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/

Прекрасное. 

Свежий рабочий доклад Annenberg Institute / Brown University.

Показывает / доказывает очевидную (не для всех, почему-то)  вещь. 

Доступ к ИИ тьютору ничем не лучше и не хуже доступа к калькулятору, логарифмической линейке, учебнику или просто листу бумаги и карандашу.  Если на ранних стадиях в грудном возрасте папа / мама / дедушка / бабушка не заложили в ребёнка интереса к познанию мира, то никакой ИИ тьютор ничего не поправит. И даже если к ИИ тьютору добавить живого педагога, или наоборот, к живому педагогу добавить дополнительный инструмент, который по задумке должен педагогу помогать, то против рожна не попрешь. 

Чего не заложила семья на самых ранних стадиях развития личности, того ни один самый продвинутый (ИИ)тьютор не поправит. Ибо нужная часть мозга не сформирована вовремя. 

Исследователи провели два рандомизированных эксперимента в начальной школе. Ученики либо работали с ИИ-платформой для обучения чтению самостоятельно, либо с очным тьютором.

Тьютор при этом не преподавал чтение на. Его задача была удерживать внимание, помогать с дисциплиной, мотивацией, техническими проблемами и рефлексией. Что обычно и требуется от тьютора. 

Основные цифры:

В исследовании участвовали 2 школьных округа.

Округ A: 174 ученика, 84 — с тьютором, 90 — самостоятельно.

Округ B: 181 ученик, 36 — с тьютором, 145 — самостоятельно.

Ученики должны были заниматься минимум 2 раза в неделю по 30 минут.

Провайдер платформы указывал, что заметная академическая польза обычно начинается примерно после 30 минут работы с платформой в неделю.

Что получилось на практике:

В контрольной группе, где дети должны были работать с ИИ самостоятельно, платформу хотя бы раз использовали только 60,7% учеников в округе A и 53,3% в округе B.

Среднее использование оказалось крайне низким:

округ A — 2,18 минуты в неделю;
округ B — 5,23 минуты в неделю.

То есть формально доступ был. Время было выделено. Но реального использования почти не было.

Тьюторы «улучшили» ситуацию:

в округе A использование выросло аж примерно на 1 минуту в неделю;

в округе B — на 4,4 минуты в неделю;

число прочитанных историй выросло на 71% и 80% соответственно.

Но абсолютный объём всё равно остался низким.

За весь период эксперимента человеческая поддержка добавила примерно:

22 минуты работы с платформой в округе A;
98 минут в округе B.

Особенно интересно, кого использовали в качестве тьюторов в округе А и кого в округе B. 

Оставим интригу. Читайте исследование :). 
Возможно, будет отдельный пост на эту тему. 

В любом случае, этого оказалось недостаточно, чтобы улучшить результаты по чтению. Статистически значимого эффекта на итоговые оценки исследователи не нашли.

Логично также, что те ученики, кому больше повезло с родителями, и с ИИ тьютором достигали более высоких результатов и более активно ИИ тьютора использовали. 

Авторы исследования в выводах пишут, что для эффекта нужны регулярность, организационная дисциплина, сопровождение, мотивация и контроль использования. 

И еще много-много правильных слов. 

Если коротко - нет волшебной таблетки  в образовании и не будет. Хоть с ИИ, хоть без. 

Хотя, если через какое-то время ИИ ассистенты на ранних стадиях смогут заменять педагогически недееспособных родителей…

Источник в приложении.

OECD и Европейская комиссия опубликовали документ “Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education”. 

 «Подготовка учащихся к эпохе ИИ: компетентностная модель ИИ-грамотности для начального и среднего образования».

Что именно школьник должен знать, уметь и понимать, чтобы жить, учиться и принимать решения в мире, где ИИ встроен в поиск, социальные сети, образовательные платформы, генерацию контента, рекомендации и цифровые сервисы.

Ключевое определение: ИИ-грамотность — это технические знания, устойчивые человеческие навыки и установки, необходимые для жизни в мире, на который влияет ИИ. Она позволяет учащимся взаимодействовать с ИИ, создавать с его помощью, управлять разделением задач между человеком и машиной и участвовать в формировании ИИ-систем, одновременно критически оценивая выгоды, риски и этические последствия.

Модель построена вокруг 4 направлений:
Взаимодействовать с ИИ — распознавать ИИ в повседневной жизни, понимать его влияние, проверять результаты, видеть риски и ограничения.

Создавать с ИИ — использовать ИИ как творческий инструмент, но сохранять человеческое авторство, замысел и ответственность.

Управлять ИИ — осознанно решать, какие задачи может выполнять ИИ, а какие должны оставаться за человеком.

Формировать ИИ — понимать, что ИИ-системы создаются людьми, и предлагать способы сделать их более полезными, справедливыми и соответствующими человеческим ценностям.

Внутри модели выделены 3 основных блока: знания, навыки и установки.

В блоке знаний — 4 группы и 17 содержательных утверждений:
— природа ИИ — 5;
— ИИ как отражение человеческих решений и взглядов — 5;
— возможности и ограничения ИИ — 4;
— роль ИИ в обществе — 3.

В блоке навыков — 7 навыков: критическое мышление, сотрудничество, креативность, решение проблем, вычислительное мышление, коммуникация, самоосознанность и социальная осознанность.

В блоке установок — 6 установок: рефлексивность, ответственность, любознательность, инновационность, адаптивность, эмпатия.

Всего в модели — 19 компетенций:
— «Взаимодействовать с ИИ» — 7;
— «Создавать с ИИ» — 4;
— «Управлять ИИ» — 4;
— «Формировать ИИ» — 4.

Для каждой компетенции предложены 3 уровня освоения: базовый, средний и продвинутый. То есть в документе фактически описаны 57 уровней ожидаемых результатов обучения и 57 учебных сценариев для класса. Эти уровни не привязаны жёстко к возрасту или классу: авторы подчёркивают, что дети приходят с разным опытом использования ИИ.

Традиционно описаны риски, человек в конторе контуре и подобное. 

Источник в приложении.  

18 июня 2026 года Госсовет КНР сообщил о мерах по развитию направления «искусственный интеллект + потребление»

Сокращенный перевод. 

Общие требования
Китай намерен использовать преимущества сверхкрупного внутреннего рынка, широкого набора потребительских сценариев и больших массивов потребительских данных. Цель — ускорить внедрение новых продуктов, услуг и сценариев на основе искусственного интеллекта, продвинуть ИИ в семьи, магазины и сервисные предприятия, а также стимулировать обновление технологий и продуктов ИИ.

I«ИИ + товарное потребление»
Предусматривается ускоренный выпуск нового поколения смартфонов, компьютеров и телевизоров с ИИ, продвижение умной бытовой техники, умных кухонь, сантехники, освещения и других товаров для дома. Отдельный акцент — носимые устройства, включая ИИ-очки, сценарии синхронного перевода и мобильных платежей. Также поддерживается развитие интеллектуальных подключённых автомобилей и экосистемы «человек — автомобиль — дом». ИИ предлагается интегрировать с интерфейсами «мозг — компьютер», дополненной, виртуальной и смешанной реальностью.

Роботы с ИИ.
Китай будет поддерживать разработку гуманоидных роботов с мультимодальным восприятием и способностью адаптироваться к разным сценариям. Также планируется обновление четвероногих и бионических роботов. Для пожилых и детей предполагается развивать роботов для ухода, роботов-компаньонов и бытовых ИИ-помощников. 

Платформы первичного запуска ИИ-товаров. Всемирная конференция по искусственному интеллекту должна стать витриной ИИ-продуктов и площадкой презентации китайских решений. Новые товары и услуги ИИ будут продвигаться через крупные выставки: импортную выставку, Кантонскую ярмарку, выставку потребительских товаров, выставку цифровой торговли. 

«ИИ + потребление услуг»

Домашние услуги. Планируется интеллектуальная модернизация бытовых услуг: распространение роботов-пылесосов и мойщиков полов, умных холодильников, кухонного оборудования и т.д. 

Услуги для пожилых. Будет развиваться единая национальная информационная платформа услуг для пожилых. Учреждения ухода должны внедрять ИИ-системы управления, интеллектуальную безопасность, роботов для ухода и реабилитации. 

Культура и туризм. ИИ должен интегрироваться в планирование маршрутов, билеты, экскурсии, навигацию и бронирование гостиниц. В туристических объектах уровня 4A и выше планируются проекты «ИИ + реальный опыт», ИИ-очки, ИИ-наушники и ИИ-гиды. 

Гостиницы и питание. В гостиницах будут продвигаться сервисные роботы, голосовое управление номерами, самостоятельная регистрация и ИИ-сервисы для удобства заселения иностранцев. 

Образование. Планируется создание специализированных образовательных больших моделей генеративного ИИ, модернизация цифровой инфраструктуры, развитие умных классов, ИИ-помощников ученика и учителя, а также новых моделей человеко-машинного обучения.

«ИИ + коммерческие инновации»

Опт и розница. Будет развиваться интеллектуальная розница: умные магазины, умные торговые районы, модернизация старых торговых центров, пешеходных улиц, рынков сельхозпродукции, продовольственных и товарных рынков.

Электронная коммерция. ИИ должен охватить операции, клиентский сервис, дизайн, маркетинг, прямые трансляции и весь цикл онлайн-торговли. 

Логистика и доставка. Планируется развитие умных логистических парков, портов и складов, а также трёхуровневой системы доставки «уезд — посёлок — деревня».

Продвижение «ИИ + потребление»

Кластеры. Международные центры потребления, пилотные города и национальные зоны инновационного применения ИИ. 

Прикладные сценарии. Будут разработаны руководства по сценариям «ИИ + потребление», открытые перечни приложений, типовые кейсы и национальные пилотные базы промежуточных испытаний. 

Это не все. 

Подробности по ссылке:

https://scjss.mofcom.gov.cn/zlgh/zcfb/art/2026/art_e24c3760c5e3453199d2701febe7abbc.html

#КартаИИ@aiobraz

Компьютерное зрение и ИИ

Значительная часть современной науки работает с изображениями. Клетки под микроскопом, срезы тканей, снимки материалов, данные электронных микроскопов, спутниковые сцены, телескопические архивы, рентгеновские и иные медицинские изображения, видеозаписи экспериментов.

В этих данных научный объект часто не виден явно. Его нужно отделить от фона, шума, оптических и приборных искажений, затем измерить, классифицировать и связать с гипотезой.

Компьютерное зрение решает именно этот промежуточный, но критически важный слой научной работы: переводит изображение в измеряемые признаки. 

В биологии, например, базовая задача — сегментация: отделить один объект от другого и от фона.

Исследователь размечает ограниченное число примеров; модель учится на этих примерах; затем алгоритм обрабатывает тысячи или миллионы изображений в одном воспроизводимом режиме. Инструменты вроде ilastik показывают «мягкий» вариант такой автоматизации: пользователь обучает модель через простую интерактивную разметку, а система выполняет сегментацию, классификацию, трекинг и подсчёт объектов. 

В клеточной биологии, например, появились попытки строить «универсальные» зрительные модели для микроскопии. Пример — CHAMMI-75, представленный как ресурс для предобучения моделей клеточной морфологии: 2,8 млн многоканальных микроскопических изображений из 75 биологических исследований, 25 типов каналов и 1,8 млрд сегментированных клеток.

Научный смысл такого подхода в том, что модель учится не одному протоколу съёмки, а разнообразию микроскопических модальностей: светлопольной, флуоресцентной, конфокальной, криоэлектронной и другим.

Это важно для переноса между лабораториями, где различаются приборы, красители, разрешение, число каналов и биологический материал.


В материаловедении компьютерное зрение выполняет похожую функцию, но объект другой: не клетка, а дефект, пора, граница зерна, включение или неоднородность.

Практический смысл  в ускорении скрининга материалов, где ручной анализ или тяжёлое моделирование становятся узким местом.

В науках о Земле компьютерное зрение переходит от анализа отдельных спутниковых снимков к представлениям Земли как динамической системы.

В 2026 году NASA сообщила о демонстрации геопространственной фундаментальной модели Prithvi на орбитальных платформах: сжатая версия модели была загружена на спутник Kanyini и на полезную нагрузку IMAGIN-e на Международной космической станции. 

Проверялись задачи обнаружения наводнений и облаков.

Это меняет архитектуру наблюдения: часть интерпретации может выполняться ближе к сенсору, до передачи полного массива данных на Землю.

Другой пример — TESSERA, модель для обработки временных рядов Sentinel-1 и Sentinel-2, представленная в контуре CVPR 2026: она формирует 10-метровые пиксельные эмбеддинги, то есть компактные представления годовой динамики поверхности, пригодные для классификации земель, оценки растительности и экологического мониторинга.


В астрономии ключевая проблема — невозможность просмотреть архивы вручную. Уже слишком много.  

В 2026 году ESA описала работу AnomalyMatch: нейросеть обработала почти 100 млн фрагментов изображений из Hubble Legacy Archive за два с половиной дня. После экспертной проверки было подтверждено более 1300 аномальных объектов, из них более 800 ранее не были описаны в научной литературе. 

Среди находок — взаимодействующие галактики, гравитационные линзы, «галактики-медузы» и объекты, не укладывающиеся в готовую классификацию.

Ценность ИИ здесь в том, что он делает изображение масштабируемым объектом измерения. Там, где раньше исследователь видел (мог обработать) всего десятки или сотни примеров, теперь можно проверять гипотезы на миллионах наблюдений. 

И строить новые гипотезы с помощью все того же ИИ. 

Прочитали новость.  

Самим писать было лень. Попросили ChatGPT объяснить, что в голове у людей. 

Прочитали (редактор был в контуре).

Согласились, ибо вывод однозначен, а никаких других вводных, кроме как «вот тебе новость, объясни, что в голове у людей, в промпте не задавалось. 

Наслаждаемся. 

…

Первое. В голове не Алтай, а презентация.

Не гора, не лес, не телецкая/алтайская мифология, не русская сказка, не местная культурная ткань, а слайд для девелоперского проекта: family resort, adventure park, premium leisure, dream, wood, эмоция, вау-эффект. Название выбиралось не как часть культурной политики, а как упаковка туристического продукта.

Второе. Английский язык у таких людей всё ещё работает как знак качества.

Для них английское название — не политический жест, а маркер «современности», «международного уровня», «не провинциальности».

Это старая российская маркетинговая привычка: если назвать по-английски, продукт как будто становится дороже, чище, глобальнее, ближе к Disney/Universal/Legoland. Даже если продукт стоит на Алтае.

Третье. У них, вероятно, разделены две реальности.

В одной реальности — геополитика, санкции, мобилизационная риторика, противостояние с Западом.

В другой — курорт, дети, семейный отдых, брендбук, целевая аудитория, туристический поток, средний чек.

И эти две реальности в их голове почти не соприкасаются. Это не обязательно цинизм. Чаще — управленческая расщеплённость: «война отдельно, маркетинг отдельно».

Четвёртое. Они могут считать, что “Dreamwood” — нейтральное слово.

Не “NATOwood”, не “London Park”, не “American Dream”.

Просто «лес мечты». Но именно здесь и проблема: в момент политической конфронтации символы перестают быть нейтральными. Английское название на Алтае начинает звучать не как безобидная фантазия, а как культурная инерция прежней эпохи: мы уже говорим о суверенитете, но всё ещё продаём мечту на языке глобального потребительского мира.

Пятое. Это симптом не предательства, а символической слепоты.

Скорее всего, никто не сидел и не думал: «назовём парк по-английски назло патриотам». Вероятнее другое: люди просто не почувствовали конфликт. Не увидели, что Алтай — это не пустая площадка под “adventure park”, а территория с мощной природной, этнической, мифологической и российской символикой.

И что в 2026 году английское название крупного проекта госбанка считывается иначе, чем в 2012-м.

Главная ошибка здесь не языковая, а антропологическая.

Название «Дримвуд» говорит: авторы проекта мысленно живут в мире международного туризма, франшиз, бренд-консалтинга и универсальной “семейной радости”. 

А значительная часть общества живёт уже в другой системе координат: суверенитет, идентичность, культурная самостоятельность, отказ от подражания западной упаковке.

Поэтому вопрос не в том, можно ли использовать английские слова. Можно.

Вопрос в другом: почему, имея Алтай, русскую сказку, сибирскую природу, местные легенды и государственный ресурс, они всё равно выбирают название, которое звучит как импортированный шаблон из брендбука девелопера.

В голове у них, похоже, не война с НАТО.

В голове у них — премиальный семейный кластер с международным позиционированием.

И именно это сегодня выглядит странно.

https://t.me/bbbreaking/231897

Япония

Документ в приложении - проект второй фазы национального плана Японии по искусственному интеллекту (AI Basic Plan Phase II), опубликованный 19 июня 2026 года. 

ИИ рассматривается как инфраструктура национальной мощи наряду с энергетикой, транспортом и обороной.  

Главный концептуальный сдвиг — переход к эпохе ИИ агентов, когда ИИ самостоятельно планирует действия, выполняет задачи, проверяет результаты и корректирует свои решения. 

Япония делает ставку на:
Отраслевой ИИ;
ИИ в роботах и физической инфраструктуре;
ИИ для науки;
национальный технологический суверенитет в сфере ИИ;
масштабное внедрение ИИ в государственном секторе;
перестройку рынка труда и образования под эпоху ИИ.  

Образование включено в перечень приоритетных отраслей внедрения ИИ

Образование находится в одном ряду с:
медициной;
финансами;
инфраструктурой;
производством;
транспортом.  

Массовая подготовка населения к работе с ИИ

Документ ставит задачу сделать базовую ИИ-грамотность нормой для всех граждан.

Вводится категория:

Professionals Capable of Appropriate AI Utilization
То есть граждане, способные безопасно и эффективно использовать ИИ. Это объявлено целью для всего населения страны.  

Реформа школьного образования

Планируется:
исследования применения ИИ в школах;
масштабирование безопасных практик;
повышение квалификации педагогов;
фундаментальное повышение цифровой грамотности учащихся.  

Акцент на навыках, которые трудно автоматизировать

Документ неоднократно выделяет:
творчество;
критическое мышление;
способность к суждению;
адаптивность;
коммуникацию;
ответственность за решения.  

Сохранение офлайн-обучения

Япония опасается деградации способностей из-за чрезмерной зависимости от ИИ и поэтому отдельно требует сохранять офлайн-формы обучения. 

ИИ Для Науки объявлен одним из трёх национальных приоритетов

Наряду с отраслевыми ИИ и и Physical ИИ.  

ИИ должен перестроить весь научный цикл

Ожидаемые эффекты:
ускорение исследований;
расширение пространства поиска решений;
повышение воспроизводимости;
новые научные открытия.  

Создание исследовательских агентов

Предусмотрено построение:
AI-driven research systems;
AI-agent pipelines;
исследовательских сред с агентным ИИ.  

Новая вычислительная инфраструктура

Планируется:
развитие суперкомпьютерной инфраструктуры HPCI;
создание преемника суперкомпьютера Fugaku;
расширение национальных вычислительных ресурсов для науки.  

Привлечение исследователей

Япония собирается конкурировать за лучших специалистов через:
улучшение условий работы;
улучшение условий жизни;
международные программы привлечения талантов.  

Япония ожидает глубокую трансформацию занятости

Документ не отрицает риски вытеснения работников ИИ и требует постоянного мониторинга влияния ИИ на занятость.  

Национальная программа массового переобучения и повышения квалификации.

Планируется:
переобучение работников;
поддержка освоения ИИ-компетенций;
отраслевые программы подготовки кадров.  

Формируется новая классификация профессий

Выделяются пять категорий кадров:
пользователи ИИ;
разработчики ИИ;
специалисты по внедрению ИИ;
специалисты по управлению и регулированию ИИ;
специалисты по ИИ-инновациям.  

Новый класс работников — Advanced Essential Workers

Документ вводит новую категорию работников, которые будут использовать цифровые технологии и ИИ для выполнения общественно значимых функций и получать более высокую производительность и доход.  

ИИ объявляется основой национальной конкурентоспособности, сопоставимой по значимости с энергетикой, промышленностью, обороной и образованием. Центральная идея плана — построение общества, государства и экономики, изначально спроектированных под массовое использование агентного ИИ, при сохранении ответственности человека за ключевые решения.  

Норвегия ограничивает ИИ в младшей школе

Норвегия выбрала осторожную модель использования искусственного интеллекта в школе. 

С осени 2026 года ученики 1–7-х классов «в основном» не должны получать доступ к ИИ для самостоятельной работы над учебными заданиями.

Бедняжки :(

В 8–10-х классах допускается постепенная и осторожная апробация, но только после того, как учителя получат достаточную компетентность, а учащиеся — обучение и контролируемый доступ.

Учителя умеют хуже детей. Логично.

В старшей школе учащиеся должны учиться целесообразному использованию ИИ для дальнейшего образования и работы.

Логика решения —  защита базовых навыков. Премьер-министр Йонас Гар Стёре указал, что главное для школы — чтение, письмо и счёт, а некритичное использование генеративного искусственного интеллекта (generative artificial intelligence, generativ KI) повышает риск пропуска важных этапов обучения. 

Министерство образования Норвегии связывает решение с падением результатов в международных исследованиях: Международная программа оценки образовательных достижений учащихся (Programme for International Student Assessment, PISA) и Международное исследование качества чтения и понимания текста (Progress in International Reading Literacy Study, PIRLS) показывают ухудшение базовых навыков. 

Каждый четвёртый норвежский ученик читает ниже минимального уровня Организации экономического сотрудничества и развития (Organisation for Economic Co-operation and Development, OECD), необходимого для дальнейшего обучения и работы.


И как это связано с ИИ? Это провал системы образования еще до появления ИИ.

Что тут интересного для нас. 

Мы видим, что регуляторы (Норвегия не одинока) не понимают, с чем имеют дело. И действуют по принципу «как бы чего не вышло». 

Мы знаем, что ученики старшей школы в большинстве своем гораздо более продвинуты в использовании генеративного ИИ, чем их учителя и представители регулятора.

Авторам канала приходилось неоднократно бывать на разных совещаниях и круглых столах, посвященных ИИ в образовании. В основном, высшем образовании. 


Большинство ректоров и деканов ведущих вузов в глаза не видели ChatGpt / Клода и несут дикую ахинею.

Особенно любопытно наблюдать за студентами, которые присутствуют на подобных мероприятиях. Они с жалостью и (часто) брезгливостью смотрят на своих старших товарищей: «И эти люди нас учат!». 

С техническими ВУЗами лучше. Там преподаватели в основном в теме.  С гуманитарными плохо совсем. 

3Совершенно непонятно, как регулятор будет все это контролировать. В классе - да. Возможно. А дома? 

Ну, ок. В семье наркоманов и алкоголиков, где родители сами не используют, и дети не будут. 

А в нормальных семьях? Родители же ходят в интернет. И дети с самого раннего возраста ходят.  

Не хотелось бы чтобы наш регулятор повторял подобное.

Куча денег на внедрении ИИ в школы, куча денег на контроль «неиспользования». 

А дети, которые родились три года назад, родились и развиваются уже в другом мире.  Учить можно и нужно с детского сада. Контролировать? Ну только жёсткими страховыми ограничениями доступа к ИИ инструментам для всех вообще.
https://www.regjeringen.no/no/aktuelt/kunstig-intelligens-skal-i-all-hovedsak-ikke-brukes-i-barneskolen/id3166807/

Очередная волна VR / ИИ очков.

Тупик. Не полетит.

Как девайс для узких применений (врачи / ремонтники / военные) - будет работать и работать хорошо. Наука, образование, производство.

Как массовый продут - полный бред.

- ты, что, меня снимаешь?

- даже не думал…

- ннннааа! (Синяк, разбитые очки).

При этом.

Беспилотные авто делают то же самое в огромных масштабах :-)

Ждём контактных линз :-)

Россия

Правительственная подкомиссия по развитию и внедрению технологий искусственного интеллекта сформирует рабочие группы по ключевым вопросам развития ИИ. Такое решение принято на заседании под председательством Заместителя Председателя Правительства – Руководителя Аппарата Правительства Дмитрия Григоренко. В рабочие группы войдут представители государства, бизнеса и экспертного сообщества. Они рассмотрят основные ограничения развития искусственного интеллекта в России и подготовят предложения по их устранению.

Рабочие группы создаются по 7 ключевым функциональным направлениям развития ИИ: «Регулирование и административные барьеры ИИ» (руководитель – Иван Лебедев, статс-секретарь – заместитель Министра цифрового развития, связи и массовых коммуникаций); «Инфраструктура и центры обработки данных для ИИ» (руководитель –Андрей Белевцев, старший вице-президент ПАО «Сбербанк»); «Данные для ИИ» (руководитель – Алексей Шпильман, директор по развитию технологий ИИ ООО «Т-Технологии»); «Обучение моделей ИИ» (руководитель – Александр Крайнов, директор по развитию технологий ИИ ООО «Яндекс»); «Информационная безопасность в сфере ИИ» (руководитель –Юрий Максимов, сооснователь фонда развития кибербезопасности «Сайберус»); «Внедрение ИИ» (руководитель – Ильдар Ахметов, заместитель руководителя – руководитель центра развития искусственного интеллекта АНО «Аналитический центр при Правительстве Российской Федерации»); «Меры поддержки ИИ» (руководитель – Чулпан Госсамова, генеральный директор АНО «Цифровая экономика»). 

Рабочие группы сосредоточатся на выработке решений по ключевым вопросам развития технологий искусственного интеллекта, включая обеспечение разработчиков доступом к данным для обучения ИИ-моделей, расширение доступа к вычислительным мощностям и совершенствование условий технологического присоединения. 

В числе приоритетных направлений также повышение качества российских ИИ-моделей, оптимизация процедур получения мер государственной поддержки для внедрения ИИ, стимулирование спроса на отечественные решения и рассмотрение других актуальных вопросов отрасли. Предполагается, что руководители рабочих групп будут регулярно представлять результаты своей работы на заседаниях правительственной подкомиссии.


http://government.ru/news/59090/

Может быть любопытно для образовательных и научных организаций. 

Издательский холдинг «ИНФРА-М» сообщил о представлении экосистемы ИИ-сервисов электронной библиотечной системы Znanium на конференции КОРФОР-2026, прошедшей 15–19 июня в Санкт-Петербурге. 

В основе RAG (генерация с дополненными поиском): ответы формируются по лицензионному фонду ЭБС. 
Флагманский сервис Znanium GPT описан как интеллектуальный помощник, работающий с более чем 116 000 документов и 480 научными журналами. 

В составе инструментов указаны генерация структурированного «саммари», поиск похожих документов и «Ассистент преподавателя» для подготовки рабочих программ дисциплин. 

https://infra-m.ru/about/news/neyroseti_menyayushchie_realnost_kholding_infra_m_predstavil_ekosistemu_ii_servisov_ebs_znanium_na_f/