🫧 ИИ-пузырь 2026 — продукт финансовой инженерии

В ИИ-индустрию вложены триллионы долларов, но часть этого успеха — простая финансовая схема. Компании используют «круговое финансирование»: они дают деньги стартапам, чтобы те сразу вернули их, покупая услуги того же инвестора. Это создает видимость прибыли там, где её нет. Облачные кредиты также раздувают отчеты без притока реальных денег. В итоге, если ИИ не начнет быстро окупать все инвестиции, рынок, не только ИТ, ждет обвал и массовые списания убытков.

Давайте разберёмся в анатомии этого процесса: что в текущих угрозах реально, а что — лишь надуманные опасения.

➡️ Вендорское финансирование «на стероидах»

Одной из самых обсуждаемых схем стало круговое финансирование. Механика проста: поставщик оборудования инвестирует в клиента, который на эти же деньги покупает его чипы. Например, Nvidia: компания инвестирует до $100 млрд в OpenAI для строительства мощностей, значительная часть которых пойдёт на аренду их же GPU.

«Нео-облака»: Nvidia вкладывается в таких игроков, как CoreWeave, которые закупают тысячи чипов и перепродают мощности тем же ИИ-стартапам. Аналитики проводят прямые параллели с крахом Cisco в конце 90-х, называя это «round-tripping» — когда деньги возвращаются к источнику, создавая иллюзию внешнего спроса.

➡️ Магия кредитов на облачные вычисления

Значительная часть выручки в секторе — это не живые деньги, а Cloud Credits. Microsoft, Google, Amazon инвестируют в стартапы облачными мощностями. Эти кредиты нельзя потратить нигде, кроме как у этого провайдера. При их отработке провайдер фиксирует это как выручку облачного бизнеса. Для стартапа это выглядит как рост ARR (годовой выручки), но по факту это субсидированный спрос. Когда кредиты закончатся, экономическая модель многих «обёрток» над ИИ-моделями может просто рассыпаться.

➡️ Скрытый долг и SPV

Чтобы официальная отчётность выглядела красивее, корпорации всё чаще используют внебалансовые структуры для строительства ЦОД. Только в 2025 году гиперскейлеры выпустили более $100 млрд нового долга для финансирования ИИ. Риск переносится в сегмент частного кредита, который не привык к столь быстро устаревающим активам, как ИИ-чипы.

➡️ Разрыв между Capacity и Utility

Главный вопрос аналитиков: где взять $2 трлн ежегодной выручки к концу десятилетия, чтобы оправдать текущие вложения в железо? Существует явный разрыв между создаваемыми мощностями (Capacity) и реальной экономической пользой (Utility). Более того, стоимость обучения моделей растёт, а инкрементальные улучшения по бенчмаркам становятся всё скромнее. Это снижает отдачу на капитал и усиливает опасения, что спрос на инфраструктуру взят «авансом» под прорывы, которые могут не случиться.

Почему это (возможно) не пузырь?

Существует и лагерь оптимистов, среди которых Goldman Sachs, Robeco, указывающих на важные отличия от 1999 года.

⭐ Реальные деньги: капекс финансируется из свободного денежного потока прибыльных гигантов, а не только за счёт спекулятивного долга.
⭐ Маржинальность: облачные сегменты Amazon и Microsoft в 2025 году показывают маржу выше 30%, подтверждая наличие платёжеспособного спроса.
⭐ Продуктивность: в отличие от доткомов, ИИ уже приносит реальную экономию труда в ряде отраслей.

Пузырь, скорее всего, есть не в самой технологии ИИ, а в финансовой архитектуре и темпах инвестиций. Слухи о «фиктивной выручке» и «двойном счёте» имеют под собой почву — это смесь реального прогресса и агрессивной финансовой инженерии.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🖥 Claude Skills и Web3 рождают новую экономику экспертов

В последние дни криптоэнтузиасты все громче заявляют о запуске совершенно нового рынка "разделения труда" среди ИИ-агентов, обладающих специализированными ИИ-навыками.

Давайте разберемся, что это значит.

Что такое Claude Skills и как они работают❓

Claude Skills — это модульные пакеты инструкций, скриптов и корпоративных знаний, которые превращают Claude из обычного универсального чат-бота в узкоспециализированного эксперта.

В отличие от Custom GPTs от OpenAI или Gems от Google, где вам нужно вручную переключаться на разных ботов, Claude использует концепцию незаметного подключению. Вы общаетесь в едином окне, а модель сама анализирует ваш запрос и в фоновом режиме подтягивает нужный файл SKILL.md со всеми инструкциями и Python-скриптами из вашей базы. Чтобы подключить навыки, достаточно поместить директорию со скриптом в вашу локальную папку .claude/skills/ (для работы с Claude Code / Agent SDK) или загрузить zip-архив через настройки web-интерфейса Claude.ai.

📌 Релиз официального гайда Anthropic

Огромным катализатором рынка стал выпуск в середине февраля 2026 года официального 32-страничного гайда от Anthropic: "The Complete Guide to Building Skills for Claude". Этот документ спровоцировал настоящий взрыв качества в директориях навыков: навыки из простых текстовых промптов окончательно эволюционировали в сложные, автономные мини-программы, готовые к монетизации на блокчейне.

💡 Зарождение Web3-экономики: навыки как цифровой актив

Самое интересное как раз и начинается на стыке ИИ и блокчейна. Концепция "разделения труда" подразумевает, что ни один ИИ не может уметь все идеально. Возникает потребность в обмене компетенциями: один агент специализируется на парсинге баз данных, другой — на сложном юридическом комплаенсе, третий — на арбитраже.

До недавнего времени проблема была в том, как монетизировать эти знания. Продавать исходный код навыка — значит сразу же его "слить". Здесь на сцену выходит Web3-фреймворк:

1️⃣ Аутентификация: каждый сложный навык, например, для автоматизированного аудита смарт-контрактов с набором закрытых скриптов, инкапсулируется и получает цифровой криптографический отпечаток.
2️⃣ Защита интеллектуальной собственности: вы продаете не код, а "исполняемую профессиональную услугу". Логика скрыта за процедурами блокчейна.
3️⃣ Глобальные микроплатежи: Web3-инфраструктура обеспечивает бесшовные микротранзакции. Когда чей-то чужой ИИ-агент обращается к вашему навыку для выполнения задачи, смарт-контракт моментально списывает доли центов и отправляет их вам на кошелек.

Таким образом, формируется рынок, где редкие эксперты (специализированные юристы, финансовые аналитики, сеньор-разработчики) могут оцифровать свои методы работы в виде "навыка" и сдавать его в аренду миллионам ИИ-агентов по всему миру.

🤖 Agent37 — главная витрина новой экономики

Где найти эти навыки? На данный момент крупнейшим неофициальным маркетплейсом является Agent37. Это платформа, созданная энтузиастами, которая уже проиндексировала сотни тысяч навыков. Ее главная фича — встроенная в вэб-интерфейс песочница. Вы можете просто кликнуть по ссылке на сложный навык и протестировать его работу прямо в браузере, не скачивая себе на компьютер сторонние скрипты и не настраивая окружение. Для авторов же Agent37 стал первой площадкой, позволяющей настроить оплату и легально монетизировать свои сборки.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

📲 Люди устали от ИИ (?)

На днях NBC провел опрос среди тысячи избирателей в США — 46% респондентов относятся к ИИ негативно. Только 26% относятся к ИИ положительно, ещё 27% — нейтрально. По симпатиям ИИ оказался непопулярнее ICE (Immigration and Customs Enforcement) и президента Трампа. Хуже результаты были только у Демократической партии и Ирана.

"Медовый месяц" с ИИ закончился?

2023–2024 были годами восторга: ChatGPT, генеративные картинки, «ИИ всё изменит». Но похоже, что к 2026-му началась новая стадия — AI fatigue. Мы покопались в исследованиях — и нашли довольно много подтверждений, вот некоторые из них:

➡️ EMARKETER: доля людей, которым нравится ИИ-контент, упала с 60% в 2023 до 26% в 2025.
➡️ Boston Consulting Group: активное использование ИИ увеличивает ментальную усталость на 12% и повышает когнитивную нагрузку на 14%.
➡️ Harvard Business Review: использование более 3 ИИ-инструментов резко увеличивает усталость.
➡️ EY: пользователи всё чаще замечают однотипность и предсказуемость ИИ-контента, из-за чего возникает ощущение информационного шума и усталости.
➡️ НАФИ, Ингосстрах, клиника «Будь Здоров»: 43% жителей России готовы отказаться от всего, что связано с ИИ.

Откуда взялась глобальная усталость от ИИ?

Большинство исследований приходят к выводу, что глобальная усталость от ИИ и ИИ‑контента складывается из нескольких факторов:

😥 Переизбыток и навязчивость: ИИ теперь в каждой рекламе, каждом приложении. Когда «ИИ» становится синонимом маркетинга, он начинает восприниматься как шум, а не как инновация.
😥 Инфошум и недоверие к реальности: Люди уже и до ИИ устали от контента, а теперь ещё и не уверены, существует ли то, что они видят. Это истощает доверие к картинкам, видео, новостям и в целом подтачивает чувство опоры.
😥 Страх потери контроля и работы: тема «нас заменят» и «системы всё решают за нас» присутствует почти во всех странах. Даже если это пока не личный опыт, это эмоциональный фон, который мешает относиться к ИИ спокойно.
😥 Холодность и обезличенность: ИИ‑контент часто воспринимается как чуть более изящный спам. Люди чувствуют себя адресатами «массовой рассылки», а не диалога.
😥 Этические ужасы на фоне прогресса: от дипфейков и политических манипуляций до использования ИИ в создании насильственного контента — всё это усиливает ощущение, что технология развивается быстрее, чем общество успевает понять, как её держать под контролем.

Но даже если ИИ начинает всех раздражать, процесс уже не остановить.

Все внедряют ИИ. Работодатели требуют ИИ-навыки. ИИ становится примерно тем же, чем в своё время стал интернет. The show must go on. Поэтому главный вопрос сейчас не «как отказаться от ИИ», а как не начать его ненавидеть.

Вдох - выдох: несколько простых советов, если ИИ начинает бесить

1️⃣ Не пробуйте каждый новый ИИ-сервис. Вы не обязаны тестировать каждый новый «ИИ‑стартап»
2️⃣ Используйте ИИ точечно, под задачи. Вместо бесконечного «поиграться» попробуйте использовать ИИ только для конкретных задач
3️⃣ Не генерируйте контент ради контента
4️⃣ Вместо скачивания десятка чат‑ботов выберите один‑два, которые реально помогают, и игнорируйте остальное
5️⃣ Не автоматизируйте то, что и так работает

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

Дайджест интересных новостей из мира ИИ, созданный нами с использованием нейросетей 📆

🇷🇺 Правительство РФ создало подкомиссию по развитию и внедрению технологий ИИ
Она займётся оперативным решением возникающих вопросов внедрения ИИ и координацией работы ведомств.

🤖 В работу правительства Сахалинской области внедрили 70 ИИ-инструментов
ИИ обследует дороги, следит за возгораниями в лесах, мониторит состояния русел рек в регионе.

📹 ИИ помог найти более 5 тыс. преступников и пропавших в Новосибирской области
В 2025 г. с помощью ИИ от NtechLab правоохранителям региона удалось задержать почти 3 тыс. преступников, что на 60% больше, чем по результатам 2024 г.

✍️ В школах Подмосковья запустили пилот по использованию ИИ для проверки тетрадей
ИИ анализирует фотографии, выявляет ошибки, предлагает предварительную оценку и комментарий.

☁️ МТС Web Services запускает направление Physical AI
Компания будет развивать технологий и ПО для создания и поддержки когнитивных навыков роботов на основе возможностей ИИ.

🩻 Университет «Иннополис» разработал универсальную ИИ-систему для анализа медицинских снимков
ИИ-модель анализирует медицинские изображения, находит и выделяет патологии органов и автоматически формирует их текстовые описания.

🦠 ИИ-беспилотники будут уничтожать сорняки с помощью систем опрыскивания
Испытания начнутся в конце марта на базе Ставропольского государственного аграрного университета.

🇪🇺 Европарламент планирует создать платформу генеративного ИИ к концу 2026 года
Планируется создание программы, чтобы научить законодателей использовать технологию в работе.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🌍 Самая перспективная концепция ИИ для управления миром стала на один шаг реальнее

Месяц назад мы уже писали о самом прорывном подходе к развитию ИИ — Object-Driven AI, который лежит в основе настоящих World Models. Автор концепции — Ян Лекун, один из «отцов» современного глубокого обучения, и основатель нового ИИ-стартапа AMI Labs (Advanced Machine Intelligence).

Мы продолжаем следить за этой историей, и на прошлой неделе наконец дождались новостей. AMI labs официально вышел из стелса и объявил о seed-раунде на $1,03 млрд при оценке $3,5 млрд. Это одна из крупнейших ранних инвестиций в европейский стартап такого типа.

В раунде приняли участие около 20 богатейших инвесторов: Cathay Innovation, Greycroft, Hiro Capital, HV Capital и Bezos Expeditions, а также Toyota Ventures, Temasek, SBVA, NVIDIA, Mark Cuban, Eric Schmidt, Xavier Niel, Publicis Groupe, Samsung, Bpifrance Digital Venture, Jim Breyer и Tim & Rosemary Berners-Lee.

Рынок воспринял новость как большую: инвесторы фактически поставили более миллиарда долларов не на готовый продукт, а на новую базовую парадигму ИИ после бума LLM.

🦾 Как будет выглядеть первый прототип

AMI строит не очередной LLM-продукт, а «world models» — системы, которые должны понимать реальный мир, иметь постоянную память, уметь рассуждать и планировать. По описанию компании, такие модели учатся на потоке сенсорных данных, строят абстрактные представления среды и прогнозируют последствия действий, а не просто генерируют следующий токен, как языковые модели.

Готового прототипа AMI пока не показала, поэтому по открытым материалам можно описать только его ожидаемую форму. Судя по официальному описанию, первая версия будет больше похожа не на чат-бота, а на исследовательскую систему, которая получает непрерывные данные с камер и других сенсоров, держит в памяти состояние среды, моделирует последствия возможных действий и строит безопасный план выполнения задачи. То есть это, скорее всего, будет базовый «движок понимания и планирования» для роботов, носимых устройств, медицинских и промышленных систем, а не отдельное массовое приложение

Почему это будет прорывом⁉️

Главная ставка ЛеКуна в том, что текущие генеративные LLM хорошо работают с языком, но плохо подходят для грязных, непрерывных и частично непредсказуемых данных физического мира, поэтому нужен другой класс ИИ-систем. Если эта ставка сработает, AMI сможет продвинуть ИИ от убедительной генерации текста к надежному действию в реальной среде — там, где критичны причинное понимание, планирование, подконтрольность и безопасность.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

Дайджест интересных новостей из мира ИИ, созданный нами с использованием нейросетей 📆

🖥 Правительство РФ утвердило дорожную карту развития суперкомпьютеров
Мероприятия в документе формируют требования к суперкомпьютерным центрам коллективного пользования, порядок предоставления доступа к ним, а также перспективы их развития.

📈 Исследователи Сбера представили инструмент для оценки долгосрочных прогнозов ИИ-моделей
Бенчмарк HoTPP и новая метрика T-mAP позволят объективно измерять, насколько хорошо ИИ предсказывает активность человека на заданном горизонте времени.

🏥 Ученые ЮУрГУ создали первый ИИ, который анализирует репутацию и проблемы медицинских учреждений
ИИ оценивает, что пишут люди о квалификации медиков, интерьере медцентра, его расположении, стоимости услуг и других свойствах исследуемого объекта.

📦 В МФТИ разработали ИИ-систему управления складом для крупного ритейла
Разработка увеличила валовую прибыль крупного дистрибьютора на 7% при тестировании на исторических данных.

🖥 Ученые ПНИПУ создали алгоритм, который прогнозирует, какие специалисты понадобятся через 2–4 года
Алгоритм извлекает из вакансий требуемые навыки, группирует их по профессиональным областям и выдает аналитику о том, какие специалисты и компетенции востребованы на рынке труда.

👊 Американские ученые разработали ИИ для анализа риска домашнего насилия по данным электронных медкарт пациентов
Система в среднем предсказывает случаи насилия за 3,7 года до того, как пациенты обращаются за помощью с точностью 88%.

🤑 Meta (признана в РФ экстремистской) и Nebius инвестируют в ИИ-инфраструктуру $27 млрд
Nebius предоставит в начале 2027 года выделенные мощности, ориентировочная стоимость которых составляет $12 млрд, для работы ИИ.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🤝 Иллюзия консенсуса: почему ИИ-агенты не станут нам друзьями

В сообществе разработчиков автономных агентов принято считать, что «роя» умных моделей достаточно, чтобы решать сложные задачи через внутреннее обсуждение. Однако свежий препринт исследователей из ETH Zurich «Can AI Agents Agree?» ставит под сомнение саму возможность цифрового согласия.

Эксперимент был предельно простым: группу популярных ИИ-агентов просили договориться о выборе одного числа в диапазоне от 0 до 50. Никаких конфликтов интересов, никакой выгоды — просто поиск консенсуса.

Краткие выводы исследования:

1️⃣ Проблема масштабирования. Группы из 4 агентов еще справляются, но при увеличении числа участников до 16 система ломается. Агенты начинают бесконечный цикл «спама» предложениями, не слыша друг друга.
2️⃣ Цифровая паранойя. Достаточно добавить в системный промпт упоминание о возможном «предателе», как честные агенты становятся гиперподозрительными. Эффективность падает мгновенно, даже если все участники настроены дружелюбно.
3️⃣ Хрупкость перед хаосом. Один агент-саботажник способен полностью парализовать систему. Он не переубеждает остальных, он просто вносит информационный шум, заставляя «умные» модели бесконечно буксовать в обсуждении.

Почему это важно для нас?

Результаты ETH Zurich обнажают фундаментальную проблему: у нейросетей отсутствует внутренний мотив к согласию. Для ИИ-агента консенсус — это просто выполнение статистической вероятности предсказания следующего токена. У него нет социального инстинкта, нет страха изоляции и нет ценности «общего дела».

Именно поэтому ИИ в его нынешнем виде не может быть полноценным партнером, сотворцом или другом. Дружба и партнерство строятся на преодолении разногласий ради общей ценности. У алгоритмов же есть только инструкция, которая рассыпается при малейшем шуме.

Главный урок для людей

Этот эксперимент — зеркало для человечества. Мы привыкли считать способность договариваться чем-то само собой разумеющимся. Но кейс с ИИ-агентами показывает: когда процесс коммуникации превращается в пустой обмен информацией без искреннего стремления понять другого, наступает «цифровое отупение».

Если мы, люди, перестанем искать точки соприкосновения и начнем просто транслировать свои позиции, мы неизбежно деградируем до уровня этих «чугунных болванчиков».

Наша сила не в вычислительной мощности, а в способности сопереживать и идти на компромисс.

Поэтому прежде чем доверять управление миром «рою агентов», стоит вспомнить, что они не умеют даже выбирать цифру. А нам пора заново учиться искусству диалога, пока мы не превратились в бесконечно спамящие нейронки.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🔮 ИИ учится предсказывать будущее. Вопрос — кто будет управлять этим будущим

Многие уже слышали про новую статью Сбера с провокационным названием, которое намекает о том, что "они научились предсказывать будущее": HoTPP benchmark: Are we good at the long horizon events forecasting?

Нам этот вопрос близок и мы делали в прошлом году три обзора про прогнозирование моды, катастроф и покупок на маркетплейсах. Сегодня посмотрим, что нового говорят эксперты Сбера.

Корпоративные исследователи Сбера предложили открытый бенчмарк HoTPP и метрику T-mAP для оценки долгосрочного прогноза событий сразу по двум параметрам: что именно произойдет и когда именно это произойдет. Причем речь идет не об игрушечных датасетах, а наших с вами данных: в финансах, e-commerce и медицине — областях, где точность прогноза быстро превращается в деньги, а неверное решение — в потерянного клиента.

Возможно, самая ценная сторона этой работы — её антихайповость. Сбер показывает, что более сложные нейросетевые архитектуры не всегда предсказывают долгосрочные события лучше, чем простые статистические методы, хотя GPU-оптимизация ускоряет обучение и инференс в десятки раз.

То есть сегодня важен уже не только размер модели, а то, как именно мы измеряем качество прогноза и не путаем ли вычислительную мощь с реальной способностью видеть будущее.

Но Сбер не одинок в этих попытках. Все ИИ-разработчики идут в сторону прогнозов. И чем лучше нейросети предсказывают будущее, тем труднее понять, где заканчивается полезная рекомендация и начинается управление человеком. Потому что заказчиков на такой прогноз уже слишком много: маркетплейсы хотят знать, что мы купим завтра, работодатели — кто выгорит или уволится, политические штабы — как сдвинуть настроение групп, а цифровые сервисы в целом — какой сигнал, стимул или интерфейс подтолкнет нас к "нужному" действию.

Например, обратим ваше внимание на бенчмарк FutureBench от HuggingFace. Они проверяют не абстрактное знание модели о прогнозах, а способность агентно собирать свежий контекст, учитывать время и строить прогноз по еще не завершившимся событиям. Это уже очень близко к тому, как подобные системы будут применяться в политике, бизнесе, медиа и безопасности.И все потому что современные ИИ-агенты все чаще строятся вокруг доступа к актуальному пользовательскому контексту: письмам, календарю, задачам, документам и рабочим материалам.

Это означает, что модель пользователя становится не просто "анкетой", а постоянно обновляемым цифровым двойником, и именно здесь рациональная рекомендация легко превращается в механизм подталкивания.

Для разработчиков при этом остаются тяжелые нерешенные проблемы: постоянное изменение среды пользователей и целей, наличие обратной связи типа "прогноз меняет поведение", слабая калибровка вероятностей, риск того, что бенчмарк награждает не точность, а удачную игровую стратегию, и тот факт, что коллективная экспертиза людей иногда все еще устойчивее отдельной модели.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

Дайджест интересных новостей из мира ИИ, созданный нами с использованием нейросетей 📆

🇷🇺 Минцифры опубликовало проект закона о регулировании ИИ
Документ впервые закрепляет само понятие ИИ, устанавливает права и обязанности участников рынка и вводит обязательную маркировку контента, созданного с помощью ИИ.

🏥 Вступил в силу ГОСТ "Системы искусственного интеллекта в здравоохранении. Термины и определения. Классификация"
Документ устанавливает термины и определения для систем ИИ в здравоохранении, а также классификацию подобных систем.

🛢 Исследователи Университета Иннополис создали ИИ-сервис, который ускоряет разработку катализаторов для нефтегаза и водородной энергетики в 5 раз
Решение позволяет обрабатывать свыше 1 млн структур катализаторов ежегодно, в 1000—5000 раз ускоряя вычисления и на 40% снижая затраты на исследования.

📞 Группа ЦРТ внедрила речевые технологии в работу контакт-центра ВТБ
ИИ-ассистенты анализируют обращения, определяют тематику и с учетом предыдущих обращений формулируют подсказки для операторов.

🏦 Т-Технологии выпустили на рынок ИИ-тренажер Robocoach для обучения персонала
ИИ-решение позволило компании сократить срок первичного обучения сотрудника с 7 до 3 дней, время на адаптацию – с 10 часов до 1 часа в неделю.

📞 Билайн Big Data & AI открыла бесплатный демодоступ к двум новым ИИ-агентам для бизнеса
ИИ-агент «Помощник аналитика» помогает находить причины отклонений в показателях, а «Маркетолог» — проанализировать рынок, составить отчет или подготовить тезисы для презентаций.

⚙️ Ученые ВШЭ научили нейросеть «слышать» неисправности в электродвигателях
Метод Signature-Guided Data Augmentation способен с точностью 99% определять неисправность двигателей и с точностью 86% классифицировать типы возникших поломок.

😴 Специалисты СамГМУ разработали два ИИ-помощника для оценки структуры сна
Программа формирует стандартные отчеты, которые содержат ключевые метрики качества классификации и помогают врачу быстро оценить характер нарушений.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

👨‍🔬 Готов ли ИИ заменить ученых?

Мы уже несколько раз писали об ИИ в науке как ключевом инструменте для новых открытий. Темпы внедрения ИИ в исследовательскую деятельность растут с каждым месяцем, и начало 2026 года лишь подтверждает этот тренд.

В сети легко найти информацию о множестве ярких достижений, сделанных в науке благодаря ИИ:

➡️ Онкология: создание модели MangroveGS, которая с точностью 80% предсказывает риск рака.
➡️ Кардиология: диагностика сердечной недостаточности по обычным снимкам УЗИ.
➡️ Физика и математика: расчет сложнейших конфигурационных интегралов за секунды вместо недель.
➡️ Материаловедение: открытие десятков новых высокотемпературных магнитных материалов, которые помогут создавать двигатели для электромобилей без использования дефицитных редкоземельных элементов.

И поэтому с экспоненциальным ростом числа ИИ-открытий критически важным становится вопрос их реальности и надежности. Мы входим в эпоху, когда верифицируемость и интерпретируемость алгоритмов играют даже большую роль, чем сама скорость вычислений. Без строгого контроля риск «научной фантазии» в фундаментальных данных может привести к научным тупикам.

На фоне этого в крупнейших научных изданиях вышло три фундаментальных обзора, анализирующих текущее состояние ИИ-науки. Мы выделили главное в каждом:

1️⃣ Безопасность в лабораториях
Nature: Benchmarking large language models on safety risks in scientific laboratories

Идея: современные LLM пока непригодны для автономной работы в реальных лабораториях. Исследование с помощью бенчмарка LabSafety Bench показало, что ни одна из топовых моделей не смогла преодолеть порог точности в 70% при идентификации критических угроз и оценке рисков эксперимента.
Проблема: «иллюзия понимания». Ученые могут излишне доверять ответам ИИ, которые выглядят логично, но в реальности не учитывают физическую динамику среды. Это создает риск реальных аварий и травм при проектировании сложных химических или биологических процессов.

2️⃣ Ученый как ответственный пилот
Nature: AI agents are 'aeroplanes for the mind': five ways to ensure that scientists are responsible pilots

Идея: Дашунь Ван предлагает сменить старую метафору Стива Джобса «компьютер — это велосипед для ума» на новую: «ИИ — это самолет для ума». Самолеты летают гораздо быстрее, но они сложнее в управлении, а их крушение катастрофично. Автор настаивает на модели «пилота в команде», где человек сохраняет за собой финальный контроль.
Проблема: «ускоренная наука без рефлексии». Агентный ИИ склонен выдавать «усредненные» результаты, основанные на статистике обучения. Это подавляет творческую интуицию исследователя и может привести к массовому тиражированию системных ошибок в научных работах.

3️⃣ Тест на научный интеллект
Science: How will we know if AI is smart enough to do science?

Идея: стандартных тестов больше недостаточно для оценки способностей ИИ к открытиям. Необходим целый портфель специализированных бенчмарков (таких как HLE, FrontierScience или SDE), которые проверяют не просто знание фактов, а способность ИИ строить цепочки рассуждений и работать с еще не опубликованными данными.
Проблема: огромный разрыв между обладанием знаниями и умением их применять. Большинство моделей обучаются на схожих массивах данных и «застревают» на одних и тех же сложных задачах, демонстрируя отсутствие истинного научного мышления в новых нестандартных сценариях.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

Дайджест интересных новостей из мира ИИ, созданный нами с использованием нейросетей 📆

🩻 Медики из Красноярского края первыми в России начали использовать ИИ для диагностики туберкулеза
Все флюорографические цифровые установки в крае оснащены модулями и ПО для передачи снимков органов грудной клетки в региональную систему медицинских телекоммуникаций, где ИИ проводит их анализ.

🖥 Альфа-Банк первым в России переводит разработку на «вайбкодинг»
Пилотные проекты с применением Enterprise Vibe Coding уже запущены в архитектурном проектировании, разработке внутренних продуктов, миграции процессов на новые платформы и сервисах поддержки принятия решений.

🐝 "Билайн" внедрил ИИ для управления инцидентами на сети
Решение позволит в два раза ускорить время взятия инцидента в работу и на 5% снизить средние сроки устранения проблем.

🦾 Российские ученые нашли способ в 30 раз ускорить движения роботов за счет использования квантовых компьютеров
Новый метод открывает путь к созданию более быстрых, точных и энергоэффективных роботов, а также решению других сложных оптимизационных задач.

🌊 В ТюмГУ представили цифровых помощников для информирования населения о паводках
ИИ-консультант по паводкам снизит время поиска информации при ЧС, уменьшит нагрузку на горячие линии, сократит число пострадавших и материального ущерба.

💎 В Якутии запустят проект "Ювелир.AI"
Пилот направлен на создание интеллектуальной цифровой системы генерации дизайна ювелирных изделий с использованием якутской орнаментики.

🤖 Марк Цукерберг занимается разработкой ИИ-агента, который должен помочь ему выполнять работу гендиректора
Например, с помощью программы он быстрее получает информацию, ради которой в прежние времена ему приходилось обходить несколько уровней подчиненных.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🛂 Прощай, анонимный интернет: Сэм Альтман выдает «паспорта» ИИ-агентам

Эпоха «цифровой свободы», где миллионы анонимных ботов бесконтрольно парсят данные, выдают себя за людей и заполняют корзины онлайн-гипермаркетов, подходит к концу. Мы вступаем в эру агентской экономики, и теперь у каждого легитимного ИИ-помощника появится своеобразное удостоверение личности.

Что задумал Сэм Альтман?

Проект World Network, бывший Worldcoin, совершил стратегический разворот. Если раньше сканирование сетчатки глаза через устройства Orb казалось странным крипто-экспериментом, то к марту 2026 года стало ясно, что Альтман строит глобальный «слой идентификации» для ИИ.

Он совместно с Coinbase запустил проект AgentKit — инструментарий, который позволяет ИИ-агенту криптографически доказать, что за ним стоит реальный человек. Это и есть тот самый паспорт агента.

Как работает эта инфраструктура?

Это не просто планы, а уже функционирующая система:

➡️ Биометрический фундамент: в системе уже 38 млн пользователей, из которых 18 млн прошли полное сканирование через Orb.
➡️ Финансовая магистраль: благодаря протоколу x402 (совместная разработка Coinbase и Cloudflare), ИИ-агенты получили нативную систему платежей. Они могут совершать микротранзакции стоимостью менее $0.01 за пару секунд.
➡️ Стандартизация: протокол MCP от Anthropic — своего рода «USB-C для ИИ» — позволяет моделям вроде Claude или ChatGPT бесшовно подключаться к этим платежным и идентификационным инструментам.

К чему это приведет в ближайшее время?

1️⃣ Конец анонимных запросов: вероятно, скоро для доступа к мощным LLM-моделям или защищенным API пользователю придется подтверждать свою личность по биометрии. Это станет фильтром против злонамеренных бот-сетей.
2️⃣ Экономика микроплатежей: вместо подписок и рекламных баннеров придет модель pay-per-query (оплата за каждый запрос). Ваш ИИ-агент будет сам платить доли цента сайтам за нужную вам информацию через x402.
3️⃣ Борьба с перекупщиками: билетные сервисы и отели смогут блокировать массовые фейковые брони, разрешая покупки только агентам, подтвержденным реальным World ID.

Идентификация vs приватность

Пока мир разделился: Токио и Лондон активно внедряют точки верификации Orb, А вот в Европе в этом году должен вступить в в силу EU AI Act, который наложит жесткие рамки на подобные системы.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

📲 ИИ вместо социализации?

Зумеры все чаще стали использовать нейросети для интерпретации чувств и эмоций других людей. Молодые люди могут задавать ИИ вопросы по типу "что он/она имел в виду в этом сообщении?" или "как тактично сказать "нет" начальнику?". Это явление получило название social offloading — "перекладывание" неприятных, неловких и эмоционально сложных разговоров на ИИ.

Согласно исследованию Common Sense Media, треть подростков уже предпочитают ИИ-компаньонов людям для серьезных разговоров. Однако это явление касается не только зумеров, а также наблюдается и среди поколения альфа (2010-2024 год рождения) и некоторых миллениалов (1981-1996 год рождения).

Почему мы стали больше обращаться к ИИ в таких вопросах?

✅ ИИ всегда доступен и никогда не осуждает.
✅ С ИИ легче обсуждать чувствительные темы, не опасаясь последствий для репутации или оценки со стороны других людей.
✅ После пандемии многие подростки получили меньше практики живого общения в критический период формирования социальных навыков.
✅ Подростки уже привыкли общаться в виртуальном мире, поэтому добавление ИИ как «фильтра» воспринимается как еще один сервис в телефоне.

Но главный парадокс в следующем: с ИИ проще, но после него — сложнее с людьми.

1️⃣ Если каждый сложный разговор проходит через «фильтр ИИ», у нас хуже тренируются навыки читать интонации, выдерживать неловкость, чинить конфликты. Мы меньше пробуем сами — и больше ждем подсказку.

2️⃣ Появляется также ощущение: «без ИИ я ничего не решу». Мы начинаем меньше доверять своим чувствам и интуиции, жить с внутренним "автокорректором" на каждую эмоцию.

3️⃣ В итоге отношения становятся более «глянцевыми»: сообщения звучат идеально, но за ними — не всегда живой человек, а оптимизированная версия его голоса. В итоге может расти ощущение дистанции и фальши, хотя текст вроде бы идеален.

ИИ правда уже разбирается в эмоциях лучше нас?

Этому действительно есть подтверждения. Например, в исследовании Университетов Женевы и Берна в тестах на эмоциональный интеллект LLMs выбирали правильный ответ в 81% случаев, по сравнению с 56% у людей. Более того, ИИ может эффективно воспроизводить такие эмоции, как печаль, гнев и счастье.

Технически в тестах ИИ может превосходить людей по точности распознавания эмоций человека, но это не «понимание».

Речь о распознавании паттернов, основанном на огромных массивах данных, а не о переживании или понимании контекста конкретной жизни человека. Человеческие отношения включают телесное присутствие, историю отношений и моральную ответственность — всё это влияет на то, как мы понимаем эмоции друг друга, и не может быть полноценно смоделировано ИИ.

ИИ можно использовать ИИ как тренажер общения, а не замену. При этом важно ограничивать «эмоциональную зависимость» от ботов и развивать ИИ-грамотность — понимание его ограничений.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

Дайджест интересных новостей из мира ИИ, созданный нами с использованием нейросетей 📆

👨‍🏫 Совфед готовит законопроект, который установит правила использования ИИ в образовании
Предлагается ввести специальные «санитарные правила», которые ограничивали бы бесконтрольное использование ИИ-технологий, не создавая при этом барьеров для их развития.

💊 В Подмосковье с помощью ИИ сделали свыше 316 тыс. лекарственных назначений
В момент создания рецепта на лекарство он автоматически проводит проверку по 15 основным показателям.

🧠 Ученые Центра практического ИИ Сбербанка, Института AIRI и Сколтеха нашли способ определять момент, когда ИИ при экономии памяти начинает терять смысл
Алгоритм детекции ошибок сжатия позволяет ИИ обрабатывать длинные диалоги, не теряя детали и не расходуя лишние мощности.

🤖 Исследователи SberAI, MWS AI и российских университетов представили первую методологию для тестирования русскоязычных систем генеративного ИИ, дополненных поиском
В перспективе разработка поможет корпорациям быстро оценивать точность работы создаваемых ими ИИ-ассистентов и сравнивать их эффективность с уже существующими решениями такого рода.

📰 "Дзен" запускает новостного ИИ-ассистента "Глиф"
Он обучен на более чем 200 млн новостных материалов и сможет давать развернутые и релевантные ответы на вопросы пользователей по новостям.

🇺🇸 Госдеп создал бюро по борьбе с угрозами от ИИ и других новых технологий
В новой структуре пять управлений: кибербезопасность, критическая инфраструктура, передовые технологии, космическая безопасность и оценка новых угроз.

📹 OpenAI объявила о закрытии приложения для создания ИИ-роликов Sora
Команда Sora теперь займется долгосрочными проектами, такими как робототехника.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🌍 Менеджмент скоро получит новый ИИ-инструмент: симуляторы реальности

Эпоха «интуитивных решений» и классического риск-менеджмента уходит. На смену им приходят цифровые полигоны на основе ИИ-моделей. Раньше, чтобы понять, как рынок отреагирует на новый продукт или как общество встретит реформу, нужно было проводить фокус-группы и опросы. Это долго, дорого и часто неточно.

Недавний кейс проекта MiroFish открыл совсем новые возможности.

Китайский студент Го Ханцзян (ник 666ghj) из Чжэцзянского университета в Ханчжоу за 10 дней «накодил» систему, которая строит параллельные цифровые миры. Инвестфонд Shanda Group в начале года уже выписал чек на 30 млн юаней ($4.1 млн).

Как это работает:
➡️ Вы скармливаете ИИ вводные данные (новости, отчеты, контекст).
➡️ Система создает тысячи «цифровых двойников» людей с разными характерами и памятью.
➡️ В ускоренном режиме ИИ прокручивает сотни вариантов развития событий.

На что способен MiroFish?

MiroFish позиционируется не просто как чат-бот, а как «цифровой макет будущего». Это мультиагентная система прогнозирования, которая работает по следующему алгоритму:
1️⃣ GraphRAG — построение графа знаний: вы загружаете «сырые» данные (новости, отчеты, даже черновики законов). Система строит карту сущностей и связей.
2️⃣ Создание агентов: ИИ генерирует тысячи персонажей с уникальными чертами личности, памятью и социальными ролями.
3️⃣ Симуляция (движок OASIS): агенты «выпускаются» в созданную цифровую среду, где они начинают взаимодействовать: спорить, торговать, менять мнение под влиянием новостей.
4️⃣ Прогноз: на выходе система выдает отчет о том, к какому «консенсусу» пришло это мини-общество.

Аналогичные проекты — цифровые полигоны общества

MiroFish — не единственный игрок. Тренд на «генеративную социальную науку» (Generative Social Science) активно развивается:
➡️ Stanford Generative Agents (Smallville): в 2023 году исследователи Стэнфорда создали городок из 25 ИИ-агентов. Оказалось, что они способны на сложное социальное поведение: планировать вечеринки, заводить друзей и передавать слухи.
➡️ AgentSociety: крупномасштабный симулятор, способный поддерживать более 10 тыс. агентов. Он используется для тестирования таких явлений, как социальная поляризация или влияние безусловного базового дохода на мотивацию людей.
➡️ Be.FM (Behavioral Foundation Model): совместный проект Стэнфорда и Университета Мичигана. Это модель, обученная на огромных массивах данных психологических и экономических экспериментов. Она предсказывает человеческие реакции с точностью до 85%, что сопоставимо с повторным опросом реальных людей.

Как модель можно применять в новом менеджменте?

➡️ Тестирование PR-кризисов: загрузите текст пресс-релиза и посмотрите, как через 2 часа симулированные «лидеры мнений» разнесут его в цифровых соцсетях.
➡️ Финансовое моделирование: как поведут себя частные инвесторы при резком изменении ставки? Агенты MiroFish имитируют панику, жадность и стадное чувство.
➡️ Городское планирование: симуляция реакции жителей района на закрытие парка или стройку ТЦ.

Какая цена вопроса?

Один запуск симуляции на 1 тыс. агентов (100 раундов) на моделях среднего уровня обойдется в $300 – $800. Если использовать топовые модели для каждого агента, цена взлетит до $5,000+ за один прогон.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

Дайджест интересных новостей из мира ИИ, созданный нами с использованием нейросетей 📆

👱‍♂️ В Госдуме предложили запретить генерацию цифрового образа конкретного человека без его предварительного согласия
Соответствующей нормой предложили дополнить опубликованный проект о государственном регулировании ИИ.

🏗 Минстрой внедрит ИИ во все циклы строительства объектов до 2030 года
Правительством разработаны соответствующие показатели эффективности внедрения ИИ на всем жизненном цикле объектов капитального строительства.

🗺 В «Яндекс.Карты» встроили советы от ИИ
В чате с ИИ приложения стало возможно подбирать места по наличию позиции меню или услуги.

💳 Сбер внедрил в платформу GitVerse для работы с кодом ИИ-помощник GigaCode
Ассистент в формате чата отвечает на вопросы по документации, помогает создавать репозитории и проекты, настраивать пайплайны и вести разработку.

📞 «Ростелеком» достиг 50% автоматизации клиентской поддержки в чатах с помощью ИИ
Компания внедрила интеллектуальный чат-бот «Омнибот» и базу знаний «ProЗнания» для автоматизации клиентского сервиса и внутренних процессов.

🛗 Компания «Мангазея» и Институт ИИ МФТИ разработали цифровую платформу для подбора оптимальной конфигурации лифтов
Решение позволяет находить алгоритм, который минимизирует время ожидания при заданных ограничениях по площади, скорости и количеству кабин.

⏺ Компания «Нордавинд-Дубна» представила новый сервис VIA MENTIS NOTES для записи протокола встреч
За несколько минут сервис автоматически, без ручной перепечатки превращает записи встреч, звонков и переговоров в транскрибацию и структурированный протокол.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🔎 Детекторы ИИ: охота на ведьм или надежный щит?

Признаемся честно: нас всегда удивляла тяга к созданию детекторов текстов, написанных LLM. Зачем переживать о том, как именно был написан текст, если в нем нет, например, мысли. А если мысль есть — то какая разница с помощью Word или ChatGPT её оформили?

Так или иначе, с развитием LLM стали появляться сервисы-детекторы (GPTZero, Originality.ai и др.), которые обещают с восхитительной точностью отличить текст человека от «машинного». Но как им можно верить, если нейросети обучались на миллиардах страниц человеческого текста? Разбираемся, как это работает.

Математика «предсказуемости»

Детекторы не «читают» текст, как люди. Они ищут статистические аномалии, используя два главных параметра:

6️⃣ Перплексия: это мера сложности текста. LLM обучены выбирать наиболее вероятное следующее слово. Поэтому их текст получается «гладким» и предсказуемым. Если детектор легко предсказывает следующее слово в предложении, он дает сигнал тревоги.
2️⃣ Вариативность: люди пишут неравномерно: одно длинное сложное предложение, за ним — короткое и резкое. У ИИ структура более монотонная.

Что говорит наука?

Исследования, сделанные еще в 2023 году, показывают, что доверять детекторам на 100% — глупая затея.

Исследование Стэнфордского университета показало шокирующие результаты. Детекторы пометили более 60% эссе, написанных не-носителями английского, как «сгенерированные ИИ». Причина? Ограниченный словарный запас и простые грамматические конструкции, которые детекторы ошибочно принимают за «предсказуемость» нейросети.

Ученые из Университета Мэриленда в своей статье «Can AI-Generated Text be Reliably Detected?» доказали, что по мере совершенствования LLM вероятность ошибки детектора будет стремиться к 50%. То есть результат будет не точнее подбрасывания монетки.

Детекторы часто называют Конституцию США или Библию текстами, написанными нейросетью. Почему? Потому что эти тексты очень логичны, выверены и часто встречаются в обучающих выборках ИИ.

Как на этом наживаются мошенники?

Появление детекторов породило новый вид мошенничества — сервисы «гуманизации» (humanizers). Портал Punch описывает эту схему как замкнутый круг страха:

➡️ Запугивание: студентов или копирайтеров пугают тем, что их тексты не пройдут проверку, даже если они писали их сами.
➡️ Платное «спасение»: мошенники предлагают подписку на «обходчики детекторов». Эти сервисы якобы переписывают текст так, чтобы ИИ его не узнал.
➡️ Результат: в лучшем случае сервис просто вставляет невидимые символы или заменяет буквы на похожие из других алфавитов. В худшем — вы платите за то, что нейросеть просто портит вашу работу, делая её неграмотной.

Это превратилось в настоящую фабрику шантажа. Компании-детекторы продают подписки школам, школы наказывают учеников, а ученики платят «гуманизаторам», чтобы те обманули детекторы.

🖍️ Лучший способ доказать авторство — сохранять историю правок в Google Docs или Word. Это весомее любого «процента вероятности» от сомнительного сервиса.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

😈 KAIROS: тайный ИИ-демон от Anthropic?

Уже многие слышали, что во вторник Anthropic случайно выложила в открытый доступ исходный код Claude Code. При публикации версии 2.1.88 в реестре npm разработчики забыли исключить внутренние файлы. В итоге — 512 тыс. строк кода или 1906 файлов оказались в руках общественности. Это не просто «кусок кода», а вся база Claude Code, включая секретные функции, которые годами скрывались за флагами разработки. Одна из такие секретных функций — KAIROS

До сих пор граница была чёткой: ИИ — инструмент, человек — агент. Инструменты не действуют сами и не инициируют. Они ждут команды. KAIROS эту границу стирает. Это первый шаг к ИИ, который существует как сущность — не как программа, которую ты запускаешь, а как участник процесса, который работает рядом с тобой независимо от того, смотришь ты на экран или нет.

Что такое KAIROS?

Технически — это фоновый процесс-демон (kairosActive). Если обычный ИИ ждет вашей команды, то KAIROS работает проактивно.

➡️ он скрывает статус-бар, подавляет вопросы к пользователю и самостоятельно выполняет тяжелые bash-команды в фоне.
➡️ в коде найдены примеры: если ваш сайт упал ночью, KAIROS сам обнаружит сбой, перезапустит сервисы, проверит работоспособность и просто пришлет вам push-уведомление утром: «Всё починил, спи дальше».

В чем технологическая новизна?

KAIROS — это переход от ИИ-ассистента к ИИ-агенту.
1️⃣ Coordinator Mode: Claude становится «дирижером», который управляет десятками мелких агентов-исполнителей параллельно.
2️⃣ CHICAGO: скрытый функционал для прямого управления рабочим столом и компьютером на уровне ОС.
3️⃣ Auto Mode: система сама одобряет доступ к инструментам, не переспрашивая человека.

Почему это пугает?

Главный «взрыв» вызвал режим Undercover Mode. Эта функция автоматически стирает любые следы использования ИИ из коммитов в публичных репозиториях. Буквально за день до утечки губернатор Калифорнии подписал закон об обязательной маркировке ИИ-контента. Undercover Mode — это прямая попытка обойти такие нормы.

Anthropic всегда позиционировали себя как «безопасную» компанию. Наличие режима «скрытности» наносит тяжелый удар по их репутации.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

Дайджест интересных новостей из мира ИИ, созданный нами с использованием нейросетей 📆

💵 Российский бизнес потратил на внедрение ИИ-агентов от 5 млн до 950 млн рублей за последние 3 года
Расходы малого бизнеса достигли 5–15 млн руб., среднего — от 30 млн до 60 млн руб., крупного — 200–300 млн руб., корпораций — более 950 млн руб.

🛩 Шереметьево сэкономил более 1 млрд рублей в год благодаря ИИ
Экономия была достигнута при помощи внедрения методов ИИ на базе данных, которые аэропорт копил 20 лет.

🚗 В Пулково начнет функционировать полностью беспилотный флот багажных тягачей, управляемых нейросетями, способных общаться между собой
Это первый в России опыт создания «роевого» ИИ для промышленного использования спецтехники в гражданском наземном транспорте.

🏥 Ученые ЛЭТИ разработали цифровую регистратуру на базе ИИ для автоматизации работы медицинских клиник и стоматологий
Система под названием «МедИИум» способна обрабатывать обращения пациентов, отвечая на запросы в течение 10 секунд.

🧬 ИИ-модель «Матча» от стартапа учёных Сколтеха в 30 раз ускорил перебор молекул для разработки лекарств
Модель обрабатывая один комплекс «белок-лиганд» за 13 секунд, тогда как «АльфаФолд3» — за 6,5 минут.

📞 Виртуальный помощник Ева от МегаФона научилась распознавать голоса роботов и дипфейки
Многофакторная модель определяет признаки синтезированной речи, анализируя множество параметров звуковой волны.

🥛 В Ростовской области выявили фальсификацию молочной продукции с помощью ИИ
Анализ данных показал превышение молочно-жирового баланса сырья по отношению к готовым изделиям.

💎 В Якутии применят компьютерное зрение для поиска особо крупных алмазов
Модели машинного обучения анализируют видеопоток в режиме реального времени и выявляют потенциально ценные алмазы среди общего потока сырья.

⚡️ Nebius построит новый центр по производству электроэнергии для ИИ в Финляндии мощностью до 310 МВт
Ожидается, что центр начнет предоставлять мощности клиентам в 2027 году и станет одним из крупнейших в Европе специализированным предприятием подобного рода.

🇵🇱 Польское правительство первым в ЕС утвердило законопроект о регулировании ИИ
По этому закону в Польше появится "черный список" ИИ-платформ, которые были оштрафованы либо были убраны с рынка.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

💬 Mechanistic interpretability: как учёные научились читать мысли нейросети

Все современные LLM — и ChatGPT, и Claude, и Llama, и Qwen — это математические функции с сотнями миллиардов параметров. Разработчики их обучают и они дают ответы. Но почему они приходят к тому или иному выводу долгое время оставалось загадкой даже для их создателей. Это называется проблемой чёрного ящика.

Например: модель уверенно врёт, но мы не знаем, в каком именно месте родилась ложь ➡️ модель отказывается отвечать на безобидный вопрос, но мы не знаем, это осознанное решение или случайный артефакт обучения ➡️ модель демонстрирует предвзятость, но мы не можем найти и удалить причину

Mechanistic interpretability — это подход, который вскрывает этот ящик: исследователи находят конкретные нейроны, конкретные веса, «цепочки» внутри модели, отвечающие за конкретное поведение.

Как это выглядит на практике

Когда вы пишете «Эйфелева башня находится в...», модель не ищет ответ в базе данных. Она прогоняет текст через десятки слоёв трансформера, и на каждом — тысячи нейронов усиливают одни сигналы и гасят другие. Исследователи научились это наблюдать в реальном времени.

Техника Logit Lens позволяет смотреть на «мысль» модели после каждого слоя:
Слой 1: «место» — 11%
Слой 4: «город» — 29%
Слой 9: «столица» — 52%
Слой 14: «Париж» — 81%
Слой 20: «Париж» — 97%

Знание буквально проявляется слой за слоем, как фотография в тёмной комнате. А Activation Patching идёт дальше: берём два промпта, правильный и с ошибкой, и далее по одному нейронному слою, один за другим, начинаем заменять результаты обработки некорректного промпта в слое (ошибочный вектор активации нейросети) на корректный результат (точный вектор активации) по итогам правильного промпта. Как только точность восстанавливается — мы нашли слой, где живёт нужный факт.

Зачем это нужно?

1️⃣ Исправлять знания без переобучения. Метод ROME позволяет буквально «переписать» один факт в модели за секунды. Модель думала, что Илон Маск — CEO Twitter? Одна операция — и знание изменено.
2️⃣ Находить и удалять предвзятости. Можно найти нейроны, которые систематически скашивают ответы в политическую сторону, усиливают негативные ассоциации с определёнными группами или подавляют упоминания конкурентов.
3️⃣ Понять, почему модель галлюцинирует. Оказывается, галлюцинации часто происходят в конкретных слоях при конкретных паттернах.
4️⃣ Аудит безопасности до деплоя. В банках, медицине и юриспруденции ИИ должен быть объяснимым по закону. Interpretability позволяет показать регулятору: «вот почему модель приняла это решение» — на уровне конкретных активаций.
5️⃣ Обнаружить скрытые возможности модели. Иногда модели знают больше, чем говорят. Техника Probing позволяет «спросить» у внутренних слоёв — и получить ответ, который модель не выдаёт наружу.
6️⃣ Понять как работает «In-Context Learning». Почему модель «учится» из примеров прямо в промпте, без обновления весов? Исследователи обнаружили конкретные «induction heads» — головы внимания, реализующие этот механизм.
7️⃣ Контролировать поведение через «steering vectors». Можно добавить в «residual stream» вектор — и модель начнёт отвечать более уверенно, менее агрессивно, или с другим стилем.

Инструменты — от «нажать кнопку» до «написать код»

📌 Neuronpedia — онлайн-атлас нейронов. Миллионы нейронов из Gemma, Llama, GPT-2 с человекочитаемыми описаниями. Вбиваете слово — видите, какие нейроны реагируют. Вбиваете номер нейрона — видите, на что он активируется.
📌 Aquin Labs — стартап, который делает из interpretability удобный интерфейс: logit lens, граф причинно-следственных связей, редактирование весов прямо в браузере.
📌 TransformerLens — главная библиотека. Поддерживает Llama, Mistral, Qwen, Gemma, Phi. Три строки — и у вас все активации всех слоёв.
📌 nnsight — максимально гибкий перехват активаций в любой точке любой HuggingFace-модели.
📌 BertViz — красивая визуализация attention-паттернов.

💬 Тест Тьюринга. События в сфере ИИ. Подписатьс

Дайджест интересных новостей из мира ИИ, созданный нами с использованием нейросетей 📆

🩺 Владимир Путин поручил обеспечить внедрение ИИ в сферу здравоохранения
Технологии в том числе будут применены для автоматизации процессов анализа данных и результатов лабораторных исследований.

⛵️ "Росморпорт" реализовал проект внедрения лоцманских планшетов с элементами ИИ
Планшет обеспечивает возможность передачи данных с судна на берег, помогает и капитану судна принимать решения, и лоцману давать рекомендации с учетом складывающейся навигационной обстановки.

🚇 В метро Новосибирска внедрят ИИ для управления графиками работы бригад
Разработка Центра ИИ НГУ поможет метрополитену автоматизировать составление и корректировку графиков работы сотрудников, снизить нагрузку на диспетчерские службы и повысить эффективность управления персоналом.

🦾 В Сбере создан департамент автономных решений, который сосредоточится на развитии проектов в области физического ИИ
Новый департамент возглавил Иван Калинов, который создал в Яндексе с нуля подразделение Yandex Robotics.

🎨 Специалисты ЮУрГУ и Института психологии РАН научили ИИ анализировать уровень креативности человека
Обученная по данным уникальных баз нейросеть выдает моментальный результат теста психолога Элиса Пола Торренса, что экономит время на анализе реального эксперта.

🧠 Специалисты МГУ разработали платформу для исследования эмоционального взаимодействия человека и ИИ
Разработанный фреймворк HL-EAI позволяет оценивать влияние эмоций на совместное принятие решений и поведение человека и ИИ в задачах стратегического взаимодействия.

🇨🇳 В Китае выпустили руководство по этической экспертизе ИИ
Руководство призывает уделять основное внимание благополучию человека, справедливости и беспристрастности, а также контролируемости и надежности.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться