигментного эпителия сетчатки как терапевтическую стратегию и выявила кандидаты ripasudil и KL001. 

Эффективность подтверждена in vitro, а для ripasudil дополнительно предложен механизм через ABCA1.

Авторы канала, конечно, мало что понимают в сказанном, но доверяют уважаемому изданию. 
4. Материалы и «самоуправляемые» лаборатории. В npj Computational Materials описан BEE-NET — графовая нейросеть для поиска сверхпроводников: рабочий процесс сузил более 1,3 млн кандидатных структур до 741 стабильного соединения. Авторы сообщили о синтезе и экспериментальном подтверждении сверхпроводимости у двух ранее не описанных соединений.   В Nature Communications 4 мая 2026 года представлена PoLARIS — микрофлюидная самоуправляемая лаборатория для двойных перовскитных нанопластин: за 120 экспериментов в течение 12 часов система повысила прокси PLQY с 17% до 30%, а очищенный образец показал 45%.  

Тут авторы канала поняли чуть больше. Но тоже не до конца :)

5. Белковая биология: «карта». 
27 мая Biohub выпустил ESMC, ESMFold2 и ESM Atlas. По заявлению Biohub, ESMC обучен примерно на 2,8 млрд белковых последовательностей. 
ESM Atlas делает навигируемыми 6,8 млрд последовательностей и 1,1 млрд предсказанных структур. 
ESMFold2 использовали для дизайна белковых связывателей против пяти целей в онкологии и иммунологии. Это инфраструктурный прорыв: резкое расширение пространства вычислительно проверяемых  гипотез.  

И это действительно приближает «таблетку от рака», хотя по по поводу того, что такое «рак» споры не утихают. Вот тут мы ждём следующих прорывов.  

Общий признак понятен.  Клетки начинают неконтролируемо делиться, вторгаться в  соседние ткани и иногда давать метастазы. Но причины, мутации, скорость течения, ответ на лечение и прогноз у разных видов рака сильно различаются. Это крайне разнородный класс болезней. 

Наиболее зрелые результаты видны там, где гипотезу можно быстро проверить. 

Главное ограничение.  Говорят, пока, принципиальное — ее Величество Случайность.  Это тема отдельного поста.

ИИ и случайность в научных исследованиях. Много споров. Пришлось позвать Сократа :).  В сокращении, конечно. 

Однажды Теэтет спросил:

— Сократ, говорят, искусственный ум скоро изменит все науки. Но не погубит ли он счастливую случайность, без которой не было бы многих открытий? Один не искал лекарства, но заметил странное пятно на чаше. Другой не искал невидимых лучей, но увидел свечение. Если всё будет поручено машине, которая ищет кратчайший путь, не исчезнут ли такие находки?

Сократ ответил:
— Скажи, если пастух случайно ударит камнем по земле и найдёт родник, станет ли он мудрецом в искусстве водоискательства?

— Нет, если он не понял, почему там вода.

— А если врач увидит странный признак болезни, но сочтёт его грязью, сделал ли он открытие?

— Нет.

— Следовательно, случай сам по себе ничего не открывает. Он лишь показывает нечто душе. Но душа должна быть способна увидеть в этом знак. 

— Значит, счастливый случай нуждается в подготовленной душе?

— Именно. Не всякий, увидев странное, удивится. Один увидит мусор, другой — ошибку, третий — пустяк. Только тот, кто любит истину и знает ремесло исследования, спросит: не скрывается ли здесь закон?

— Но что тогда меняет искусственный ум?

— Попробуем различить. Машина действительно ищет кратчайший путь, если ей дана цель и мера успеха. Она похожа на искусного землемера. Cкажи ему, куда идти, и он найдёт дорогу ровнее и короче.

Но человек проходит лишь немногие дороги. Он читает малую часть написанных книг. Его жизнь коротка, память ограниченна, внимание утомляется.

Искусственный ум может обойти множество путей, которые человек не прошёл бы. Он может увидеть сходство между областями, которые редко встречаются в человеческой беседе. 

— Но разве это случайность?

— Не такая, как прежде. Раньше случайность являлась как  испорченный опыт, ошибка. Теперь умная машина идёт не наугад и проходит огромное число дорог, иногда недоступных для человека.

— Значит, это случайность, произведённая избытком дорог?

— Да. Назовём её наведённой случайностью. Не той, что падает с неба, а той, что возникает, когда искусственный помощник обходит пространство возможностей, недоступное одной человеческой душе.

Есть разные пути к истине.

Первый — блуждание. Исследователь идёт не самым прямым путём, встречает странное и побочное, иногда именно там находит истину.

Второй — четкая цель. Есть задача, правило и мера успеха. Нужно скорее найти лучшее решение.

Третий — наведённая случайность. Машина не блуждает как человек, но расширяет поле, на котором человек может обнаружить неожиданное. Она строит карту, а человек замечает на ней место, которое не было целью пути, но стало началом вопроса.

— Значит, искусственный ум не убивает случайность?

— Он может убить один её вид и породить другой. 

— Но может ли сама машина удивиться?

— Удивление есть начало философии. Удивляется не тот, кто замечает несоответствие, а тот, кто чувствует: перед ним трещина в привычном порядке вещей. Он спрашивает: что это значит? почему это возможно?

— Значит, машине принадлежит указание, а человеку — вопрос?

— Во многом так. Машина может указать на тень на стене пещеры. Но выйти из пещеры должен тот, кто не удовлетворился тенью. Она может показать необычный след. Но решить, ведёт ли он к истине или к обману, должна душа, воспитанная в различении знания и мнения.

— Но многие примут ответ машины за знание.

—  Софисты тоже говорят убедительно, но от этого их речь не становится истиной. 

Когда помощник приносит тысячи гипотез, нужна большая трезвость. Иначе душа утонет не в незнании, а в изобилии мнимого знания.

Главная опасность не в том, что искусственный ум уничтожит случайность. Опасность в том, что человек перестанет рассуждать сам. Сочтёт ответ — истиной, вероятность — причиной, удобство — мудростью.

Случайность раньше жила в лаборатории, забытом сосуде, испорченном опыте. Теперь будет жить и в больших пространствах вычислений, в неожиданных сочетаниях, побочных гипотезах.

«Глобальный барометр рабочих мест в эпоху ИИ — 2026»

PwC выпустила Global AI Jobs Barometer 2026.

Исследование построено на анализе более 1 млрд объявлений о вакансиях в 27 странах. 

Вакансии, требующие ИИ-навыков, растут на 69% против 9% по рынку в целом. Средняя зарплатная премия за ИИ-навыки достигла 62%. 

Источник в приложении.  Основные цифры здесь. 

…..
22% — должности, где ИИ повышает требования к экспертизе.

52% — должности, где ИИ снижает порог экспертизы.

26% — должности с низким влиянием ИИ.
+39% — рост вакансий в должностях с повышением экспертизы с 2018 года.

+17% — рост вакансий в должностях со снижением порога экспертизы с 2018 года.

2× — первые растут вдвое быстрее.

+37% — рост зарплат в должностях с повышением экспертизы с 2021 года.

+26% — рост зарплат в должностях со снижением порога экспертизы с 2021 года.

42% — преимущество по темпу роста зарплат.

68% — рост числа требуемых навыков в должностях с повышением экспертизы.

33% — рост числа требуемых навыков в должностях со снижением порога экспертизы.

49% — руководители компаний ожидают снижения найма младших специалистов из-за ИИ в ближайшие 3 года.

35% — рост вакансий начального уровня, где уже нужны навыки старших специалистов.

−10% — падение вакансий начального уровня без таких новых требований.

2,2× — навыки в наиболее подверженных ИИ должностях меняются быстрее.

75% — за год вырос разрыв в скорости изменения навыков.

2,5× — новые задачи чаще требуют эмпатии, креативности, суждения и лидерства.

33,5% — рост производительности у компаний с максимальной подверженностью ИИ.

163% — рост производительности у 20% лидеров внутри этой группы.

52,2% — рост численности персонала у компаний с максимальной подверженностью ИИ.

24,4% — рост зарплат у таких компаний.

68% — рост зарплат у 20% лидеров по производительности.

62% — зарплатная надбавка за навыки ИИ.

57% — такая надбавка годом ранее.
118% — надбавка за навыки ИИ в потребительских рынках.

84% — в технологиях, медиа и телекоммуникациях.

75% — в энергетике, коммунальных услугах и ресурсах.

73% — в производстве.

67% — в профессиональных услугах.

53% — в финансовых услугах.

37% — в здравоохранении.

16% — в государственном и общественном секторе.

8× — наём специалистов по ИИ в 2025 году рос быстрее рынка вакансий в целом.

11,4% — доля вакансий специалистов по ИИ в технологиях, медиа и телекоммуникациях.

Кстати. Если удобнее читать нас в Максе…—>>>

Россия

ИИ-ассистенты для госуправления

Аппарат Правительства России завершил полугодовое тестирование российских сервисов искусственного интеллекта и решил внедрять их во все структурные подразделения.

Пилот шёл в 8 подразделениях: ИИ использовали для кратких справок, сравнения версий документов, протоколов совещаний и рутинных операций.

Для защиты данных сделали двухконтурную архитектуру: служебный контур для внутренних данных и интернет-контур для открытых источников.

К написанию законопроектов и принятию государственных решений ИИ привлекать не планируется.

В числе решений, успешно прошедших тестирование, продукты «Сбера» и «Яндекса», включая «ГигаЧат», «Нейроюриста» и «Алису AI». Более 80% участников пилотного проекта сообщили об активном использовании перечисленных решений.

https://government.ru/news/59040/