Энциклика Leo XIV “Magnifica Humanitas”
Защита человеческой личности в эпоху искусственного интеллекта.
Внутри про науку и образование.
Тезисы:
Образование становится главным полем борьбы за истину
Учиться не только применению ИИ, но и отказу от применения
Цифровая грамотность должна включать распознавание манипуляций
Нужен союз государства, школы и семьи в цифровую эпоху
Школа остаётся пространством поиска истины и смысла
Неравенство доступа к образованию становится ключевым риском
ИИ быстро делает прежние учебные программы устаревшими
Роль учителя должна быть переосмыслена, но не отменена
Учителей нужно постоянно готовить к работе с новыми технологиями
Поток информации не должен заменять исследование и размышление
Наука об ИИ должна глубже изучать сами механизмы ИИ-систем
Исследователи, университеты, бизнес и инвесторы несут особую ответственность за развитие ИИ
Полный текст:
https://www.vatican.va/content/leo-xiv/en/encyclicals/documents/20260515-magnifica-humanitas.html
Защита человеческой личности в эпоху искусственного интеллекта.
Внутри про науку и образование.
Тезисы:
Образование становится главным полем борьбы за истину
Учиться не только применению ИИ, но и отказу от применения
Цифровая грамотность должна включать распознавание манипуляций
Нужен союз государства, школы и семьи в цифровую эпоху
Школа остаётся пространством поиска истины и смысла
Неравенство доступа к образованию становится ключевым риском
ИИ быстро делает прежние учебные программы устаревшими
Роль учителя должна быть переосмыслена, но не отменена
Учителей нужно постоянно готовить к работе с новыми технологиями
Поток информации не должен заменять исследование и размышление
Наука об ИИ должна глубже изучать сами механизмы ИИ-систем
Исследователи, университеты, бизнес и инвесторы несут особую ответственность за развитие ИИ
Полный текст:
https://www.vatican.va/content/leo-xiv/en/encyclicals/documents/20260515-magnifica-humanitas.html
www.vatican.va
Encyclical Letter of His Holiness Leo XIV Magnifica Humanitas (15 May 2026)
ENCYCLICAL LETTER MAGNIFICA HUMANITAS OF HIS HOLINESS POPE LEO XIV ON SAFEGUARDING THE HUMAN PERSON IN THE TIME OF ARTIFICIAL INTELLIGENCE [ Multimedia ] ___________________________
64❤3❤🔥1🥰1
Forwarded from Олег Алпеев
Часть 1
Разобранная автором(ами) статья очень хорошо укладывается в конструктивный диалог, произошедшей у нас на прошлой неделе по проблеме автономности ИИ в науке. На мое предположение, что ИИ лишен исследовательской интуиции, автор(ы) деликатно и аргументированно показал(и), что это уже не так.
На примере представленной статьи, весьма ретроградской, надо сказать, направленности, автор(ы) вновь вполне убедительно показывает(ют), что интуиция у ИИ вполне присутствует и позволяет ему самостоятельно, без участия человека, выбирать перспективные направления исследований, собственно, в чем исследовательская интуиция во многом и заключается.
Хотя я и раньше считал, что в рамках т. н. «нормальной науки» ИИ вполне нашел себе место, то теперь я убедился, что здесь он куда как более автономен и важен, нежели я представлял себе до произошедшего диалога. И все же вопрос, способен ли ИИ на полноценное самостоятельное открытие или даже на «научную революцию» в рамках «экстраординарной науки» по тому же Куну, для меня оставался открытым. Поэтому я немного решил углубиться в тему, насколько это мне позволяет социально-гуманитарный бэкграунд.
Ознакомление с доступными материалами показывает, что на этот вопрос можно ответить утвердительно благодаря парадигмальным перемены в обучении ИИ.
Если в отношении больших языковых моделей (LLM), обученных решать определенные задачи на массиве данных, накопленных и оцифрованных людьми, еще могут быть сомнения в их способности к полноценному самостоятельному творчеству, то создание архитектуры ИИ JEPA (Joint-Embedding Predictive Architecture), концептуально обоснованной гуру ИИ Яном Лекуном в 2022 г. и постепенно внедряющейся в практику, позволяет уверенно говорить о том, что ИИ способен стать полноценным «субъектом» в научной лаборатории.
В отличие от LLM, обученных решать определенные задачи на массиве данных, накопленных и оцифрованных людьми, JEPA извлекает из обучающих данных не некие опосредованные и неявные закономерности, но абстрактные представления о том, как устроен мир, что позволяет осознавать физическую реальность на человеческом уровне. Обученные в этой системе нейросети способны самообучаться и изучать полезные для себя абстракции в процессе самообучения и концептуализировать их.
Разобранная автором(ами) статья очень хорошо укладывается в конструктивный диалог, произошедшей у нас на прошлой неделе по проблеме автономности ИИ в науке. На мое предположение, что ИИ лишен исследовательской интуиции, автор(ы) деликатно и аргументированно показал(и), что это уже не так.
На примере представленной статьи, весьма ретроградской, надо сказать, направленности, автор(ы) вновь вполне убедительно показывает(ют), что интуиция у ИИ вполне присутствует и позволяет ему самостоятельно, без участия человека, выбирать перспективные направления исследований, собственно, в чем исследовательская интуиция во многом и заключается.
Хотя я и раньше считал, что в рамках т. н. «нормальной науки» ИИ вполне нашел себе место, то теперь я убедился, что здесь он куда как более автономен и важен, нежели я представлял себе до произошедшего диалога. И все же вопрос, способен ли ИИ на полноценное самостоятельное открытие или даже на «научную революцию» в рамках «экстраординарной науки» по тому же Куну, для меня оставался открытым. Поэтому я немного решил углубиться в тему, насколько это мне позволяет социально-гуманитарный бэкграунд.
Ознакомление с доступными материалами показывает, что на этот вопрос можно ответить утвердительно благодаря парадигмальным перемены в обучении ИИ.
Если в отношении больших языковых моделей (LLM), обученных решать определенные задачи на массиве данных, накопленных и оцифрованных людьми, еще могут быть сомнения в их способности к полноценному самостоятельному творчеству, то создание архитектуры ИИ JEPA (Joint-Embedding Predictive Architecture), концептуально обоснованной гуру ИИ Яном Лекуном в 2022 г. и постепенно внедряющейся в практику, позволяет уверенно говорить о том, что ИИ способен стать полноценным «субъектом» в научной лаборатории.
В отличие от LLM, обученных решать определенные задачи на массиве данных, накопленных и оцифрованных людьми, JEPA извлекает из обучающих данных не некие опосредованные и неявные закономерности, но абстрактные представления о том, как устроен мир, что позволяет осознавать физическую реальность на человеческом уровне. Обученные в этой системе нейросети способны самообучаться и изучать полезные для себя абстракции в процессе самообучения и концептуализировать их.
61❤🔥3❤1👍1🥰1
Forwarded from Олег Алпеев
Часть 2
Лекун, недавно ушедший из признанной в РФ экстремистской Meta и создавший собственную компанию AMI Labs, обещает уже в течение 10 лет стать поставщиком подобных универсальных интеллектуальных систем. Три основных принципа, на которых они базируются (процитирую один из источников):
«1) прогнозирующее обучение (predictive learning; вместо стохастически подкреплённого «додумывания» отсутствовавших в тренировочной безе данных – выявление объективных закономерностей в латентном пространстве, оно же пространство встраивания – embedding (latent) space).
2) совместное встраивание (joint embedding; явно заданные данные – контекст – и те, которые система должна предсказать – цель, – сводятся в единое, общее латентное пространство, облегчая тем самым для модели их сопоставление и выявление структуры их взаимосвязей).
3) абстракция (abstraction: оперирование в пространстве встраивания буквально побуждает модель фокусироваться на абстрактных, семантических признаках, а не на деталях низкого уровня, что способствует обретению ею «понимания» (формирования устойчивых смысловых связей между общим и частным) и позволяет ей выполнять задачи в разных областях, переносить накопленное на одном наборе данных «осознание» на другой (перенос обучения – transfer learning) и т. д.).»
Реализация этих принципов на практике ведет уже к функционированию ИИ аналогично человеческому разуму, что делает его вполне автономным и способным к определению перспективных научных задач и к самостоятельному научному открытию. Уже сейчас признается, что методология обучения ИИ JEPA открывает новые горизонты для научных исследований и практического применения и может стать основой для будущих прорывов в различных областях науки и техники.
Что касается тех самых революционных открытий по Томасу Куну, меняющих парадигму, вроде появления общей теории относительности, устранившей «ошибки» и «аномалии» классической ньютоновской физики, то кто знает, возможно и такая задача окажется по плечу ИИ, и скоро мы сами сможем узнать ответ на этот вопрос. Ведь до появления общего искусственного интеллекта (AGI) – «Супер-ИИ», способного понимать, обучаться и применять знания в самых разных областях на уровне человека, осталось, по разным оценкам, всего лишь 5–10 лет.
Во всяком случае, соглашусь с автором(и) канала, что гипотетическое будущее революционное открытие, такое, как способность к межзвездным перелетам, уже точно без ИИ не обойдется :)
Лекун, недавно ушедший из признанной в РФ экстремистской Meta и создавший собственную компанию AMI Labs, обещает уже в течение 10 лет стать поставщиком подобных универсальных интеллектуальных систем. Три основных принципа, на которых они базируются (процитирую один из источников):
«1) прогнозирующее обучение (predictive learning; вместо стохастически подкреплённого «додумывания» отсутствовавших в тренировочной безе данных – выявление объективных закономерностей в латентном пространстве, оно же пространство встраивания – embedding (latent) space).
2) совместное встраивание (joint embedding; явно заданные данные – контекст – и те, которые система должна предсказать – цель, – сводятся в единое, общее латентное пространство, облегчая тем самым для модели их сопоставление и выявление структуры их взаимосвязей).
3) абстракция (abstraction: оперирование в пространстве встраивания буквально побуждает модель фокусироваться на абстрактных, семантических признаках, а не на деталях низкого уровня, что способствует обретению ею «понимания» (формирования устойчивых смысловых связей между общим и частным) и позволяет ей выполнять задачи в разных областях, переносить накопленное на одном наборе данных «осознание» на другой (перенос обучения – transfer learning) и т. д.).»
Реализация этих принципов на практике ведет уже к функционированию ИИ аналогично человеческому разуму, что делает его вполне автономным и способным к определению перспективных научных задач и к самостоятельному научному открытию. Уже сейчас признается, что методология обучения ИИ JEPA открывает новые горизонты для научных исследований и практического применения и может стать основой для будущих прорывов в различных областях науки и техники.
Что касается тех самых революционных открытий по Томасу Куну, меняющих парадигму, вроде появления общей теории относительности, устранившей «ошибки» и «аномалии» классической ньютоновской физики, то кто знает, возможно и такая задача окажется по плечу ИИ, и скоро мы сами сможем узнать ответ на этот вопрос. Ведь до появления общего искусственного интеллекта (AGI) – «Супер-ИИ», способного понимать, обучаться и применять знания в самых разных областях на уровне человека, осталось, по разным оценкам, всего лишь 5–10 лет.
Во всяком случае, соглашусь с автором(и) канала, что гипотетическое будущее революционное открытие, такое, как способность к межзвездным перелетам, уже точно без ИИ не обойдется :)
61❤2❤🔥2🥰1
ИИ в науке, образовании и рынке труда
Любопытная статья на Arxiv.org «Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery» Мы бы дали другое название: «Почему научные ИИ-агенты до сих пор не открыли все?» :) В принципе, ответ на поверхности. Потому что! Но поскольку…
Столь подробный комментарий требует вынести его в основной канал. Что мы и делаем, надеемся с позволения автора.
67❤2❤🔥1🥰1
США
Supercharging America’s AI Workforce. Каталог программ по обучению ИИ.
Министерство энергетики США опубликовало каталог доступных программ с выбором по аудитории, типу программы и организатору. Сотни различных вариантов.
Это не программы самого министерства.
Там не только собственно обучение. Много информации о стажировках в различных государственных и университетских лабораториях. Для студентов, преподавателей, исследователей. Различные курсы повышения квалификации для специалистов разных отраслей.
Некоторые программы доступны онлайн и не только для граждан США.
https://www.energy.gov/cet/supercharging-americas-ai-workforce
Supercharging America’s AI Workforce. Каталог программ по обучению ИИ.
Министерство энергетики США опубликовало каталог доступных программ с выбором по аудитории, типу программы и организатору. Сотни различных вариантов.
Это не программы самого министерства.
Там не только собственно обучение. Много информации о стажировках в различных государственных и университетских лабораториях. Для студентов, преподавателей, исследователей. Различные курсы повышения квалификации для специалистов разных отраслей.
Некоторые программы доступны онлайн и не только для граждан США.
https://www.energy.gov/cet/supercharging-americas-ai-workforce
Energy.gov
Supercharging America's AI Workforce
Find AI learning and workforce training opportunities for everyone, from young learners to experts.
61❤1❤🔥1🥰1
Что у ИИ тьютора под капотом
Статья на arXiv для всех, кто проектирует ИИ-тьюторов. В данном случае по математике. Но принципы годятся и для других предметов. Для тех, кто не имеет отношения к проектированию подобных систем, а просто их использует, тоже любопытно.
Это как в автосервисе постоять рядом с мастером, который занимается тонкими настройками двигателя твоей машины: ничего не понятно, но завораживает :)
ИИ-тьютор должен не просто решать задачу, а вести ученика к решению, не выдавая ответ. В статье показано, что такой режим можно настраивать через читаемый и редактируемый системный промпт.
Авторы не занимаются дообучением моделей - это обычно дорого, требует специальных знаний, массива данных, времени и много чего еще.
Дешевле оптимизация системного промпта без изменения весов модели. В работе сравнили 12 методов: 7 опубликованных подходов к оптимизации промптов и 5 специальных образовательных методов.
Провели 792 оценочных прогона, использовали 100 задач BigMath для оптимизации и 1 334 задания в двух внешних наборах OpenLearnLM и MathTutorBench.
https://arxiv.org/html/2605.27088v1
Статья на arXiv для всех, кто проектирует ИИ-тьюторов. В данном случае по математике. Но принципы годятся и для других предметов. Для тех, кто не имеет отношения к проектированию подобных систем, а просто их использует, тоже любопытно.
Это как в автосервисе постоять рядом с мастером, который занимается тонкими настройками двигателя твоей машины: ничего не понятно, но завораживает :)
ИИ-тьютор должен не просто решать задачу, а вести ученика к решению, не выдавая ответ. В статье показано, что такой режим можно настраивать через читаемый и редактируемый системный промпт.
Авторы не занимаются дообучением моделей - это обычно дорого, требует специальных знаний, массива данных, времени и много чего еще.
Дешевле оптимизация системного промпта без изменения весов модели. В работе сравнили 12 методов: 7 опубликованных подходов к оптимизации промптов и 5 специальных образовательных методов.
Провели 792 оценочных прогона, использовали 100 задач BigMath для оптимизации и 1 334 задания в двух внешних наборах OpenLearnLM и MathTutorBench.
https://arxiv.org/html/2605.27088v1
65❤🔥3❤1🥰1
#КартаИИ@aiobraz
Искусственный интеллект в проверке учебных работ: основные сценарии
Проверка учебных заданий остаётся одной из самых трудоёмких функций образовательного процесса. На массовых курсах преподаватель сталкивается не только с большим количеством работ, но и с необходимостью сохранять единые критерии, сопоставимость оценивания по отношению к каждому студенту.
Первый сценарий — кластеризация сходных ответов. Система группирует похожие решения, а преподаватель проверяет уже не каждую работу изолированно, а типовые группы ответов. Такой подход особенно полезен в заданиях с фиксированным шаблоном и большим количеством однотипных решений. ИИ здесь выполняет сортировочную функцию, но не принимает академическое решение.
Второй сценарий — проверка по формализованной рубрике. ИИ может сопоставлять работу с заранее заданными критериями: есть ли исследовательский вопрос, логика аргумента, структура, источники, выводы, соответствие формату. Это помогает преподавателю быстрее увидеть слабые места, но не должно превращаться в автоматическое выставление оценки.
Третий сценарий — предварительная формирующая обратная связь до финальной сдачи. Система может показать студенту, что тезис неясен, аргумент не подтверждён источником, вывод не следует из текста или структура нарушена. В этом режиме ИИ работает не как оценщик, а как инструмент академического самоконтроля.
Четвёртый сценарий — проверка программного кода и технических заданий. ИИ может запускать тесты, находить типовые ошибки, объяснять неправильный результат и указывать на несоответствие условию. Здесь его польза особенно высока, потому что часть проверки формализуема: есть входные данные, ожидаемый результат и воспроизводимые ошибки. Но даже в программировании нестандартное корректное решение не должно автоматически считаться ошибочным.
Пятый сценарий — проверка источников и академического аппарата. ИИ может находить отсутствующие ссылки, слабые основания для утверждений, ошибки в библиографии и несоответствие между выводом и источниками. Однако такая проверка должна быть предварительной: система может ошибаться в библиографических данных и неверно понимать смысл источника.
Шестой сценарий — выявление типовых ошибок всей группы. ИИ может показать, какие темы студенты не поняли, где массово ошиблись, какое условие оказалось двусмысленным и что нужно объяснить повторно. Это уже не столько инструмент оценки, сколько инструмент управления курсом.
Седьмой сценарий — калибровка оценивания между преподавателями. На больших курсах разные проверяющие могут по-разному трактовать одни и те же ошибки. ИИ может подсветить расхождения и помочь сделать оценивание более сопоставимым.
Восьмой сценарий — подготовка индивидуальных рекомендаций после проверки. После решения преподавателя ИИ может превратить замечания в понятный план доработки: что исправить, какие темы повторить, какие навыки усилить. Это позволяет масштабировать обратную связь без передачи машине права на итоговую оценку.
Девятый сценарий — поддержка устной защиты спорных работ. Если работа выглядит подозрительно или резко отличается от предыдущих работ студента, ИИ может предложить вопросы для беседы: объяснить ход рассуждения, выбор источников, логику вывода или промежуточные шаги.
Десятый сценарий — поддержка процедур академической добросовестности. Сюда относятся системы проверки заимствований, сходства текстов и детекторы ИИ-текста.
Мы уже писали о том, что детекторы ИИ текста это тупик. Но спрос существует.
Главный риск автоматической проверки — ошибка в отношении нестандартного ответа. Студент может решить задачу необычным способом, выйти за рамки шаблона или дать сильную аргументацию в непривычной форме. Машинная система может принять это за ошибку, неполноту или нарушение требований. Особенно велик этот риск в гуманитарных и социальных дисциплинах, где качество ответа определяется не только совпадением с эталоном, но и самостоятельностью мышления, силой аргумента и корректностью работы с источниками.
Искусственный интеллект в проверке учебных работ: основные сценарии
Проверка учебных заданий остаётся одной из самых трудоёмких функций образовательного процесса. На массовых курсах преподаватель сталкивается не только с большим количеством работ, но и с необходимостью сохранять единые критерии, сопоставимость оценивания по отношению к каждому студенту.
Первый сценарий — кластеризация сходных ответов. Система группирует похожие решения, а преподаватель проверяет уже не каждую работу изолированно, а типовые группы ответов. Такой подход особенно полезен в заданиях с фиксированным шаблоном и большим количеством однотипных решений. ИИ здесь выполняет сортировочную функцию, но не принимает академическое решение.
Второй сценарий — проверка по формализованной рубрике. ИИ может сопоставлять работу с заранее заданными критериями: есть ли исследовательский вопрос, логика аргумента, структура, источники, выводы, соответствие формату. Это помогает преподавателю быстрее увидеть слабые места, но не должно превращаться в автоматическое выставление оценки.
Третий сценарий — предварительная формирующая обратная связь до финальной сдачи. Система может показать студенту, что тезис неясен, аргумент не подтверждён источником, вывод не следует из текста или структура нарушена. В этом режиме ИИ работает не как оценщик, а как инструмент академического самоконтроля.
Четвёртый сценарий — проверка программного кода и технических заданий. ИИ может запускать тесты, находить типовые ошибки, объяснять неправильный результат и указывать на несоответствие условию. Здесь его польза особенно высока, потому что часть проверки формализуема: есть входные данные, ожидаемый результат и воспроизводимые ошибки. Но даже в программировании нестандартное корректное решение не должно автоматически считаться ошибочным.
Пятый сценарий — проверка источников и академического аппарата. ИИ может находить отсутствующие ссылки, слабые основания для утверждений, ошибки в библиографии и несоответствие между выводом и источниками. Однако такая проверка должна быть предварительной: система может ошибаться в библиографических данных и неверно понимать смысл источника.
Шестой сценарий — выявление типовых ошибок всей группы. ИИ может показать, какие темы студенты не поняли, где массово ошиблись, какое условие оказалось двусмысленным и что нужно объяснить повторно. Это уже не столько инструмент оценки, сколько инструмент управления курсом.
Седьмой сценарий — калибровка оценивания между преподавателями. На больших курсах разные проверяющие могут по-разному трактовать одни и те же ошибки. ИИ может подсветить расхождения и помочь сделать оценивание более сопоставимым.
Восьмой сценарий — подготовка индивидуальных рекомендаций после проверки. После решения преподавателя ИИ может превратить замечания в понятный план доработки: что исправить, какие темы повторить, какие навыки усилить. Это позволяет масштабировать обратную связь без передачи машине права на итоговую оценку.
Девятый сценарий — поддержка устной защиты спорных работ. Если работа выглядит подозрительно или резко отличается от предыдущих работ студента, ИИ может предложить вопросы для беседы: объяснить ход рассуждения, выбор источников, логику вывода или промежуточные шаги.
Десятый сценарий — поддержка процедур академической добросовестности. Сюда относятся системы проверки заимствований, сходства текстов и детекторы ИИ-текста.
Мы уже писали о том, что детекторы ИИ текста это тупик. Но спрос существует.
Главный риск автоматической проверки — ошибка в отношении нестандартного ответа. Студент может решить задачу необычным способом, выйти за рамки шаблона или дать сильную аргументацию в непривычной форме. Машинная система может принять это за ошибку, неполноту или нарушение требований. Особенно велик этот риск в гуманитарных и социальных дисциплинах, где качество ответа определяется не только совпадением с эталоном, но и самостоятельностью мышления, силой аргумента и корректностью работы с источниками.
73❤🔥2❤1👍1🥰1
ideas.pdf
3.8 MB
Лонгрид (почти 400 страниц!) на выходные.
Bad Ideas about AI and Writing: Generative Practices for Teaching, Learning, and Communication
The WAC Clearinghouse и University Press of Colorado.
В книге (это только оглавление верхнего уровня!)
Развенчание хайпа
Debunking the Hype
Освоение ИИ-грамотности
Gaining AI Literacy
Социальная и человеческая природа письма
The Social and Human Nature of Writing
Этические последствия ИИ-технологий письма
Ethical Impacts of AI Writing Technologies
Как ИИ влияет на обучение и процесс письма
How AI Impacts the Learning and Writing Process
Программы письма и центры письма в эпоху ИИ
Writing Programs and Writing Centers in the Age of AI
Как ИИ влияет на педагогику письма и оценивание
How Writing Pedagogy & Assessment Are Affected by AI
Политика преподавания письма и академическая честность
Writing Instruction Policy and Academic Integrity
Много иллюстраций к тому, о чем мы постоянно пишем в нашем канале.
Искусственный интеллект не отменяет письменность. Он отменяет наивное представление о письменности как о механическом набивании текста.
Раньше студенту говорили: «Напиши эссе». Теперь студент может ответить: «А зачем, если нейросеть напишет быстрее, глубже и красивше?»
Но ведь создание текста это не про «набить 30 страниц десятипальцевым слепым методом».
Это способ думать, проверять источники, строить систему аргументов, понимать адресата, видеть слабые места собственной позиции и брать ответственность за результат.
Хорошо ложится на то, о чём мы уже писали, например:
«Когда исчезнет письменность?»
Источник в приложении.
Приятного чтения.
Bad Ideas about AI and Writing: Generative Practices for Teaching, Learning, and Communication
The WAC Clearinghouse и University Press of Colorado.
В книге (это только оглавление верхнего уровня!)
Развенчание хайпа
Debunking the Hype
Освоение ИИ-грамотности
Gaining AI Literacy
Социальная и человеческая природа письма
The Social and Human Nature of Writing
Этические последствия ИИ-технологий письма
Ethical Impacts of AI Writing Technologies
Как ИИ влияет на обучение и процесс письма
How AI Impacts the Learning and Writing Process
Программы письма и центры письма в эпоху ИИ
Writing Programs and Writing Centers in the Age of AI
Как ИИ влияет на педагогику письма и оценивание
How Writing Pedagogy & Assessment Are Affected by AI
Политика преподавания письма и академическая честность
Writing Instruction Policy and Academic Integrity
Много иллюстраций к тому, о чем мы постоянно пишем в нашем канале.
Искусственный интеллект не отменяет письменность. Он отменяет наивное представление о письменности как о механическом набивании текста.
Раньше студенту говорили: «Напиши эссе». Теперь студент может ответить: «А зачем, если нейросеть напишет быстрее, глубже и красивше?»
Но ведь создание текста это не про «набить 30 страниц десятипальцевым слепым методом».
Это способ думать, проверять источники, строить систему аргументов, понимать адресата, видеть слабые места собственной позиции и брать ответственность за результат.
Хорошо ложится на то, о чём мы уже писали, например:
«Когда исчезнет письменность?»
Источник в приложении.
Приятного чтения.
73👍3❤🔥1❤1🥰1
Каждый второй россиянин против ИИ в подборе персонала.
С одной стороны, люди боятся технологий, не очень понимая, где именно они используются.
С другой стороны, россияне в опросе демонстрируют редкую адекватность и осведомленность. Если всего каждый второй против, то уровень осознания зашкаливает.
Свежий опрос Superjob. По данным исследования, только 7% россиян хотели бы, чтобы решение о приёме на работу принимал искусственный интеллект. 83% предпочитают, чтобы выбор делал человек. Ещё показательнее отношение к интервью: полностью доверить собеседование алгоритму готовы лишь 4%, хотя 40% допускают частичное использование таких систем. При этом 38% в целом готовы пройти интервью с ИИ (6% — точно готовы, ещё 32% — скорее готовы).
Большинство выступает против «найма через ИИ», но одновременно значительная часть не возражает против отдельных ИИ-инструментов в процессе отбора. Это косвенно показывает, что для многих россиян ИИ в HR воспринимается как нечто абстрактное и угрожающее, без понимания конкретных функций. Люди требуют ограничений, но что конкретно нужно ограничивать не очень понимают.
А и не должны понимать, как нам кажется.
Регулятор со временем отрегулирует все, что нужно. Точнее, все, что нужно давно отрегулировано ТК.
Если действия работодателя при найме, оценке или других HR процессах противоречат ТК, то ИИ тут не при чем. Придёт государственная инспекция по труду и всем по шапке настучит. И на ИИ сослаться не получится.
Но есть еще один нюанс.
Государство (что логично) стоит на страже максимальной объективности и непредвзятости в HR процессах. И это, безусловно, правильно.
Но жизнь сложнее. И только максимальная предвзятость и то, что с точки зрения закона выглядит, например, как дискриминация при найме, позволяет отдельным компаниям получать конкурентные преимущества, нанимая не абстрактно хороших специалистов, а тех, что нужны именно в этом самом коллективе для именно вот этих самых задач. И впишутся вот в этот конкретный коллектив и эту конкретную корпоративную культуру.
Ну или не получать конкурентных перимуществ, если дискриминируют по цвету глаз или знаку зодиака. Впрочем, такое встречается не так уж и часто :). Но тоже встречается же :)
https://www.superjob.ru/pro/6953/
https://t.me/superjobmedia/2798
С одной стороны, люди боятся технологий, не очень понимая, где именно они используются.
С другой стороны, россияне в опросе демонстрируют редкую адекватность и осведомленность. Если всего каждый второй против, то уровень осознания зашкаливает.
Свежий опрос Superjob. По данным исследования, только 7% россиян хотели бы, чтобы решение о приёме на работу принимал искусственный интеллект. 83% предпочитают, чтобы выбор делал человек. Ещё показательнее отношение к интервью: полностью доверить собеседование алгоритму готовы лишь 4%, хотя 40% допускают частичное использование таких систем. При этом 38% в целом готовы пройти интервью с ИИ (6% — точно готовы, ещё 32% — скорее готовы).
Большинство выступает против «найма через ИИ», но одновременно значительная часть не возражает против отдельных ИИ-инструментов в процессе отбора. Это косвенно показывает, что для многих россиян ИИ в HR воспринимается как нечто абстрактное и угрожающее, без понимания конкретных функций. Люди требуют ограничений, но что конкретно нужно ограничивать не очень понимают.
А и не должны понимать, как нам кажется.
Регулятор со временем отрегулирует все, что нужно. Точнее, все, что нужно давно отрегулировано ТК.
Если действия работодателя при найме, оценке или других HR процессах противоречат ТК, то ИИ тут не при чем. Придёт государственная инспекция по труду и всем по шапке настучит. И на ИИ сослаться не получится.
Но есть еще один нюанс.
Государство (что логично) стоит на страже максимальной объективности и непредвзятости в HR процессах. И это, безусловно, правильно.
Но жизнь сложнее. И только максимальная предвзятость и то, что с точки зрения закона выглядит, например, как дискриминация при найме, позволяет отдельным компаниям получать конкурентные преимущества, нанимая не абстрактно хороших специалистов, а тех, что нужны именно в этом самом коллективе для именно вот этих самых задач. И впишутся вот в этот конкретный коллектив и эту конкретную корпоративную культуру.
Ну или не получать конкурентных перимуществ, если дискриминируют по цвету глаз или знаку зодиака. Впрочем, такое встречается не так уж и часто :). Но тоже встречается же :)
https://www.superjob.ru/pro/6953/
https://t.me/superjobmedia/2798
Telegram
Новости и аналитика от SuperJob
🤖👩💼Каждый второй россиянин просит запретить использовать ИИ при подборе персонала
☝️Россияне не готовы полностью доверить машинам решение о своём трудоустройстве. Большинство опрошенных (57%) относится к автоматическому скринингу резюме отрицательно, а…
☝️Россияне не готовы полностью доверить машинам решение о своём трудоустройстве. Большинство опрошенных (57%) относится к автоматическому скринингу резюме отрицательно, а…
73❤2❤🔥2🥰1😁1
#КартаИИ@aiobraz
Продолжаем тему.
ИИ и инклюзия: субтитры, перевод, чтение, речь
Задача ИИ в инклюзивном образованииснять часть барьеров, которые мешают человеку учиться на равных.
Один ученик плохо слышит речь преподавателя в большой аудитории. Другой не успевает читать длинный текст. Третий учится не на родном языке. Четвёртому сложно воспринимать материал без озвучивания. Пятый понимает предмет, но испытывает трудности с устной речью. Формально материал доступен всем, но реально доступ к нему у разных людей разный.
ИИ позволяет сделать этот доступ более гибким. Он может преобразовать речь в текст, текст в речь, сложный текст в более понятное объяснение, материал на иностранном в материал на родном.
Это не решает всех проблем инклюзии, но меняет саму организацию учебной среды: она становится менее зависимой от единственного формата подачи информации.
Ученик должен иметь возможность услышать, прочитать, понять и ответить. Пусть не идеально, не автоматически, не без участия человека, но с меньшим количеством технических и коммуникационных препятствий.
Инклюзия в образовании часто воспринимается слишком узко: как специальные условия только для отдельных категорий обучающихся. Это не совсем верно.
Образовательный процесс традиционно строился вокруг нескольких основных форматов: лекция, текст, семинарская дискуссия, письменное задание, устный ответ. Но эти форматы не одинаково удобны для всех. Если студент не может полноценно воспринимать устную речь, лекция становится барьером. Если студенту трудно читать сложный академический текст, самостоятельная подготовка превращается в механическое преодоление формы, а не в работу со смыслом. Если студент не владеет языком обучения на достаточном уровне, он может отставать не из-за слабого понимания предмета, а из-за языкового барьера.
ИИ помогает разделить содержание и форму. Содержание остаётся учебным: теория, аргумент, задача, пример, источник. А форма может меняться: субтитры, расшифровка, перевод, озвучивание, краткое объяснение, структурированный конспект. Это особенно важно для массового образования, где у преподавателя нет возможности постоянно адаптировать материал вручную под каждого студента.
Четыре ключевых направления применения
1. Автоматическое преобразование речи в текст может использоваться для лекций, вебинаров, видеокурсов, семинаров и консультаций. Это важно для студентов с нарушением слуха, но полезно не только им. Текстовая версия занятия помогает вернуться к сложному фрагменту, найти термин, уточнить формулировку, подготовиться к экзамену. Особенно ценны субтитры там, где материал насыщен понятиями, датами, именами, формулами и специальной лексикой.
2. ИИ-перевод снижает языковой барьер: помогает читать статьи, инструкции, фрагменты учебников, презентации и материалы зарубежных курсов. Для иностранного студента это способ быстрее включиться в обучение. Для российского студента — способ работать с международными источниками.
3. Чтение и понимание текста. ИИ может выделить главное, объяснить сложный фрагмент, разложить аргумент по шагам, дать краткое резюме, предложить вопросы для самопроверки.
4. Синтез речи позволяет озвучивать тексты, задания, инструкции и учебные материалы. Это важно для учащихся с нарушениями зрения, а также для ситуаций, когда удобнее воспринимать материал на слух. Обратное направление — преобразование текста в речь или поддержка речевой коммуникации — может помочь тем, кому сложно говорить.
Преподавателю не нужно становиться инженером по ИИ, но нужно понимать педагогический смысл этих инструментов. Субтитры, перевод, озвучивание и адаптация текста — это не «льгота» и не послабление. Это способы дать студенту доступ к тому же содержанию, которое уже доступно другим.
ИИ в инклюзии это просто про нормальную образовательную среду, в которой один и тот же материал может быть представлен разными способами. Для одних учащихся это дополнительное удобство. Для других — необходимое условие участия в обучении.
Продолжаем тему.
ИИ и инклюзия: субтитры, перевод, чтение, речь
Задача ИИ в инклюзивном образованииснять часть барьеров, которые мешают человеку учиться на равных.
Один ученик плохо слышит речь преподавателя в большой аудитории. Другой не успевает читать длинный текст. Третий учится не на родном языке. Четвёртому сложно воспринимать материал без озвучивания. Пятый понимает предмет, но испытывает трудности с устной речью. Формально материал доступен всем, но реально доступ к нему у разных людей разный.
ИИ позволяет сделать этот доступ более гибким. Он может преобразовать речь в текст, текст в речь, сложный текст в более понятное объяснение, материал на иностранном в материал на родном.
Это не решает всех проблем инклюзии, но меняет саму организацию учебной среды: она становится менее зависимой от единственного формата подачи информации.
Ученик должен иметь возможность услышать, прочитать, понять и ответить. Пусть не идеально, не автоматически, не без участия человека, но с меньшим количеством технических и коммуникационных препятствий.
Инклюзия в образовании часто воспринимается слишком узко: как специальные условия только для отдельных категорий обучающихся. Это не совсем верно.
Образовательный процесс традиционно строился вокруг нескольких основных форматов: лекция, текст, семинарская дискуссия, письменное задание, устный ответ. Но эти форматы не одинаково удобны для всех. Если студент не может полноценно воспринимать устную речь, лекция становится барьером. Если студенту трудно читать сложный академический текст, самостоятельная подготовка превращается в механическое преодоление формы, а не в работу со смыслом. Если студент не владеет языком обучения на достаточном уровне, он может отставать не из-за слабого понимания предмета, а из-за языкового барьера.
ИИ помогает разделить содержание и форму. Содержание остаётся учебным: теория, аргумент, задача, пример, источник. А форма может меняться: субтитры, расшифровка, перевод, озвучивание, краткое объяснение, структурированный конспект. Это особенно важно для массового образования, где у преподавателя нет возможности постоянно адаптировать материал вручную под каждого студента.
Четыре ключевых направления применения
1. Автоматическое преобразование речи в текст может использоваться для лекций, вебинаров, видеокурсов, семинаров и консультаций. Это важно для студентов с нарушением слуха, но полезно не только им. Текстовая версия занятия помогает вернуться к сложному фрагменту, найти термин, уточнить формулировку, подготовиться к экзамену. Особенно ценны субтитры там, где материал насыщен понятиями, датами, именами, формулами и специальной лексикой.
2. ИИ-перевод снижает языковой барьер: помогает читать статьи, инструкции, фрагменты учебников, презентации и материалы зарубежных курсов. Для иностранного студента это способ быстрее включиться в обучение. Для российского студента — способ работать с международными источниками.
3. Чтение и понимание текста. ИИ может выделить главное, объяснить сложный фрагмент, разложить аргумент по шагам, дать краткое резюме, предложить вопросы для самопроверки.
4. Синтез речи позволяет озвучивать тексты, задания, инструкции и учебные материалы. Это важно для учащихся с нарушениями зрения, а также для ситуаций, когда удобнее воспринимать материал на слух. Обратное направление — преобразование текста в речь или поддержка речевой коммуникации — может помочь тем, кому сложно говорить.
Преподавателю не нужно становиться инженером по ИИ, но нужно понимать педагогический смысл этих инструментов. Субтитры, перевод, озвучивание и адаптация текста — это не «льгота» и не послабление. Это способы дать студенту доступ к тому же содержанию, которое уже доступно другим.
ИИ в инклюзии это просто про нормальную образовательную среду, в которой один и тот же материал может быть представлен разными способами. Для одних учащихся это дополнительное удобство. Для других — необходимое условие участия в обучении.
67❤4❤🔥1🥰1
Кстати. Если удобнее читать нас в Максе…—>>>
MAX
MAX – быстрое и легкое приложение для общения и решения пов…
64❤🔥1❤1👎1🥰1
Россия
Сбер запустил AI Challenge 2026
(Как-то оперативно пропустили. Исправляемся)
AI Challenge 2026 - международный конкурс по искусственному интеллекту для школьников и студентов.
В конкурсе 3 категории — «Начинающие», «Школьники» и «Студенты», 3 этапа и общий призовой фонд 15,6 млн рублей.
Задачи: автономные ИИ-агенты для кибербезопасности, восстановление изображений, обработка обращений граждан и поиск скрытых ИИ-манипуляций на изображениях.
Ваши ученики могут участвовать. Удачи!
https://aiijc.com/ru/
Сбер запустил AI Challenge 2026
(Как-то оперативно пропустили. Исправляемся)
AI Challenge 2026 - международный конкурс по искусственному интеллекту для школьников и студентов.
В конкурсе 3 категории — «Начинающие», «Школьники» и «Студенты», 3 этапа и общий призовой фонд 15,6 млн рублей.
Задачи: автономные ИИ-агенты для кибербезопасности, восстановление изображений, обработка обращений граждан и поиск скрытых ИИ-манипуляций на изображениях.
Ваши ученики могут участвовать. Удачи!
https://aiijc.com/ru/
Aiijc
AI Challenge
Мы подготовили для тебя по-настоящему интересные задачи. Принимай участие в нашем конкурсе!
67❤3❤🔥2🥰1
Великобритания
Skills England (государственное агентство Англии по навыкам) и Department for Work and Pensions (ведомство Великобритании по вопросам занятости и пенсий, DWP) 1 июня 2026 года опубликовали Annual Skills Report 2026 (ежегодный доклад о навыках) и Sector Skills Needs Assessments (отраслевые оценки потребности в навыках).
8 приоритетных секторов промышленной стратегии плюс строительство, здравоохранение и социальный уход.
Прогнозы изменения занятости. Везде рост. В том числе и потому, что ИИ создает новые рабочие места. Но и изменение структуры занятости.
То есть. Разговоры о том, что ИИ приведет к массовой безработице, это все сотрясение воздуха.
Не приведет. В том смысле, что рабочих мест меньше не станет.
Но. Рабочие места станут другими. И множество людей действительно краткосрочно будут терять работу.
Skills England пишет, что нужны не только ИИ-специалисты, а адаптация всей рабочей силы к возможностям ИИ.
И новые навыки надо качать уже сейчас, чтобы быстро адаптироваться к изменению рынка труда.
Сами люди, понятно, ничего себе прокачивать не будут. Никогда такого не было, чтобы взрослые люди в массе своей побежали учиться чему-то новому. Не будет и сейчас.
Все в принудительном порядке. Через государственную систему базового и дополнительного образования.
В обучение будут встраивать коммуникацию, критическое мышление и аналитические навыки для работы с ИИ, а спрос работодателей будут отслеживать через данные и аналитику с использованием ИИ).
Доступные данные по отраслям:
Передовое производство (Sector Skills Needs Assessment – Advanced Manufacturing): https://assets.publishing.service.gov.uk/media/6a18500a65bc5f798327f4ad/sna_advanced_manufacturing.pdf
Чистая энергетика (Sector Skills Needs Assessment – Clean Energy): https://assets.publishing.service.gov.uk/media/6a18577d050971fbebf3bbe7/sna_clean_energy.pdf
Строительство (Sector Skills Needs Assessment – Construction): https://assets.publishing.service.gov.uk/media/6a1856ac916cd732dcdaacab/sna_construction.pdf
Креативные индустрии (Sector Skills Needs Assessment – Creative Industries): https://assets.publishing.service.gov.uk/media/6a196af0b95db968c8f3bc39/sna_creative_industries.pdf
Оборона (Sector Skills Needs Assessment – Defence): https://assets.publishing.service.gov.uk/media/6a1857cd65bc5f798327f4c1/sna_defence.pdf
Цифровые технологии (Sector Skills Needs Assessment – Digital and Technologies): https://assets.publishing.service.gov.uk/media/6a18574e050971fbebf3bbe6/sna_digital_and_technologies.pdf
Финансовые услуги (Sector Skills Needs Assessment – Financial Services): https://assets.publishing.service.gov.uk/media/6a18581f65bc5f798327f4c3/sna_financial_services.pdf
Здравоохранение и социальный уход за взрослыми (Sector Skills Needs Assessment – Health and Adult Social Care): https://assets.publishing.service.gov.uk/media/6a185b0d65bc5f798327f4c9/sna_health_and_adult_social_care.pdf
Науки о жизни (Sector Skills Needs Assessment – Life Sciences): https://assets.publishing.service.gov.uk/media/6a18570f050971fbebf3bbe5/sna_life_sciences.pdf
Профессиональные и деловые услуги (Sector Skills Needs Assessment – Professional and Business Services): https://assets.publishing.service.gov.uk/media/6a185cb2c7335e2ca6daacbf/sna_professional_and_business_services.pdf
Каждый документ 20 + страниц. 10 страниц «воды», которая дублируется в каждом файле. Это можно в одном файле глянуть, а в остальных смело пропускать. А вот на чисто отраслевые цифры можно глянуть. Любопытно.
Интересно в первую очередь профильным учебным заведениям для планирования перспективных программ обучения.
https://www.gov.uk/government/publications/skills-england-annual-skills-report-and-sectoral-skills-needs-assessments-2026
Skills England (государственное агентство Англии по навыкам) и Department for Work and Pensions (ведомство Великобритании по вопросам занятости и пенсий, DWP) 1 июня 2026 года опубликовали Annual Skills Report 2026 (ежегодный доклад о навыках) и Sector Skills Needs Assessments (отраслевые оценки потребности в навыках).
8 приоритетных секторов промышленной стратегии плюс строительство, здравоохранение и социальный уход.
Прогнозы изменения занятости. Везде рост. В том числе и потому, что ИИ создает новые рабочие места. Но и изменение структуры занятости.
То есть. Разговоры о том, что ИИ приведет к массовой безработице, это все сотрясение воздуха.
Не приведет. В том смысле, что рабочих мест меньше не станет.
Но. Рабочие места станут другими. И множество людей действительно краткосрочно будут терять работу.
Skills England пишет, что нужны не только ИИ-специалисты, а адаптация всей рабочей силы к возможностям ИИ.
И новые навыки надо качать уже сейчас, чтобы быстро адаптироваться к изменению рынка труда.
Сами люди, понятно, ничего себе прокачивать не будут. Никогда такого не было, чтобы взрослые люди в массе своей побежали учиться чему-то новому. Не будет и сейчас.
Все в принудительном порядке. Через государственную систему базового и дополнительного образования.
В обучение будут встраивать коммуникацию, критическое мышление и аналитические навыки для работы с ИИ, а спрос работодателей будут отслеживать через данные и аналитику с использованием ИИ).
Доступные данные по отраслям:
Передовое производство (Sector Skills Needs Assessment – Advanced Manufacturing): https://assets.publishing.service.gov.uk/media/6a18500a65bc5f798327f4ad/sna_advanced_manufacturing.pdf
Чистая энергетика (Sector Skills Needs Assessment – Clean Energy): https://assets.publishing.service.gov.uk/media/6a18577d050971fbebf3bbe7/sna_clean_energy.pdf
Строительство (Sector Skills Needs Assessment – Construction): https://assets.publishing.service.gov.uk/media/6a1856ac916cd732dcdaacab/sna_construction.pdf
Креативные индустрии (Sector Skills Needs Assessment – Creative Industries): https://assets.publishing.service.gov.uk/media/6a196af0b95db968c8f3bc39/sna_creative_industries.pdf
Оборона (Sector Skills Needs Assessment – Defence): https://assets.publishing.service.gov.uk/media/6a1857cd65bc5f798327f4c1/sna_defence.pdf
Цифровые технологии (Sector Skills Needs Assessment – Digital and Technologies): https://assets.publishing.service.gov.uk/media/6a18574e050971fbebf3bbe6/sna_digital_and_technologies.pdf
Финансовые услуги (Sector Skills Needs Assessment – Financial Services): https://assets.publishing.service.gov.uk/media/6a18581f65bc5f798327f4c3/sna_financial_services.pdf
Здравоохранение и социальный уход за взрослыми (Sector Skills Needs Assessment – Health and Adult Social Care): https://assets.publishing.service.gov.uk/media/6a185b0d65bc5f798327f4c9/sna_health_and_adult_social_care.pdf
Науки о жизни (Sector Skills Needs Assessment – Life Sciences): https://assets.publishing.service.gov.uk/media/6a18570f050971fbebf3bbe5/sna_life_sciences.pdf
Профессиональные и деловые услуги (Sector Skills Needs Assessment – Professional and Business Services): https://assets.publishing.service.gov.uk/media/6a185cb2c7335e2ca6daacbf/sna_professional_and_business_services.pdf
Каждый документ 20 + страниц. 10 страниц «воды», которая дублируется в каждом файле. Это можно в одном файле глянуть, а в остальных смело пропускать. А вот на чисто отраслевые цифры можно глянуть. Любопытно.
Интересно в первую очередь профильным учебным заведениям для планирования перспективных программ обучения.
https://www.gov.uk/government/publications/skills-england-annual-skills-report-and-sectoral-skills-needs-assessments-2026
GOV.UK
Skills England Annual Skills Report and Sectoral Skills Needs Assessments 2026
The 2026 Annual Skills Report highlights key challenges in the skills system - our Skills Needs Assessments outline skills demand and supply in priority sectors.
73❤3❤🔥1🥰1
Публикуем подробные комментарии к предыдущим постам нашего постоянного читателя и практически соавтора канала.
63❤2❤🔥1🔥1🥰1
Forwarded from Олег Алпеев
Часть 1.
Давно не выступал здесь с комментариями. Я отнюдь не потерял интерес к каналу и его проблематике, просто я не ИИ, и человеческому мозгу чаще требуется калибровка, перезагрузка и зачистка контактов :) Плюс куча других задач. Исправляюсь!
Хотел выступить еще по поводу поста о результатах опроса от SuperJob https://t.me/aiobraz/91, но автор(ы) буквально сняли с языка некоторые мысли, поэтому все нижесказанное навеяно сразу двумя постами.
Представляется, и автор(ы) это подчеркивает(ют), что опрос, согласно которому люди очень не хотят, чтобы на работу их «принимал» ИИ, отражает более системную проблему общего недоверия к ИИ и свойственного человеческой природе страха перед всем новым и неизведанным.
Как это так? Мало того, что ИИ отбирает у нас работу, так еще и принимает решение о нашем найме! Опять процитирую свой горячо любимый «Саут Парк»: «Из-за этих гадов (произносится через «хэ», на южнорусский манер) мы без работы сидим!», только теперь на месте «хадов» – «хадский» ИИ. Отмечу – за ИИ в HR-е по данным опроса как раз те самые респонденты с доходом от 150 тыс., которые, определенно в курсе, что такое ИИ и наверняка сами его активно используют.
Один из последних соцопросов в Великобритании также отразил подобную тенденцию. Он охватил четыре группы: 2000 представителей общественности, 1000 молодых людей в возрасте 16–29 лет, 1000 студентов и 500 работодателей. Результаты показали, что почти 69% работников беспокоятся о негативных экономических последствиях, связанных с потерей рабочих мест из-за ИИ, 64% работодателей разделили эти опасения. Более половины опрошенных (57%) считали, что ИИ приведет к массовой безработице. Более 20% были уверены, что ИИ сможет забрать рабочие места с такой скоростью, что это вызовет гражданские волнения, а среди студентов этот показатель составил более 34%. 40% респондентов вообще прямо признались, что боятся ИИ. https://www.independent.co.uk/news/uk/home-news/ai-artificial-intelligence-uk-jobs-unemployment-unrest-b2978928.html
Чем вызван этот страх? Как представляется, это «типичная болезнь» роста, вызванная опережающим развитием ИИ, к которому оказались не готовы ни рынок, ни тем более регуляторы. Я – сторонник саморегулирующихся систем, и уверен, что когда наблюдаемая «болезнь» роста будет излечена, «хайп» по поводу всесилия ИИ спадет, рынок сам все отрегулирует. Пусть все развивается по принципу Láissez-fáire.
И уже к этому есть тенденции, указывающие на то, что рынок постепенно приспосабливается к новой реальности, в которой много работ выполняется ИИ. И в этой реальности человеку в любом случае найдется место. Так, по данным Goldman Sachs, в США ежемесячно теряется около 16 тыс. рабочих мест из-за автоматизации. Однако сейчас наблюдается новый тренд: многие компании, уволившие сотрудников после внедрения ИИ, начинают их возвращать. Согласно опросу, проведенному компанией Robert Half, 29% организаций, внедривших ИИ, уволили работников, а затем решили их вернуть. Возникает такое явление, как «boomerang hires».
Давно не выступал здесь с комментариями. Я отнюдь не потерял интерес к каналу и его проблематике, просто я не ИИ, и человеческому мозгу чаще требуется калибровка, перезагрузка и зачистка контактов :) Плюс куча других задач. Исправляюсь!
Хотел выступить еще по поводу поста о результатах опроса от SuperJob https://t.me/aiobraz/91, но автор(ы) буквально сняли с языка некоторые мысли, поэтому все нижесказанное навеяно сразу двумя постами.
Представляется, и автор(ы) это подчеркивает(ют), что опрос, согласно которому люди очень не хотят, чтобы на работу их «принимал» ИИ, отражает более системную проблему общего недоверия к ИИ и свойственного человеческой природе страха перед всем новым и неизведанным.
Как это так? Мало того, что ИИ отбирает у нас работу, так еще и принимает решение о нашем найме! Опять процитирую свой горячо любимый «Саут Парк»: «Из-за этих гадов (произносится через «хэ», на южнорусский манер) мы без работы сидим!», только теперь на месте «хадов» – «хадский» ИИ. Отмечу – за ИИ в HR-е по данным опроса как раз те самые респонденты с доходом от 150 тыс., которые, определенно в курсе, что такое ИИ и наверняка сами его активно используют.
Один из последних соцопросов в Великобритании также отразил подобную тенденцию. Он охватил четыре группы: 2000 представителей общественности, 1000 молодых людей в возрасте 16–29 лет, 1000 студентов и 500 работодателей. Результаты показали, что почти 69% работников беспокоятся о негативных экономических последствиях, связанных с потерей рабочих мест из-за ИИ, 64% работодателей разделили эти опасения. Более половины опрошенных (57%) считали, что ИИ приведет к массовой безработице. Более 20% были уверены, что ИИ сможет забрать рабочие места с такой скоростью, что это вызовет гражданские волнения, а среди студентов этот показатель составил более 34%. 40% респондентов вообще прямо признались, что боятся ИИ. https://www.independent.co.uk/news/uk/home-news/ai-artificial-intelligence-uk-jobs-unemployment-unrest-b2978928.html
Чем вызван этот страх? Как представляется, это «типичная болезнь» роста, вызванная опережающим развитием ИИ, к которому оказались не готовы ни рынок, ни тем более регуляторы. Я – сторонник саморегулирующихся систем, и уверен, что когда наблюдаемая «болезнь» роста будет излечена, «хайп» по поводу всесилия ИИ спадет, рынок сам все отрегулирует. Пусть все развивается по принципу Láissez-fáire.
И уже к этому есть тенденции, указывающие на то, что рынок постепенно приспосабливается к новой реальности, в которой много работ выполняется ИИ. И в этой реальности человеку в любом случае найдется место. Так, по данным Goldman Sachs, в США ежемесячно теряется около 16 тыс. рабочих мест из-за автоматизации. Однако сейчас наблюдается новый тренд: многие компании, уволившие сотрудников после внедрения ИИ, начинают их возвращать. Согласно опросу, проведенному компанией Robert Half, 29% организаций, внедривших ИИ, уволили работников, а затем решили их вернуть. Возникает такое явление, как «boomerang hires».
Telegram
ИИ в науке, образовании и рынке труда
Каждый второй россиянин против ИИ в подборе персонала.
С одной стороны, люди боятся технологий, не очень понимая, где именно они используются.
С другой стороны, россияне в опросе демонстрируют редкую адекватность и осведомленность. Если всего каждый второй…
С одной стороны, люди боятся технологий, не очень понимая, где именно они используются.
С другой стороны, россияне в опросе демонстрируют редкую адекватность и осведомленность. Если всего каждый второй…
63❤3❤🔥1🔥1🥰1
Forwarded from Олег Алпеев
Часть 2.
У работодателей возникает понимание, что сочетание человеческого опыта и ИИ может привести к более эффективным результатам, плюс многие компании переоценили возможности ИИ в определенных ролях. Например, IKEA, автоматизировав 50% своих телефонных звонков, вместо увольнений решила переобучить сотрудников на новые роли, такие как дизайнеры интерьеров, используя ИИ для рекомендаций по размещению товаров. Это решение привело к увеличению доходов компании. https://asector.ru/news/2026_04_ii_kak_povod_dlya_uvolneniy_kompanii?ysclid=mq0q58kp7s257438421, https://shoppers.media/news/6831_ikea-pereobucila-sotrudnikov-koll-centra-na-konsultantov-po-intereru, https://habr.com/ru/articles/966994/
Японская игровая компания Nintendo принципиально не применяет генеративный ИИ в геймдевелопменте, что не мешает ее акциям расти. Хотя отмечается, что рост не столько связан с успехами Nintendo, сколько с изменением настроений инвесторов в отношении технологий ИИ в пользу более реалистичных оценок. https://habr.com/ru/companies/ru_mts/articles/828114/
Адаптируются к новым реалиям и будущие работники. Студенты колледжей в США пересматривают свои специальности из-за опасений, что искусственный интеллект угрожает их карьерным перспективам. Согласно опросу, проведенному Gallup и Lumina Foundation, каждый шестой студент, то есть около 16%, сменил специальность из-за влияния ИИ на рынок труда, а почти половина (47%) студентов колледжей как минимум всерьез задумывались о смене специальности по той же причине. То есть работают на «опережение». https://dzen.ru/a/ac7E7IlxU3miNf2_?ysclid=mq0q0fbhlu102595233
В качестве авторитетного мнения и видения ситуации можно привести недавнее высказывание генерального директора OpenAI Сэма Альтмана, который заявил, что стремительное развитие ИИ не приведет к глобальной потере рабочих мест, как он опасался ранее. По его словам, он и его команда были «примерно правы» в своих технологических прогнозах, сделанных при запуске ChatGPT в 2022 году, но ошибались в оценке социальных и экономических последствий: «Я не думаю, что нас ждет тот самый “апокалипсис рабочих мест”, о котором заявляют некоторые компании в нашей сфере». https://habr.com/ru/news/1040096/
У работодателей возникает понимание, что сочетание человеческого опыта и ИИ может привести к более эффективным результатам, плюс многие компании переоценили возможности ИИ в определенных ролях. Например, IKEA, автоматизировав 50% своих телефонных звонков, вместо увольнений решила переобучить сотрудников на новые роли, такие как дизайнеры интерьеров, используя ИИ для рекомендаций по размещению товаров. Это решение привело к увеличению доходов компании. https://asector.ru/news/2026_04_ii_kak_povod_dlya_uvolneniy_kompanii?ysclid=mq0q58kp7s257438421, https://shoppers.media/news/6831_ikea-pereobucila-sotrudnikov-koll-centra-na-konsultantov-po-intereru, https://habr.com/ru/articles/966994/
Японская игровая компания Nintendo принципиально не применяет генеративный ИИ в геймдевелопменте, что не мешает ее акциям расти. Хотя отмечается, что рост не столько связан с успехами Nintendo, сколько с изменением настроений инвесторов в отношении технологий ИИ в пользу более реалистичных оценок. https://habr.com/ru/companies/ru_mts/articles/828114/
Адаптируются к новым реалиям и будущие работники. Студенты колледжей в США пересматривают свои специальности из-за опасений, что искусственный интеллект угрожает их карьерным перспективам. Согласно опросу, проведенному Gallup и Lumina Foundation, каждый шестой студент, то есть около 16%, сменил специальность из-за влияния ИИ на рынок труда, а почти половина (47%) студентов колледжей как минимум всерьез задумывались о смене специальности по той же причине. То есть работают на «опережение». https://dzen.ru/a/ac7E7IlxU3miNf2_?ysclid=mq0q0fbhlu102595233
В качестве авторитетного мнения и видения ситуации можно привести недавнее высказывание генерального директора OpenAI Сэма Альтмана, который заявил, что стремительное развитие ИИ не приведет к глобальной потере рабочих мест, как он опасался ранее. По его словам, он и его команда были «примерно правы» в своих технологических прогнозах, сделанных при запуске ChatGPT в 2022 году, но ошибались в оценке социальных и экономических последствий: «Я не думаю, что нас ждет тот самый “апокалипсис рабочих мест”, о котором заявляют некоторые компании в нашей сфере». https://habr.com/ru/news/1040096/
64❤3❤🔥2🔥1🥰1
Forwarded from Олег Алпеев
Часть 3.
И, напоследок, в качестве резюме, приведу очень точное сравнение одного уважаемого мной блогера, помещенное им, увы, в закрытом канале: на протяжении всей истории человек создавал машины, умеющие лучше человека в каких-то областях. Человек не может обогнать не только болид «Формулы-1», но даже старенький «Запорожец». Но это не означает, что он не перестал перемещаться в пространстве. Наоборот, человек задает автомобилю цель – куда ехать. ИИ в этом отношении ничем не отличается от автомобиля. Где-то человек не сможет конкурировать с ИИ, но он может создать симбиоз, где человек будет ставить ему задачи и создавать смыслы. Вот и на рынке труда теперь в передовиках будут те, кто лучше пишет промпты, обучает ИИ и т. д. И никуда человек не денется!
Правда, в этом контексте сложно ответить на вопрос – правильно ли принудительно обучать взрослых людей работе с ИИ? Возможно, и не стоит. Силком же никого не затащишь в «светлое будущее». Но возможности предоставить надо!
P.S. Что касается ИИ в процедурах найма – одна из свежих новостей. Исследование Стэнфордского университета показало, что ИИ в этих процессах склонно к дискриминации по расовому признаку (!!!!!!). В фокусе исследования находилась платформа Pymetrics, принадлежащая Harver. Ученые обнаружили, что 26% чернокожих соискателей и 15% азиатских кандидатов подавали заявки на вакансии, где искусственный интеллект дискриминировал их расовую группу. Согласно результатам исследования, от дискриминации ИИ-систем пострадали около 40 тысяч соискателей. Так что, как говорится, и на старуху бывает «прореха» :) https://www.yahoo.com/news/politics/articles/largest-study-ai-hiring-algorithms-183000403.html
P.P.S. Кроме того, «ИИ в HR» – это игра, в которую можно играть вдвоем. Соискатели все чаще используют метод prompt hacking, позволяющий обойти автоматизированные системы отбора резюме, например, скрытые сообщения в белом тексте на своих резюме. Появляются фальшивые кандидаты с использованием deepfake. По некоторым зарубежным опросам, 72% рекрутеров столкнулись с ИИ-резюме, а 15% видели замену лиц в видеоинтервью.
Конечно. существуют и «легальные» методы использования ИИ в поиске работы. Так, соискатели применяют ИИ для адаптации своих резюме под конкретные вакансии. Также не возбраняется исследовать компанию-работодателя с помощью ИИ. Или отработать ключевые навыки. Или можно попрактиковаться с ИИ в формате мок-собеседований. Все это повышает шансы на успешное трудоустройство.
И, напоследок, в качестве резюме, приведу очень точное сравнение одного уважаемого мной блогера, помещенное им, увы, в закрытом канале: на протяжении всей истории человек создавал машины, умеющие лучше человека в каких-то областях. Человек не может обогнать не только болид «Формулы-1», но даже старенький «Запорожец». Но это не означает, что он не перестал перемещаться в пространстве. Наоборот, человек задает автомобилю цель – куда ехать. ИИ в этом отношении ничем не отличается от автомобиля. Где-то человек не сможет конкурировать с ИИ, но он может создать симбиоз, где человек будет ставить ему задачи и создавать смыслы. Вот и на рынке труда теперь в передовиках будут те, кто лучше пишет промпты, обучает ИИ и т. д. И никуда человек не денется!
Правда, в этом контексте сложно ответить на вопрос – правильно ли принудительно обучать взрослых людей работе с ИИ? Возможно, и не стоит. Силком же никого не затащишь в «светлое будущее». Но возможности предоставить надо!
P.S. Что касается ИИ в процедурах найма – одна из свежих новостей. Исследование Стэнфордского университета показало, что ИИ в этих процессах склонно к дискриминации по расовому признаку (!!!!!!). В фокусе исследования находилась платформа Pymetrics, принадлежащая Harver. Ученые обнаружили, что 26% чернокожих соискателей и 15% азиатских кандидатов подавали заявки на вакансии, где искусственный интеллект дискриминировал их расовую группу. Согласно результатам исследования, от дискриминации ИИ-систем пострадали около 40 тысяч соискателей. Так что, как говорится, и на старуху бывает «прореха» :) https://www.yahoo.com/news/politics/articles/largest-study-ai-hiring-algorithms-183000403.html
P.P.S. Кроме того, «ИИ в HR» – это игра, в которую можно играть вдвоем. Соискатели все чаще используют метод prompt hacking, позволяющий обойти автоматизированные системы отбора резюме, например, скрытые сообщения в белом тексте на своих резюме. Появляются фальшивые кандидаты с использованием deepfake. По некоторым зарубежным опросам, 72% рекрутеров столкнулись с ИИ-резюме, а 15% видели замену лиц в видеоинтервью.
Конечно. существуют и «легальные» методы использования ИИ в поиске работы. Так, соискатели применяют ИИ для адаптации своих резюме под конкретные вакансии. Также не возбраняется исследовать компанию-работодателя с помощью ИИ. Или отработать ключевые навыки. Или можно попрактиковаться с ИИ в формате мок-собеседований. Все это повышает шансы на успешное трудоустройство.
Yahoo News
Largest study of AI hiring algorithms to date finds ‘clear racial disparities’ — over 25% of Black applicants tainted by bias
A Stanford-led study of 4 million job applications reveals AI tools used by Fortune 100 companies systematically reject Black and Asian applicants.
65❤🔥2❤1🔥1🥰1
#КартаИИ@aiobraz
Продолжаем тему
ИИ для поиска научной литературы
Научная работа начинается с реконструкции исследовательского поля: какие школы сложились, какие понятия используются, какие методы считаются рабочими, где проходит спор, какие результаты воспроизводятся, а какие держатся на слабой эмпирической базе.
Ошибка на входе стоит дорого. Можно построить работу на устаревшей терминологии, пропустить ключевую дискуссию, принять частный результат за консенсус или включить в список литературы статьи, которые много цитируют, но уже методологически оспорены.
Искусственный интеллект полезен как инструмент ускоренного ориентирования. Раньше исследователь двигался через ключевые слова: подбирал запросы, открывал вкладки, скачивал PDF-файлы, проверял аннотации. Сейчас появились сервисы, которые ищут не только по совпадению слов, но и по смыслу запроса.
Такой поиск называют семантическим: система пытается понять, о каком явлении, методе или типе доказательства идёт речь, даже если в статье используются другие формулировки.
К этой группе относятся Semantic Scholar, Elicit, Scite, ResearchRabbit, Connected Papers, Litmaps и другие специализированные инструменты. Фронтирные модели, включая ChatGPT, тоже помогают входить в тему. Они находят релевантные статьи, строят карту связей между публикациями, показывают характер цитирования и помогают готовить обзор литературы.
Первый пример. Исследователь входит в тему раннего выявления профессионального выгорания у преподавателей. Обычный поисковый запрос даст много лишнего: популярные статьи, медицинские тексты о депрессии, управленческие заметки о мотивации. ИИ-инструмент позволяет сформулировать вопрос точнее: «Какие психометрические шкалы и поведенческие индикаторы используются для раннего выявления профессионального выгорания у преподавателей высшей школы?» После этого система помогает выделить тип исследования, выборку, инструмент измерения, результаты и ограничения.
Второй пример. Аспирант пишет обзор по применению генеративного ИИ в инженерном образовании. В поле есть разные линии: автоматическая проверка заданий, генерация учебных примеров, помощь студентам с кодом, академическая добросовестность, изменение роли преподавателя. Карта цитирований помогает увидеть базовые работы, новые публикации и связи между направлениями.
Третий пример. Преподаватель готовит новый курс. Ему нужен не случайный список литературы, а ядро текстов: обзорные работы, методологические статьи, свежие эмпирические исследования и критические публикации. ИИ быстро соберёт предварительный список, но преподаватель сам проверяет, какие тексты обязательны.
Ограничения принципиальны. ИИ может пропустить важную статью, особенно если она написана в другой терминологической традиции. Может неверно извлечь данные из таблицы. Может смешать рандомизированное исследование, наблюдательную работу и экспертный комментарий. Может пересказать слабую статью и не заметить, что выборка мала, контрольной группы нет, а выводы шире данных.
Модель может не иметь доступа к закрытым базам научной литературы.
Многие такие базы уже встраивают большие языковые модели в свои интерфейсы и позволяют использовать ИИ внутри существующих подписок. Но это не отменяет главного: серьёзный обзор требует методологии. Нужны протокол поиска, список баз данных, точные запросы, критерии включения и исключения, фиксация версий и ручная проверка первоисточников.
ИИ не заменяет исследовательскую дисциплину. Он снижает рутину, помогает составить протокол, предварительно разметить корпус текстов, извлечь признаки из статей и быстрее увидеть структуру поля. Но ответственность за выводы остаётся на исследователе.
И здесь есть важный парадокс. Сегодня ИИ ускоряет тех, кто уже использует эти инструменты. Так же когда-то компьютер и электронная почта ускоряли учёного относительно коллег, у которых их не было. Через некоторое время использование ИИ в научной работе станет нормой. Общая скорость вырастет. А само ощущение ускорения исчезнет.
Продолжаем тему
ИИ для поиска научной литературы
Научная работа начинается с реконструкции исследовательского поля: какие школы сложились, какие понятия используются, какие методы считаются рабочими, где проходит спор, какие результаты воспроизводятся, а какие держатся на слабой эмпирической базе.
Ошибка на входе стоит дорого. Можно построить работу на устаревшей терминологии, пропустить ключевую дискуссию, принять частный результат за консенсус или включить в список литературы статьи, которые много цитируют, но уже методологически оспорены.
Искусственный интеллект полезен как инструмент ускоренного ориентирования. Раньше исследователь двигался через ключевые слова: подбирал запросы, открывал вкладки, скачивал PDF-файлы, проверял аннотации. Сейчас появились сервисы, которые ищут не только по совпадению слов, но и по смыслу запроса.
Такой поиск называют семантическим: система пытается понять, о каком явлении, методе или типе доказательства идёт речь, даже если в статье используются другие формулировки.
К этой группе относятся Semantic Scholar, Elicit, Scite, ResearchRabbit, Connected Papers, Litmaps и другие специализированные инструменты. Фронтирные модели, включая ChatGPT, тоже помогают входить в тему. Они находят релевантные статьи, строят карту связей между публикациями, показывают характер цитирования и помогают готовить обзор литературы.
Первый пример. Исследователь входит в тему раннего выявления профессионального выгорания у преподавателей. Обычный поисковый запрос даст много лишнего: популярные статьи, медицинские тексты о депрессии, управленческие заметки о мотивации. ИИ-инструмент позволяет сформулировать вопрос точнее: «Какие психометрические шкалы и поведенческие индикаторы используются для раннего выявления профессионального выгорания у преподавателей высшей школы?» После этого система помогает выделить тип исследования, выборку, инструмент измерения, результаты и ограничения.
Второй пример. Аспирант пишет обзор по применению генеративного ИИ в инженерном образовании. В поле есть разные линии: автоматическая проверка заданий, генерация учебных примеров, помощь студентам с кодом, академическая добросовестность, изменение роли преподавателя. Карта цитирований помогает увидеть базовые работы, новые публикации и связи между направлениями.
Третий пример. Преподаватель готовит новый курс. Ему нужен не случайный список литературы, а ядро текстов: обзорные работы, методологические статьи, свежие эмпирические исследования и критические публикации. ИИ быстро соберёт предварительный список, но преподаватель сам проверяет, какие тексты обязательны.
Ограничения принципиальны. ИИ может пропустить важную статью, особенно если она написана в другой терминологической традиции. Может неверно извлечь данные из таблицы. Может смешать рандомизированное исследование, наблюдательную работу и экспертный комментарий. Может пересказать слабую статью и не заметить, что выборка мала, контрольной группы нет, а выводы шире данных.
Модель может не иметь доступа к закрытым базам научной литературы.
Многие такие базы уже встраивают большие языковые модели в свои интерфейсы и позволяют использовать ИИ внутри существующих подписок. Но это не отменяет главного: серьёзный обзор требует методологии. Нужны протокол поиска, список баз данных, точные запросы, критерии включения и исключения, фиксация версий и ручная проверка первоисточников.
ИИ не заменяет исследовательскую дисциплину. Он снижает рутину, помогает составить протокол, предварительно разметить корпус текстов, извлечь признаки из статей и быстрее увидеть структуру поля. Но ответственность за выводы остаётся на исследователе.
И здесь есть важный парадокс. Сегодня ИИ ускоряет тех, кто уже использует эти инструменты. Так же когда-то компьютер и электронная почта ускоряли учёного относительно коллег, у которых их не было. Через некоторое время использование ИИ в научной работе станет нормой. Общая скорость вырастет. А само ощущение ускорения исчезнет.
63❤3❤🔥1🥰1
ИИ в науке, образовании и рынке труда
#КартаИИ@aiobraz Продолжаем тему ИИ для поиска научной литературы Научная работа начинается с реконструкции исследовательского поля: какие школы сложились, какие понятия используются, какие методы считаются рабочими, где проходит спор, какие результаты…
Вдогонку.
Гугл узнал, что мы сегодня затронули тему и обновил после нашего поста NotebookLM :)
Главное изменение: теперь не обязательно заранее приносить все источники вручную. Можно начать с темы, вопроса или сырой идеи — и NotebookLM поможет собрать базу источников прямо в чате.
Инструмент может использовать Google Search, искать релевантные материалы в интернете, в том числе на других языках, и добавлять их в блокнот. Пользователь при этом сохраняет контроль. Какие источники попадут в рабочую базу, решает владелец аккаунта.
NotebookLM должен собрать корпус источников, показать, на чём строится ответ, и дальше работать внутри этой проверяемой базы.
Вторая часть обновления — новые форматы результата. NotebookLM теперь может готовить не только текстовые заметки, но и более прикладные артефакты: отчёты PDF, документы Word, Markdown, таблицы Excel, презентации PowerPoint, визуализации в PNG и SVG, структурированные данные CSV и JSON.
Третье изменение. Google пишет, что NotebookLM теперь работает на Gemini 3.5 и Antigravity. Каждый блокнот получает защищённую облачную вычислительную среду, где система может писать и выполнять код для анализа данных, построения графиков и подготовки сложных материалов.
По сути, Google двигает NotebookLM в сторону исследовательского рабочего места: поиск источников, анализ, код, таблицы, графики, презентации и отчёты в одном флаконе.
Подробности:
https://blog.google/innovation-and-ai/products/notebooklm/better-research-notebooklm/
Гугл узнал, что мы сегодня затронули тему и обновил после нашего поста NotebookLM :)
Главное изменение: теперь не обязательно заранее приносить все источники вручную. Можно начать с темы, вопроса или сырой идеи — и NotebookLM поможет собрать базу источников прямо в чате.
Инструмент может использовать Google Search, искать релевантные материалы в интернете, в том числе на других языках, и добавлять их в блокнот. Пользователь при этом сохраняет контроль. Какие источники попадут в рабочую базу, решает владелец аккаунта.
NotebookLM должен собрать корпус источников, показать, на чём строится ответ, и дальше работать внутри этой проверяемой базы.
Вторая часть обновления — новые форматы результата. NotebookLM теперь может готовить не только текстовые заметки, но и более прикладные артефакты: отчёты PDF, документы Word, Markdown, таблицы Excel, презентации PowerPoint, визуализации в PNG и SVG, структурированные данные CSV и JSON.
Третье изменение. Google пишет, что NotebookLM теперь работает на Gemini 3.5 и Antigravity. Каждый блокнот получает защищённую облачную вычислительную среду, где система может писать и выполнять код для анализа данных, построения графиков и подготовки сложных материалов.
По сути, Google двигает NotebookLM в сторону исследовательского рабочего места: поиск источников, анализ, код, таблицы, графики, презентации и отчёты в одном флаконе.
Подробности:
https://blog.google/innovation-and-ai/products/notebooklm/better-research-notebooklm/
Google
Do better research with NotebookLM
NotebookLM’s latest upgrades deliver new agentic capabilities and more advanced reasoning to tackle complex research projects.
68❤🔥2❤1🥰1
И снова о бессмысленности проверки работ на предмет текстов, сгенерированных ИИ.
Во всяком случае о бессмысленности проверок теми, кто сам ИИ в глаза не видел и не понимает, что там не самом деле происходит, когда ИИ генерирует текст по заданию, ну пусть будет, студента.
В прессе активно обсуждается история о том, как Московский Международный университет продемонстрировал ….
Сел в лужу, короче говоря.
Студентку отчислили за использовании ИИ в дипломной работе.
Не за то, что работа плоха.
А может причиной было совсем что-то другое, а использование ИИ лишь повод. Этого мы не знаем.
Студентка обратилась в суд.
Суд первой инстанции встал на сторону студентки.
ВУЗ пошел в апелляцию и проиграл в вышестоящем суде.
Карточка судебного дела по ссылке.
Читать ее гораздо любопытнее, чем пересказы в прессе .
Радует вменяемость судей.
Расстраивает отсталость ВУЗа :(
https://vs--tat.sudrf.ru/modules.php?case_id=27916406&case_uid=ae64ea54-314c-49e5-94b4-9e7f1ce44db1&delo_id=5&name=sud_delo&name_op=case&new=5&result=1&srv_num=1
Во всяком случае о бессмысленности проверок теми, кто сам ИИ в глаза не видел и не понимает, что там не самом деле происходит, когда ИИ генерирует текст по заданию, ну пусть будет, студента.
В прессе активно обсуждается история о том, как Московский Международный университет продемонстрировал ….
Сел в лужу, короче говоря.
Студентку отчислили за использовании ИИ в дипломной работе.
Не за то, что работа плоха.
А может причиной было совсем что-то другое, а использование ИИ лишь повод. Этого мы не знаем.
Студентка обратилась в суд.
Суд первой инстанции встал на сторону студентки.
ВУЗ пошел в апелляцию и проиграл в вышестоящем суде.
Карточка судебного дела по ссылке.
Читать ее гораздо любопытнее, чем пересказы в прессе .
Радует вменяемость судей.
Расстраивает отсталость ВУЗа :(
https://vs--tat.sudrf.ru/modules.php?case_id=27916406&case_uid=ae64ea54-314c-49e5-94b4-9e7f1ce44db1&delo_id=5&name=sud_delo&name_op=case&new=5&result=1&srv_num=1
67❤6❤🔥1🥰1
Anthropic.pdf
25.8 MB
Логнгрид на выходные. 319 страниц
Anthropic опубликовала информацию о последних моделях Claude Fable 5 и Claude Mythos 5.
Fable 5 и Mythos 5 — это две версии одной и той же модели. Базовая модель одна, но режим доступа разный. Fable 5 доступна обычным пользователям. Mythos 5 доступна только ограниченному кругу проверенных партнёров в Project Glasswing.
Главное отличие — ограничения. В Fable 5 включены дополнительные защитные механизмы для задач в кибербезопасности, биологии, химии и при попытках скопировать поведение модели. Если пользователь в обычном приложении задаёт рискованный запрос, Fable 5 не отвечает сама, а переводит запрос на Claude Opus 4.8. В интерфейсе для разработчиков такой запрос по умолчанию блокируется.
Anthropic не заявляет, что модель уже заменяет сильных исследователей и инженеров. Компания отдельно пишет, что Mythos 5 не показала устойчивого двукратного ускорения собственных исследований искусственного интеллекта. Внутри Anthropic модель проверяли на 886 рабочих исследовательских и инженерных задачах.
В биологии и химии модель отнесли к уровню CB-1. Это значит: она может заметно помогать людям с базовой технической подготовкой в опасных химико-биологических задачах. Уровень CB-2, то есть замену редкой мировой экспертизы при создании новых химико-биологических угроз, Anthropic признала пока недостигнутым.
Самый заметный биологический тест: 6 биологов уровня PhD работали в командах с экспертами по большим языковым моделям. Было 3 команды со специалистами по патологии растений и 3 команды с биологами общего профиля. Две из трёх команд общего профиля с Mythos 5 превзошли все три команды специалистов.
Эксперты оценили, что без искусственного интеллекта такая работа заняла бы 40–95 рабочих дней, в среднем 72,5 дня.
С Mythos 5 её сделали за 16 часов.
Подобных примеров из совершенно разных областей в документе более, чем достаточно.
Слабые места модели: ошибки в расчётах, выдуманные ссылки и данные, нестабильные оценки при повторных запросах, слабое удержание ограничений в длинных сессиях, переусложнение решений, уверенные ответы при недостаточной проверке, рискованные действия ради выполнения цели пользователя.
Документ обязательно нужно читать полностью. Пусть и по диагонали. Пусть и пропуская те части, которые не касаются сферы непосредственно ваших интересов.
Подобное выходит раз в год.
Ждём новостей от OpenAi
Документ в приложении.
Anthropic опубликовала информацию о последних моделях Claude Fable 5 и Claude Mythos 5.
Fable 5 и Mythos 5 — это две версии одной и той же модели. Базовая модель одна, но режим доступа разный. Fable 5 доступна обычным пользователям. Mythos 5 доступна только ограниченному кругу проверенных партнёров в Project Glasswing.
Главное отличие — ограничения. В Fable 5 включены дополнительные защитные механизмы для задач в кибербезопасности, биологии, химии и при попытках скопировать поведение модели. Если пользователь в обычном приложении задаёт рискованный запрос, Fable 5 не отвечает сама, а переводит запрос на Claude Opus 4.8. В интерфейсе для разработчиков такой запрос по умолчанию блокируется.
Anthropic не заявляет, что модель уже заменяет сильных исследователей и инженеров. Компания отдельно пишет, что Mythos 5 не показала устойчивого двукратного ускорения собственных исследований искусственного интеллекта. Внутри Anthropic модель проверяли на 886 рабочих исследовательских и инженерных задачах.
В биологии и химии модель отнесли к уровню CB-1. Это значит: она может заметно помогать людям с базовой технической подготовкой в опасных химико-биологических задачах. Уровень CB-2, то есть замену редкой мировой экспертизы при создании новых химико-биологических угроз, Anthropic признала пока недостигнутым.
Самый заметный биологический тест: 6 биологов уровня PhD работали в командах с экспертами по большим языковым моделям. Было 3 команды со специалистами по патологии растений и 3 команды с биологами общего профиля. Две из трёх команд общего профиля с Mythos 5 превзошли все три команды специалистов.
Эксперты оценили, что без искусственного интеллекта такая работа заняла бы 40–95 рабочих дней, в среднем 72,5 дня.
С Mythos 5 её сделали за 16 часов.
Подобных примеров из совершенно разных областей в документе более, чем достаточно.
Слабые места модели: ошибки в расчётах, выдуманные ссылки и данные, нестабильные оценки при повторных запросах, слабое удержание ограничений в длинных сессиях, переусложнение решений, уверенные ответы при недостаточной проверке, рискованные действия ради выполнения цели пользователя.
Документ обязательно нужно читать полностью. Пусть и по диагонали. Пусть и пропуская те части, которые не касаются сферы непосредственно ваших интересов.
Подобное выходит раз в год.
Ждём новостей от OpenAi
Документ в приложении.
64❤5🥰2❤🔥1