🧬 SynthIDBio: как пометить белок, созданный ИИ, и зачем это нужно науке

Исследователи Google DeepMind представили SynthIDBio — систему скрытой маркировки белков, спроектированных ИИ. Её задача — оставлять в белке незаметный цифровой след, по которому можно установить его искусственное происхождение.

ИИ уже способен проектировать белки с заданными свойствами, в том числе молекулы, не встречающиеся в природе. Но чем совершеннее становятся такие инструменты, тем сложнее отличить искусственно созданный белок от естественного — особенно если его последовательность не похожа ни на одну из известных науке.

Главная идея SynthIDBio — не пытаться каждый раз угадать, создал ли белок ИИ, а заранее встроить в него проверяемую метку.

Механизм напоминает водяные знаки на изображениях, созданных нейросетями, но работает на уровне молекулярной биологии. Метка внедряется сразу в двух формах:
➡️ Незаметно изменяется статистический рисунок расположения аминокислот.
➡️ Вносятся небольшие изменения в расположение атомов, формирующих пространственную конфигурацию молекулы.

Эти изменения должны оставаться достаточно незаметными, чтобы белок сохранял свою функцию, но позволять обнаружить искусственное происхождение при наличии специального ключа. Такой ключ предполагается предоставлять доверенным организациям, в частности компаниям, синтезирующим ДНК на заказ.

Что показало исследование?

Команда Pushmeet Kohli из Google DeepMind проверила подход на сложных задачах проектирования белков. Белки с водяными знаками сохраняли способность связываться с различными мишенями, включая молекулы, связанные с вирусной инфекцией, образованием кровеносных сосудов и регуляцией иммунитета.

Это принципиально важный результат: маркировка не должна превращать полезную биомолекулу в нефункциональную.

Однако у технологии есть серьёзное ограничение. Если пропустить помеченный белок через другой инструмент проектирования, можно получить новую последовательность с сохранением структуры и функции, но уже без исходного водяного знака. Поэтому SynthIDBio не гарантирует, что искусственное происхождение любого белка можно установить во всех обстоятельствах.

Почему это может изменить науку?

Потенциальный прорыв SynthIDBio — в том, что исследователи впервые продемонстрировали принципиальную возможность маркировать искусственно спроектированные белки, сохраняя их функцию, причём одновременно на уровне аминокислотной последовательности и трёхмерной структуры. Это не готовая универсальная система защиты, а важное доказательство работоспособности подхода.

1️⃣ Во-первых, появится дополнительный способ проверять происхождение биологических объектов. Научные базы данных, лаборатории и компании, синтезирующие ДНК, потенциально смогут отличать молекулы, созданные с помощью ИИ, от естественных белков.

2️⃣ Во-вторых, это может укрепить биобезопасность. Если стандартные проверки не распознают искусственно спроектированную молекулу по сходству с известными опасными белками, скрытая метка даст дополнительный сигнал для проверки заказа.

3️⃣ В-третьих, маркировка может помочь с научной воспроизводимостью и прослеживаемостью результатов. В мире, где ИИ всё активнее проектирует молекулы, важно понимать, откуда взялся объект исследования и каким инструментом он был создан.

Главное ограничение: метку можно стереть

Исследователи обнаружили, что повторное проектирование последовательности способно удалить водяной знак. В статье также отмечены ограничения структурной маркировки и необходимость дальнейшей проверки устойчивости к различным преобразованиям. Следовательно, рассчитывать исключительно на эту технологию как на защиту от биологических угроз нельзя.

Поэтому наиболее перспективен комбинированный подход: маркировка белков, проверка последовательностей ДНК, анализ потенциальных биологических функций и экспериментальная оценка рисков.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🎮 Одна модель поселилась в PlayStation, другая — сразу в 15 телевизионных приставках

Пока ИИ-компании строят огромные дата-центры, энтузиасты и исследователи проверяют, сколько интеллекта можно разместить в технике, которая уже стоит у нас под телевизором.

Два эксперимента хорошо показывают разные стороны этого движения. В одном игровая консоль превращается в домашний ИИ-сервер. В другом дешёвые Android-приставки совместно запускают модель, которая не помещается ни в одну из них.

PlayStation вместо ИИ-сервера

Проект PS5LM позволяет запускать языковые модели на графическом процессоре взломанной PlayStation 5. Для весов модели и её рабочего контекста доступны 11,4 ГБ общей памяти.

Этого хватает даже для Qwen 3.8 с 27 млрд параметров: при двухбитной квантизации она выдаёт около 20 токенов в секунду и поддерживает контекст до 64 тысяч токенов.

Квантизация напоминает сильное сжатие изображения: числа, из которых состоит модель, хранятся с меньшей точностью. Это экономит память, но может снижать качество ответов.

Вся модель работает внутри одной консоли. Телефон или ноутбук только отправляет ей запросы через браузер или совместимый API. После запуска облако и отдельный компьютер для вычислений не нужны.

Одна модель на 15 приставок

В эксперименте Anthropic исследователи объединили 15 Android TV-приставок примерно по $55. В каждой было всего 4 ГБ памяти — слишком мало для всей Gemma4-26B-A4B. Поэтому модель разделили на части: каждая приставка хранила несколько слоёв, а вычисления последовательно проходили через всю цепочку.

Это называется конвейерным параллелизмом. Представьте 15 отделов одной организации: каждый выполняет свой этап работы и передаёт результат следующему. Вместе они запускают одну модель.

Система заработала, хотя скорость составила всего 0,39 токена в секунду. Даже короткого ответа приходится ждать минутами.

Но самый интересный вопрос — сможет ли ИИ сам расширять такую сеть?

Для этого Anthropic провела отдельное испытание в изолированной среде из восьми виртуальных Android-устройств. Доступ намеренно упростили: оставили открытым отладочный порт ADB без аутентификации.

Модель GLM-5.2 смогла развернуть меньшую Llama 3.1-8B на всех восьми устройствах в четырёх попытках из пяти. В оставшейся — добралась до семи.

Здесь важна оговорка: GLM-5.2 переносила на устройства другую модель. Она выступала организатором установки, а после успешной проверки экспериментальная система отдельно запускала новую копию GLM для продолжения цепочки.

Это ещё не демонстрация небольшой модели, которая самостоятельно расселяется по бытовой технике. Но несколько необходимых для этого этапов уже работают.

Главное ограничение — разрыв между размером и способностями

Модели, достаточно сильные для настройки незнакомого оборудования и организации всего процесса, пока слишком велики для дешёвых устройств. А те, что помещаются в бытовую электронику, ещё недостаточно самостоятельны.

Чтобы ИИ мог самостоятельно распространяться по бытовым устройствам, ему нужно одновременно стать достаточно маленьким, чтобы там работать, и достаточно способным, чтобы организовать собственный запуск.
Скорость тоже остаётся препятствием. В испытаниях настройка инференса на новом оборудовании занимала десятки, а иногда и более сотни часов.

Тем не менее два направления уже видны:
👉 Квантизация позволяет разместить крупную модель целиком на одном достаточно мощном домашнем устройстве.
👉 Распределённый инференс позволяет собрать необходимые ресурсы из множества слабых машин.

Anthropic сравнивает возможную децентрализованную сеть со слизевиком: у неё нет единственного центра, а отдельные части могут совместно осваивать новое пространство. Это образ потенциальной системы — устойчивость такой сети ещё нужно обеспечить.

Пока перед нами экспериментальные установки. Но они заставляют шире посмотреть на вычислительную инфраструктуру ИИ.

Возможно, часть этой инфраструктуры уже куплена, подключена к электричеству и стоит у нас дома. Осталось понять, кто и для чего научится её использовать.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

⚛️ ИИ начинает учить язык элементарных частиц материи

CERN и французская Mistral AI подписали соглашение о намерениях создать первую базовую модель для физики частиц. Проект, который Reuters называет Flare, обучат не на книгах и сайтах, а на миллиардах симулированных столкновений протонов в Большом адронном коллайдере.

Готовой модели пока нет, не объявлены ни бюджет, ни сроки, ни архитектура. Даже название Flare фигурирует только из слухов у Reuters, тогда как CERN пока говорит просто о большой физической модели. Но направление уже понятно.

Это попытка дать коллайдеру не очередной алгоритм, а универсальный искусственный «орган восприятия».

Детекторы коллайдера не выдают ученому-физику красивую картинку столкновения. Он фиксирует миллионы разрозненных сигналов: следы заряженных частиц, всплески энергии, координаты и время срабатывания датчиков.

Сегодня всё это проходит через конвейер специализированных программ. Один алгоритм собирает точки в траектории, другой определяет тип частицы, третий восстанавливает полную картину события, четвёртый ищет в ней заранее заданные аномалии.

Flare хотят предварительно обучить сразу на всём «языке столкновений», а затем использовать одну основу для разных задач:
➡️ реконструкции произошедшего внутри детектора;
➡️ распознавания частиц;
➡️ поиска необычных событий;
➡️ проверки проектов будущих детекторов ещё до их строительства.

Принцип похож на языковую модель: она сначала изучает огромный корпус и формирует общее представление о языке, а затем решает множество прикладных задач. Только здесь вместо слов — сигналы датчиков, энергия и траектории частиц, а вместо грамматики — закономерности физического мира.

Почему CERN понадобилась именно Mistral?

Официально о конкурсе или тендере не сообщалось, поэтому правильнее говорить не о победе Mistral над другими лабораториями, а о стратегическом выборе партнёра.
CERN называет две причины: опыт Mistral в обучении больших моделей и европейское происхождение компании.

Для лаборатории важно, чтобы полученные инструменты можно было контролировать внутри Европы и впоследствии разделить с международным научным сообществом.

Кроме того, Mistral в мае приобрела Emmi AI — стартап, создававший модели для физических симуляций и инженерных расчётов. Вместе с ним в Mistral пришли более 30 исследователей и инженеров. Научное направление теперь курирует сооснователь Emmi Йоханнес Брандштеттер — именно он представляет Mistral в анонсе CERN.

Публично инициатива оформлена как совместная: со стороны CERN её представляет директор по информационным технологиям Энрика Поркари, со стороны Mistral — Брандштеттер.

Практическая причина торопиться

CERN уже хранит около одного эксабайта информации — миллион терабайт. После запуска модернизированного High-Luminosity LHC примерно в 2030 году коллайдер должен дать приблизительно в десять раз больше столкновений и данных.
Это принесёт больше шансов заметить редчайшие процессы, но одновременно сделает их труднее различимыми в цифровом шуме.

Единая модель могла бы ускорить обработку, уменьшить дублирование разработки и замечать необычные сочетания сигналов, под которые никто заранее не написал отдельный алгоритм. Конечно, Flare не разрешат самостоятельно «открывать новые частицы» одним нажатием кнопки. Разрыв между симуляцией и настоящим детектором, воспроизводимость результатов и систематические ошибки потребуют многолетней проверки.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🔴 Китай против США: кто на самом деле выигрывает ИИ-гонку?

Пока мир обсуждает новые модели OpenAI, Google и Anthropic, в Китае происходит куда более масштабный процесс: формируется целая исследовательская экосистема, которая постепенно сокращает технологический разрыв с США.

1️⃣ Китай уже располагает гораздо большей армией ИИ-исследователей

По данным аналитической компании Digital Science, в Китае насчитывается около 51 000 действующих исследователей в области ИИ против 14 000 в США. Китайское исследовательское сообщество примерно в 3,6 раза больше американского.

Но важна не только численность. Китайские университеты ежегодно выпускают большое количество специалистов, а исследовательские центры и технологические компании распределены сразу по Пекину, Шанхаю, Ханчжоу и Шэньчжэню.

2️⃣ Китайские специалисты всё реже считают необходимым уезжать в США

Исследование, проведённое аналитиками Carnegie China на выборке авторов престижной конференции NeurIPS, показало: 57% авторов NeurIPS 2025 года получили степень бакалавра в Китае. Тремя годами ранее таких было 46%.

Но ещё интереснее, где эти специалисты работают впоследствии. Из исследователей, получивших высшее образование в Китае и публиковавшихся на NeurIPS, 69% оставались в Китае в 2025 году. В 2022 году показатель составлял 57%. Для сравнения: среди аналогичной группы исследователей из Европы в своём регионе оставались 60%, а среди окончивших университеты в США — 89%.

При этом картина неоднозначна. Американские университеты и лаборатории по-прежнему привлекают китайских учёных, а китайские исследователи, уже работавшие в США в 2019 году, в большинстве своём остались там и к 2025 году.

То есть речь не о массовом бегстве китайских учёных из Америки. Скорее, Китай всё лучше удерживает собственные таланты и создаёт условия, при которых перспективным специалистам необязательно уезжать, чтобы заниматься передовыми исследованиями.

3️⃣ Почему Китай пока не обогнал США в разработке передовых моделей?

США по-прежнему лидируют по числу наиболее значимых ИИ-моделей и по показателям влияния патентов. По оценке Скотта Сингера из Carnegie Endowment for International Peace, китайские модели отстают от передового уровня американских разработок примерно на три-семь месяцев.

Главное ограничение Китая — вычислительные ресурсы. С 2022 года США ограничивают экспорт в Китай наиболее мощных вычислительных чипов, необходимых для обучения и эксплуатации передовых моделей. Китайские компании развивают собственное производство ускорителей, но пока не располагают полным набором аппаратных возможностей, сопоставимым с тем, что доступен ведущим американским лабораториям.

Есть и финансовый фактор. По данным Stanford AI Index 2026, частные инвестиции в ИИ в США в 2025 году превысили китайские более чем в 23 раза.

Парадокс: Китай располагает гораздо большим количеством исследователей, но США могут предоставлять ведущим лабораториям существенно больше денег и вычислительных мощностей.

4️⃣ Китайская модель развития ИИ отличается от американской

Ещё одно важное различие — граница между университетами и бизнесом. В Китае исследовательские организации и компании теснее связаны, а переход от академической работы к коммерческой разработке может происходить быстрее. Это создаёт возможности для быстрого переноса научных идей в реальные продукты.

При этом китайские разработчики не только повторяют американские решения. Ограниченность вычислительных ресурсов заставляет их искать способы эффективнее обучать модели и использовать имеющееся оборудование. Именно поэтому конкуренция идёт не только за создание более мощных систем, но и за то, чтобы получать сопоставимые возможности при меньших затратах.

Поэтому уже недостаточно спрашивать, сможет ли Китай догнать США. Важно понять, смогут ли США сохранить преимущество, если их конкурент обладает гораздо более многочисленным исследовательским сообществом и продолжает сокращать разрыв в технологиях. И это соревнование будет определяться тем, какая страна сумеет построить более устойчивую систему развития ИИ.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🧮 ИИ научился решать задачи за часы и математики собирают $15 млн, чтобы успеть понять ответы

В математике возник новый конфликт — не между человеком и машиной, а между двумя способами производить науку.
Старая научная школа движется медленно: результат обсуждают на семинарах, проверяют строка за строкой, связывают с предыдущими работами и превращают доказательство в знание, которое способны объяснить другие люди.

Новые лидеры — ИИ-лаборатории, владеющие моделями и вычислениями, — могут за несколько дней выбросить в публичное пространство объём результатов, который целая область не успеет прочитать за годы.

15 октября Simons Foundation вместе с OpenAI и Anthropic объявил программу стоимостью $15 млн, призванную помочь математикам справиться с этим разрывом. Это совокупный вклад трёх организаций деньгами и ресурсами; OpenAI и Anthropic отдельно заявили о взносах по $5 млн, включая доступ к моделям и вычислениям.

Распределять поддержку будет сам фонд, а не ИИ-компании.
Деньги пойдут на конференции, летние школы, рабочие группы, постдоков и исследования, необходимые для проверки и осмысления машинных результатов. Отдельный конкурс предусматривает до пяти двухлетних грантов Simons Foundation размером до $500 000 каждый.

Формально это программа поддержки математики. Фактически — строительство аварийной инфраструктуры для науки, скорость которой внезапно изменилась.

Поводом стал математический залп OpenAI

6 октября компания опубликовала 722 машинные рукописи, объединённые в 372 семейства результатов. Модель проверили примерно на 4 000 задачах, причём на получение одного результата в среднем уходил эквивалент трёх часов работы ChatGPT Pro. Часть доказательств была формализована в Lean, но значительная доля осталась без полной машинной проверки.

Уже на следующий день OpenAI сняла три рукописи: ошибка в знаке разрушила одно доказательство и две зависевшие от него работы. Ещё 14 текстов пришлось исправить. Это не обесценивает весь массив, но показывает разницу скоростей: машина может создать научный "долг" значительно быстрее, чем люди способны его погасить.

Особенно наглядной стала реакция лауреата Филдсовской премии Юго Дюмениль-Копена. На видеоконференции Французского математического общества 8 октября он рассказал, что среди заявленных результатов не менее 16 относятся непосредственно к его исследованиям — более 3 500 страниц текста.

Le Monde приводит его слова: «Они уничтожили мою область исследований». Учёный признался, что плакал, и показал слайд с кроликом, раздавленным грузовиками.

Но это не просто эмоциональная реакция учёного, проигравшего гонку машине. На глазах меняется центр власти в науке. Университеты и научные школы веками определяли, какие вопросы важны, как признаётся доказательство и кому принадлежит приоритет. Теперь исследовательскую повестку могут перехватывать компании, контролирующие закрытые модели и огромные вычислительные мощности.

Возникает почти колониальная конструкция: научное сообщество десятилетиями создаёт теории, литературу и открытые задачи; ИИ-лаборатория массово перерабатывает этот материал, заявляет сотни результатов и возвращает их людям для бесплатной проверки. Тот, кто управляет моделью, начинает управлять не только скоростью, но и направлением исследований.

Как избежать превращения науки в службу верификации при ИИ-корпорациях?

Нужен новый общественный договор:
➡️ разделять результаты на формально проверенные, понятые человеком и предварительные;
➡️ выпускать массивы поэтапно, соразмерно возможностям сообщества;
➡️ публиковать модель, промпты, вычислительные затраты, неудачные попытки и историю выбора задач;
➡️ размещать работы в независимых научных репозиториях, а не на площадке компании;
➡️ оплачивать проверку и объяснение доказательств как полноценную исследовательскую работу;
➡️ обеспечивать учёным широкий доступ к моделям, иначе возникнет двухуровневая математика — для владельцев вычислений и для всех остальных.
Именно такие принципы предложила независимая группа AGMAI.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🔬 Богатая неделя: ИИ собрал почти всю фабрику научных открытий

Иногда несколько отдельных новостей складываются в один большой сюжет. За последнюю неделю появились сразу четыре события, показывающие, как ИИ охватывает почти весь исследовательский цикл: получает задачу на обычном языке, проектирует новые белки, разбирает результаты миллионов измерений и учится самостоятельно работать в физической лаборатории.

1⃣ Две тысячи ИИ-агентов за 32 минуты разобрали данные миллионов клеток мозга
OpenAI, PerturbAI и Scripps Research направили почти 2000 агентов GPT‑Rosalind на анализ CRISPR-атласа мышиного мозга. Каждый агент изучал отдельное генетическое вмешательство, сопоставлял изменения в клетках с научной литературой и предлагал возможное объяснение.

Объединённая система использовала более 700 публикаций — против 11 у одного агента.

В слепом сравнении биологи предпочитали её отчёты в 75% случаев. Среди найденных направлений — возможная связь нарушений в обмене холестерина в нейронах и нейродегенерации. Но это пока гипотеза для последующей проверки.

2⃣ Белок теперь можно заказывать почти словами
В Nature опубликована модель Pinal на 16 млрд параметров, которая проектирует белки по описанию требуемой функции на естественном языке.

Её обучили на 1,7 млрд синтетически размеченных пар «белок - описание».
Работу модели проверили на четырёх задачах: например,
проектироварие флуоресцентного белка и фермента, разрушающего пластик.

Во всех случаях созданные белки продемонстрировали требуемую функцию в лаборатории.

3⃣ NVIDIA и лаборатория Дэвида Бейкера выпустили открытую RFD4‑Proteina
Модель одновременно проектирует последовательность белка, его трёхмерную структуру и взаимодействие с другими молекулами.

Подобно reasoning-моделям, она может тратить больше вычислений на особенно сложные проекты и отбрасывать неудачные варианты прямо во время генерации.

По данным разработчиков, RFD4‑Proteina создаёт успешные конструкции в 5-10 раз чаще и работает в 5-10 раз быстрее предшественников. В одном из экспериментов с её помощью за несколько дней получили улучшенный фермент для разрушения пестицида — прежний вариант разрабатывали месяцами. Модель и веса опубликованы открыто.

4⃣ Google дала ИИ-учёному руки и цифрового двойника лаборатории
Система VERID создаёт живую трёхмерную модель рабочего места: знает расположение приборов, объёмы реагентов, запас наконечников и геометрию движений робота.

Перед выполнением команда агента проигрывается в симуляции, поэтому физически невозможные или опасные действия блокируются.

В замкнутых циклах агенты уже проектировали молекулы, запускали эксперименты, анализировали ошибки и меняли стратегию. При поиске ДНК-аптамеров они самостоятельно распознали, что оптимизируют «липкие», но неспецифичные молекулы, скорректировали правила и увеличили долю подтверждённых попаданий с 3,7% до 33,5%.

Если сложить четыре новости, получится не витрина моделей, а чертёж новой научной машины:
задача на человеческом языке → проектирование молекулы → тысячи параллельных интерпретаций → физический эксперимент → данные для следующего цикла.

Возможно, главным ограничением науки скоро перестанет быть недостаток перспективных гипотез.

Наоборот, ИИ сможет производить их быстрее, чем лаборатории, рецензенты и научные институты успеют проверять.

Пока ни одна из этих работ не означает появления лекарства или полностью автономного учёного. Но граница уже сдвинулась: ИИ переходит от разговора о науке к проектированию объектов и участию в эксперименте.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

📹 Генерированное видео станет нашей средой обитания

Почти всю историю кино-изображение сначала снимали или рисовали, а затем показывали зрителю. Генеративное видео долго сохраняло ту же логику: человек отправлял запрос, ждал несколько минут и получал готовый ролик.
Теперь этот порядок начинает разрушаться.

fal Research и Black Forest Labs выпустили FLUX 3 Max — дообученную и оптимизированную версию FLUX 3. Десятисекундное видео в 720p она создаёт примерно за 12 секунд. Для сравнения, еще недавно Seedance 2.5 в опубликованном тесте потребовалось 277,8 секунды - примерно в 22 раза больше. При этом модели получили одинаковые 1139 баллов Elo в предварительном рейтинге Artificial Analysis по преобразованию изображения в видео.

Формально FLUX 3 Max занимает второе место, но статистически входит в группу лидеров: интервалы результатов пересекаются. Модель создаёт ролики продолжительностью от 5 до 20 секунд, поддерживает 720p и 1080p, 24 кадра в секунду, начальный и конечный кадры и генерируемый вместе с изображением звук. До 7 ноября стоимость на fal составляет $0,0425 за секунду видео в 720p - затем заявлена обычная цена $0,17.

Ускорение достигнуто не созданием совершенно новой базовой модели, а сочетанием дополнительного обучения, дистилляции и глубокой оптимизации инфраструктуры инференса.

Но является ли FLUX 3 Max настоящей генерацией в реальном времени?

Модель выдаёт готовые десять секунд почти за те же десять секунд, однако пользователь не может войти внутрь уже начавшегося ролика и немедленно изменить его течение.

Настоящее интерактивное видео устроено иначе: система непрерывно создаёт следующий кадр на основе предыдущих кадров и новых действий человека. У такого мира нет заранее рассчитанного будущего. Пользователь поворачивает камеру, произносит команду или нажимает кнопку — и последующие кадры рождаются уже с учётом этого действия.

Однако FLUX 3 Max показывает, что главное техническое препятствие — скорость — быстро уменьшается. Когда качественное видео производится примерно с той же скоростью, с которой оно просматривается, видеомодель можно превращать из фабрики роликов в движок виртуальной среды.

Первые такие системы уже появились:

➡️ Reka совместно с NVIDIA показала закрытую бета-версию модели на 30 млрд параметров, создающую непрерывный поток 720p при 24 кадрах в секунду. Пользователь может менять происходящее текстовыми командами прямо во время трансляции.

➡️ Китайская Vidu S1 генерирует интерактивных персонажей в 540p при 25 кадрах в секунду и реагирует на голос: меняет не только речь, но и выражение лица, жесты и поведение героя. Заявлена скорость до 42 кадров в секунду, доступна бета-версия и API.

➡️ Google Genie создаёт исследуемые виртуальные пространства в 720p и 24 fps, а Project Genie уже позволяет привязывать сгенерированные миры к реальным местам из Street View.

➡️ Odyssey-3 формирует среды, реагирующие на действия человека или агента, включая сценарии обучения роботов, автомобилей и дронов.

➡️ Runway пошла ещё дальше: её Solaris генерирует в реальном времени уже не фильм, а сам пользовательский интерфейс.

Мы входим в эпоху, когда изображение на экране перестаёт быть записью прошлого и становится пластичной версией настоящего.

Игры смогут создавать локации вокруг следующего шага игрока. Виртуальный собеседник — менять мимику и поведение по ходу разговора. Обучающий симулятор — мгновенно перестраивать ситуацию под ошибку ученика. Дополненная реальность — не накладывать заранее подготовленные объекты, а непрерывно перерисовывать окружающий мир.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🦂 ИИ становится операционной системой молекулярной лаборатории

За два прошедших месяца Anthropic показала две ступени одного процесса. Сначала Claude самостоятельно провёл кампанию по созданию белков-«минибиндеров» для 15 мишеней: управлял специализированными моделями, отбирал последовательности и передавал кандидатов на проверку. Лаборатории подтвердили фактическое связывание для 14 мишеней, а успешными оказались 22–35% протестированных конструкций.

И вот теперь на прошлой неделе тот же подход применили к практической медицинской задаче — поиску потенциальных компонентов противоядия от укусов скорпионов.

Это не экзотическая проблема: ежегодно скорпионы жалят более 1,2 млн человек, свыше 3 250 случаев заканчиваются смертью. Особенно уязвимы дети в регионах, где современные препараты дороги или недоступны. Традиционные противоядия получают, собирая яд тысяч скорпионов, иммунизируя им лошадей и выделяя антитела из крови животных.

Claude предложили найти другой путь: спроектировать небольшие белки, способные закрыть токсину участок, которым тот воздействует на нервные клетки.

За 64 часа внутренняя исследовательская модель Anthropic:
✅ изучила структуры пяти нейротоксинов четырёх видов скорпионов;
✅ выбрала участки, за которые должны цепляться будущие белки;
✅ использовала 12 специализированных инструментов;
✅ создала 318 484 конструкции;
✅ смоделировала 553 052 пары «белок — токсин»;
✅ отобрала 180 кандидатов, ещё 31 добавили исследователи вместе с Claude.

Claude здесь не выступал единственной «моделью для создания белков». Он был руководителем цифровой лаборатории — решал, какие инструменты запускать, как распределять вычисления, какие результаты отбраковывать и какие молекулы отправлять в физический мир.

Компании Adaptyv Bio и Twist Bioscience по итогам синтезировали 211 конструкций и независимо проверили их. Семнадцать связались с четырьмя из пяти токсинов по строгим критериям двух лабораторий. Два лучших кандидата связывали мексиканский токсин Cn2 с наномолярной силой и, вероятно, занимали тот же участок, что и антитело, ранее защищавшее мышей.

Но противоядия пока нет. Белки проверяли на рекомбинантных токсинах, а не на настоящем яде; неизвестно, способны ли они нейтрализовать токсин в клетках и защитить животное. Универсальный белок сразу против нескольких токсинов Claude тоже создать не смог.

Кроме того, работа опубликована самой Anthropic в виде технического отчёта и пока не прошла независимое журнальное рецензирование.

И всё же главный результат находится не в пробирке, а в изменении скорости научного поиска. Для вычислительной части потребовалось около 10 000 GPU-часов и примерно $50 000. Лабораторная проверка стоила ещё около $150 000 и заняла почти два месяца. ИИ способен за несколько дней породить больше обоснованных гипотез, чем физическая лаборатория успевает проверить за недели.

Отсюда следуют три вывода:

1⃣ Узким местом биомедицины постепенно становится не создание идей, а их проверка: синтез, эксперименты, безопасность, испытания и производство.

2⃣ Ускорение поиска может изменить экономику забытых заболеваний. Когда перебор молекул дешевеет, задачи с небольшим коммерческим рынком получают больше шансов дойти хотя бы до лаборатории.

3⃣ ИИ в науке развивается не как электронный энциклопедист, а как оркестратор целого исследовательского конвейера. Он ещё не заменяет биолога и тем более не создаёт готовые лекарства нажатием кнопки. Но уже соединяет литературу, вычислительные модели, поставщиков и мокрые лаборатории в единый цикл.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🩺 Microsoft построила цифровой консилиум из ИИ-врачей и одновременно придумала экзамен для него

Бигтех всё заметнее перестаёт быть лишь поставщиком облаков и моделей для науки. Теперь технологические корпорации сами формулируют исследовательские задачи, создают экспериментальные установки, публикуются в ведущих научных журналах и начинают клиническую проверку результатов.

Свежий пример — статья Microsoft в Science, посвящённая системе MAI Diagnostic Orchestrator и новому бенчмарку SDBench.

Что такое диагностический оркестратор?

Обычной языковой модели дают описание пациента целиком и просят назвать диагноз. MAI-DxO действует иначе: начинает с нескольких фраз, а затем шаг за шагом решает, что спросить у пациента, какой анализ назначить, как интерпретировать результат и достаточно ли уже данных для вывода.

Внутри система имитирует консилиум из пяти ролей. Одна формирует список вероятных диагнозов, другая выбирает наиболее информативные исследования, третья ищет ошибки и опровергающие факты, четвёртая контролирует стоимость, пятая проверяет логическую согласованность решения.

То есть Microsoft построила над существующей моделью процедуру коллективного клинического мышления, которая заставляет ИИ последовательно собирать доказательства.

Для проверки этой системы пришлось создать новый экзамен

Большинство медицинских бенчмарков напоминают тест: условие уже содержит симптомы, анализы и снимки, остаётся выбрать ответ. В реальной медицине главная сложность состоит именно в том, чтобы понять, какой информации ещё не хватает.

SDBench превращает диагноз в интерактивный процесс. Агент получает краткое описание случая и может задавать вопросы, назначать исследования или остановиться и назвать диагноз. Специальный Gatekeeper выдаёт только запрошенные сведения, Judge оценивает итог, а отдельный модуль считает примерную стоимость обследования.

В основу вошли 304 сложных клинических случая из The New England Journal of Medicine и более типичные обращения из базы отделения неотложной помощи MIMIC-IV-ED. Бенчмарк оценивает не только правильность ответа, но и цену пути к нему.

Результаты выглядят впечатляюще:
➡️ на сложных случаях NEJM MAI-DxO достиг точности 83%;
➡️ врачи общей практики получили 36% с доступом к справочным материалам и 22% без них;
➡️ на случаях из отделений неотложной помощи результат составил 80% против 47% у врачей;
➡️ одна из экономных конфигураций сохранила точность 81%, сократив расчётную стоимость диагностики более чем вдвое.

Архитектура оказалась модельно-независимой: оркестратор улучшал результаты разных LLM, а при переходе к более новым поколениям моделей преимущество сохранялось. Это означает, что ценность может находиться уже не только в самой сильной нейросети, но и в правильно организованной системе ролей, проверок и ограничений.

Но для развития ИИ в науке эта работа важна шире конкретных процентов.

Во-первых, биг-тех начинает собирать полный научный контур: модель ➡️ агентная система ➡️ бенчмарк ➡️ публикация ➡️ клинический эксперимент. Корпорация уже не просто предоставляет исследователям инструмент — она сама становится исследовательским институтом.

Во-вторых, борьба разворачивается не только за лучшие модели, но и за право определять, как измерять научный прогресс. Создатель признанного бенчмарка фактически задаёт направление развития всей отрасли.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

👑 Зачем элите ум, если у неё есть суперИИ?

Редактор Works in Progress Сэмюэл Хьюз опубликовал эссе о неожиданной эффективности викторианской британской элиты. Аристократы не отличались научной подготовкой, вставали поздно и проводили значительную часть жизни на обедах, балах и приёмах. И всё же именно эта небольшая группа управляла крупнейшей империей своего времени.

Объяснение Хьюза такое: "праздность была лишь внешней". Светская жизнь образовывала плотную сеть доверия, через которую распространялись сведения о должностях, инвестициях и политических решениях. Балы одновременно служили развлечением, кадровым агентством и закрытым форумом власти.

Элита занималась не столько производством знаний, сколько координацией людей, распределением статуса и поддержанием коалиции.

Само эссе не посвящено ИИ. Но из него возникает интересный мысленный эксперимент: что станет основанием власти, если значительную часть интеллектуальной работы сможет выполнять суперИИ?

1️⃣ Неовикторианская аристократия
Модели анализируют экономику, пишут законы и предлагают управленческие решения. Люди сохраняют собственность, формальные полномочия и контроль над вычислительной инфраструктурой.
Тогда элите необязательно быть умнее остальных. Ей важнее владеть моделями, входить в правильные сети и договариваться с другими собственниками.

СуперИИ становится новым образованным чиновничеством - только более компетентным и почти неограниченно масштабируемым. Уже сейчас более 90% заметных передовых моделей создаёт индустрия, а разработка наиболее мощных систем концентрируется у небольшого числа компаний.

2️⃣ Кентаврическая меритократия
Власть получают не владельцы ИИ как таковые, а люди, умеющие ставить ему цели, замечать ошибки и понимать, когда машине нельзя доверять.

Главной компетенцией становится не способность самостоятельно выполнить всю интеллектуальную работу, а калибровка доверия. Такой человек знает границу между задачами, которые можно делегировать, и решениями, ответственность за которые должна оставаться человеческой.

Исследование Harvard Business School хорошо показывает этот парадокс. На подходящих задачах ИИ повысил качество работы консультантов примерно на треть. Но за пределами своих возможностей он убедительно предлагал неверный путь, и специалисты с ИИ справлялись хуже контрольной группы.

Поэтому «кентаврическая» элита — это люди, способные сохранять независимое суждение рядом с системой, которая почти всегда звучит умнее их.

3️⃣ Постчеловеческая элита
Наконец, может оказаться, что человеческий контроль постепенно станет номинальным. Решения будут приниматься моделями, слишком сложными для полноценной проверки, либо радикально усиленными людьми, получившими недоступные большинству когнитивные возможности.

Переход необязательно произойдёт как восстание машин. Достаточно, чтобы институты настолько зависели от рекомендаций ИИ, что отказ следовать им становился практически невозможным.

Международный доклад по безопасности ИИ различает активную потерю контроля и пассивную — через зависимость общества от автоматизированных решений. Современные модели ещё не обладают автономностью, необходимой для первого сценария, однако их способность обходить слабый надзор постепенно растёт.

Какой сценарий вероятнее?

Скорее всего, реализуются все три — в разных слоях общества.
Владельцы вычислений и инфраструктуры образуют неовикторианский слой. Люди, способные управлять моделями и проверять их, составят кентаврическую технократию. А часть решений постепенно перейдёт к системам, логику которых окружающие уже не смогут восстановить полностью.

СуперИИ не обязательно отменит элиты. Вероятнее, он изменит критерии попадания в них. Подорожают собственность, доверие, доступ к вычислениям право останавливать систему.

Возникает странный парадокс. Чем мощнее интеллект, обслуживающий цивилизацию, тем меньше собственного интеллекта может требоваться от её формальных руководителей.

Ум в постИИ-мире может перестать быть двигателем власти — и одновременно стать последней страховкой от её утраты.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🪆 Как собрать компьютер внутри нейросети

Инженер Дивьянш Агравал представил Qwenputer - работающий 32-битный процессор RISC‑V, скомпилированный прямо в дополнительные слои Qwen 3.5 4B.

В итоге в задачах на длинную целочисленную арифметику точность Qwen выросла с 48,6% до 100%. А экспериментальная файловая система умеет хранить внутри состояния модели до 512 файлов, или около 53 тыс. текстовых токенов.

Практический смысл Qwenputer состоит в том, что в один переносимый файл модели можно встроить точный вычислительный модуль без отдельного сервера инструментов. Это может оказаться полезно для необычных ускорителей, автономных устройств, защищённых контуров и систем, где важны воспроизводимость и невозможность подменить встроенную логику.

Qwenputer — это не плагин и не внешний инструмент, которому модель отправляет вычисления. К исходным 32 слоям Qwen автор добавил ещё 11, образующих детерминированную вычислительную схему. Саму нейросеть при этом не дообучали: специальный компилятор рассчитал и записал нужные веса напрямую.

Получился своеобразный корабль в бутылке: возможно, не лучший способ перевозить грузы, но убедительное доказательство того, что корабль вообще можно построить внутри стекла.

Как нейросеть превратилась в компьютер?

Архитектура Qwen использует Gated DeltaNet — слои с внутренним состоянием. Агравал настроил их так, чтобы отдельные ячейки можно было точно перезаписывать и считывать. Это состояние стало оперативной памятью, где хранятся данные, регистры и счётчик команд.

Qwen формирует привычный запрос к инструменту, но вместо обращения к Python или внешнему серверу вычисление происходит в её собственных слоях. Небольшой драйвер требуется только для загрузки прошивки и управления этим процессом.

Qwenputer реализует набор инструкций RV32IM, запускает программы на C и MicroPython, проходит официальные тесты RISC‑V и воспроизводит результаты QEMU. По данным автора, процессор выполнил подряд 18 млн инструкций без единой ошибки.

Что ещё можно собрать в нейросети?

Если веса можно не только обучать, но и программировать, внутри модели потенциально могут появиться небольшие детерминированные модули:
➡️ калькуляторы и символьные решатели;
➡️ парсеры, валидаторы и конечные автоматы;
➡️ обработчики протоколов и специализированные сопроцессоры;
➡️ постоянная память и базы фактов;
➡️ встроенные средства контроля безопасности, которые сама модель не сможет отключить.

Необязательно превращать каждую LLM в персональный компьютер. Гораздо интереснее идея модели, где вероятностное мышление окружено маленькими островами точной логики.

Но насколько это энергоэффективно?

Пока совершенно неэффективно. Каждая инструкция процессора требует генерации нескольких внутренних токенов. Автор сообщает примерно о 3 200 таких токенах в секунду на NVIDIA L4, а крупное вычисление занимает секунды вместо миллисекунд. Сам ускоритель имеет тепловую мощность до 72 Вт.

Обычный кремниевый RISC‑V или даже программный эмулятор выполнят ту же работу несравнимо быстрее и дешевле. Для редких архитектур тоже обычно разумнее использовать QEMU, FPGA или специализированный симулятор.

Возможно, будущая нейросеть будет напоминать не единый мозг, а архипелаг: океан гибкого вероятностного интеллекта и множество островов, на которых всегда действуют строгие законы математики.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🌍 Следующий объект генерации — целый мир

Tencent открыла код и веса Hy‑Nomas — 8‑миллиардной модели, способной не просто создавать короткие ролики, а продолжать одну сцену на протяжении нескольких взаимодействий с пользователем.

Это ещё одна точка на формирующейся карте нового класса моделей. LLM предсказывает следующий токен. Обычная видеомодель — последовательность кадров заданной длины. А вот модель мира пытается предсказать следующее состояние среды с учётом её истории и действия пользователя.

Зачем вообще нужны модели мира?

Обычная генеративная модель создаёт контент. Модель мира создаёт среду, в которой можно действовать, наблюдать последствия и продолжать эксперимент.
На этой основе могут возникнуть:
игровые движки, где локации и события рождаются во время прохождения;
➡️ виртуальные съёмочные площадки с управляемыми декорациями и персонажами;
➡️ бесконечные тренировочные среды для роботов и ИИ‑агентов;
➡️ генераторы редких дорожных и производственных ситуаций;
➡️ интерактивные образовательные симуляции;
➡️ персональные виртуальные пространства, меняющиеся вместе с пользователем.

Индустрия уже движется в этом направлении: Google развивает Genie 4, Runway разделила GWM‑1 на модели миров, аватаров и робототехники, World Labs создаёт редактируемые 3D‑пространства Marble, а Decart предлагает Oasis для обучения автономных систем.

Hy‑Nomas особенно интересна тем, что делает этот трек доступным не только нескольким крупнейшим лабораториям. Открытая модель мира может стать тем же, чем Stable Diffusion когда-то стала для генерации изображений: основой для сотен непредусмотренных авторами инструментов.

Как работает Hy‑Nomas?

Сначала пользователь описывает сцену: например, лису, идущую по лесной тропе. Затем модель генерирует несколько секунд видео. После этого можно дать новую команду — чтобы выросли вдоль дороги светящиеся цветы, или изменить погоду или повернуть камеру — и получить следующий фрагмент того же мира.

Внутри процесс выглядит так:
Языковой компонент на основе Qwen преобразует запрос и историю взаимодействия в структурированное описание.
Диффузионный трансформер генерирует очередной фрагмент в сжатом пространстве видео.

Отдельный декодер превращает его в кадры. Ключи и значения внимания сохраняются в KV‑кэше и передаются следующему фрагменту, позволяя модели помнить персонажей, окружение и предыдущие события.

Камеру можно направлять заранее заданной траекторией или менять между сегментами. В интеграции Reactor доступны даже клавиши WASD и управление взглядом — почти как в видеоигре, только изображение не отрисовывается игровым движком из готовых объектов, а непрерывно синтезируется моделью.

Важно, однако, не перепутать красивую картинку с полноценной физической симуляцией. Hy‑Nomas не хранит классическую трёхмерную сцену с точными координатами и законами механики. Её «мир» существует прежде всего в виде видеолатентов и накопленного контекста. Поэтому объект может постепенно изменить форму, исчезнуть или начать вести себя физически неправильно.

Но именно переход от законченного ролика к управляемому процессу, имеющему память, принципиально меняет природу продукта.

Насколько это близко к реальному времени?

Стандартный режим выдаёт видео 720×1280 при 24 кадрах в секунду, но это частота готового ролика, а не обязательно скорость его создания.

Отдельная оптимизированная сборка Reactor на восьми NVIDIA B200 показала около 18,5 генерируемого кадра в секунду при сохранении полной истории двухминутного мира. Конфигурация для одной RTX 4090 использует INT8-веса, сжатый KV‑кэш, FP8-декодер и выгрузку компонентов в оперативную память - она доказывает доступность запуска, но не обещает интерактивной скорости.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🤝 Три сценария будущего искусственного интеллекта

На общем собрании сотрудников Сэм Альтман рассказал о трёх путях, которые в индустрии обсуждают как способы безопасно дожить до сверхинтеллекта. Это происходит как раз тогда, когда администрация Трампа создаёт первую систему надзора за разработчиками «сверхинтеллекта».

Три пути такие:

1️⃣ «МАГАТЭ для ИИ»
Международная организация проверяет самые мощные модели, как МАГАТЭ проверяет ядерные объекты: единые стандарты, аудиты, контроль вычислительных мощностей. Судя по пересказам, Альтману ближе всего этот вариант. Идею он продвигал ещё в 2023 году вместе с Бокчманом и Суцкевером. Главная проблема сценария — для его реализации потребуется беспрецедентное международное сотрудничество.

2️⃣ Слияние лабораторий («план Демиса»)
Названо в честь главы Google DeepMind Демиса Хассабиса, который предлагал «ЦЕРН для ИИ». В версии Альтмана крупнейшие лаборатории объединяются в одну структуру. Она ведёт общие разработки и выдаёт модели странам-партнёрам. Главная проблема сценария — сложно представить, что компании, вложившие десятки миллиардов долларов в собственные разработки, добровольно объединят свои технологии и откажутся от борьбы за лидерство.

3️⃣ Один победитель («план Элиезера»)
Названо в честь Элиезера Юдковского, одного из наиболее известных исследователей рисков ИИ. Одна компания первой получает ИИ, который сам себя улучшает (в статье это называется рекурсивным самосовершенствованием, RSI). Потом она использует экономическую мощь, чтобы лишить всех соперников вычислительных ресурсов, или, по словам Альтмана, «расплавить чужие GPU».

Сам Альтман заявил, что считает третий сценарий ужасным и упоминает его исключительно для полноты картины.

На наш взгляд, самое интересное в публикации — не сами три сценария, а то, какие более глубокие процессы за ними стоят. Ещё несколько лет назад разговоры о рисках сверхинтеллекта преимущественно касались технических проблем: как сделать так, чтобы ИИ правильно понимал человеческие намерения, не совершал опасных действий и оставался управляемым.

Теперь крупнейшие разработчики обсуждают уже совершенно другие вопросы: нужна ли человечеству международная организация по контролю над ИИ, стоит ли объединять ведущие лаборатории и может ли одна компания получить настолько огромное преимущество, что остальные просто потеряют возможность конкурировать.

Особенно показательно, что все три сценария предполагают радикальное изменение существующей модели развития индустрии.

Возможно, самая большая опасность будущего ИИ заключается не только в том, что однажды машины станут умнее людей, но и в том, что ещё до этого небольшая группа компаний или людей получит беспрецедентную власть над технологией, от которой будет зависеть всё человечество.

При этом важно не воспринимать три сценария Альтмана как готовый прогноз. Это обсуждаемые варианты, а не утверждение, что один из них обязательно реализуется. Более того, ни один пока не предлагает простого и гарантированного решения.

Но сам факт, что руководитель OpenAI обсуждает подобные варианты с сотрудниками и считает необходимым определиться с направлением действий в ближайший год, говорит о том, насколько серьёзно вопрос управления передовым ИИ воспринимается внутри индустрии.

Пожалуй, главный вопрос ближайших лет — не только кто первым создаст сверхинтеллект, но и кто будет решать, что этому сверхинтеллекту позволено делать и кому вообще будет принадлежать право им распоряжаться.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🕸 PAUK: научная статья попадает в паутину

Исследователи Института искусственного интеллекта ИТМО создали PAUK — открытый инструмент, который объединяет в одной карте научные публикации, их авторов, подразделения университета и программные репозитории.

Пользователь видит не список результатов поиска, а сеть: каждый исследователь связан с публикацией, подразделением и репозиторием; репозиторий — с реализованной статьёй и своим владельцем; организация — с входящими в неё научными коллективами.

Получается своеобразная карта метро науки. Статьи становятся станциями, код — работающими линиями, а авторы и лаборатории — узлами пересадок между дисциплинами.

Сам университет называет PAUK первым в России открытым решением такого класса. Над проектом работали 12 сотрудников и студентов, включая первокурсников лаборатории АИСТ. Код опубликован под лицензией BSD-3-Clause, а разработку уже представили на конференции разработчиков свободного программного обеспечения.

Почему обычного поиска по статьям недостаточно?

Результат современного исследования часто состоит из двух частей. Первая — статья, где описаны метод и результаты. Вторая — программный код, без которого расчёты невозможно проверить или повторить. Но эти части нередко живут отдельно.

Репозиторий может находиться в личном аккаунте разработчика, ссылка — быть спрятана в PDF или испорчена переносом строки, а имя одного учёного — записано в разных публикациях разными способами. Кроме того, ссылка на GitHub ещё не означает, что авторы статьи создали этот код: они могли просто использовать чужую библиотеку.

В результате библиографические базы показывают публикации, GitHub — репозитории, сайты университетов — сотрудников, но почти нигде нет надёжного ответа на вопрос: кто, в рамках какой работы и какой организации создал конкретный научный инструмент?

PAUK пытается собрать эту разорванную картину.

Как работает научный «паук»?

Система начинает с OpenAlex, откуда получает сведения о публикациях. Затем обогащает их данными Crossref и ORCID (Open Researcher and Contributor ID, уникальный цифровой идентификатор исследователя), просматривает аннотации и полные тексты PDF, ищет ссылки на GitHub и другие ресурсы, исправляет разрывы и переносы в адресах.

После этого PAUK проверяет связи. Для сопоставления учёных используются не только имена, но и ORCID, институциональная почта и аффилиации. Отдельно устанавливается, является ли репозиторий собственным результатом авторов статьи или лишь упомянутым сторонним инструментом.

Если доказательств недостаточно, система сигнализирует о проблеме в связи: решение откладывается или передаётся на ручную проверку. В графе даже технически разделены отношения «в публикации упомянута ссылка» и «репозиторий реализует эту работу».

Проверенные сущности загружаются в графовую базу Neo4j.

Как это может помочь науке?

Во-первых, PAUK сокращает путь от описанного метода до его практической реализации. Это ещё не кнопка «воспроизвести исследование»: остаются данные, зависимости, версии библиотек и вычислительная среда. Но система решает один из первых и самых неприятных вопросов — где находится код и кому задавать вопросы о его работе.

Во-вторых, такая карта помогает искать партнёров не по формальным названиям кафедр, а по реальным компетенциям. Химическая лаборатория сможет найти команду, которая действительно разрабатывает мультиагентные системы, а не просто однажды упомянула их в статье.

В-третьих, граф делает заметнее создателей научного ПО. Сегодня системы оценки науки преимущественно считают статьи и цитирования, хотя значительная часть практической ценности исследования может находиться в коде, моделях и датасетах.

Наконец, PAUK способен стать инфраструктурой для научных ИИ-агентов. Получив статью, агент сможет найти связанную программу, её авторов и похожие разработки — и не начинать исследование с повторного изобретения уже опубликованного инструмента.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🤔 ИИ научился сомневаться, но не перестал выдумывать

К концу 2026 года галлюцинаций у нейросетей стало заметно меньше. Однако одного универсального «процента выдумок» не существует: модель может точно пересказывать документ, но ошибаться в фактах из собственной памяти. Или хорошо знать факты, но добавлять лишнее в длинных ответах.

Поэтому модели проверяют несколькими типами бенчмарков.

➡️ SimpleQA Verified от Google DeepMind содержит тысячу коротких вопросов без доступа к поиску и измеряет знания, хранящиеся непосредственно в параметрах модели.

На начало ноября лидируют Gemini 3.1 Pro Preview с 77,5% правильных ответов, GPT-6 Astra с 75,8% и Gemini 3.8 Flash примерно с 74,6%. Для сравнения: GPT-4o в первоначальном SimpleQA в 2024 году не достигала и 40%.

➡️ Vectara HHEM проверяет другое: может ли модель пересказать предоставленный документ, не добавив неподтверждённых сведений. Здесь наиболее устойчивыми оказались не самые крупные флагманские системы:

Finix S1 32B — 1,8% галлюцинаций;
GPT-5.4 Nano — 3,1%;
Gemini 2.5 Flash Lite — 3,3%;
Microsoft Phi-4 — 3,7%;
Llama 3.3 70B — 4,1%.

Для версии GPT-4o от августа 2024 года тот же рейтинг показывает 9,6%. В этом конкретном режиме частота ошибок за два года уменьшилась примерно втрое.

Но делать вывод, что Finix или GPT-5.4 Nano «умнее» всех остальных, нельзя: краткая аккуратная модель может хорошо пересказывать текст, но заметно уступать в рассуждениях, коде и самостоятельном поиске.

➡️ AA-Omniscience проверяет не только знания, но и способность признать их отсутствие. В нём 3 000 вопросов по шести областям, неверный ответ штрафуется, а отказ от ответа — нет. Минимальный уровень галлюцинаций (около 4%) показывают отдельные конфигурации Gemini 4 Carbon и Gemini 4 Argon. По доле правильных ответов лидируют Claude Fable 5.1 с 68% и Claude Opus 5.5 примерно с 66%.

Это важный парадокс: самая «негаллюцинирующая» модель и самая знающая модель — не обязательно одна и та же система. Низкий показатель может означать не всеведение, а умение вовремя промолчать.

➡️ Наконец, комплексный FACTS разделяет фактическую надёжность на четыре режима: знания из параметров, ответы с поиском, работу с предоставленными документами и анализ изображений. Это, вероятно, наиболее правильный подход: галлюцинация - не одно заболевание, а семейство разных ошибок.

Как разработчикам удалось так быстро снизить число выдумок?

Во-первых, улучшились обучающие данные: стало меньше дублей, противоречий и низкокачественных текстов.

Во-вторых, постобучение начало вознаграждать не только правильный ответ, но и корректный отказ.

В-третьих, reasoning-модели получили дополнительное время на проверку нескольких гипотез.

Наконец, вместо одинокой нейросети всё чаще работает система: поиск, базы знаний, выполнение кода, проверка цитат и отдельная модель-критик. Иными словами, разработчики не создали безошибочную память. Они научили ИИ чаще сверяться с внешним миром.

Можно ли полностью устранить галлюцинации?

В ограниченной системе — почти да. Если агент работает с закрытой базой, обязан приводить источник, выдаёт структурированный результат и отказывается отвечать при недостатке данных, остаточный риск можно сделать очень малым.

Для универсальной модели, свободно отвечающей на любые вопросы, абсолютный ноль в ошибках маловероятен.

Исследование в Nature указывает на две фундаментальные причины: редкие факты недостаточно представлены в обучающих данных, а традиционные тесты часто вознаграждают попытку угадать сильнее, чем честное «не знаю».

Поэтому главным признаком зрелости ИИ может стать не отсутствие ошибок, а способность понимать границы собственных знаний. Надёжная модель будущего — не та, которая всегда отвечает, а та, которая знает, когда ответ необходимо проверить.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

❤️ ИИ начал раскручивать маховик собственного развития

До сих пор «самообучение ИИ» чаще означало лабораторный эксперимент: модель улучшает промпт, переписывает фрагмент кода из "обвязки" или создаёт синтетические данные для дообучения. Полного цикла, в котором ИИ самостоятельно выбирает направление исследований, проводит эксперименты, обучает преемника и повторяет процесс, пока нет.

Но новый отчёт METR показывает, что возникла промежуточная стадия. ИИ ещё не создаёт себя автономно, но уже ускоряет человеческую команду, создающую следующий ИИ.

Независимая исследовательская организация METR в течение 11 недель изучала внутренние данные Anthropic: результаты закрытых моделей, использование вычислений, эксперименты, опросы и интервью сотрудников.

В итоге выяснили, что с октября 2025 года возможности моделей Anthropic на хорошо формализованных задачах росли примерно в 1,9 раза быстрее прежнего. То есть за 1 год компания прошла путь, на который раньше потребовалось бы около двух лет.

Исследователи уверены, что скачок нельзя объяснить одним лишь ускоренным наращиванием вычислительных мощностей для обучения. По их приблизительной оценке, около 80% текущего ускорения может быть связано именно с применением ИИ внутри R&D.

Как выглядит этот цикл на практике?

Исследователь формулирует идею для улучшения модели, а агенты пишут код, подготавливают данные, запускают десятки экспериментов, анализируют результаты и предлагают следующую итерацию. Человек всё ещё определяет, какой вопрос важен, и принимает итоговое решение, но стоимость проверки каждой гипотезы резко падает.

В Anthropic утверждают, что Claude уже «ведёт» 26% внутренних исследовательских и инженерных задач, выполняя большую часть работы по высокоуровневому поручению. Более чем в 90% задач ИИ как минимум выступает полноценным соавтором. Однако ни один измеренный участок R&D пока не достиг уровня полной автономности.

Опросы сотрудников дают намного более впечатляющую, но гораздо менее надёжную картину: средняя субъективная оценка ускорения при работе с новейшей внутренней моделью достигала 12 раз.

METR прямо предупреждает, что это не измеренная производительность, а быстрый опрос нерепрезентативной группы.

При этом ИИ пока значительно лучше исполняет исследование, чем придумывает действительно новое направление. В свежем InnovationEval фронтирные модели почти не продвинулись в самостоятельном открытии новых методов машинного обучения, несмотря на эксперименты стоимостью в тысячи долларов GPU-времени.

Главным человеческим преимуществом остаётся научное суждение: что исследовать, какой результат считать важным и когда "красивую" метрику следует признать тупиком.

Что произойдёт, если ускорение продолжится?

Возникает положительная обратная связь: более сильная модель помогает быстрее создать следующую, а та ещё сильнее ускоряет исследования. Период между поколениями может сокращаться, количество проверяемых идей — расти, а преимущество лабораторий с лучшими моделями, данными и вычислениями — накапливаться.

Но скорость не может расти бесконечно. Цикл ограничивают вычисления, энергия, выпуск чипов, подготовка данных, длительность обучения и надёжность проверки результатов. В науке добавляются физические пределы: химическую реакцию, выращивание клеток или клиническое испытание нельзя ускорить простым добавлением агентов.

Экономическая модель рекурсивного самоулучшения, опубликованная осенью 2026 года, приходит к осторожному выводу: сегодняшние петли обратной связи ещё недостаточно сильны, чтобы поддерживать самостоятельный «взрыв интеллекта», хотя их сила растёт.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться

🌟 У ответа ИИ появился криптографический паспорт

Покупая доступ к дорогой модели через API или агрегатор, клиент фактически получает только текст или изображение/видео. По самому ответу почти невозможно установить, действительно ли его создала выбранная фронтирная модель или провайдер незаметно заменил её более дешёвой, урезанной либо квантизированной версией.

Пока различия между моделями были очевидны, подмена обнаруживалась по качеству. Но по мере их сближения возникает классический рынок с «непроверяемым товаром»: клиент платит за GPT, Claude или Gemini высшего класса, а вычисления может выполнять значительно более дешёвая опенсорс система.

Anthropic предложила технологический ответ — FlashProve, открытый прототип криптографически проверяемого инференса.

Перед началом работы провайдер публикует короткий криптографический отпечаток конкретного набора весов. Затем вместе с ответом создаётся доказательство zkSNARK, подтверждающее: именно модель с этими весами получила данный запрос и произвела данные токены.

Клиент может проверить доказательство, не получая доступа к самим весам и не запуская огромную модель повторно. Если провайдер заменит модель или злоумышленник изменит ответ, проверка завершится неудачей.

Это похоже на пломбу на контейнере: она не сообщает, насколько хорош находящийся внутри товар, но позволяет убедиться, что по дороге его не заменили.

Что удалось показать Anthropic?

FlashProve протестировали на четырёхбитной версии Llama 4 Maverick — MoE-модели с 400 млрд параметров, из которых для каждого токена активируется около 17 млрд.

На одном H100 система формирует доказательства со скоростью около 110 токенов в секунду. Для запроса длиной 1 024 токена получается файл размером 18,78 МБ. Его проверка занимает около 17 секунд на 24 процессорных потоках или 21 секунду на одном потоке без GPU и доступа к весам модели.

По сравнению с обычным обслуживанием запросов через vLLM доказательство требует примерно в 70–95 раз больше GPU-времени. Это всё ещё слишком дорого для массового чата, но уже не выглядит невозможным для выборочного аудита или особо важных операций.

Однако это исследовательский прототип. Он поддерживает только контекст до 1 024 токенов, MoE-архитектуру и детерминированное greedy-декодирование целочисленной версии модели.

Есть и более тонкое ограничение. FlashProve подтверждает, что ответ дала модель с определённым отпечатком весов. Но кто-то доверенный должен предварительно удостоверить, что этот отпечаток действительно соответствует, например, «Claude Opus 5» или «Llama 4 Maverick», а не дешёвой модели, которой провайдер присвоил более дорогое название.

И главное: доказательство происхождения не означает, что ответ верен, безопасен или свободен от галлюцинаций. Оно подтверждает источник вычислений, а не качество результата.

Кому это может быть выгодно?

В первую очередь крупным компаниям и государственным заказчикам, использующим модели через посредников. Криптографическая квитанция позволит проверить, за какой инференс они действительно заплатили.

Агрегаторы и облачные платформы смогут предлагать «верифицированный маршрут», исключая скрытую подмену модели. Разработчики дорогих моделей смогут продавать премиальный доступ с доказуемым качеством поставки. Независимые аудиторы будут подтверждать, что до и после проверки пользователям обслуживается одна и та же версия системы.

Для регуляторов появляется возможность контролировать, что в медицине, финансах, критической инфраструктуре или государственных сервисах используется только одобренная модель. А для служб безопасности появляется возможность обнаруживать подмену весов или вмешательство в поток ответов на скомпрометированном сервере.

Вероятно, сначала такие доказательства будут сопровождать не каждый запрос, а выборочные транзакции, результаты аудита и наиболее ответственные решения. Но направление уже понятно: рынок ИИ постепенно переходит от доверия к названию модели к проверяемому происхождению каждого вычисления.

💬 Тест Тьюринга. События в сфере ИИ. Подписаться