ai26-1451.pdf
1.4 MB
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.
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.
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.
65❤2❤🔥1🥰1
AILF_en.pdf
10.8 MB
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 вконторе контуре и подобное.
Источник в приложении.
«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
Источник в приложении.
63❤2❤🔥1🥰1
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
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
63❤2❤🔥1🥰1
#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.
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.
77❤2❤🔥1🥰1
Forwarded from Новости оборонного 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
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
Telegram
Раньше всех. Ну почти.
На курорте Сбера «Манжерок» в Республике Алтай открылся парк приключений «Дримвуд», который позиционируется как крупнейший парк такого формата в Сибири, говорится в сообщении банка. В церемонии открытия принял участие председатель правления Сбера Герман Греф.…
62🤷♂2❤1👏1🤯1
aiplan_2601_draft_en.pdf
455 KB
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.
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.
63❤3❤🔥1🥰1
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/
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/
Regjeringen.no
Kunstig intelligens skal i all hovedsak ikke brukes i barneskolen
Fra høsten skal elevene på 1. – 7. trinn skjermes fra å selv bruke kunstig intelligens i skolearbeidet. På ungdomsskolen kan lærere og elever begynne med forsiktig utprøving. Regjeringen ber nå Utdanningsdirektoratet publisere de nye nasjonale anbefali...
63❤1❤🔥1🥰1🤔1
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 :-)
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 :-)
67❤2❤🔥1🥰1
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/
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/
government.ru
Дмитрий Григоренко: Принято решение о создании рабочих групп по устранению барьеров развития и внедрения ИИ
Правительство России
65❤2❤🔥1🥰1🤡1
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/
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/
67❤2❤🔥1🥰1
artificial-intelligence-in-k–12-schools.pdf
323.6 KB
Как мы уже писали ранее, большинство исследований влияни ИИ на образование не стоит того, чтобы тратить времени на их изучение :) https://t.me/aiobraz/19
В приложении интересный документ. Авторы про исследовали исследования.
Всего найдено более 800 научных публикаций по теме ИИ в школьном образовании.
Однако требованиям качественного причинно-следственного исследования соответствуют лишь 20 исследований.
Из них ни одного высококачественного исследования по ИИ для учеников в школах США.
1. Доказательная база очень слабая
Большинство работ:
проводились вне США;
либо в университетах;
изучали краткосрочные эффекты;
оценивали выполнение отдельных заданий, а не долговременное обучение.
Практически отсутствуют данные:
по гуманитарным предметам;
по социальному развитию;
по долгосрочным результатам обучения.
2. Важно не наличие ИИ, а образовательный опыт
Авторы считают, что ИИ следует оценивать по тому, увеличивает ли он доступ учащихся к следующим видам деятельности:
персонализированное обучение;
решение сложных задач;
совместная работа;
содержательные обсуждения;
длительное взаимодействие с преподавателем.
Именно эти факторы десятилетиями подтверждаются исследованиями как основа качественного обучения.
3. ИИ повышает скорость выполнения заданий, но не обязательно обучение
Самая устойчивая закономерность исследований:
Во время работы с ИИ учащиеся показывают лучшие результаты.
Однако при последующей самостоятельной проверке знаний результаты часто:
не улучшаются;
либо становятся хуже.
В исследовании по математике:
ученики с ИИ-репетитором, который подсказывал ход решения, успешно выполняли задания и затем показали такие же результаты, как контрольная группа на экзамене без ИИ;
ученики, использовавшие обычный чат-бот, на экзамене показали результаты хуже, чем учащиеся вообще без ИИ, несмотря на лучшие показатели во время тренировки.
4. Решающее значение имеет дизайн системы
ИИ бывает двух принципиально разных типов.
Первый:
сразу выдает готовый ответ.
Второй:
задает вопросы;
предлагает подсказки;
заставляет ученика самостоятельно рассуждать.
Исследования показывают, что второй вариант значительно полезнее для формирования устойчивых знаний.
Главная причина — учащийся продолжает выполнять когнитивную работу самостоятельно.
5. Для учителей ИИ уже приносит пользу
подготовка уроков занимает меньше времени;
качество материалов не ухудшается;
автоматическая аналитика помогает учителям лучше строить урок;
ИИ особенно полезен менее опытным преподавателям и тьюторам.
Риски
1. Иллюзия обучения
ИИ помогает выполнить задание, но ученик не приобретает собственных знаний.
2. Снижение когнитивной нагрузки
При постояном использовании готовых ответов уменьшается необходимость:
размышлять;
анализировать;
искать решение самостоятельно.
3. Формирование зависимости
Если ИИ постоянно решает задачи вместо ученика, самостоятельные навыки могут ухудшаться.
Где ИИ наиболее перспективен
1. Персонализированное обучение
ИИ может помогать организовывать индивидуальные траектории обучения.
2. Организация школы
Потенциальные применения:
составление расписаний;
распределение учеников по группам;
подбор наставников;
координация дополнительных занятий.
Но качественных исследований здесь почти нет.
3. Новые формы оценивания
ИИ способен проверять:
длинные тексты;
математические рассуждения;
процесс решения задачи;
историю исправлений.
Однако сохраняются проблемы:
надежности;
возможной предвзятости;
валидности оценки.
4. Формирующая обратная связь
Исследования показывают:
ИИ увеличивает количество исправлений;
повышает вовлеченность учащихся;
но обратная связь преподавателя пока остается качественнее, чем автоматически сгенерированная.
Авторы считают приоритетными исследования:
долгосрочного влияния ИИ (не месяцы, а годы);
влияния на критическое мышление;
мотивацию;
саморегуляцию;
метакогнитивные навыки;
различия между группами учащихся;
влияние ИИ на организацию работы школ;
влияние ИИ на социальное и эмоциональное развитие детей;
вопросы справедливости и неравенства доступа к качественным ИИ-инструментам.
В приложении интересный документ. Авторы про исследовали исследования.
Всего найдено более 800 научных публикаций по теме ИИ в школьном образовании.
Однако требованиям качественного причинно-следственного исследования соответствуют лишь 20 исследований.
Из них ни одного высококачественного исследования по ИИ для учеников в школах США.
1. Доказательная база очень слабая
Большинство работ:
проводились вне США;
либо в университетах;
изучали краткосрочные эффекты;
оценивали выполнение отдельных заданий, а не долговременное обучение.
Практически отсутствуют данные:
по гуманитарным предметам;
по социальному развитию;
по долгосрочным результатам обучения.
2. Важно не наличие ИИ, а образовательный опыт
Авторы считают, что ИИ следует оценивать по тому, увеличивает ли он доступ учащихся к следующим видам деятельности:
персонализированное обучение;
решение сложных задач;
совместная работа;
содержательные обсуждения;
длительное взаимодействие с преподавателем.
Именно эти факторы десятилетиями подтверждаются исследованиями как основа качественного обучения.
3. ИИ повышает скорость выполнения заданий, но не обязательно обучение
Самая устойчивая закономерность исследований:
Во время работы с ИИ учащиеся показывают лучшие результаты.
Однако при последующей самостоятельной проверке знаний результаты часто:
не улучшаются;
либо становятся хуже.
В исследовании по математике:
ученики с ИИ-репетитором, который подсказывал ход решения, успешно выполняли задания и затем показали такие же результаты, как контрольная группа на экзамене без ИИ;
ученики, использовавшие обычный чат-бот, на экзамене показали результаты хуже, чем учащиеся вообще без ИИ, несмотря на лучшие показатели во время тренировки.
4. Решающее значение имеет дизайн системы
ИИ бывает двух принципиально разных типов.
Первый:
сразу выдает готовый ответ.
Второй:
задает вопросы;
предлагает подсказки;
заставляет ученика самостоятельно рассуждать.
Исследования показывают, что второй вариант значительно полезнее для формирования устойчивых знаний.
Главная причина — учащийся продолжает выполнять когнитивную работу самостоятельно.
5. Для учителей ИИ уже приносит пользу
подготовка уроков занимает меньше времени;
качество материалов не ухудшается;
автоматическая аналитика помогает учителям лучше строить урок;
ИИ особенно полезен менее опытным преподавателям и тьюторам.
Риски
1. Иллюзия обучения
ИИ помогает выполнить задание, но ученик не приобретает собственных знаний.
2. Снижение когнитивной нагрузки
При постояном использовании готовых ответов уменьшается необходимость:
размышлять;
анализировать;
искать решение самостоятельно.
3. Формирование зависимости
Если ИИ постоянно решает задачи вместо ученика, самостоятельные навыки могут ухудшаться.
Где ИИ наиболее перспективен
1. Персонализированное обучение
ИИ может помогать организовывать индивидуальные траектории обучения.
2. Организация школы
Потенциальные применения:
составление расписаний;
распределение учеников по группам;
подбор наставников;
координация дополнительных занятий.
Но качественных исследований здесь почти нет.
3. Новые формы оценивания
ИИ способен проверять:
длинные тексты;
математические рассуждения;
процесс решения задачи;
историю исправлений.
Однако сохраняются проблемы:
надежности;
возможной предвзятости;
валидности оценки.
4. Формирующая обратная связь
Исследования показывают:
ИИ увеличивает количество исправлений;
повышает вовлеченность учащихся;
но обратная связь преподавателя пока остается качественнее, чем автоматически сгенерированная.
Авторы считают приоритетными исследования:
долгосрочного влияния ИИ (не месяцы, а годы);
влияния на критическое мышление;
мотивацию;
саморегуляцию;
метакогнитивные навыки;
различия между группами учащихся;
влияние ИИ на организацию работы школ;
влияние ИИ на социальное и эмоциональное развитие детей;
вопросы справедливости и неравенства доступа к качественным ИИ-инструментам.
71❤1❤🔥1🥰1
Assessment_of_the_education_technology_market_in_England_June_2026.pdf
1.1 MB
Лонгрид на выходные.
Министерство образования Великобритании. Оценка рынка EdTech 2026.
Источник в приложении.
Основные цифры
Размер рынка
Великобритания:
1 123 EdTech-компании
29,7–39,1 тыс. сотрудников
£6,5 млрд годовой выручки
£782 млн ежегодных инвестиций
средний рост рынка — 8,8% в год.
Для Англии:
1 092 компании
27 тыс. сотрудников
£5,93 млрд выручки.
Самые большие сегменты рынка
1. Базовые образовательные платформы
446 компаний
20 203 сотрудников
£2,624 млрд выручки
рост 9%.
2. Образовательное оборудование
390 компаний
£2,48 млрд выручки
рост 8,8%.
3. Управление школой
148 компаний
£1,394 млрд выручки
£219 млн инвестиций.
Самый быстрорастущий сегмент - системы оценивания.
71 компания
рост 18,1% в год
выручка £470 млн.
Школы готовы платить за технологии, которые сразу уменьшают нагрузку на учителей — автоматическую проверку, создание контрольных, аналитику результатов.
Самые большие инвестиции идут вовсе не туда, где сегодня основные доходы.
Например:
Персонализированное обучение
выручка всего £77 млн
инвестиции £187 млн.
То есть инвесторы делают ставку на будущий рост ИИ.
При этом:
технологии инклюзивного обучения
выручка £96 млн
инвестиции лишь £8,6 млн.
Что реально используют школы
Самые востребованные категории:
административные системы;
системы оценивания;
платформы учебного контента.
Генеративный ИИ
Практически все школы сообщили о быстром распространении:
ChatGPT
Claude
Microsoft Copilot
Gemini
Perplexity.
Главные сценарии использования:
подготовка уроков;
создание рабочих листов;
написание писем;
административная работа.
Среди платформ с высокой активностью:
ChatGPT
Claude
Google Meet
Zoom
Kahoot
Canva
Twinkl
White Rose Education
Kerboodle
Exampro.
Главные проблемы внедрения ИИ
Исследование выделяет восемь этапов внедрения EdTech и показывает, что основные барьеры повторяются практически во всех школах:
недостаточная цифровая грамотность руководителей;
нехватка времени на обучение педагогов;
сложные закупочные процедуры;
слабая совместимость ИТ-систем;
отсутствие единых критериев оценки эффективности EdTech;
дефицит качественных данных об использовании продуктов после покупки.
Один из самых интересных выводов
Школы практически не умеют измерять эффект от ИИ.
Во многих случаях решение о продлении лицензии принимается не на основе данных об образовательных результатах, а по субъективному ощущению учителей и администрации.
Министерство образования Великобритании. Оценка рынка EdTech 2026.
Источник в приложении.
Основные цифры
Размер рынка
Великобритания:
1 123 EdTech-компании
29,7–39,1 тыс. сотрудников
£6,5 млрд годовой выручки
£782 млн ежегодных инвестиций
средний рост рынка — 8,8% в год.
Для Англии:
1 092 компании
27 тыс. сотрудников
£5,93 млрд выручки.
Самые большие сегменты рынка
1. Базовые образовательные платформы
446 компаний
20 203 сотрудников
£2,624 млрд выручки
рост 9%.
2. Образовательное оборудование
390 компаний
£2,48 млрд выручки
рост 8,8%.
3. Управление школой
148 компаний
£1,394 млрд выручки
£219 млн инвестиций.
Самый быстрорастущий сегмент - системы оценивания.
71 компания
рост 18,1% в год
выручка £470 млн.
Школы готовы платить за технологии, которые сразу уменьшают нагрузку на учителей — автоматическую проверку, создание контрольных, аналитику результатов.
Самые большие инвестиции идут вовсе не туда, где сегодня основные доходы.
Например:
Персонализированное обучение
выручка всего £77 млн
инвестиции £187 млн.
То есть инвесторы делают ставку на будущий рост ИИ.
При этом:
технологии инклюзивного обучения
выручка £96 млн
инвестиции лишь £8,6 млн.
Что реально используют школы
Самые востребованные категории:
административные системы;
системы оценивания;
платформы учебного контента.
Генеративный ИИ
Практически все школы сообщили о быстром распространении:
ChatGPT
Claude
Microsoft Copilot
Gemini
Perplexity.
Главные сценарии использования:
подготовка уроков;
создание рабочих листов;
написание писем;
административная работа.
Среди платформ с высокой активностью:
ChatGPT
Claude
Google Meet
Zoom
Kahoot
Canva
Twinkl
White Rose Education
Kerboodle
Exampro.
Главные проблемы внедрения ИИ
Исследование выделяет восемь этапов внедрения EdTech и показывает, что основные барьеры повторяются практически во всех школах:
недостаточная цифровая грамотность руководителей;
нехватка времени на обучение педагогов;
сложные закупочные процедуры;
слабая совместимость ИТ-систем;
отсутствие единых критериев оценки эффективности EdTech;
дефицит качественных данных об использовании продуктов после покупки.
Один из самых интересных выводов
Школы практически не умеют измерять эффект от ИИ.
Во многих случаях решение о продлении лицензии принимается не на основе данных об образовательных результатах, а по субъективному ощущению учителей и администрации.
63❤2❤🔥1🔥1🥰1
Часто спрашивают, как школьника заинтересовать возможностями генеративного ИИ.
Аналогично.
Как школьного / университетского преподавателя заинтересовать возможностями генеративного ИИ.
Универсальный ЛАЙВХАК :)
Попросите ChatGpt / Клода разобрать изучаемую тему, будь то физика, химия, гражданский или семейный кодекс, теория игр или ТРИЗ на примере сказки про Красную Шапочку. Попробуйте разные режимы модели, чтобы показать разницу в глубине проработки темы.
Разберите кейс :)
Пример.
«Красная Шапочка» с точки зрения физики 8 класса по Перышкину
Если читать «Красную Шапочку» не как сказку, а как набор физических ситуаций, то в ней легко найти почти весь курс 8 класса: тепловые, световые, звуковые и электрические явления.
1. Пирожки и теплопередача
Красная Шапочка несёт бабушке пирожки. Если они только из печи, их температура выше температуры воздуха в лесу. Значит, пирожки будут остывать.
Тепло уходит тремя способами:
теплопроводностью — через корзинку, салфетку и воздух рядом с пирожками;
конвекцией — тёплый воздух поднимается, холодный занимает его место;
излучением — пирожки испускают тепловое, инфракрасное излучение.
Чтобы донести пирожки тёплыми, их нужно завернуть в материал с плохой теплопроводностью. Например, в плотную ткань. Такая ткань сама не греет, но уменьшает потери тепла.
2. Красная шапочка и свет
Солнечный свет содержит разные цвета. Ткань шапочки часть света поглощает, а красный свет отражает лучше остальных. Поэтому мы видим шапочку красной.
Цвет предмета зависит не только от самого предмета, но и от освещения. В темноте красная шапочка не будет выглядеть красной: если нет света, нечему отражаться.
3. Лес, тень и полутень
В лесу деревья закрывают часть солнечных лучей. Здесь работает тема прямолинейного распространения света.
Стволы и ветви задерживают свет, поэтому за ними возникает тень. Но Солнце — не точечный источник, поэтому в лесу часто видна не резкая граница света и тени, а мягкие пятна света. Это область полутени.
4. Голос Красной Шапочки и звук
Когда Красная Шапочка разговаривает с волком, возникают звуковые волны.
Голос появляется из-за колебаний голосовых связок. Эти колебания передаются воздуху и распространяются в виде звуковой волны. Волк слышит девочку, потому что звуковые колебания доходят до его уха и заставляют колебаться барабанную перепонку.
В лесу звук может отражаться от деревьев, поглощаться листвой и землёй, рассеиваться. Поэтому слышимость зависит от расстояния, ветра, густоты леса и влажности воздуха.
5. Почему волк пришёл раньше
Если волк добрался до бабушки быстрее, значит, он либо двигался быстрее, либо выбрал более короткий путь, либо Красная Шапочка задерживалась.
Здесь работает простая связь:
скорость = путь / время.
Даже если два героя вышли почти одновременно, первым придёт тот, у кого больше средняя скорость или меньше путь.
6. Бабушка, постель и тепло
Бабушка лежит в постели. С точки зрения физики её тело постоянно обменивается теплом с окружающей средой: нагревает воздух, постель, отдаёт энергию излучением.
Одеяло не создаёт тепло. Оно уменьшает теплообмен с окружающим воздухом. Под одеялом сохраняется слой тёплого воздуха, а воздух плохо проводит тепло. Поэтому человеку теплее.
7. Большие глаза и очки
Глаз — это оптическая система. Свет проходит через роговицу и хрусталик, а изображение формируется на сетчатке.
Если у бабушки были очки, то это тоже физика. Линзы изменяют направление световых лучей. Выпуклые линзы собирают лучи, вогнутые — рассеивают. Так очки помогают исправлять нарушения зрения.
8. Большие уши и акустика
Ушная раковина собирает звуковые волны и направляет их в слуховой проход. Чем больше и удобнее форма уха, тем лучше оно может улавливать слабые звуки. Поэтому большие уши волка — физически понятное преимущество.
9. Большие зубы и давление
Давление зависит от силы и площади:
давление = сила / площадь.
Острые зубы имеют маленькую площадь соприкосновения. Поэтому при той же силе они создают большее давление. Поэтому острым ножом легче резать, а острыми зубами легче прокусывать.
Не благодарите :)
Аналогично.
Как школьного / университетского преподавателя заинтересовать возможностями генеративного ИИ.
Универсальный ЛАЙВХАК :)
Попросите ChatGpt / Клода разобрать изучаемую тему, будь то физика, химия, гражданский или семейный кодекс, теория игр или ТРИЗ на примере сказки про Красную Шапочку. Попробуйте разные режимы модели, чтобы показать разницу в глубине проработки темы.
Разберите кейс :)
Пример.
«Красная Шапочка» с точки зрения физики 8 класса по Перышкину
Если читать «Красную Шапочку» не как сказку, а как набор физических ситуаций, то в ней легко найти почти весь курс 8 класса: тепловые, световые, звуковые и электрические явления.
1. Пирожки и теплопередача
Красная Шапочка несёт бабушке пирожки. Если они только из печи, их температура выше температуры воздуха в лесу. Значит, пирожки будут остывать.
Тепло уходит тремя способами:
теплопроводностью — через корзинку, салфетку и воздух рядом с пирожками;
конвекцией — тёплый воздух поднимается, холодный занимает его место;
излучением — пирожки испускают тепловое, инфракрасное излучение.
Чтобы донести пирожки тёплыми, их нужно завернуть в материал с плохой теплопроводностью. Например, в плотную ткань. Такая ткань сама не греет, но уменьшает потери тепла.
2. Красная шапочка и свет
Солнечный свет содержит разные цвета. Ткань шапочки часть света поглощает, а красный свет отражает лучше остальных. Поэтому мы видим шапочку красной.
Цвет предмета зависит не только от самого предмета, но и от освещения. В темноте красная шапочка не будет выглядеть красной: если нет света, нечему отражаться.
3. Лес, тень и полутень
В лесу деревья закрывают часть солнечных лучей. Здесь работает тема прямолинейного распространения света.
Стволы и ветви задерживают свет, поэтому за ними возникает тень. Но Солнце — не точечный источник, поэтому в лесу часто видна не резкая граница света и тени, а мягкие пятна света. Это область полутени.
4. Голос Красной Шапочки и звук
Когда Красная Шапочка разговаривает с волком, возникают звуковые волны.
Голос появляется из-за колебаний голосовых связок. Эти колебания передаются воздуху и распространяются в виде звуковой волны. Волк слышит девочку, потому что звуковые колебания доходят до его уха и заставляют колебаться барабанную перепонку.
В лесу звук может отражаться от деревьев, поглощаться листвой и землёй, рассеиваться. Поэтому слышимость зависит от расстояния, ветра, густоты леса и влажности воздуха.
5. Почему волк пришёл раньше
Если волк добрался до бабушки быстрее, значит, он либо двигался быстрее, либо выбрал более короткий путь, либо Красная Шапочка задерживалась.
Здесь работает простая связь:
скорость = путь / время.
Даже если два героя вышли почти одновременно, первым придёт тот, у кого больше средняя скорость или меньше путь.
6. Бабушка, постель и тепло
Бабушка лежит в постели. С точки зрения физики её тело постоянно обменивается теплом с окружающей средой: нагревает воздух, постель, отдаёт энергию излучением.
Одеяло не создаёт тепло. Оно уменьшает теплообмен с окружающим воздухом. Под одеялом сохраняется слой тёплого воздуха, а воздух плохо проводит тепло. Поэтому человеку теплее.
7. Большие глаза и очки
Глаз — это оптическая система. Свет проходит через роговицу и хрусталик, а изображение формируется на сетчатке.
Если у бабушки были очки, то это тоже физика. Линзы изменяют направление световых лучей. Выпуклые линзы собирают лучи, вогнутые — рассеивают. Так очки помогают исправлять нарушения зрения.
8. Большие уши и акустика
Ушная раковина собирает звуковые волны и направляет их в слуховой проход. Чем больше и удобнее форма уха, тем лучше оно может улавливать слабые звуки. Поэтому большие уши волка — физически понятное преимущество.
9. Большие зубы и давление
Давление зависит от силы и площади:
давление = сила / площадь.
Острые зубы имеют маленькую площадь соприкосновения. Поэтому при той же силе они создают большее давление. Поэтому острым ножом легче резать, а острыми зубами легче прокусывать.
Не благодарите :)
72👍3🥰2😁2❤🔥1❤1
ИИ в науке, образовании и рынке труда
Часто спрашивают, как школьника заинтересовать возможностями генеративного ИИ. Аналогично. Как школьного / университетского преподавателя заинтересовать возможностями генеративного ИИ. Универсальный ЛАЙВХАК :) Попросите ChatGpt / Клода разобрать изучаемую…
К сожалению, формат поста не позволяет положить сюда подробный разбор сказки :)
Попробуйте сами в режиме рассуждения или PRO :)
Попробуйте сами в режиме рассуждения или PRO :)
65❤🔥1❤1🥰1
Сегодня СМИ активно цитируют интервью Вестям министра экономического развития Максима Решетникова.
Из публикации в публикацию сохранятся цитата:
Пытались понять, что над чем преобладает …
Поняли следующее.
Министр, конечно, мог оговориться. Чего только в разговорной речи при интервью не случается. Это нормально.
А мог и сказать, не понимая о чем говорит. Тоже бывает.
Дальше, тот, кто интервью брал ничего не понял в теме и взял фразу как есть. Ну… к сожалению, журналистов, которые понимают те темы, на которые пишут, не сильно много.
А много вы знаете хороших урологов или стоматологов? :)
Но все же интервью человека такого уровня пресслужба министерства должна прочитать и утвердить.
Там тоже никто ничего не понял. И оно пошло как есть.
Дальше энное количество сми перепечатало как есть… никто эти СМИ не читает, похоже, включая редакторов этих СМИ.
Большой плюс Интерфаксу. Они ссылаются на Вести, но цитату все же поправили. Ура!
Большой минус всем остальным.
К чему это.
При публикации чего бы то ни было, полезно загнать текст в «ChatGPT” и спросить, все ли в порядке.
https://www.vesti.ru/ns/reshetnikov-soobshchil-ob-okhlazhdenii-rynka-truda
Из публикации в публикацию сохранятся цитата:
…что число вакансий и поиск работы сильно преобладает над резюме, которые есть.
Пытались понять, что над чем преобладает …
Поняли следующее.
Министр, конечно, мог оговориться. Чего только в разговорной речи при интервью не случается. Это нормально.
А мог и сказать, не понимая о чем говорит. Тоже бывает.
Дальше, тот, кто интервью брал ничего не понял в теме и взял фразу как есть. Ну… к сожалению, журналистов, которые понимают те темы, на которые пишут, не сильно много.
А много вы знаете хороших урологов или стоматологов? :)
Но все же интервью человека такого уровня пресслужба министерства должна прочитать и утвердить.
Там тоже никто ничего не понял. И оно пошло как есть.
Дальше энное количество сми перепечатало как есть… никто эти СМИ не читает, похоже, включая редакторов этих СМИ.
Большой плюс Интерфаксу. Они ссылаются на Вести, но цитату все же поправили. Ура!
Большой минус всем остальным.
К чему это.
При публикации чего бы то ни было, полезно загнать текст в «ChatGPT” и спросить, все ли в порядке.
https://www.vesti.ru/ns/reshetnikov-soobshchil-ob-okhlazhdenii-rynka-truda
63❤3😁2🙈2🥰1
Старт олимпиады по ИИ
1 июля 2026 года начался тренировочный этап Всероссийской олимпиады по искусственному интеллекту.
Период регистрации и тренировки с 1 июля по 20 сентября. Сезон 2026 года посвящён теме космоса.
Участвовать могут школьники 8–11-х классов из России, а также иностранные школьники по решению оргкомитета при сопоставимом уровне образовательной программы.
Подробности:
https://ai.edu.gov.ru/
1 июля 2026 года начался тренировочный этап Всероссийской олимпиады по искусственному интеллекту.
Период регистрации и тренировки с 1 июля по 20 сентября. Сезон 2026 года посвящён теме космоса.
Участвовать могут школьники 8–11-х классов из России, а также иностранные школьники по решению оргкомитета при сопоставимом уровне образовательной программы.
Подробности:
https://ai.edu.gov.ru/
ai.edu.gov.ru
Всероссийская олимпиада по искусственному интеллекту 2026
Для учеников 8-11 классов и иностранных обучающихся
63❤1❤🔥1🥰1
Кстати. Если удобнее читать нас в Максе…—>>>
MAX
MAX – быстрое и легкое приложение для общения и решения пов…
64👎3❤1❤🔥1🥰1🌭1
Первые ласточки!
Какие же молодцы!
Признать - тоже надо мужество иметь.
Списали письменные дипломы в утиль.
Логично. Три минуты нужно, чтобы отличный диплом сгенерить. Ну, ок. 15 минут.
https://rudn-sochi.ru/2026/07/01/развитие-искусственного-интеллекта/
Какие же молодцы!
Признать - тоже надо мужество иметь.
Списали письменные дипломы в утиль.
Логично. Три минуты нужно, чтобы отличный диплом сгенерить. Ну, ок. 15 минут.
https://rudn-sochi.ru/2026/07/01/развитие-искусственного-интеллекта/
68🔥6❤2❤🔥1🥰1
Anthropic выпустила Claude Science (beta).
Это отдельная рабочая среда вокруг уже доступных моделей Claude, ориентированная на научные задачи.
Идея.
Исследователь не должен прыгать между PubMed, Jupyter, R, терминалом кластера, отдельными базами данных и визуализаторами.
Claude Science пытается собрать этот процесс в одном интерфейсе: от поиска литературы и запуска пайплайнов до подготовки графиков и текста статьи.
Внутри есть научные рендеры: белковые структуры, геномные треки, химические структуры, PDF и другие специализированные форматы.
Отдельный агент-рецензент должен проверять цитаты, числа, формулы, графики.
Claude Science также умеет работать с вычислительной инфраструктурой научной лаборатории: локальный компьютер, Linux-машина, HPC-кластер через SSH, GPU-ресурсы. По заявлению Anthropic, большие или чувствительные данные могут оставаться на инфраструктуре лаборатории, а в Claude отправляется только контекст, нужный для конкретного шага анализа.
Anthropic заявляет интеграцию с 60+ научными базами и доменными инструментами.
Claude Science доступен в beta для пользователей Claude Pro, Max, Team и Enterprise на macOS и Linux.
https://claude.com/product/claude-science
Это отдельная рабочая среда вокруг уже доступных моделей Claude, ориентированная на научные задачи.
Идея.
Исследователь не должен прыгать между PubMed, Jupyter, R, терминалом кластера, отдельными базами данных и визуализаторами.
Claude Science пытается собрать этот процесс в одном интерфейсе: от поиска литературы и запуска пайплайнов до подготовки графиков и текста статьи.
Внутри есть научные рендеры: белковые структуры, геномные треки, химические структуры, PDF и другие специализированные форматы.
Отдельный агент-рецензент должен проверять цитаты, числа, формулы, графики.
Claude Science также умеет работать с вычислительной инфраструктурой научной лаборатории: локальный компьютер, Linux-машина, HPC-кластер через SSH, GPU-ресурсы. По заявлению Anthropic, большие или чувствительные данные могут оставаться на инфраструктуре лаборатории, а в Claude отправляется только контекст, нужный для конкретного шага анализа.
Anthropic заявляет интеграцию с 60+ научными базами и доменными инструментами.
Claude Science доступен в beta для пользователей Claude Pro, Max, Team и Enterprise на macOS и Linux.
https://claude.com/product/claude-science
Claude
Claude Science beta | Claude by Anthropic
Claude Science is your AI workbench for scientific research. Works through your research like a skilled scientist, running the analysis and tracing every step. Spend less time stitching pipelines together, and more time on the science.
63❤3❤🔥2🥰1
В Казахстане создан Национальный исследовательский университет искусственного интеллекта.
Министерство науки и высшего образования Республики Казахстан сообщает, что вуз станет центром подготовки специалистов, прикладных исследований и коммерциализации разработок в сфере ИИ.
Кампус разместят на территории EXPO в Астане. Университет интегрируют с Astana Hub (международный технопарк стартапов в сфере информационных технологий) и Международным центром искусственного интеллекта Alem.ai, чтобы дать доступ к вычислительным мощностям, облачным сервисам и технологическим решениям.
Обучение запланировано с 1 сентября 2026 года. В первый учебный год запускаются бакалавриат и магистратура по модели AI+X (подготовка, где ИИ применяется в отраслевых задачах).
Внутри университета создадут AI Research Hub (исследовательскую платформу ИИ) и национальный консорциум AI+X с ведущими университетами Казахстана.
https://www.gov.kz/memleket/entities/sci/press/news/details/1208011?lang=ru
Министерство науки и высшего образования Республики Казахстан сообщает, что вуз станет центром подготовки специалистов, прикладных исследований и коммерциализации разработок в сфере ИИ.
Кампус разместят на территории EXPO в Астане. Университет интегрируют с Astana Hub (международный технопарк стартапов в сфере информационных технологий) и Международным центром искусственного интеллекта Alem.ai, чтобы дать доступ к вычислительным мощностям, облачным сервисам и технологическим решениям.
Обучение запланировано с 1 сентября 2026 года. В первый учебный год запускаются бакалавриат и магистратура по модели AI+X (подготовка, где ИИ применяется в отраслевых задачах).
Внутри университета создадут AI Research Hub (исследовательскую платформу ИИ) и национальный консорциум AI+X с ведущими университетами Казахстана.
https://www.gov.kz/memleket/entities/sci/press/news/details/1208011?lang=ru
www.gov.kz
ПОРУЧЕНИЕ ПРЕЗИДЕНТА: В АСТАНЕ СОЗДАН НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
ПОРУЧЕНИЕ ПРЕЗИДЕНТА: В АСТАНЕ СОЗДАН НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ ИСКУССТВЕННОГО ИНТЕЛЛЕКТАПо поручению Главы государства Республики Казахстан создан Национальный исследовательский университет искусственного интеллекта. Соответствующее решение…
64❤3❤🔥1🥰1
Китай выпустил семь национальных стандартов по взаимосвязи ИИ-агентов.
Стандарты охватывают семь направлений:
— общая архитектура; — коды идентификации; — управление идентификацией; — описание агента; — обнаружение агента; — взаимодействие агентов; — вызов инструментов.
Китай стандартизирует не только модели искусственного интеллекта, но и инфраструктуру их совместной работы.
Агент должен быть распознаваемым участником цифровой системы: с идентификатором, описанием возможностей, правилами поиска, взаимодействия и обращения к внешним инструментам.
Раньше обсуждение ИИ-агентов, в основном, строилось вокруг их возможностей: умеет ли система планировать, помнить, искать информацию, выполнять действия, обращаться к программам и базам данных.
Китай переходит к вопросам контроля и управляемости.
кто именно выполнил действие; от имени какой системы; с какими правами доступа; какой инструмент был вызван; какие данные использовались; можно ли восстановить цепочку действий после ошибки или инцидента.
В сообщении говорится о сквозной прослеживаемости.
Без прослеживаемости агент превращается в непрозрачного посредника между человеком, данными, программами и внешними сервисами.
В образовании это может быть связка: агент ученика — агент школы — агент образовательной платформы.
В науке: агент исследователя — агент лабораторного оборудования — агент анализа данных.
На рынке труда: агент соискателя — агент работодателя — агент кадровой платформы.
Во всех трёх случаях главный вопрос: кто выполнил действие, с какими правами, через какой инструмент и можно ли восстановить цепочку решения после ошибки.
Практический смысл стандартов — создать технический слой, на который потом можно навешивать безопасность, аудит, сертификацию и ответственность.
Для бизнеса это означает движение к совместимым агентным системам, где разные решения смогут находить друг друга, понимать описание возможностей и взаимодействовать по установленным правилам.
Для государства — возможность контролировать не только конечный результат работы искусственного интеллекта, но и сам процесс: идентификацию, вызов инструментов, обмен данными и цепочку действий.
Для рынка искусственного интеллекта это сигнал: следующий этап конкуренции будет идти не только вокруг больших моделей, но и вокруг стандартов взаимодействия агентов.
https://english.www.gov.cn/policies/policywatch/202607/03/content_WS6a4727f8c6d00ca5f9a0c014.html
Стандарты охватывают семь направлений:
— общая архитектура; — коды идентификации; — управление идентификацией; — описание агента; — обнаружение агента; — взаимодействие агентов; — вызов инструментов.
Китай стандартизирует не только модели искусственного интеллекта, но и инфраструктуру их совместной работы.
Агент должен быть распознаваемым участником цифровой системы: с идентификатором, описанием возможностей, правилами поиска, взаимодействия и обращения к внешним инструментам.
Раньше обсуждение ИИ-агентов, в основном, строилось вокруг их возможностей: умеет ли система планировать, помнить, искать информацию, выполнять действия, обращаться к программам и базам данных.
Китай переходит к вопросам контроля и управляемости.
кто именно выполнил действие; от имени какой системы; с какими правами доступа; какой инструмент был вызван; какие данные использовались; можно ли восстановить цепочку действий после ошибки или инцидента.
В сообщении говорится о сквозной прослеживаемости.
Без прослеживаемости агент превращается в непрозрачного посредника между человеком, данными, программами и внешними сервисами.
В образовании это может быть связка: агент ученика — агент школы — агент образовательной платформы.
В науке: агент исследователя — агент лабораторного оборудования — агент анализа данных.
На рынке труда: агент соискателя — агент работодателя — агент кадровой платформы.
Во всех трёх случаях главный вопрос: кто выполнил действие, с какими правами, через какой инструмент и можно ли восстановить цепочку решения после ошибки.
Практический смысл стандартов — создать технический слой, на который потом можно навешивать безопасность, аудит, сертификацию и ответственность.
Для бизнеса это означает движение к совместимым агентным системам, где разные решения смогут находить друг друга, понимать описание возможностей и взаимодействовать по установленным правилам.
Для государства — возможность контролировать не только конечный результат работы искусственного интеллекта, но и сам процесс: идентификацию, вызов инструментов, обмен данными и цепочку действий.
Для рынка искусственного интеллекта это сигнал: следующий этап конкуренции будет идти не только вокруг больших моделей, но и вокруг стандартов взаимодействия агентов.
https://english.www.gov.cn/policies/policywatch/202607/03/content_WS6a4727f8c6d00ca5f9a0c014.html
english.www.gov.cn
Govt policy moves from past week
63❤3❤🔥1🥰1