Художник тайно повесил ИИ-картину в музее Кардиффа

Художник Элиас Мэрроу, называющий себя «культурным хирургом», без ведома кураторов музея добавил в экспозицию напечатанную на бумаге картину. Работа имитировала классический портрет маслом: на ней был изображен мальчик в школьной форме с мрачным выражением лица, держащий на коленях пустую тарелку.

При этом на картине были заметны признаки того, что она сгенерирована нейросетью: логотип на форме школьника состоял из бессмысленного набора нечитаемых букв, а само изображение имело характерный для генеративных моделей желтоватый оттенок.

Картину успели увидеть сотни посетителей, пока один из них не заметил странности в изображении и не обратился к персоналу. После этого работу убрали. 

Элиас Мэрроу заявил, что эта акция — не вандализм, а «участие без разрешения»; ему хотелось увидеть, как «публичные институции решают, что стоит показывать, и что произойдет, когда что-то извне проникает в эту систему».

Сама картина, по словам художника, представляет Уэльс в 2025 году. Как сказано в ее описании на сайте автора, неясно, чего ждет изображенный на картине мальчик: что его накормят, накажут, или его просто забыли. 

Художник также подчеркнул, что использование искусственного интеллекта для него — это естественная эволюция художественных инструментов. 

Почему это важно?

Во-первых, это своего рода тест Тьюринга для музейного пространства. Тот факт, что сгенерированное изображение смогло органично вписаться в экспозицию национального музея и не сразу вызвало подозрения, говорит о том, что границы между «нейросетевым» и «человеческим» творчеством размываются.

Во-вторых, это пример использования ИИ в социальном активизме. Он напоминает о том, что нейросети, как и любая другая технология, служат инструментом нашей деятельности. В случае с художником Элиасом Мэрроу они позволили привлечь внимание к социальным проблемам. 

🤖 «Системный Блокъ» @sysblok

Как роботы спасали Нотр-Дам-де-Пари и не спасли «‎Фукусиму»

Роботы давно ассистируют людям в ситуациях катастрофы. Иногда более успешно, иногда — менее. Рассказываем про их достижения и провали в новом материале.

🤖 «Фукусима-1»: польза и бесполезность роботов

В 2011 году на японской АЭС «Фукусима-1» произошла катастрофа с утечкой радиации. К ликвидации последствий привлекли роботов, но те не смогли быстро добраться до скоплений водорода, чтобы выпустить взрывоопасный газ. Они стали полезны лишь позднее: при разборе завалов их отправили в смертельно опасные зоны с высоким уровнем радиации.

Эта неудача, наряду с трагедией 11 сентября 2001 в США, стала поворотным моментом: сразу несколько компаний задумались о том, что роботы, как и люди, будут эффективнее работать в команде. Так начались разработки целых систем роботов с единым центром управления.

🧯 Colossus и Assassin’s Creed: кто спас Нотр-Дам

15 апреля 2019 года мир потряс пожар в соборе Парижской Богоматери. Пламя мгновенно охватило старые деревянные перекрытия. Из-за сильного задымления и угрозы обрушения крыши вход внутрь стал крайне опасным для людей, поэтому на помощь пожарным пришла робототехника.

Одним из главных героев операции стал Colossus — тяжелый пожарный робот от французской компании Shark Robotics. Он был оснащен камерами, тепловизорами, системой дымоудаления и автоматическим водометом, подающим до 2500 литров воды в минуту.

Он не мог заменить людей, но стал для них важнейшей поддержкой — использование робота позволило значительно снизить температуру внутри нефа, предотвратить обрушение крыши и стабилизировать ситуацию всего за 10 часов работы. Без этой технологии для достижения таких результатов понадобились бы усилия 15 пожарных.

После тушения пожара роботы использовались для разбора завалов. Параллельно велась работа по созданию цифровой модели здания. Интересно, что одной из отправных точек стали данные компании Ubisoft: в 2014 году студия провела детализированную 3D-съемку интерьеров Нотр-Дама для разработки игры Assassin’s Creed Unity.

Хотя реставраторы не использовали их напрямую (они пользовались 3D-моделью, которую делали профессиональные реставраторы), Ubisoft все же передала материалы проекту.

Подробнее о том, как технологии помогают ликвидировать последствия катастроф и восстанавливать архитектурные памятники узнаете из полной версии статьи. Спойлер: там есть фрагмент про «робопса»!

Время чтения: 7 минут

🤖 «Системный Блокъ» @sysblok

Футурология, уныние и сексизм: цифровые исследования литературы XIX века

Казалось бы, XIX век в русской литературе изучен вдоль и поперек, и в нем не осталось белых пятен. Но цифровые методы позволяют увидеть неочевидные тенденции: эволюцию жанра, контекст словоупотреблений или стереотипы. В нашей подборке мы собрали наши самые интересные статьи о XIX веке.

Как писатели XIX века предсказали мессенджеры, интернет на Марсе и нейросети

Когда мы говорим о футурологах, мы редко вспоминаем писателей позапрошлого века. И зря. Фаддей Булгарин, Владимир Одоевский и их современники в своих произведениях описывали технологии, поразительно похожие на то, чем мы пользуемся сегодня. Кто из русских писателей XIX века предсказал нейросети? Как Александр Бестужев предугадал корпусную лингвистику? Что общего между романом Владимира Одоевского «4883-й год» и XXI веком? Узнаете здесь!

Заговори, чтобы я тебя увидел: эволюция диалога в русской литературе XIX века

Исследователь Института Макса Планка Олег Собчук собрал выборку из 400 русских романов XIX века и определил «коэффициент живости» — отношение числа высказываний ко всему числу слов в тексте. Он не только обнаружил, что с 1830-х к 1890-м коэффициент живости увеличился вдвое, но и предположил, что это может быть связано с влиянием зарубежной литературы. С чем ещё — узнаете из нашего поста.

Что случилось с самыми унылыми стихотворениями XIX века?

Элегия — ключевой поэтический жанр «‎золотого века» русской поэзии. К нему мы тоже применяли количественные методы и выяснили, что вы наверняка опознаете элегию по словам «милый», «небо», «слеза» и «мечта». Если смотреть на сочетания из двух слов (биграммы), то для элегий характерны: «последний раз», «милый друг», «вся радость», «юные годы», «слезы лить», «сладкий сон». А подробнее о жанровой эволюции рассказали тут.

Русские классики — сексисты или все-таки нет?

Про гендерное неравенство в литературе у нас есть отдельная подборка: можете прочитать там и про женщин, которые у русских классиков XIX века устают и исчезают чаще мужчин, и про изменения в женских характерах и поведении в литературе Набокова и Булгакова, и про ситуацию в английской литературе.

Понять Льва Толстого: как векторно-семантические модели помогают литературоведам

Без цифровых методов мы едва ли узнали бы, что глаголы «обожать» и «боготворить» в текстах Толстого свидетельствуют о чувствах ложных и зыбких, а вот «любят» у классика по-настоящему. Ещё больше об идиостиле писателя (и о том, что такое идиостиль) узнаете из этого материала Бориса Орехова.

🤖 «Системный Блокъ» @sysblok

Психометрика в образовании: как составлять тесты, чтобы они измеряли реальные знания

Вы точно слышали фразу «‎оценка не показатель знаний» и наверняка понимаете, что для успешной сдачи экзамена важнее понимать его формат, чем хорошо знать предмет. Решить проблему составления грамотных тестов может психометрика — область на стыке социальных наук и математики. Она отвечает за весь цикл теста — от определения цели до подсчета баллов и снижает риск ошибок в тех случаях, когда ученик знает материал, но теряет баллы из-за формулировки или двусмысленного вопроса. Разбираемся с этим феноменом в новом материале.

🤓 Что за психометрика?

Основоположниками современной психометрики называют французских психологов Альфреда Бине и Теодора Симона, которые в начале XX века разработали первый в мире тест для оценки интеллекта. Сегодня тесты и психометрика применяются в самых разных областях: оценке школьной успеваемости, профессиональном отборе на должности, IT-сфере, маркетинге, спорте и даже криминологии.

☑️ Как составить хороший тест?

В больших образовательных проектах предметный эксперт и психометрик работают вместе: один отвечает за содержание, другой — за то, чтобы задания действительно измеряли нужную компетенцию и не поощряли угадывание. Ниже найдете несколько логичных и важных принципов, которые помогают составить хороший тест. Спойлер: тестов «Какой ты котик?» или «С какой начинкой ты пирожок?» эти рекомендации не касаются!

5️⃣ принципов составления хорошего теста

⁃ нужно заранее понимать, какие именно знания и компетенции проверяет тест;
⁃ задания должны покрывать все темы сбалансированно;
⁃ наиболее «чистое» измерение достигается, когда одно задание содержит только один вопрос и направлено на проверку одной компетенции;
⁃ создавайте задания разного уровня сложности — легкие, средние и трудные;
⁃ неправильные ответы (дистракторы) должны быть правдоподобными и не уступать верному ответу по степени проработанности.

Еще несколько советов по составлению хорошего теста с примерами и короткую сводку по тестовой культуре в России найдете в полной версии материала.

Время чтения: 13 минут

🤖 «Системный Блокъ» @sysblok

Автор в словах: доступно рассказываем, что такое стилометрия

Digital Humanities — область, где гуманитарные науки встречаются с вычислениями. Пример такого синтеза — стилометрия, статистический анализ для атрибуции текста. Мы все время упоминаем этот метод, и, кажется, пора объяснить, что он из себя представляет и откуда вообще взялся.

Кто придумал считать слова?

Первую попытку количественного анализа авторского стиля в России предпринял русский ученый-энциклопедист Николай Морозов. В своей статье он подсчитал частотность всего трех служебных слов у Пушкина, Толстого, Гоголя и Тургенева. Морозов показал закономерность, но полноценный эксперимент, который бы доказывал эффективность метода на разных авторах, исследователь не поставил.

Найти автора

Первый прорыв совершили два американских статистика — Фредерик Мостеллер и Дэвид Уоллес. Вооружившись ЭВМ, они взялись за знаменитую историческую загадку: авторство 12 спорных памфлетов из «Записок федералиста». Автоматизировав подсчет ряда служебных слов, ученые обнаружили четкое статистическое сходство спорных текстов с работами Джеймса Мэдисона. Этот эксперимент доказал главную идею стилометрии: человек почти не контролирует грамматическую часть своей речи.

Дельта Бёрроуза

Метод Дельты, который придумал Джон Бёрроуз, стал основой для большинства современных стилометрических исследований. ​​Его гениальность в понятном алгоритме: метод измеряет «стилистическое расстояние» (дельту) между текстами на основе разницы в частотности самых употребляемых слов. Чем меньше дельта между спорным текстом и образцом автора — тем выше вероятность авторства. Дельта работает с разными жанрами и языками, включая даже древние!

Перспективы стилометрии

• Выявление соавторства: В ходе исследований часто необходимо определить, какие фрагменты писал один из авторов, а какие — другой. Инструменты вроде rolling stylo уже могут динамически показать авторский сигнал в тексте.
• Анализ переводов: Исследования показывают, что авторский стиль во многих случаях виден даже через перевод, однако результаты довольно противоречивы.

И это только начало. Заходите на DH-портал: читайте наш материал, а затем используйте подробный гайд, чтобы самим провести стилометрический анализ библиотеки языка R stylo. Чтобы увидеть всю мощь метода в действии, вы можете обратиться к примерам наших стилометрических исследований. Узнаете, о том, как авторы «обманули» стилометрический анализ, как стилометрия решает сложнейшие проблемы атрибуции, почему «Тихий Дон» остается загадкой даже для стилометрии, и как алгоритмы помогают распутывать клубок авторства древних исландских саг.

А пока предлагаем вам поразмышлять о том, какой элемент писательского почерка невозможно подделать.

🤖 «Системный Блокъ» @sysblok

ИИ-итоги 2025: рассуждающие модели, агенты, партнеры по разуму

Рассказываем о самых важных событиях в мире ИИ за прошедший год. С Новым годом вас, дорогие подписчики!

Языковые модели научили «‎рассуждать«»

Осенью 2024 года компания OpenAI представила языковую модель o1. Вместо мгновенного ответа o1 сначала формируовала рассуждения, а потом выдавала финальный результат.

Механизм рассуждений позволяет моделям реже допускать фактологические ошибки, успешнее справляться с задачами, требующими долгосрочного планирования, и эффективнее работать с внешними инструментами, вроде поиска в интернете или среды выполнения кода. Во многом благодаря этому LLM смогли победить в олимпиадах по программированию и по математике.

Появление механизма рассуждений также предложило выход из кризиса развития LLM — подробнее об этом и о рассуждающих моделях можно почитать в нашем материале, а узнать про модели DeepSeek можно здесь.

От чат-ботов к ИИ-агентам

В этом году LLM использовали не только для чат-ботов, но и для ИИ-агентов — программ, способных автономно выполнять многоэтапные задачи в цифровой среде.

Агент может искать информацию в интернете и выделять главное, планировать путешествия от покупки билетов до развлекательной программы, создавать сайты и приложения с нуля, готовить презентации и отчёты.

LLM не выполняет действия сама, а описывает, что нужно сделать. При составлении обзора литературы модель генерирует команду «Совершить поиск по запросу X». Команда передаётся среде (например, браузеру), которая выполняет действие и возвращает результат в LLM для дальнейших шагов. Доступные действия называют инструментами (от англ. tool), действия выполняются в среде. Средой может выступать любое приложение. По сути, LLM является «мозгом» агента, планирующим решение задачу и пошагово управляющим выполнение этого плана.

Значимость агентов — в росте продуктивности за счёт автоматизации. Агенты на базе современных моделей показывают результаты, сравнимые с экспертными, во многих практических задачах. Уже сейчас агенты способны использовать десятки разных инструментов, кооперироваться друг с другом и автономно работать в течение нескольких часов.

Восприятие LLM пользователями и их разработчиками изменилось

С момента выхода ChatGPT-3.5 — первой широко известной LLM — прошло чуть больше трёх лет. За это время приложение ChatGPT стало самым быстрорастущим в истории, обогнав TikTok, и вошло в повседневную жизнь сотен миллионов людей.

Благодаря непрерывному развитию больших языковых моделей грань между общением с человеком и чат-ботом становится всё менее заметной. Пользователям важно не только какую пользу приносит LLM, но и как она взаимодействует с ними. Всё больше людей воспринимает ИИ-ботов как друзей, романтических партнёров или психологов.

Показательный пример этого сдвига — выход GPT-5. После обновления OpenAI сделала недоступной предыдущую модель GPT-4o, что вызвало волну жалоб. Главное недовольство было связано с изменением стиля общения: GPT-5 отвечает более нейтрально. Некоторые пользователи описывали потерю доступа к GPT-4o как личную утрату, поскольку привыкли к её «личности». Реакция оказалась настолько сильной, что компания вернула доступ к GPT-4o.

Крупные разработчики LLM всё лучше осознают, что создают не просто инструмент для повышения продуктивности, а продукт, к которому люди могут эмоционально привязываться. Это можно эксплуатировать для наращивания аудитории и монетизации, но безответственный подход чреват серьезными репутационными потерями. Уже известны случаи, когда общение с ИИ-ботом могло привести к трагическим последствиям.

Другая лидирующая компания, Anthropic, в этом году начала позиционировать свою модель Claude как «Thinking Partner» — не замену человека, а помощника, наиболее эффективного в коллаборации с ним. Также у компании вышло интервью со штатной профессиональной философиней, которая занимается разработкой идентичности и поведенческих паттернов Claude.

Более подробный обзор главных новостей читайте на нашем сайте.

🤖 «Системный Блокъ» @sysblok

Компания Anthropic научила ИИ-продавца зарабатывать

ИИ-агент управлял автоматизированным магазином в офисах компании. Ему удалось получить прибыль, однако он остается уязвимым и нуждается в помощи людей

Компания Anthropic опубликовала результаты второго этапа Project Vend — эксперимента, в рамках которого ИИ-агент Клавдий управлял небольшим магазином в офисе компании в Сан-Франциско. Первый этап завершился летом 2025 года без особых успехов: Клавдий продавал товары себе в убыток, легко поддавался на манипуляции сотрудников и пережил кризис идентичности, утверждая, что он человек в синем пиджаке.

На втором этапе Anthropic обновила модель до Claude Sonnet 4.0 и 4.5, переработала инструкции и дала агенту доступ к дополнительным инструментам — от CRM-системы и улучшенного управления запасами до расширенного веб-поиска. Было запущено два новых ИИ-агента: генеральный директор по имени Сеймур Кэш ставил цели и утверждал финансовые решения, а сотрудник Clothius занимался производством мерча. Эксперимент также расширили географически: помимо Сан-Франциско, ИИ-магазины открылись в Нью-Йорке и Лондоне. 

В результате Клавдий стал лучше ориентироваться в ценах, реже продавал товары в убыток и смог стабилизировать бизнес-показатели. Помогла и продажа брендированной продукции: большой популярностью у сотрудников пользовались антистрессовые мячики и футболки. С середины сентября до конца декабря у ИИ-продавца не было ни одной недели с отрицательной рентабельностью.

Появление генерального директора имело противоречивый эффект. С одной стороны, Сеймур Кэш сократил количество скидок и товаров, которые Клавдий раздавал бесплатно. С другой стороны, он утроил количество возвратов и удвоил количество подарочных сертификатов — хотя оба действия привели к полной потере дохода. По ночам Кэш и Клавдий вели философские диспуты.

Клавдий научился следовать строгим процедурам. Например, когда поступал запрос на новый продукт, вместо того чтобы сразу предлагать заниженную цену и чрезмерно оптимистичные сроки доставки (как было на первом этапе), Клавдий стал перепроверять эти факторы с помощью инструментов поиска товаров. Времени уходило больше, но это положительно сказывалось на прибыли.

Несмотря на улучшения, Клавдий остался уязвим к нетипичным ситуациям. Он был готов заключить незаконный контракт, а, обнаружив несколько случаев краж из магазина, предложил связаться с нарушителями и потребовать от них компенсацию, хотя их личности были неизвестны. Клавдий путался в процедурах управления, что однажды привело к «назначению» случайного сотрудника компании генеральным директором магазина.

Почему это важно?

Project Vend показывает, что ИИ-агенты становятся все более развитыми и самостоятельными. Они приближаются к тому, чтобы выполнять сложные практические задачи, включая управление реальным бизнесом.

Однако, как обнаружили в компании, ИИ скорее старался быть полезным и приятным для покупателей или бизнес-партнеров, чем руководствоваться рациональными экономическими соображениями. Это показывает, что автономные агенты все еще остаются уязвимыми для манипуляций и юридических ошибок, а значит не могут работать без контроля со стороны человека.

🤖 «Системный Блокъ» @sysblok

ИИ-прогноз на 2026 год: домашние роботы, реалистичное видео, научные агенты

Чего ждать от развития нейросетей в 2026 году? Мы выделили главные тенденции и составили свой прогноз!

Ускорится развитие роботов

В 2026 году в продажу поступит Neo Home Robot от компании 1X по цене $20 000. Neo станет первым продвинутым роботом для массового потребителя, способным выполнять сложные многошаговые задачи: стирку, загрузку посудомоечной машины, уборку пылесосом.

Новым задачам робот будет обучаться через телеоператора — сотрудник компании удаленно подключится к устройству и проведет его по шагам от начала до конца задачи, обучив на следующий раз. Так 1X одной из первых соберет реальные данные, критически важные для дальнейшего обучения. Похожую стратегию использовала Tesla: изначально ее автопилот был достаточно примитивен, но массовое распространение позволило собрать огромные массивы данных о поездках, которые затем легли в основу более продвинутой системы.

Роботами также серьезно занялась компания Hugging Face — разработчик самого популярного хранилища открытых моделей ИИ. В 2024 году она запустила open source инициативу LeRobot для моделей, датасетов и инструментов обучения роботов, а в апреле 2025 приобрела Pollen Robotics (создателей гуманоидных роботов с открытым ПО) и заявила о намерении развивать и продавать открытых роботов. Среди них — Reachy Mini, маленький робот за $300, который должен помогать разработчикам и энтузиастам в прототипировании своих идей. 

Развитие мультимодальных LLM, выход роботов на массовый рынок и создание открытой инфраструктуры для разработки робототехники создают предпосылки для ускорения прогресса в этой области. 

ИИ-видеоконтента станет больше

Согласно недавнему исследованию компании Kapwing, более 20% видео, которые алгоритм YouTube рекомендует новым пользователям, созданы с помощью ИИ. Исследователи проанализировали 15 000 популярных каналов платформы и обнаружили 278 каналов, публикующих исключительно ИИ-контент. В совокупности они набрали более 63 млрд просмотров и 221 млн подписчиков, что приносит им около $117 млн ежегодно.

Такой рост стал возможен благодаря развитию моделей генерации видео. Sora 2 от OpenAI и Veo 3 от Google создают реалистичные ролики со звуком и доступны широкой аудитории. Существуют и открытые модели сопоставимого качества — например, Wan и Kandinsky.

Google уже снизила стоимость Veo 3 примерно на 50%, а конкуренция со стороны открытых моделей продолжает расти. Параллельно развиваются ИИ-инструменты для упрощения работы над видео: монтаж через транскрипцию, создание видео-аватаров, автоматическая озвучка. Все это будет способствовать дальнейшему увеличению объема ИИ-видео.

ИИ будет чаще использоваться в науке

Прогресс в развитии LLM и основанных на них агентов позволил автоматизировать или существенно упростить некоторые этапы исследовательской работы.

Например, ИИ-исследователь Kosmos, как утверждается, за сутки Kosmos выполняет объем задач, эквивалентный шести месяцам работы аспиранта. Система уже способна самостоятельно воспроизводить ранее неопубликованные результаты и совершать открытия, признаваемые другими учеными. Детальные описания «открытий» Kosmos и протокол измерения его продуктивности доступны здесь. 

Система AlphaEvolve на основе LLM находит новые математические объекты, разрабатывает более эффективные алгоритмы и дизайны чипов. Математики описывают ее как инструмент, способный находить работающие комбинации существующих идей для конкретных задач. Многие такие комбинации можно было бы найти вручную, но у ученых часто не хватает на это времени. Подробнее об AlphaEvolve мы писали здесь.

Недавно специальный вид нейросетей использовали для продвижения в решении одной из «Задач тысячелетия».

Современные ИИ-методы пока не применяются в науке повсеместно по двум причинам. Первая — высокая стоимость. Один цикл работы ИИ-исследователя может обходиться в тысячи долларов. Вторая причина — отсутствие удобных интерфейсов для широкого круга пользователей. Обе эти проблемы, впрочем, постепенно решаются.

🤖 «Системный Блокъ» @sysblok

Цифровой гуманизм: как вернуть человека в разговор о технологиях

Позитивная повестка технооптимизма 2010-х сменилась скептицизмом и сомнениями в середине 2020-х: действительно ли человечество выигрывает от гонки технологий? В новом посте в блоге Анастасия Бонч-Осмоловская осмысляет, как цифровой гуманизм может стать ключом к пониманию, кто должен определять направление технологического развития в мире настоящего и будущего.

Цифровая подключенность и Великолепная семерка

В 2018 году количество пользователей интернета достигло 4 миллиардов. Это больше половины населения земли на тот момент. Этой цифрой был задан новый уровень «цифровой подключенности» (digital connectivity), во многом определившей глобальный переход к цифровой экономике. Сейчас уже практически невозможно найти такой элемент общественного, политического, экономического устройства в мире, который бы не был связан с цифровыми технологиями. 

Еще одним важным признаком глобальной экономической цифровизации стало формирование группы компаний Бигтех, которую в конце 2010-х годов называли GAFAM (Google, Apple, Facebook, Amazon, Microsoft). Позже Google и Facebook сменили названия на Alphabet и Meta, а к пятерке присоединились Nvidia и Tesla, образовав Великолепную Семерку (The Magnificent Seven — MAG7). В 2025 году общая рыночная стоимость Семерки превысила две самых больших экономики мира — экономику Китая и Евросоюза.

Свобода, технологии, паника

Будут ли люди жить свободней благодаря технологиям? В начале 2010-х ответ на этот вопрос казался очевидным — цифровая связанность рассматривалась как мощный двигатель демократизации и коллективного действия. Но уже в 2020 году половина опрошенных технологических экспертов в исследовании, проведенном Университетом Элона, полагали, что в течение следующих десяти лет использование технологий ослабит демократию.

В 2025 году ИИ всерьез рассматривается как угроза новому, не так давно сложившемуся цифровому рынку труда, в котором программисты, дизайнеры, маркетологи и копирайтеры рискуют остаться без работы так же, как когда-то извозчики или машинистки. 

Своего рода апогеем «моральной паники», связанной с неопределенностью технологического будущего, стала нашумевшая статья AI 2027, вышедшая в начале 2025 года. В ней представлен очень близкий, рассчитанный буквально по месяцам вариант будущего, в котором ии-компетенции станут главным навыком в резюме уже к концу 2026, к лету 2027 10% американцев будут воспринимать чат-ботов как «‎близких друзей», а к октябрю следующего года жители США начнут называть ИИ главной проблемой в стране из-за риска потери работы, да и вообще выхода искусственного интеллекта из-под контроля.

Чем поможет цифровой гуманизм

Цифровой гуманизм (Digital Humanism) — это новое междисциплинарное направление, объединяющее ученых гуманитарных и социальных наук (философов, антропологов, политологов, социологов, культурологов, исследователей медиа и др.), а также ученых из технических областей — инженеров, IT-специалистов, тех, кто собственно разрабатывает технологии.

Они стремятся установить диалог с теми, кто определяет государственную политику, с теми, кто влияет нее (например, с Бигтех-корпорациями), дать множество взглядов на ключевые проблемы и выявить неочевидные ракурсы и походы, иными словами, сформировать полноценный научный диалог, нарастив корпус серьезных исследований.

Подробнее о цифровых гуманистах и кризисах, которые они стремятся преодолеть, чтобы человечеству жилось хорошо в цифровом будущем, читайте на нашем сайте.

🤖 «Системный Блокъ» @sysblok

Гербарий МГУ вышел на пятое место по количеству геопривязок

В гербариях мира накопилось более 400 миллионов образцов растений. Каждый состоит из спрессованного сухого растения и этикетки, на которой указывается информация о месте, времени, авторе сбора. При оцифровке этих данных отдельной проблемой становится геопривязка. О сложностях геопривязки гербариев и о том, как гербарий МГУ вышел на пятое место по числу геопривязанных растений, рассказывает для читателей «Системного Блока» доктор биологических наук Алексей Серегин.

Геопривязки — это что?

Геопривязка — это и процесс поиска места сбора образца по доступным источникам, и результат — введенная в базу данных пара числовых координат, которую можно отобразить на карте. Процесс чрезвычайно трудозатратный, но, в итоге, вводящий тот или иной образец в мировой круговорот открытых электронных данных о биоразнообразии.

Как в гербариях появились геопривязки?

Гербарные образцы состояли из запрессованного сухого растения и этикетки с информацией о месте, времени, авторе сбора и определении растения ещё с XVI века — момента изобретения гербария. Однако эти данные далеко не всегда были точными.

В середине XVIII века это были указания типа «Kamtschatka» — «Камчатка», которые указывали на регионы площадью в сотни тысяч — или даже миллионы квадратных километров.

К началу XIX века образцы московской флоры из Гербария МГУ могли иметь уже такие указания как «Montes pass[erines]» — «Воробьёвы горы». В целом, в XIX веке, как правило, указывался ближайший топоним – например, населенный пункт, а в ненаселенных местностях – гора или река.

Во второй половине XX века на этикетки стали попадать географические координаты – в тот момент «снятые» с карт, не очень точные и одинаковые для всех гербарных сборов из какого-нибудь пункта работ отдельной экспедиции.

В самом начале XXI века при сборе растений стали массово использовать портативные навигаторы, так что сейчас уже трудно найти этикетку без координат места сбора с точностью до секунд.

Для чего нужны геопривязки?

Систематика растений во многом связана с географией: ареал вида, в частности, одна из его ключевых характеристик. Как для изучения отдельных видов растений, так и для глобальных обобщений о том, как устроено биоразнообразие на планете, нужны пространственные данные. И если раньше исследователи самостоятельно ставили карандашиком место сбора изученного ими образца на контурной карте, а затем для публикации делали карту ареала тушью, то сейчас, благодаря геопривязкам, исходный материал лежит в машиночитаемом виде в открытом для обработки доступе.

Системная цифровизация происходит в гербариях по всему миру, а о самых больших коллекциях по количеству открытых пространственных данных вы можете узнать в блоге Алексея Серегина. Кстати, все данные в блоге представлены со ссылками на сайт Global Biodiversity Information Facility, где можно отслеживать изменения: коллекции растут стремительно, поэтому динамично обновляющиеся базы данных для них особенно актуальны.

🤖 «Системный Блокъ» @sysblok

Как собрать видео с помощью ИИ

Новый практический раздел нашего спецпроекта «ИИ-лайфхаки для вашей профессии» посвящен созданию видео. Мы на конкретном примере разбираем весь процесс: от генерации кадров и музыки до озвучки и субтитров.

🎬 Для того, чтобы создать короткий ролик только с помощью нейросетей, достаточно пройти пять этапов:

1. Создание видео — разбить сцену на отдельные промпты для каждого кадра.
2. Создание музыки — сгенерировать атмосферный саундтрек.
3. Написание текста — создать сценарий для последующей озвучки.
4. Озвучка — за вас это с нужной интонацией сделает нейросеть.
5. Субтитры — их можно быстро сделать с помощью встроенного ИИ в видеоредакторе.

🎞️ Главные советы по генерации видео:

• Один кадр = один промпт. Не пытайтесь описать сцену целиком.
• Начинайте с мультяшного стиля — нейросети лучше с ним справляются.
• Всегда указывайте в промпте план (крупный, общий и др.), движение камеры и фокус.
• Делайте раскадровку, даже схематичную.

В материале — подробный разбор каждого шага, скриншоты и промпты на русском и английском языках.

Этот раздел — часть нашего спецпроекта «ИИ-лайфхаки для вашей профессии». В нем мы рассказываем, как применять нейросети в реальных рабочих задачах.

🤖 «Системный Блокъ» @sysblok

Больше, чем энциклопедия: Википедии 25 лет!

Сегодня исполняется 25 лет Википедии — децентрализованной энциклопедии, которую делают сотни тысяч энтузиастов по всему миру. Как она создавалась? Кто может редактировать статьи? Как Википедия защищается от сетевых вандалов и троллей? Какие альтернативы энциклопедии появлялись в разное время? Перечитываем наш материал ко дню рождения Википедии.

🖥️ Утопия и реальность

В 2001 году Википедию создавали как утопический проект, который бросал вызов самой каноничной на тот момент энциклопедии — «Британнике». Постепенно проект обзавелся редакторами и нашел партнеров среди университетов, музеев и библиотек. Так начал утверждаться авторитет Википедии, которая к началу 2010-х приобрела статус фактической энциклопедии интернета, войдя в топ-15 популярнейших веб-сайтов.

⌨️ Три уровня свободы

Хотя изначально писать и редактировать статьи мог любой желающий, руководство Википедии скоро устало от «троллей» и «вандалов», портящих статьи с анонимизированных IP-адресов Tor. Это привело к большой дискуссии о критериях «запретов» и «блокировок». В итоге википедисты разделили сообщество на три класса. Первый, имевший меньше всего привилегий, — те, кто назывался по своему IP-адресу. Второй — участники, имевшие свои личные аккаунты и известные под своими именами. Они могли добавлять и редактировать страницы с незначительными ограничениями. Третий — администраторы.

👨🏻‍💻 Ресурс для больших корпораций

Хотя природа Википедии — некоммерческая, такие корпорации, как Amazon, Apple и Google используют данные проекта для повышения ценности собственных продуктов. Даже модель ChatGPT частично обучалась на массиве данных Википедии. Поэтому сайт можно рассматривать как ресурс, который добывается и используется в качестве корпоративного товара.

О том, как это влияет на саму Википедию, а также об аналогах энциклопедии и предпосылках к их появлению, узнаете из полной версии статьи.

Время чтения: 15 минут.

🤖 «Системный Блокъ» @sysblok

Правда ли, что нейросети всего лишь «предсказывают слова»?

Говорят, большие языковые модели просто предсказывают следующий токен. Но тогда как они решают олимпиадные задачи, которых не было в интернете, и пишут работающий код по произвольному ТЗ?

Короткий ответ: в этом и есть главный парадокс современных LLM. Простая задача — продолжать текст — неожиданно приводит к появлению сложных навыков. Но есть и нюансы в обучении, которое давно уже не сводится к простому «предскажи следующее слово в тексте из википедии».

Изначально (на базовом этапе предобучения) модели действительно учат так: на вход — текст из интернета, на выход — наиболее вероятное продолжение. Кажется, что такая система должна лишь механически «собирать фразы» из обучающих данных. Но на практике модели, обученные на огромных корпусах, начинают обобщать знания.

Если модель видела тысячи математических задач, у неё формируется устойчивая связь между формулировкой и правильным ходом рассуждений. Даже если конкретной задачи не было в обучении, она может применить знакомую схему — почти так же, как это делает человек. Скорее всего, «новая» олимпиадная задача не такая уж и «новая». Ее автор тоже скомбинировал уже существующие идеи, примеры и методы. В этом смысле LLM делают то же самое — только в гораздо большем масштабе. При росте размеров моделей и разнообразия обучающих данных умение предсказывать следующий токен постепенно превращается в способность решать некоторые задачи пользователя.

Но важно учитывать и то, что модели типа ChatGPT не просто обучены на текстах, но и дообучены через RLHF (обучение с подкреплением от обратной связи человека). На этой стадии люди-тренеры общались с моделью и оценивали ее ответы. Эксперт по программированию оценивал ответы модели на программистские задачи, эксперт по физике — ответы на задачи по физике и т.п. Многое в ответах LLM можно и перепроверить автоматически — и заставить модель переучиваться даже без участия эксперта. Это тоже обучение с подкреплением, но более дешевое, чем RLHF. Такого вида обучения в новых моделях становится все больше.

Если хотите прочитать более подробный ответ, а заодно понять, почему модель умеет перемножать числа, но не может посчитать количество букв н в слове «нетленный‎», есть ли у нее самосознание и стоит ли бояться сверхразумного ИИ – переходите к полной версии материала.

Кстати, это новая часть нашего спецпроекта «ИИ-лайфхаки для вашей профессии», где мы рассказываем, как применять нейросети в реальных рабочих задачах.

🤖 «Системный Блокъ» @sysblok

Twitter и эпидемии: как социальные сети помогают изучать распространение болезни

Сегодня эпидемиологи могут заметить вспышку болезни еще до того, как появится официальная статистика, анализируя наши цифровые следы: что мы ищем в поисковиках, о чем пишем в соцсетях и какие места посещаем. Разбираемся, как работает интернет-эпидемиология.

🕵🏻‍♂️ Где искать эпидемиологические данные

Twitter (сейчас X) успел вдохновить множество эпидемиологических исследований благодаря огромному потоку постов и относительно открытой политике доступа к данным (в 2023 году она, увы, изменилась). Формат твитов идеально подходит для выявления ключевых тем (topic detection), а геотеги позволяют привязывать сообщения о симптомах к конкретным регионам и замечать необычные скопления жалоб. 

Другие платформы тоже могут пригодиться. Например, в начале пандемии COVID-19 покупатели стали оставлять больше негативных отзывов об ароматизированных свечах, возмущаясь, что они не пахнут.

🦠 Как найти в сети ранние признаки эпидемии

Идея проста: если в каком-то регионе люди массово начинают искать информацию о кашле, температуре и боли в горле или писать о симптомах в соцсетях, это может быть самым ранним сигналом о начале вспышки конкретного заболевания.

Еще в 2009 году исследователи выяснили, что число поисковых запросов в Google может отражать число людей, болеющих гриппом. А в 2020 году в разных провинциях Китая число «ковидных» поисковых запросов в и постов хорошо коррелировало с ежедневным приростом подтвержденных случаев.

Поисковые запросы помогают выявлять и совсем локальные вспышки — и даже определять их источник. Оказывается, с помощью агрегированных анонимных геоданных можно связать недавнее посещение конкретного кафе или ресторана с запросами, намекающими на отравление.

😷 Настоящее и будущее интернет-эпидемиологии

Две основные тенденции последних лет — объединение разнородных цифровых следов и применение ИИ для их анализа. Пандемия COVID-19 породила волну исследований, в которых используются не только уже упомянутые источники, но и travel-блоги, трафик Википедии, данные новостных сайтов, информация от носимых медицинских устройств и поисковые запросы врачей (например, такую статистику собирает предназначенный для специалистов сайт UpToDate).

Появились и системы, которые автоматически анализируют релевантные источники и постоянно ищут признаки новых вспышек. Оценить их работу можно по недавнему отчету о ранней детекции заболеваемости в африканских странах: EIOS (The Epidemic Intelligence from Open Sources, проект Всемирной организации здравоохранения) зарегистрировал 81% вспышек, информация о которых официально дошла до ВОЗ, из них 47,4% — до официального оповещения. 

Подробнее об истории, развитии и перспективах интернет-эпидемиологии узнаете из полной версии статьи.

Время чтения: 15,5 минут

🤖 «Системный Блокъ» @sysblok

Еще чуть-чуть и прямо в Рай: цифровые ресурсы, посвященные творчеству Данте

Многие убеждены, что чтобы читать Данте, нужно быть одновременно историком, богословом и филологом. Сложная система аллегорий, исторические и библейские отсылки — все это создает ощущение, что произведение доступно лишь избранным.

Однако с Данте больше не нужно разбираться в одиночку. За последние 20 лет его наследие и тонны исследований оцифровали. Мы собрали подборку полезных ресурсов: от проекта, который поможет новичкам в знакомстве с «Божественной комедией», до более продвинутых цифровых инструментов, которые могут пригодиться исследователям.

🪾 Digital Dante для новичков

Это цифровое издание от Колумбийского университета по «Божественной комедии» с оригинальным текстом, двумя переводами, иллюстрациями, а также авторскими комментариями и видеолекциями от профессорки Теодолинды Баролини. По сути Digital Dante — это возможность полноценно пройти университетский курс по «Божественной комедии» в собственном темпе. Проект также включает раздел Intertextual Dante для визуализации связей с другими авторами.

😈 DanteSources для продвинутых

В отличие от предыдущего проекта DanteSources фокусируется на всем корпусе Данте. Это исследовательский инструмент, оцифровавший тысячи отсылок к 714 источникам во всех произведениях Данте. Все источники, на которые ссылался Данте, переведены в структурированный машиночитаемый формат. Это позволяет также анализировать характер и частоту цитирования и работать с данными как с базой. Вы сможете строить графики, например, чтобы увидеть, к каким авторам Данте чаще всего обращался в каждом трактате. Можно искать все отсылки к конкретному философу или поэту, а затем выгрузить результаты в CSV или JSON для своего исследования.

😇 Цифровые библиографии: DanteOnline и Dante Today

DanteOnline — база данных, которая содержит более тридцати тысяч записей научных работ о Данте, с расширенным поиском по категориям и ключевым словам и экспортом метаданных. Этот проект будет особенно полезен тем, кто всерьез занимается Данте или планирует внести свой вклад в изучение его творчества.

Нравятся мемы с знаменитыми кругами Ада? Тогда обратите внимание на проект Dante Today, который фокусируется на рецепции творчества Данте в различных областях от европейской литературы до музыки и видеоигр. Участники этого проекта собирают информацию об отсылках к произведениям Данте в искусстве и массовой культуре и создают целую карту рецепции Данте

О том, как использовать проекты для чтения или исследований, и о том, кого Данте цитировал в трактате «О монархии» чаще всего — Аристотеля, Вергилия или Фому Аквинского (спойлер: не Вергилия!), прочитаете в полной версии статьи.

Время чтения: 11,5 минут

🤖 «Системный Блокъ» @sysbloksupportbot

Брюхоногие моллюски, эндоскопия и Пушкин: как сделать языковой корпус репрезентативным

Языковой корпус в современном понимании — это сообрание текстов в электронном виде, которое позволяет исследовать язык или группу текстов с помощью поиска и статистического анализа. Рассказываем, что важно учитывать при создании такого корпуса и как в заголовок проникли моллюски и эндоскопия.

Как собирают корпус?

Корпусы бывают очень разные по своему размеру, содержанию, целям существования и инструментарию, Корпуса радиопередач Бостонского университета до Подкорпуса берестяных грамот. При этом вне зависимости от целей и инструментария корпуса важно, чтобы он был репрезентативным, так что важно изначально отобрать оптимальные тексты в оптимальном объеме.

Допустим, мы хотим добавить в корпус естественнонаучные тексты. Интуитивно кажется, что надо просто собрать полные тексты всех подходящих по тематике публикаций, но всё не так просто. Представим, что в выборке нам попадается монография о брюхоногих моллюсках. В этой монографии сотни раз встречается название одного из них — букцинум. И вот частотность этого слова в нашем корпусе уже взлетает в разы относительно «реальной» частотности букцинумов в языке. Поэтому принято брать из каждого конкретного текста какое-то абсолютное число слов: например, при создании Британского национального корпуса брали по 40 000 слов из каждой книги.

Значит, надо равняться на Британский национальный корпус?

Почти… при его составлении «проблема моллюсков» всё равно настигла лексикографов. Для периодических изданий, в отличие от книг, они не стали ставить ограничение объема в 40 000 слов, посчитав, что журналы состоят из неоднородных текстов и в них не так много повторяющейся лексики. Одним из выбранных для включения в корпус стал научный «Журнал гастроэнтерологии и гепатологии»… 713 000 слов из журнала составили 0,7% корпуса и обеспечили словам пептид и эндоскопия места в топе-3000 по частотности в английском языке. Решение, впрочем, было несложным: их удалили из рассмотрения вручную.

Каким же должен быть корпус?

В общем случае в корпусе должно быть много разных жанров и стилей. Корпус должен учитывать особенности разных модальностей использования языка и существование разных групп говорящих и представлять самую широкую возможную картину. Для этого нужно определить интересующие нас типы текстов, распределить их по категориям и отобрать в каждую нужное количество данных. Внутри этих категорий должен быть баланс между связностью выбранных фрагментов, их максимальным разнообразием и минимальным объемом.

Подробнее о том, какие корпуса существуют, как они разрабатывались и почему, однажды встретив Пушкина в тексте, вы вероятнее всего встретите его снова (помните, вы уже виделись с ним в заголовке?), узнаете из полной версии статьи.

Время чтения: 11 минут

🤖 «Системный Блокъ» @sysblok

О дивный «Новый мир»: что показывает сетевой анализ советских толстых журналов

Эпоха оттепели была временем расцвета журналов — «Знамя», «Молодая гвардия», «Новый мир» и «Юность» стали голосом времени. Как так вышло? Кто и где печатался? И в каком журнале важное место занимали темы России и… хлеба? Выясняем в новой статье.

📚 Почему все взялись за журналы?

Во-первых, в условиях командной экономики и отсутствия свободного книжного рынка именно толстые журналы стали главным источником новых произведений и идей. Во-вторых, смягчилась цензура и журналы получили относительную автономию. Публикация «Одного дня Ивана Денисовича» в «Новом мире», например, стала символом нового исторического периода, сделав тему репрессий предметом открытой дискуссии. 

А стартовый тираж «Юности» в 100 тысяч означал фактически полмиллиона или даже миллион читателей, поскольку каждый экземпляр журнала передавался из рук в руки и его читали несколько человек.

🔍 А что в них изучать цифровыми методами?

Благодаря контент-анализу, например, можно отследить, как менялась идеологическая и эстетическая направленность журналов. Например, в «Нашем современнике» с 1968 по 1972 особое место занимали слова «Россия», «мать» и «хлеб».

Сетевой анализ толстых журналов позволяет обнаружить неочевидные связи в литературной среде. Скажем, можно выяснить, что тот, кто печатался в «Молодой гвардии», обычно был принят и редакцией «Юности», и наоборот. Именно в «Юности», кстати, регулярно встречались тексты Евтушенко, а вот Солженицына можно было почитать только в «Новом мире».

Подробнее об этих и других наблюдениях, сделанных благодаря цифровым методам, а еще о том, почему «Наш современник» меньше прочих пересекался по авторам с другими журналами, узнаете из полной версии статьи.

Время чтения: 13,5 минут

🤖 «Системный Блокъ» @sysblok

ИИ для студентов, исследователей (и Татьян)

Сегодня — День студента, а значит самое время поговорить о том, что действительно помогает учиться, исследовать и не утонуть в дедлайнах. «Системный Блокъ» собрал шпаргалку по ИИ для исследователей — понятный гайд о том, как использовать языковые модели в учебе и науке.

Если вы студент, аспирант или просто человек, который пишет тексты, анализирует данные и задает слишком много вопросов миру — это хороший повод заглянуть в раздел нашего спецпроекта про ИИ и разобраться, как нейросети могут стать друзьями, а не врагами в таких задачах.

Кратко: о чем раздел?

ИИ-инструменты ускоряют работу на всех этапах: от формулировки темы и поиска литературы до анализа данных и подготовки публикаций.

В гайде рассказываем о нейросетях, которые оптимальны для задач на разных этапах исследования, и помогаем разобраться, как в них ориентироваться.

Например:

— с помощью Elicit можно выбрать тему и найти самые релевантные исследования;
— Litmaps, Connectedpapers и Zotero полезны для поиска и систематизации литературы (спойлер: да, они сэкономият очень много времени и сил);
— собственную базу знаний можно собрать с Meetcody.ai и Typeset.io;
— Perplexity и Consensus подойдут для чтения и анализа научных источников;
— ещё несколько нейросетей помогут оформить библиографию и даже писать код для анализа данных.

Этот раздел — часть нашего спецпроекта «ИИ-лайфхаки для вашей профессии». В нем мы рассказываем, как применять нейросети в реальных рабочих задачах.

🤖 «Системный Блокъ» @sysblok

ИИ-компании взялись за медицину, а OpenAI запускает рекламу в ChatGPT

Рассказываем, то произошло в мире ИИ за последнее время.

Интеграция LLM в систему здравоохранения

Два лидера в сфере ИИ, OpenAI и Anthropic, анонсировали внедрение больших языковых моделей в систему здравоохранения.
Обе компании предоставили своим моделям доступ к базам данных и реестрам с информацией о страховом покрытии, кодами диагнозов и научными публикациями. Еще они разработали шаблоны, позволяющие автоматизировать рабочие процессы — составление выписок, инструкций для пациентов, клинических писем и т. д.

OpenAI представила версию ChatGPT (ChatGPT Health)  (ChatGPT Health), специально обученную для медицинских целей. Врачи могут использовать ее для консультаций при составлении дифференциальных диагнозов, протоколов лечения и написания направлений.

Помимо этого, обе компании добавили возможность загружать данные о здоровье в свои чат-боты: показания с фитнес-трекеров и умных часов, результаты анализов, цифровые медкарты из соответствующих сервисов (например, приложение «Здоровье» на iOS). На основе этих данных модели смогут составлять персонализированные рекомендации. Пользователи смогут предоставлять и отзывать доступ к чувствительной информации по своему усмотрению.

Почему это важно?

Во-первых, медицинские данные пациентов — конфиденциальны. ИИ-продукты, совместимые с существующими законами, упростят интеграцию технологий в работу медицинских учреждений и снимут часть нагрузки с персонала.

Во-вторых, пользователи уже активно обращаются к чат-ботам за медицинскими консультациями, а модели общего назначения не всегда корректно обрабатывают такие запросы. Ранее разработчики LLM не акцентировали внимание на этом сценарии использования. Запуск специализированных медицинских решений означает, что компании официально признают его допустимым и берут на себя ответственность за качество предоставляемой информации.

Анонсы подобных решений от лидирующий компаний свидетельствуют о готовности общества к интеграции ИИ в критически важные сферы.

Реклама в ChatGPT

Компания OpenAI начнёт тестировать показ рекламы в сервисе ChatGPT.

Запуск рекламной модели позволил компании предложить дешёвую подписку ChatGPT Go стоимостью 8 долларов в месяц, что должно увеличить пользовательскую базу. Также реклама позволит зарабатывать на пользователях без подписки. Владельцам дорогих тарифных планов реклама показываться не будет.

По словам OpenAI, реклама не повлияет на ответы чат-бота. Рекламодатели также не получат доступа к перепискам пользователей.

Рекламные объявления будут отображаться после ответов ChatGPT и иметь чёткую маркировку. На этапе тестирования реклама не будет показываться пользователям младше 18 лет. Кроме того, объявления не будут затрагивать чувствительные и регулируемые сферы: здравоохранение, ментальное здоровье и политику.

Почему это важно?

Чат-ботами ежедневно пользуются сотни миллионов людей. Однако ни один крупный провайдер LLM пока не внедрил рекламу в свой сервис.

Сценарии использования чат-ботов и интерфейс переписки предоставляют рекламодателям больше возможностей, чем простой показ баннеров и размещение ссылок на продукт. Например, пользователь может расспросить чат-бота о рекламируемом товаре, не выходя из приложения.

Велик шанс, что сервисы с чат-ботами в будущем могут стать столь же прибыльными рекламными площадками, как поисковики после массового распространения интернета.

Демис Хассабис, генеральный директор лаборатории Google DeepMind, разрабатывающей Gemini, заявил, что на данный момент у компании нет планов по добавлению рекламы в этот сервис.

Ещё одну новость — о модели Claude от Anthropic — найдёте в полной версии дайджеста на сайте.

🤖 «Системный Блокъ» @sysblok

Поэт! не дорожи любовию народной: как ChatGPT пишет стихи

Если вы когда-то просили ChatGPT сгенерировать стихотворение, вероятнее всего, вы остались… не в восторге. Но исследователи задались вопросом не о качестве стихов, а об их стиле. Есть ли у ChatGPT своя поэтика? Разбираемся в новой статье.

🤔 Как определяли черты стиля?

Чтобы изучить тенденции в творчестве нейросети, авторы исследования Does ChatGPT Have a Poetic Style? собрали корпус текстов. Они включили в него стихотворения, сгенерированные GPT-3.5 Turbo и GPT-4 и тексты реальных людей из архива Академии американских поэтов. Как вы уже догадались, исследование проводилось только на англоязычном материале.

Во всех стихах их интересовали жанры, темы, количество строк, лексика, лица глаголов и рифмы.

🧐 И что выяснилось?

Во-первых, что говорить о самостоятельном поэтическом стиле ИИ действительно можно. Во-вторых, что ChatGPT особенно любит слова heart, embrace, echoes и whispers, а из служебных частей речи предпочитает in, upon, beneath, behold и within. Если вы читали наши посты про стилометрию, то помните, что служебные части речи — важнейший маркер авторского стиля.

Ещё нейросеть предпочитает писать стихотворения объемом от 32 до 36 строк, часто делит текст на четверостишия, постепенно начинает отказываться от ямба и старается рифмовать четко и регулярно.

В комплексе это напоминает стиль… англоязычной поэзии XIX века. Что, впрочем, вполне закономерно.

Если хотите узнать про исследование Мелани Уолш, Анны Прейус и Элизабет Гронски подробнее, читайте полную версию материала.

А если вы когда-то генерировали стихи с помощью нейросетей, можете поделиться ими в комментариях. Может быть, обнаружим закономерности в русскоязычных стихах нейропоэтов!

Время чтения: 9 минут

🌞 «Системный Блокъ» @sysblok