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/ 

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.  

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.  

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 :)

К сожалению, формат поста не позволяет положить сюда подробный разбор сказки :)

Попробуйте сами в режиме рассуждения или PRO :)

Сегодня СМИ активно цитируют интервью Вестям министра экономического развития Максима Решетникова.

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

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/

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

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/

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

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

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

У Клода нашли подсознание

Anthropic опубликовала исследование о том, что у Claude есть внутреннее «рабочее пространство» — слой скрытых представлений, через который модель держит в уме понятия, промежуточные выводы, подозрения и намерения.

Anthropic прямо не доказывает, что Claude обладает сознанием, переживаниями или человеческой психикой. Но исследователи нашли нечто очень похожее на внутреннюю область молчаливого мышления: модель может использовать эти представления, хотя не выводит их в текст.

Эта область названа J-space, или J-пространство. Его обнаружили с помощью метода Jacobian lens — «якобианской линзы». Метод показывает, какие внутренние нейронные паттерны делают более вероятным появление того или иного слова в будущем ответе модели.

Фишка в том, что разработчики не проектировали это «пространство». Модель сама его себе создала в процессе обучения. 

Anthropic также попробовала «отключать» J-space. В результате резко падает качество задач, где нужно «держать в голове» промежуточные шаги: многошаговое рассуждение почти обнуляется, а суммаризация и написание рифмованных строк становятся хуже, чем у гораздо меньшей, но неповреждённой модели.

Логично по-человечески. Но тут не про человеческое.

Фактически Anthropic получила инструмент для чтения части скрытых «намерений» модели. 

По  первой ссылке резюме основной статьи, которое само по себе тянет на статью.  Если не очень глубоко в теме, то этого более чем достаточно. 

По второй ссылке полная статья. Не всем нужно. Не всем понятно будет. 

https://www.anthropic.com/research/global-workspace

https://transformer-circuits.pub/2026/workspace/index.html

Про отмену дипломов “потому что ИИ».

В начале месяца прошла новость об отмене ВКР для юристов - бакалавров в сочинском филиале РУДН.

Подробный разбор ситуации с дипломами в «филиалах» от нашего постоянного читателя и автора @o_alpeev

Краткое содержание: «нечего на ИИ пенять, коли с рожей не все в порядке» :)

Спойлерить не будем. Статья в приложении.

⬇️⬇️⬇️

Лето.

Стоящих новостей мало.

Но что мы все про ИИ?

Вот. Никакого ИИ.

Но как же это прекрасно!

Борьба за школы.

Anthropic запустила Claude for Teachers — бесплатную версию Claude для школьных учителей США. Сервис подключён к Learning Commons: при подготовке урока он учитывает образовательные стандарты всех 50 штатов. 

В чем тут фишка. 

Надо продать наш ИИ школам. Это дикая бюрократия, коррупция, и просто тотальная отсталость управленцев от образования от реальной жизни. 

Если есть ресурсы / деньги - раздаем все бесплатно. Если конкурент такого не может - тихо курит в сторонке. 

Но конкуренты (OpenAi,  Microsoft, Google, Grok ..) тоже могу раздавать бесплатно.  

Конечному пользователю хорошо. До поры до времени.

Останется только один.

И в это «владельцы мира» готовы вкладываться до бесконечности. Монополия - реально достижимая мечта. 

Вторая фишка в том, что владельцы мира одновременно вкладываются в OpenAi,  Microsoft, Google, Grok, Anthropic… им без разницы, кто победит. 

И это не про мировой заговор масонов. Просто так у них устроено. 

Деньги у нас. Напечатаем сколько надо. Вложим, сколько надо. 

Что любопытно сравнивать. 

В Китае — централизация ресурсов. Государство одновременно выстраивает школьные программы, национальную образовательную платформу, подготовку учителей, стандарты ИИ-грамотности и систему аттестации. Китайские компании могут конкурировать в технологиях. 

Но не в приходе в школы. Когда и куда кто попадет решает государство.

Американская корпорация должна завоёвывать учителя. 

Китай может развернуть технологию сразу на всю систему образования.

В США борются за то, чей ИИ попадёт в школу.

Он и будет решать, какая будет школа. 

В Китае решают, какой должна стать школа в эпоху ИИ.

А вам какой подход больше нравится? 

https://www.anthropic.com/news/claude-for-teachers

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

Прекрасно изложено.