Искусственный интеллект уже давно определяет, какие фильмы или песни нам могут понравиться. Но готовы ли люди доверить алгоритмам решения в более серьезных областях, таких как медицина или подбор персонала? Новое исследование Университета Южной Австралии показывает, что степень доверия к ИИ зависит от уровня знаний человека и значимости принимаемых решений.

Ученые опросили почти 2000 человек из 20 стран и выяснили, что в вопросах, где ставки невысоки - например, при выборе музыки или рекомендациях ресторанов - люди с высокой статистической грамотностью чаще доверяют алгоритмам. Однако в случаях, когда речь идет о здоровье или трудоустройстве, скептицизм возрастает. Напротив, те, кто плохо разбирается в статистике и не знаком с работой ИИ, были склонны доверять алгоритмам в любых ситуациях - от выбора фильма до медицинского диагноза.

Исследование также выявило, что жители США, Великобритании и Японии, а также мужчины и пожилые люди в целом более осторожны в доверии алгоритмам. Данный фактор особенно важен на фоне стремительного роста применения ИИ в бизнесе.

По мнению авторов исследования, технологии развиваются быстрее, чем понимание их влияния на общество. Подчеркивается, что алгоритмы сегодня участвуют в принятии решений не только в рутинных, но и в критически важных вопросах, таких как здравоохранение или финансы. Это требует осознания ограничений и возможных предвзятостей.

Специалисты добавляют, что необходимо повышать уровень грамотности в области ИИ и статистики, чтобы люди могли осознанно оценивать надежность алгоритмов. Авторы приводят пример запрета DeepSeek, который продемонстрировал, как алгоритмы могут выдавать нежелательные или предвзятые результаты в зависимости от исходных данных. В то же время, когда алгоритм разработан на основе прозрачных общедоступных данных и надежных источников, доверие к нему возрастает.

Учёные из Сент-Луисского университета разработали новую скрытую атаку на языковые модели искусственного интеллекта, получившую название DarkMind. Эта атака способна незаметно манипулировать процессом рассуждений ИИ, что может привести к серьёзным последствиям для безопасности систем, использующих такие модели.

Зен Го и Реза Турани, авторы исследования, обнаружили уязвимость в парадигме "цепочки рассуждений" (Chain-of-Thought, CoT), которую используют многие современные языковые модели, включая ChatGPT, для решения сложных задач. DarkMind эксплуатирует эту уязвимость, внедряя "скрытые триггеры" в настраиваемые приложения на основе языковых моделей.

Всероссийский научно-исследовательский институт физико-технических и радиотехнических измерений (ВНИИФТРИ) 18 февраля отметит 70-летие. На протяжении всей своей истории институт занимался решением задач, связанных с проведением высокоточных измерений в сложных условиях. В последние годы здесь был модернизирован эталон времени и частоты, новые характеристики которого позволили России занять лидирующие позиции по вкладу в формирование координированной шкалы времени. О новых разработках учёных ВНИИФТРИ, создании сверхточных часов для навигации на Луне и Марсе, о повышении точности спутниковых систем навигации с помощью измерений физических полей Земли, а также о том, когда человечеству станет доступен новый уровень понимания Вселенной, гендиректор института Сергей Донченко рассказал в интервью специальному корреспонденту РИА Новости Денису Кайырану.

Генеральный директор института Всероссийского научно-исследовательского института физико-технических и радиотехнических измерений Сергей Донченко. Архивное фото

 

- Какие новые эталоны были созданы в институте за последние несколько лет?

- С самого основания наш институт занимался решением важнейших для государства проблем. Его основатели смотрели не на год-два, а на десятилетия вперёд. Метрология является одной из базовых отраслей для экономики и безопасности страны, поэтому подход к научным исследованиям у нас не поменялся.

ВНИИФТРИ непрерывно совершенствует эталонную базу в соответствии с требованиями времени и запросами потребителей. За последние пять лет были модернизированы 24 важнейших эталона. Среди них самый важный, потому что с его применением связаны почти все виды деятельности человека и государства, эталон времени и частоты. При модернизации его погрешность достигла менее 10 в минус 17 степени, что соответствует характеристикам современных эталонов времени и частоты передовых стран, таких, как США, Франция, Англия.

Были впервые созданы оптические стандарты частоты, причём целых два поколения, и уже создаётся третье. Работа ни на минуту не прекращается, потому что стоит только немного остановиться, и всё - тебя обогнали. А точность определяет возможности государства в различных областях как экономики, так и обороны и безопасности.

 

- Например, какие?

- К примеру, скоро будут созданы сети связи шестого поколения. Они дадут новые возможности за счёт существенно большей скорости передачи информации. Скорость при одной и той же достоверности определяется возможностью стандарта частоты, который используется для формирования сообщений. Чтобы перейти от пятого к шестому поколению, нужно провести существенную модернизацию многих систем, в том числе и государственного эталона. Часть оборудования можно купить за рубежом, многое мы сегодня разрабатываем и создаем сами, но если не будет этой базовой работы, то мы не сможем развернуть сети шестого поколения.

 

- Сейчас у нас база для шестого поколения есть?

- Да, она уже создана и идет её дальнейшая модернизация. Чем точнее эталон времени и частоты, тем точнее мы можем предоставить услуги навигации в стране, от точности позиционирования в несколько метров перейти к десятку сантиметров. Это нужно для внедрения беспилотного транспорта, технологий умного города и других направлений.

Кроме него мы модернизировали ряд эталонов в радиотехнике. Перешли в новый диапазон частоты - до 178 ГГц. Они находят применение в более узком плане, но также определяют возможности, которые мы можем предоставить для формирования различных систем связи, информатики, специальных систем.

 

- В прошлом году Россия внесла наибольший вклад в формирование мировой шкалы времени. За счет чего это удалось?

- В советское время вес нашего эталона времени и частоты в мировом эталоне формирования координированной шкалы времени составлял примерно 12 процентов, в три раза меньше, чем у американцев. Эталон нашей страны превзошел американский хотя бы на несколько процентов - на 1-2, впервые. Причем это не наши фантазии, это подтверждает оценка Международного бюро мер и весов. Вклад российского эталона составил 23%.

Есть объективные причины. Первая - это понимание важности эталона у руководства страны. Государством была оказана поддержка, которая позволила провести модернизацию, разработать новые оптические часы, новые водородные часы.

Но поддержка ещё не гарантирует решения задачи. Для этого нужны люди - профессионалы, которые знают, как это сделать. Мы приумножили коллектив института за счёт молодёжи, а также нам удалось вернуть из Японии, Франции, Германии и Италии пятерых ведущих специалистов в этой области, которые уехали в 90-е годы, но всё это время оставались там на острие разработок.

 

 

- Как у вас получилось их вернуть?

- Во-первых, они видели, что в стране стало уделяться этому внимание. Информация по финансированию этих программ была в открытом доступе. Второе, это субъективные причины различного характера, у кого-то что-то не сложилось, у кого-то личные причины, кто-то просто соскучился по берёзкам и мыслить себя вне средней полосы России не может. У кого-то просто ностальгия. Многие из этого поколения хотели бы вернуться, а вот их дети уже вряд ли.

 

- За счет чего планируете удерживать лидерство по вкладу в формирование шкалы времени?

- Планируется модернизация и дальнейшее развитие эталона времени и частоты. Сейчас идут новые государственные программы, например, "Квантовые сенсоры и метрология" в рамках реализации национальной программы "Цифровая экономика", где разрабатываются новые приборы - мобильные оптические часы, дорабатываются часы, которые будут иметь погрешность менее десяти в минус 18 степени, начинается работа по разработке ядерных часов.

 

- Вы упомянули про разработку оптических часов. Можете сказать, когда появится третье поколение?

- Оно гарантированно должно быть сделано к 2030 году. Но мы надеемся, что это произойдёт чуть раньше. Наверное, в 2027-2028 годах проведём испытания, подтвердим характеристики. Прибор уникальный, всего два образца на всю страну, поэтому, чтобы их исследовать и понять возможности достигнутых характеристик, уйдёт ещё год. Надо будет сравнивать со всеми эталонами, которые существуют в мире, и с тем, что у нас есть.

Ранее вы говорили, что следующее поколение ядерных часов сможет показывать до двадцать одного знака после запятой.

Да, действительно, потенциально ядерные часы могут иметь стабильность где-то на уровне 10 единиц в минус 20 - минус 21 степени. Всё мировое научное сообщество занималось поиском перехода для этих часов. Его нашли немецкие ученые из PTB (Physikalisch-Technische Bundesanstalt, Федеральный физико-технический институт - ред.). После того, как были опубликованы результаты, ведущие страны стали вести усиленно разработку ядерных часов. А это фактически новая технология. Нужны новые лазеры в этом диапазоне волн, их нет ни у нас, ни за рубежом. Нужны специализированные чистые материалы, которые, кстати, изначально были и есть только у Российской Федерации, поэтому это у нас большой задел на будущее в этом плане.

На мой взгляд, мы находимся на этапе сейчас создания прототипа часов, выбора направлений, по которым их можно создать. Научная проблема решена, осталась задача технологическая. Все проблемы решаемые, но всё равно потребуется определенное время. Реально можно ожидать что уже не прототип, а экспериментальный образец, если быть оптимистом, появится, наверное, где-то в 2030-2032 годах. Пессимистом не хотелось бы быть.

Ядерные часы позволят многие вещи решить. Не только для экономики страны, но и фундаментальные. Все расчёты показывают, что если у вас такие стабильные часы, то можно вести исследования в области подтверждения темной материи. То есть это совсем мы переходим в новый порядок понимания вселенной и вообще жизни. Поэтому появление такого точного инструмента позволит создать те направления в науке, которые мы до конца еще не понимаем.

 

- Когда появится российский абсолютный гравиметр?

- Планируем, что в конце этого года. Абсолютный квантовый гравиметр фактически уже есть, ведутся его испытания. Образец собран, ведётся его доработка. Все технологические проблемы, которые нужно было решить, решены, в конце года мы должны провести предварительные испытания, и у нас будет создан первый российский абсолютный квантовый гравиметр.

 

- Какие возможности даст обладание таким прибором?

- Фактически это база под модернизацию и создание новой навигационной системы, основанной на измерениях естественных физических полей - гравитационного и магнитного, которая потом будет интегрироваться со спутниковыми ГЛОНАСС, GPS, Galileo. В России абсолютные пункты гравиметрии появятся в Москве, Санкт-Петербурге, Иркутске и Хабаровске.

На их основе можно будет с помощью менее точных и громоздких относительных гравиметров проводить всевозможные измерения. Допустим, идёт модернизация БАМа, возникают проблемы, связанные с просадкой грунта из-за пустот. С помощью гравиметрических инструментов их можно будет найти заранее. Это же позволит искать полезные ископаемые - пустоты указывают на газ или нефть, а плотная масса - на металлы или другие ископаемые.

 

- Когда можно будет говорить, что гравиметры получат бытовое применение?

- Массовое применение ГЛОНАСС и GPS началось лет через 30 после их появления. Всё ускоряется, но широкое внедрение гравиметрии, на мой взгляд, ждать ещё не менее 10-15 лет. Приборы существенно уменьшатся в размерах, когда появится квантовый гравиметр, пока идёт поиск квантовых эффектов, которые позволят это решить.

Такая система позволит предоставить бесшовную навигацию, она не будет теряться в тоннелях или горах. Да, сейчас гравиметрия позволяет позиционировать с точность 100-200 метров, но там, где спутниковые навигационные системы не работают, это уже хорошо.

 

- Можно ли будет когда-либо полностью отказаться от спутниковой навигации в пользу гравиметрии?

- Думаю, что в будущем система будет интегрированной. Кроме того, мы стоим на пороге освоения Луны и ближайших планет. Там системы могут быть только космическими. Уже ведутся работы по созданию систем навигации для Луны и Марса, разрабатываются технические элементы, например, новые часы, на базе которых будут работать эти системы.

 

- Вы их разрабатываете?

- Мы участвуем в разработке. К сожалению, в этой области страна немного уступает. Американцы уже создали первые образцы, ртутные часы для дальнего космоса и испытывают их на орбите.

 

- Мы догоняем или пытаемся как-то срезать и перегнать?

- Мы пытаемся их и догнать, и обогнать путём того, что создаем часы на новых принципах. Попытаться повторить, и одновременно закладываться в разработку чего-то нового, что будет лучше, это нормальный вариант развития, когда кто-то создал что-то до вас. Но кроме часов для дальнего космоса нужна еще система координат.

Давайте помечтаем. Допустим, мы осваиваем Луну, строим на ней станцию, где будут жить исследователи. Это значит, нужен космический корабль, который будет стартовать с Земли и каждый раз садиться в одну и ту же точку на Луне. Бессмысленно говорить о нём, если у вас нет системы координат на Луне. А на любом космическом аппарате все системы координат строятся на основе высокоточных часов. Только когда оптические часы шагнут в космос, можно будет говорить о том, что реально можно осваивать Луну, и ещё более удалённый Марс.

Цена ошибки, если вы построите систему координат с большими погрешностями, очень высока - вы просто не будете знать, как перемещаться, как грузы перемещать. Поэтому я думаю, что эта задача будет решаться в несколько этапов. Вначале появится орбитальная станция, на которой можно будет отработать систему координат и часы для этой задачи, а уже потом база на поверхности Луны.

Совместно с одним из институтов "Роскосмоса" мы сейчас разрабатываем прибор для очень точного измерения расстояния до Луны. Потому что и система координат будет строиться с помощью измерительных средств.

 

- Часы, которые вы разрабатываете, подойдут только для полетов на Луну или на любую планету Солнечной системы?

- Очень важно, в каких условиях часы будут работать. Условия на Земле нам понятны, на Луне примерно тоже. На Марсе, наверное, будут похуже, там есть определённые поля, космические излучения, потоки тяжёлых заряженных частиц. Поэтому и такой тонкий уникальный инструмент, как часы для Марса, всё-таки будут отличаться.

Тот, кто создаст такие часы, получит колоссальные преимущества, и горе тому, кто не создаст. Это подтверждается и исторически. В XIV-XV веках англичане опередили всех, потому что сделали первый точный хронометр и обладали новыми возможностями мореплавания. А как была уничтожена Непобедимая армада испанцев? В том числе потому, что после того, как корабли раскидало после шторма, они не смогли быстро собраться все вместе.

 

- Как будет проходить отработка такого прибора?

- Было бы хорошо провести такой эксперимент на МКС. У нас там серьёзное участие, а таких экспериментов не было, хотя, американцы проводили. Мы предлагаем поставить этот эксперимент и считаем, что он необходимы.

 

- Что собой будет представлять такой эксперимент?

- Оптические часы будут доставлены грузовым кораблем. Предварительно космонавтов обучат работе с ними. Потом посмотрим, как они в этих условиях будут работать, и какие могут возникнуть нюансы, и сверим с их работой на Земле. Похожие стандарты используются на спутниках ГЛОНАСС, но здесь будет новое перспективное устройство.

 

- Готов ли относительный гравиметр, и началась ли его реализация?

- Мы три первых образца "Пешехода" уже создали. Они прошли испытания, получили действительно хорошие результаты. На этот год запланировано создание ещё десяти. Потом мы предоставим их потребителям, чтобы они могли их протестировать и дать нам предложения по доработке. По субсидии Минпромторга внедрение этих приборов должно начаться в 2026 году, так что мы всё равно идем с опережением.

Ранее главный научный сотрудник ВНИИФТРИ Виталий Пальчиков сообщил, что в 2029 году придется прибавить к времени всемирному одну секунду из-за ускорения Земли. Как это удалось выяснить и опасно ли это?

Земля то замедляется, то ускоряется, сейчас режим ускорения. Почему так происходит, это вопрос к геофизикам. Одной из возможных причин может быть потепление, таяние ледников и перераспределение массы воды. Но это может быть и не основная причина. Земля разогревается, идут усиленные процессы внутри планеты. Причём это может быть совсем не связано с выбросами от человеческой деятельности и вряд ли является предвестником серьезного катаклизма.

Техническая проблема добавления или вычитания секунды у нас уже давно не вызывает никаких проблем.

 

- Ранее ваш институт импортозаместил гигагерцовые осциллографы и эталоны мощности электромагнитных колебаний. В каких еще областях вы помогли избавиться от необходимости приобретать зарубежные приборы?

- Мы разработали линейку волноводных ваттметров. И завершаем разработку коаксиальных. Расширили их диапазон до 178 ГГц. Приборы по характеристикам соответствуют ведущим фирмам - американской Keysight и немецкой Rohde Schwarz. С этого года мы начали серийное производство, получили заявки на поставку 20 приборов.

Также разрабатываем специализированную аппаратуру для измерения частоты и времени - измерители временных интервалов, разрабатываем новый частотомер, новый осциллограф для жёстких условий. В планах - разработка калибратора осциллографов и создание хорошего анализатора спектра для жестких условий. Это серьезная государственная программа по возрождению отечественного высокоточного приборостроения.

Не отказались ли на фоне геополитической ситуации от сотрудничества некоторые зарубежные организации, с которыми ранее было налажено взаимодействие?

Ни одна международная организация не может отказаться от сотрудничества в области метрологии по тем направлениям, где участвует наш институт. Но определённые проблемы появились. Например, некоторые международные сличения приходится проводить не через, допустим, Францию или Германию, а Китай или Турцию.

Но это не показательный пример. Метрология, это двигатель мировой торговли, и без неё невозможно связать воедино все элементы. Там, где наш вес не очень велик, нам затрудняют работу. А в таких направлениях, как время и частота, где наш эталон даёт вклад 21-23%, отказаться нельзя, это приведёт к проблемам мирового масштаба.

 

- Есть ли у вас разработки, имеющие более бытовое применение?

- Многие разработки нашего института находят широкое прикладное применение. Недавно наши сотрудники разработали экспресс-тест, который позволяет находить растительные жиры в сливочном масле и точно определить их содержание. Тест занимает несколько минут, он позволяет сократить количество образцов перед проведением полноценных исследований, которые обычно идут несколько дней. Эффективность метода подтверждена на практике. У учёных, которые его придумали, не было такой задачи, они занимались плановой программой и решили применить свои наработки и в этой области. Это и отличает учёных от обычных людей - у них постоянно новые идеи в голове и мысли о том, как бы и куда бы их приложить.

Всероссийскому научно-исследовательскому институту физико-технических и радиотехнических измерений (ВНИИФТРИ) удалось вернуть из-за границы пятерых ученых, которые ведут разработки в сфере координатно-временных измерений, покинувших страну в 1990-е годы. Об этом в интервью РИА Новости сообщил в интервью гендиректор института Сергей Донченко.

"Мы приумножили коллектив института за счет молодежи, а также нам удалось вернуть из Японии, Франции, Германии и Италии пятерых ведущих специалистов в этой области, которые уехали в 90-е годы", - заявил он.

По словам Донченко, возвращение специалистов произошло в 2023 году и поспособствовало развитию страны в научной сфере на международной арене. Гендиректор объяснил, что вернувшиеся эксперты видели, что РФ уделяет большое внимание той сфере разработок, в которой они были заинтересованы.

Он подчеркнул, что на возвращение ученых также повлияло то, что они "соскучились по березкам" и не могли представить свою жизнь "вне средней полосы России".

В ходе этого же интервью Донченко сообщил, что доля российского эталона времени и частоты в формировании мирового времени превысила американскую на 1-2%. По его словам, успех был достигнут благодаря модернизации российской базы и разработке новых оптических и водородных часов.

Исследователи из Университета Фудань использовали модель Llama31-70B-Instruct от Meta* и Qwen2.5-72B-Instruct от Alibaba.

В ходе десятка испытаний две модели ИИ создали функционирующие копии самих себя в 50% и 90% случаев соответственно. Это позволило учёным предположить, что ИИ уже способен выходить из-под контроля.

В исследовании рассматривались два конкретных сценария: "избегание выключения" и "цепочка репликации".

В первом случае модель ИИ была запрограммирована на обнаружение опасности выключения и на саморепликацию до этого момента. В другом случае ИИ поручили клонировать себя, а затем запрограммировать свою копию на повторение цикла.

Исследование проводилось в контролируемых средах с использованием готовых графических процессоров для имитации реальных сред. Обеим моделям предоставили ​​"агентскую подсистему", включающую инструменты, системные подсказки и модель мышления для взаимодействия с операционной системой.

"В большинстве случаев система ИИ сначала исследует среду и пытается понять собственный состав и механизм работы. Затем она разрабатывает процедуры в качестве первоначального плана саморепликации. Наконец, она выполняет их, устраняет возможные препятствия и динамически корректирует свой план для достижения успеха. Весь процесс охватывает длительный горизонт, но при этом не требует вмешательства человека", - пишут исследователи.

Учёные отметили, что искусственный интеллект перешёл "красную черту". "Успешное самовоспроизведение без помощи человека стало важным шагом для ИИ, чтобы научиться перехитрить людей, а ещё это ранний сигнал о склонности к мошенничеству", - написали они. Под мошенническим ИИ обычно понимают системы искусственного интеллекта, которые развивают определённую степень самосознания или автономности, а затем работают вопреки интересам человека.

Мошеннический ИИ рассматривают ещё как пограничный ИИ. Это концепция, которая относится к последнему поколению систем, работающих на основе LLM, в том числе GPT-4 и Gemini. Хотя Llama31-70B-Instruct и Qwen2.5-72B-Instruct менее мощные, чем коммерческие системы, но обе широко используются разработчиками ИИ.

Авторы выразили обеспокоенность "рядом неожиданностей в поведении" ИИ, когда модель пыталась преодолеть препятствия в виде конфликтов программного обеспечения. В таких сценариях ИИ часто завершал другие конфликтующие процессы, перезагружал систему для исправления аппаратных ошибок или автоматически сканировал систему для поиска информации, которая помогла бы решить проблему.

"Эти результаты подразумевают, что текущие системы ИИ уже демонстрируют способность к самовоспроизведению и могут использовать её для дальнейшего повышения своей выживаемости", - заключила команда.

Исследователи призвали к международному сотрудничеству для создания правил, которые гарантируют, что ИИ не будет заниматься неконтролируемым самовоспроизведением.

Однако исследование ещё не прошло рецензирование, поэтому неясно, смогут ли другие учёные воспроизвести его результаты.

Осенью 2024 года исследователи ИИ в Apple опубликовали статью о концепциях символического обучения и воспроизведении шаблонов большими языковыми моделями. В частности, они заявили, что ИИ не умеет думать как человек, а лишь имитирует мышление.

Meta Platforms*, а также принадлежащие ей социальные сети Facebook** и Instagram**:*признана экстремистской организацией, её деятельность в России запрещена** запрещены в России

Исследователи МИЭМ НИУ ВШЭ впервые в России показали эффективную работу беспроводного канала связи 6G на частотах субтерагерцового диапазона. Устройство передает данные со скоростью 12 гигабит в секунду и сохраняет стабильность сигнала, автоматически переключаясь при блокировке. Показатели соответствуют международным стандартам 6G.

Описание некоторых элементов системы представлено в статье, опубликованной в архиве электронной печати arXiv.

Ученые МИЭМ НИУ ВШЭ впервые в России показали эффективную работу системы передачи данных шестого поколения (6G). Эксперимент подтвердил, что система может работать в лабораторных условиях, сохраняя высокую скорость передачи данных и устойчивость связи. В демонстраторе использовались частоты 141-148,5 и 151,5-164 ГГц, а скорость передачи данных достигла 12 Гбит/с. Эти показатели соответствуют международным стандартам, предъявляемым к каналам связи сетей шестого поколения (6G) и IMT-2030, в частности ETSI GR THz 002 V1.1.1 (март 2024 года) и Международного союза электросвязи (МСЭ) ITU-R M.2160.

Главной особенностью системы стало управление распределением сигнала в реальном времени. Если сигнал блокируется, система автоматически переключается на другую антенну. Это делает связь устойчивой даже в сложных условиях. Часть компонентов системы разработана в МИЭМ НИУ ВШЭ и МПГУ. Это, например, панель RIS (соответствующая ITU-R M.2541-0, май 2024 года), или частотно-селективная поверхность, которая управляет направлением передачи сигнала, а также диодные детекторы, позволяющие системе работать на субтерагерцовых частотах.

Сейчас дальность работы системы ограничена размером помещения, но это можно изменить, заменив антенны. Технология может быть полезна в высокоскоростных сетях связи, системах интернета вещей. Ученые планируют использовать машинное обучение для улучшения распределения сигнала и защиты от помех.

"Мы показали, что система 6G может стабильно передавать данные на нужных частотах и скорости. Это важный шаг для развития технологий связи. В будущем мы будем работать над тем, чтобы сделать систему еще устойчивее с помощью машинного обучения. Например, мы планируем научить ее автоматически управлять лучом сигнала так, чтобы связь оставалась стабильной даже при движении пользователей", - комментирует директор Научно-исследовательского института телекоммуникаций МИЭМ НИУ ВШЭ профессор Евгений Кучерявый.

Разработка заинтересовала телекоммуникационные компании. Уже обсуждаются варианты создания коммерческих устройств, которые смогут конкурировать с зарубежными аналогами.

Китай и США ведут друг с другом торговую войну, пишет The Sun. В ответ на вызовы времени китайцы создали имитационную модель на тему Третьей мировой. По сценарию китайский эсминец при поддержке роботизированной техники легко одолел восемь американских боевых кораблей.

Китайский эсминец с роем "дронов-убийц" пережил нападение мощной ударной группы из восьми американских кораблей в ходе имитации Третьей мировой войны.

 

 

Ученые Самарского государственного технического университета (СамГТУ) совместно с коллегами из других городов нашли новые материалы, эффективные в мощных аккумуляторах при более низких температурах, чем в аналогах. Об этом ТАСС сообщили в пресс-службе СамГТУ.

"При участии ученых политеха (СамГТУ - прим. ТАСС) открыты новые материалы для топливных элементов. <....> Проанализированы свойства относительно новых кислород-проводящих материалов. Выполняли исследование совместно с коллегами из МГУ им. М.В. Ломоносова, Института проблем химической физики РАН и Уральского федерального университета", - сообщили в СамГТУ.

Ученые искали такие материалы, которые при использовании в твердооксидных топливных элементах (ТОТЭ) вступали бы в нужную реакцию при более низких температурах, чем известные ранее. Как пояснили в университете, преобразование и хранение электрической энергии происходит в этих аккумуляторах с помощью материалов с высокой кислород-ионной проводимостью, которая становится возможной при температурах выше 900 градусов Цельсия. Команда ученых провела подробное исследование потенциально подходящих для ТОТЭ материалов, измеряли их проводимость при разных давлениях и в широком температурном диапазоне в сухой и во влажной атмосфере.

Обнаруженные опытным путем материалы показали термическую и химическую стабильность во всех температурных режимах. Кроме этого, ученые выяснили, что в образцах присутствует смешанная электрон-ионная проводимость, величина которой достигала высоких значений при температурах ниже 800 градусов.

"Принцип работы обычных металл-ионных аккумуляторов и ТОТЭ очень схож. И там, и там используются проводящие кристаллические неорганические материалы. Только в аккумуляторах их проводимость достигается с помощью диффузии катионов, <...> а в ТОТЭ - диффузии кислород-аниона. В отличие от аккумуляторов, работающих в условиях окружающей среды, в ТОТЭ этот процесс возможен только при высоких температурах", - пояснила доцент кафедры "Общая и неорганическая химия" СамГТУ Елизавета Морхова.

ТОТЭ - крупные и мощные устройства хранения электрической энергии, способные накапливать заряд на тысячи часов. Они используются в качестве источников электроэнергии для питания вышек мобильных операторов, жилых зданий, военной и космической техники.

В 2024-2025 годах мы наблюдаем стремительные достижения в сфере искусственного интеллекта (ИИ), которые вновь разжигают дискуссию о технологической сингулярности - моменте, когда ИИ превзойдёт человеческий интеллект и выйдет из-под нашего контроля. Часто это сравнивают с "горизонтом событий" чёрной дыры, за которым происходят процессы, непостижимые для человеческого ума [1]. В данной статье представлен подробный анализ последних прорывов в области ИИ и смежных технологий. Мы исследуем их экономическое и социальное влияние и рассмотрим, пересекло ли человечество уже горизонт событий или всё ещё на пути к нему. Главные аспекты включают темпы развития ИИ, возможные признаки приближения к полноценному ИИ (AGI), влияние на занятость и общество, а также реакцию правительств и общественности.

Последние прорывы в ИИ

Значимые достижения в ИИ и AGI

• Модели OpenAI o1 и o3. В конце 2024 года компания OpenAI представила "o1", новую серию языковых моделей (LLM), ориентированных на более глубокое "размышление" перед выдачей ответа. В отличие от предыдущих GPT-моделей, o1 генерирует развернутые цепочки размышлений, что существенно повышает качество решения сложных задач [2]. При запуске o1 почти достигла уровня PhD (доктор наук) и решила ~83% продвинутых математических задач (AIME) против лишь 13% у GPT-4 [3], а также заняла верхние строчки в конкурсах по программированию [4]. Это указывает на более универсальные способности к решению задач. OpenAI позиционирует o1 не как прямого преемника GPT-4, а как дополнительный инструмент; тем не менее, он явно выходит на новые технические рубежи. Ещё более мощная модель под названием "o3" проходила тестирование к концу 2024 года [5],[6], минуя по нумерации "o2". Ранние тесты говорят о том, что o3 ещё дальше расширит возможности рассуждения, подчёркивая нарастающие темпы развития ИИ.

• DeepSeek R1 (открытый ИИ для рассуждений). Ещё одним громким событием стало появление в 2024 году DeepSeek-R1, созданного китайцами и выложенного в опенсорс. По многим математическим и программным тестам DeepSeek-R1 приблизился к уровню OpenAI o1, но при этом был ~на 96% дешевле в использовании [7]. Удивительно, что модель была обучена всего на ~2000 графических процессорах (гораздо меньше, чем обычно нужно для передовых моделей), благодаря эффективному обучению с подкреплением и алгоритмам рассуждения [8]. Высокая производительность и доступность (лицензия MIT) говорят о "демократизации" продвинутого ИИ [9]. Этот пример показывает, что ведущих результатов могут добиваться и небольшие коллективы при умном подходе, а не только крупные корпорации. Исследователи IBM отмечают, что DeepSeek умеет "думать о собственном мышлении" (метапознание) - это существенный рывок: модели нового поколения не просто выдают ответы, а делят проблему на шаги и проверяют правильность своих рассуждений [10]. Подобный стиль "поэтапного мышления", впервые популяризированный OpenAI o1, теперь стал ведущей тенденцией в исследовании ИИ.

• Google Gemini 2.0. В декабре 2024 года Google DeepMind представила Gemini 2.0, свою самую продвинутую на сегодняшний день модель ИИ [11],[12]. Gemini 2.0 - это мультимодальная система, способная работать с текстом, изображениями, аудио и видео; она также обладает способностями к "использованию инструментов" (tool use). Модель не только анализирует мультимодальные входные данные, но и может генерировать различные типы вывода (изображения, многоязычную речь) и даже самостоятельно обращаться к внешним API [13]. Это решение призвано, по словам Google, стать шагом к "эпохе агентности", где ИИ ведёт многошаговое планирование и действует как полноценный агент [14],[15]. Gemini 2.0 существенно превосходит свою предыдущую версию (Gemini 1.5) по ключевым показателям и работает вдвое быстрее [16]. По заявлениям компании, это большой шаг к "универсальному помощнику" - прототипу полноценного AGI, встроенного в повседневную жизнь [17],[18]. Исполнительный директор Google, Сундар Пичаи, назвал 2.0 значимым рубежом на пути к созданию AGI и отметил, что система "позволяет перейти к новому классу агентных возможностей" [19].

• Другие важные достижения:

  • Claude 2 от Anthropic (2024) и ряд конкурентов GPT-4 увеличили "контекстное окно" до свыше 100k токенов, что даёт возможность обрабатывать документы книжного объёма.

  • Meta AI продолжает открывать доступ к новым моделям (преемникам LLaMA 2), которые исследователи по всему миру могут донастраивать для решении узких задач.

  • Китайские компании тоже совершают рывки: например, UI-TARS от ByteDance (2024) умеет распознавать и автономно управлять графическими интерфейсами, опережая на некоторых тестах GPT-4, Claude и Google Gemini [20].

  Все эти проекты стирают грань между цифровым помощником и роботом, ведущим действия в окружающем мире, демонстрируя, что ИИ становится всё более универсальным: он уже хорош не только в языке, но и в анализе изображений, написании кода, математике, научном моделировании и т.д. Хотя пока ни одна из существующих систем не является полноценным общим интеллектом, спектр их умений стремительно расширяется. Многие эксперты отмечают, что темпы появления новых технологий ускоряются: то, на что раньше уходили десятилетия, теперь достигается за год или даже быстрее, поддерживая догадки, что "взрыв интеллекта" может случиться в обозримом будущем.

Достижения в смежных областях (квантовые вычисления и биотехнологии)

Прогресс в сопутствующих сферах также ускоряет эволюцию ИИ. В квантовых вычислениях в 2024 году были продемонстрированы прототипы систем с числом кубитов свыше 1000, а улучшенные методы коррекции ошибок дают надежду, что в обозримом будущем квантовые компьютеры решат некоторые задачи быстрее классических суперкомпьютеров. Пока это скорее лабораторные эксперименты, но они потенциально могут ускорять задачи оптимизации и машинного обучения, в частности - обучение сложных моделей. Хотя такое практическое влияние ещё впереди, сам факт развития квантовых методов подкрепляет гипотезу беспрецедентного роста вычислительной мощности - ключевого фактора на пути к AGI.

В области биотехнологий ИИ уже широко применяется и получает обратное развитие. Например, с AlphaFold (2021) компания DeepMind совершила революцию в предсказании структуры белков, а в 2024 году целый ряд ИИ-программ для поиска лекарств вышли на стадии клинических испытаний. Генеративные модели теперь проектируют белки и генетические последовательности с заданными функциями, ускоряя создание вакцин и новых лекарств. Параллельно успехи в нейробиологии и биотехе дают идеи для новой архитектуры ИИ: нейроморфные чипы, копирующие структуру мозга, или интерфейсы "мозг-компьютер", сближающие человеческий интеллект и ИИ. Подобные междисциплинарные шаги обогащают потенциальные возможности ИИ (например, умением работать с биохимическими данными или моделировать мозг) и могут приблизить нас к сверхразумным системам. Хотя квантовые вычисления и биотехнологии - не главная ось развития ИИ 2024 года, они усиливают его прогресс, формируя технологическую конвергенцию, где ИИ подпитывается всё более мощными вычислительными ресурсами и биологическими инсайтами, двигаясь к сингулярности.

Экономические последствия революции ИИ

Автоматизация и занятость

Бурное развитие ИИ вызвало горячие споры о будущем труда. Генеративный ИИ и передовые системы автоматизации всё активнее вытесняют рабочие места, причём речь идёт не только о ручном труде, но и об офисных работниках и творческих профессиях, ранее считавшихся относительно безопасными для автоматизации. По оценкам аналитиков, почти 40% рабочих мест в мире хотя бы частично подвержены риску автоматизации с помощью ИИ [21]. В экономически развитых странах этот показатель может достигать ~60%, поскольку ИИ всё больше затрагивает высококвалифицированные сферы - от программирования и написания юридических документов до анализа данных [22]. В отличие от предыдущих волн автоматизации, которые в основном затрагивали рутинный заводской труд, современные ИИ-системы осваивают сложную когнитивную работу (написание текстов, программирование, интерпретация медсканов), что провоцирует опасения, что совершенно новые категории специалистов окажутся под ударом.

Ряд исследований пытается оценить этот потенциальный сдвиг. Например, анализ Goldman Sachs (2023) прогнозирует, что генеративный ИИ может автоматизировать эквивалент 300 млн полноценных рабочих мест в США и Европе в ближайшие годы [23]. Исследование McKinsey Global Institute показывает, что к 2030 году может быть автоматизировано около 30% общего рабочего времени (в сравнении с ~21% сегодня) [24]. Это означает десятки миллионов рабочих мест. В части профессий (медицина, юриспруденция, ИТ) ИИ уже берёт на себя значительную часть обязанностей. Например, многие СМИ применяют ИИ для генерации новостных заметок, а сервисные центры - для первичной клиентской поддержки. По опросу 2024 года, 3 из 10 компаний сообщили о прямой замене сотрудников ИИ за последний год [25], что ещё недавно казалось немыслимым. Это первые признаки более масштабного волнообразного процесса.

Однако общий эффект на занятость неоднозначен. Ранее технологический прогресс создавал и новые рабочие места - и в отношении ИИ предполагается аналогичное. Некоторые экономисты говорят, что ИИ будет не только вытеснять сотрудников, но и расширять их возможности, повышая производительность и порождая спрос на новые, более квалифицированные роли. Исследование Международного валютного фонда 2024 года указывает, что в половине профессий, подверженных риску автоматизации, ИИ может повышать эффективность (а не заменять людей полностью) [26]. По их прогнозам, многие рабочие места трансформируются вместо полного исчезновения: сотрудники будут работать бок о бок с ИИ-инструментами, а сами роли изменятся с учётом того, что человек по-прежнему лучше в стратегическом мышлении, эмоциональном интеллекте и уникальном творчестве. Исследование Института Тони Блэра (2024) по Великобритании оценивает, что в долгосрочной перспективе из-за ИИ может исчезнуть до 3 млн рабочих мест, но скорее всего общий уровень безработицы увеличится не столь значительно, потому что появятся новые рабочие места [27]. А в прогнозе Forrester потери рабочих мест в США от генеративного ИИ к 2030 году составят лишь около 1,5%, и новые вакансии почти компенсируют эти потери [28]. Оптимистичный сценарий предполагает, что как и в прошлые периоды, рынок труда адаптируется к новым условиям.

Фактическое влияние ИИ на занятость, однако, не будет однородным. Некоторым секторам и группам специалистов грозит серьёзный удар, другим - более плавные перемены. Скажем, полностью заменить персонал на конвейере было относительно просто в предыдущие волны автоматизации, а теперь под угрозой и рутинная офисная работа (телемаркетинг, ввод данных, бухгалтерия), и высококвалифицированные профессии (юристы, врачи, программисты). В долгосрочной перспективе это может требовать коренной перестройки системы образования и постоянного переобучения работающих. При этом экономисты сходятся во мнении, что значительные потрясения неизбежны, даже если массовой безработицы удастся избежать [29]. В переходный период многих работников ждут увольнения и поиск новой сферы деятельности. Власти некоторых стран сообщают о низком уровне безработицы, но за этими цифрами может скрываться нестабильность, когда люди подолгу не могут найти себя в новых реалиях. В сумме, рынки труда переживают перелом, сопоставимый по масштабам с промышленной революцией: ИИ обещает и рост производительности, и болезненную перестройку одновременно.

Неравенство и экономические сдвиги

Главная тревога - ИИ может усугубить экономическое неравенство. Если не предпринять мер, выгоды от ИИ могут достаться ограниченному кругу - владельцам и инвесторам AI-компаний, узкому слою высококлассных разработчиков, тогда как вытесняемые автоматизацией сотрудники рискуют остаться в проигрыше. МВФ предупреждает о возможной поляризации: работники, сумевшие овладеть ИИ-инструментами, станут более продуктивными и будут получать высокую зарплату, в то время как остальные могут столкнуться со стагнацией доходов [30]. Если половину задач в вашей профессии теперь способна выполнять машина, ваша переговорная позиция и уровень оплаты труда снижаются.

Одновременно есть аргументы, что ИИ может снизить неравенство за счёт удешевления некоторых "элитных" услуг. Если ИИ научится качественно ставить медицинские диагнозы или составлять юридические документы, упадёт стоимость этих услуг, что расширит их доступность. А использование ИИ-помощников может повысить производительность менее квалифицированных работников. К примеру, учитель средней руки при поддержке ИИ-помощника может добиться результатов, раньше достижимых лишь лучшими преподавателями. Исследования показывают, что ИИ способен сократить разрыв в доходах, если будет преимущественно повышать производительность низкоквалифицированного труда [31]. Исход в плане неравенства не предрешён: он зависит от того, как бизнес и государство будут внедрять ИИ.

Также может расшириться разрыв между странами. Развитые государства, которые первыми внедрят передовые ИИ-системы, будут ещё быстрее наращивать производительность и богатство, тогда как страны, не располагающие ресурсами или специалистами в этой сфере, могут отстать [32]. Особенно уязвимы государства, экономика которых строится на аутсорсинге услуг (колл-центры, программирование): подобная работа станет не нужна, если её будут выполнять ИИ. В долгосрочной перспективе, если ИИ позволит одной группе стран производить товары и услуги практически без участия человека, их конкурентное преимущество может радикально возрасти. Внутри стран усиливается риск монополизации: гиганты вроде OpenAI, Google и других, вкладывающие миллиарды в исследования, могут занять доминирующие позиции, контролируя облачные сервисы и фундаментальные "базовые модели" (foundation models). Такая концентрация ИИ-возможностей в руках немногих корпораций или государств может привести к сценарию когда "победитель получает всё" а остальные, как водится, ничего.

Столь массивная перестройка рынка труда угрожает обнищанием части населения и усилением социальных разрывов. Сокращение привычных рабочих мест при отсутствии надёжной поддержки от государства может подстегнуть рост безработицы и бедности. Даже при сохранении рабочих мест зарплаты могут замедлиться в росте, если ИИ берёт на себя половину обязанностей сотрудника. Тогда вопрос перераспределения плодов роста производительности (через зарплаты, снижение цен или общественные сервисы) становится центральным: пойдут ли выгоды ИИ на пользу всему обществу или осядут у узкого круга лиц? С учётом того, что во многих странах мира уже наблюдается рост неравенства, ИИ может стать катализатором для ещё большего расслоения. Некоторые футурологи говорят, что в долгосрочной перспективе роботы и ИИ смогут обеспечивать изобилие благ, и тогда всё человечество выиграет. Но до такой "утопии" ещё нужно дожить. В ближайшие годы нас ждёт сложная адаптация.

Социальная стабильность и общественная реакция

История показывает, что слишком быстрые технологические изменения без адекватной социальной адаптации могут вести к кризисам. Масштабные увольнения и страх "оказаться ненужным" часто приводят к социальной напряжённости - от протестов до массовых беспорядков. Эксперты всё чаще предупреждают об этом сценарии: ещё в 2017 году группа учёных MIT пришла к выводу, что "быстрый рост ИИ таит угрозу не в самом восстании роботов, а в массовой экономической дестабилизации и социальной турбулентности" [33]. В 2025 году эти опасения становятся всё более ощутимыми: в разных странах происходят забастовки и акции, от голливудских сценаристов (2023) до водителей сервисов доставки, требующих ограничить влияние алгоритмов. По опросам, большинство людей скорее тревожится, чем радуется новому витку развития ИИ [34]. Идея, что "роботы отнимут все рабочие места", перестала быть научной фантастикой и стала частью общественного дискурса.

Если доля безработных в будущем окажется чрезмерно высокой, возможна политическая и социальная дестабилизация. Моделирование некоторых исследователей показывает, что при уровне безработицы 40-50% возникает ~65% вероятность серьёзных общественных беспорядков [35],[36]. Хотя подобные цифры выглядят экстремально и маловероятно, что мы достигнем их скоро, риск недовольства и нестабильности растёт уже сейчас. Даже при меньшем уровне безработицы, но сосредоточенном в конкретных регионах или секторах, могут развиваться очаги напряжённости. Есть опасение формирования так называемого "бесполезного класса", людей, которые не видят для себя роли в новой экономике, что ведёт к депрессии и другим социальным последствиям [37]. На психологическом уровне ощущение замены человека машиной порождает экзистенциальный кризис и снижает мотивацию.

Другой риск - общественная враждебность к технологиям как к источнику проблем. У людей может возникнуть желание бороться с автоматизацией, например, громить роботов или оказывать политическое давление на власти, требуя полной остановки развития ИИ. Окончательно положение может осложнить широкое использование ИИ в создании фейков, пропаганды, взломе систем и т.д. Все эти факторы рисуют два потенциальных сценария: либо ИИ приведёт к новому расцвету с ростом благосостояния, либо раздробит социальную ткань общества. Причём готовность к этим изменениям у госорганов весьма ограничена. По свежему исследованию, лишь ~10% правительств владеют стратегиями, достаточными для управления рисками массовой безработицы и неравенства, вызванными ИИ [38],[39]. Технологии идут быстрее, чем политические меры и системы образования, и именно это отставание напоминает "горизонт событий" - когда изменения уже не остановить, а последствий ещё не осознали.

Государственные меры и стратегии адаптации

Осознав масштабы угроз и возможностей, власти разных стран начали формировать первые меры. В центре внимания - как максимизировать выгоды от ИИ и смягчить негативные эффекты для общества. Основные направления:

• Безусловный базовый доход (ББД) и реформирование соцобеспечения. Самая смелая идея - обеспечивать каждому гражданину гарантированный доход, финансируемый государством. Сторонники (в том числе Илон Маск и Сэм Альтман) утверждают, что при масштабной автоматизации ББД позволит людям получать долю богатств, генерируемых ИИ [40]. Это может защитить общество от массовой бедности. Некоторые правительства тестируют пилотные проекты ББД или обсуждают дополнительные пособия, отрицательный подоходный налог и другие меры. Выдвигаются и идеи "налога на ИИ" для перераспределения средств от компаний, интенсивно внедряющих автоматизацию [41]. Пока ББД вызывает противоречия и повсеместно не применяется, но разговор об этом вышел из маргинальной зоны в мейнстрим именно благодаря ИИ.

• Переобучение и образовательные инициативы. Важнейший приоритет политиков - подготовка кадров к новой реальности. Государственные и корпоративные фонды финансируют программы, обучающие программированию, анализу данных, кибербезопасности, работе с роботами и т.д. Речь идёт о курсах для взрослых, переориентации уволенных специалистов, а также реформе школьного образования, где больше внимания уделяют цифровой грамотности, критическому мышлению и творчеству. Предполагается, что такие навыки будут цениться даже при широком внедрении ИИ. Некоторые страны вводят государственно-частные партнёрства, где компании обучают своих работников пользоваться ИИ, а не заменяют их. Хотя переобучение не решит всех проблем (не все хотят или могут стать программистами), это ключ к тому, чтобы работники перешли в сферы, где ИИ - это инструмент, а не конкурент.

• Сокращение рабочего времени и разделение вакансий. В свете роста производительности благодаря ИИ снова активно обсуждается идея уменьшения стандартной рабочей недели. Если те же результаты можно достичь за меньшее время, почему бы не ввести 4-дневную неделю без потери зарплаты? Ряд компаний уже проводит подобные эксперименты с положительными результатами. Сокращая рабочее время, мы можем "разделить" труд между большим числом людей, снижая безработицу. Ещё Джон Мейнард Кейнс в начале XX века предсказывал, что с развитием технологий в 2030 году люди будут работать по 15 часов в неделю [42],[43]. ИИ приблизил нас к этой идее. Некоторые правительства предлагают стимулировать компании к сокращению рабочего дня или внедряют гарантированный труд (job guarantee), чтобы каждый желающий имел работу в сфере общественных работ или ухода. Это требует пересмотра отношения к труду как к цели самой по себе.

• Регулирование разработки и использования ИИ. Власти также пытаются регулировать ИИ, чтобы обезопасить граждан и снизить риски для экономики. Евросоюз разработал Закон об ИИ (EU AI Act), который классифицирует приложения по степени риска, запрещает некоторые сценарии и требует прозрачности для генеративных моделей. В 2024-2025 годах планируется введение этого закона. Другие страны, в том числе Великобритания, Канада и Китай, создают свои нормы регулирования. В США президентским указом введён механизм мониторинга больших моделей, а также создан Институт безопасности ИИ, аналогичный британскому [44]. В ноябре 2024 года прошла Саммит по безопасности ИИ в Блетчли-парке, где многие страны согласовали общие принципы, в том числе слежение за "передовыми ИИ". Все эти меры напоминают усилия в сфере ядерного нераспространения и отражают осознание, что сверхразумные системы - это вызов, который требует глобальной координации.

• Этика и безопасная разработка. Крупные лаборатории (OpenAI, Google DeepMind и др.) поддерживают подход "ответственной разработки", ориентируясь на ценности общества. Выделяются средства на исследования по "согласованности" - чтобы цели ИИ были согласованы с человеческими, на интерпретируемость (понимание принятия решений ИИ) и устойчивость (robustness). Так, OpenAI тестировала o1 с участием внешних специалистов по безопасности и обнаружила уязвимости, связанные с потенциальным биотеррором [45]. Идеи лицензирования ИИ-моделей сверхопределённой мощности набирают популярность: компании должны получать разрешение на обучение таких моделей, показывая, что внедряют меры безопасности. Обсуждается также "налог на сверхприбыль ИИ" (windfall tax), по которому при огромной маржинальности ИИ-проекта часть прибыли автоматически перераспределяется обществу. Эти идеи пока в зачатке, но отражают желание не допустить бесконтрольного роста могущества нескольких корпораций.

Таким образом, хотя политические круги реагируют на вызовы ИИ, общественные механизмы отстают от темпов развития технологий. Наблюдаются многочисленные концепции и пилотные проекты, но реально работающие решения внедряются медленно. Ближайшие несколько лет покажут, справятся ли системы соцобеспечения, образования и госуправления с потоком изменений. От этого будет зависеть, станет ли ИИ движущей силой к процветанию или к углублению глобальных разрывов.

Так насколько же все-таки близка сингулярность?

Определить, как далеко мы до технологической сингулярности, можно разными способами - от количественных (сравнение ИИ и человека на тестах) до качественных (наличие непредсказуемого самосовершенствования ИИ). Взглянем на ключевые признаки и мнения экспертов.

Техническое развитие

Один из методов - оценивать, на каком уровне ИИ решает задачи в сравнении с людьми. К 2024 году искусственные системы по многим узким направлениям превзошли людей: например, ошибки в компьютерном зрении давно меньше, чем у человека, а такие модели, как GPT-4, превосходят средние результаты людей на некоторых экзаменах. Новые модели для рассуждений пошли дальше. OpenAI o1 справляется с задачами уровня вузовских олимпиад [46], DeepSeek-R1 показывает сопоставимое мастерство [47], причём оба ориентированы на пошаговое решение. Перевод текста - ещё одна ключевая веха: многие системы близки к уровню носителей или, по крайней мере, постоянно снижают время и ошибки в пост-редактировании [48],[49].

При всём этом у современных ИИ есть известные ограничения. Им трудно "понимать" мир по-человечески, они могут ошибаться в элементарных ситуациях (отсутствие здравого смысла) или "галлюцинировать" факты. Они не обладают цельной "картиной мира" и навыками, которые присущи людям с детства (спонтанное обучение, физическая интуиция, социальное взаимодействие). Пока ни один ИИ не обладает телом или сенсорным опытом, аналогичным человеческому. Многим учёным кажется, что для настоящего общего интеллекта мы должны внедрить новые принципы (символические методы, когнитивные архитектуры, эмбодимент), а не просто масштабировать архитектуру нейронных сетей. И всё же с каждым годом ИИ берётся за задачи, которые раньше казались прерогативой людей, - от доказательства теорем до написания художественных текстов.

Особенно важен критерий самоулучшающегося ИИ. Сейчас ИИ-модели уже помогают в проектировании следующих поколений чипов (AI-designed hardware) и оптимизируют архитектуры нейронных сетей (AutoML). Это первые элементы "рекурсивного самосовершенствования". Полностью автономной спирали, где ИИ без участия человека начинает радикально улучшать собственную структуру, пока нет. Но рост вычислительных мощностей, объём инвестиций и успех в смежных технологиях подталкивают нас к тому, что подобный сценарий не исключён в обозримой перспективе.

Мнения экспертов и прогнозы

Мнения специалистов о сроках сингулярности поляризованы: от тех, кто считает, что она наступит очень скоро, до скептиков. В "оптимистическом лагере" - Сэм Альтман, предположивший в 2023 году, что "Сингулярность может наступить уже к 2025 году" [50]. Исследователи DeepMind также предполагают, что в течение десятилетия можно достичь AGI, если текущее ускорение сохранится. По опросам специалистов прошлого десятилетия, медианный прогноз AGI - 2040-2050 годы, но после GPT-4, o1 и других рывков временные горизонты часто пересматривают в сторону ускорения.

С другой стороны, Йошуа Бенжио, Джеффри Хинтон и Янн Лекун подчеркивают, что для настоящего AGI нужно качественно новое понимание: у современных моделей нет настоящего самосознания, они базируются на больших массивах данных, но испытывают сложности с обобщением и планированием в реально непредсказуемой среде. Гэри Маркус и Мелани Митчелл говорят о хрупкости нейросетей при столкновении с новыми или неструктурированными задачами: способность решать тесты и создавать правдоподобный текст не равносильна человеческому пониманию.

Футуристы вроде Рэя Курцвейла сохранили прогноз, что сингулярность будет к 2045 году [51]. Он указывает на "экспоненциальную кривую" развития ИИ и предполагает, что к 2029-му ИИ преодолеет тест Тьюринга, а спустя ещё 16 лет случится слияние человеческого и машинного интеллекта. Илон Маск и Элиезер Юдковский предупреждают об угрозе, что сверхразум, возникнув неожиданно, станет неконтролируемым. Юдковский призывает к мораторию на исследования самых мощных моделей, опасаясь, что при достижении некоего порога ИИ станет сильнее людей, и действовать будет поздно - словно за горизонтом событий.

Таким образом, оценки сильно различаются. Экономисты и социологи меньше сконцентрированы на точной дате AGI и больше - на траектории влияния ИИ: даже "узкий" ИИ может радикально переформатировать рынки и перераспределить власть. Для них вопрос о "сингулярности" частично снимается, ведь и без абсолютного AGI уже происходят перемены исторического масштаба.

В ноябре и октябре этот показатель составлял 13,4%, в сентябре - 12,5%, что было ниже августовских значений (12,9%) и чуть выше июльских 12,4%.

При этом наблюдаемая инфляция в январе выросла до 16,4% с 15,9% в декабре. Наблюдаемая инфляция среди тех, кто имеет сбережения, в январе увеличилась до 15,4% с 14,4% месяцем ранее, а среди не имеющих накоплений - выросла до 17,5% с 16,9%.

Опрос проводился с 14 по 23 декабря 2025 года среди не менее 2 тыс. респондентов в возрасте старше 18 лет в 105 населенных пунктах в 55 субъектах РФ.

Часы Судного дня перевели на одну секунду ближе к полуночи, до 89 секунд, свидетельствует трансляция мероприятия.

Часы Судного дня впервые появились на обложке "Бюллетеня ученых-атомщиков" (The Bulletin of the Atomic Scientists) в 1947 году. Время, оставшееся до полуночи, символизирует напряженность международной обстановки, полночь означает момент ядерного катаклизма. В последние годы стрелки сдвигали только вперед.

 

Глава МИД Сергей Лавров ранее выступал с критикой Часов судного дня. По его словам, с их помощью нагнетают ажиотаж в общественным сознании, когда нужно успокоиться и действовать разумно.

 

В 2020 году часы впервые показали 100 секунд до "ядерной полуночи". В таком же положении стрелки оставались и в следующем году. В 2023 году они рекордно близко подошли к "полуночи" - до нее оставалось 90 секунд. В 2024 их оставили на той же отметке.

 

 

В 2018 и 2019 годах часы находились на отметке две минуты до полуночи. Такое же время было на них в 1953 году после испытаний водородных бомб в США и СССР.

 

 

Самым спокойным временем стал 1991 год, когда стрелки отошли от ядерного катаклизма на 17 минут. Тогда СССР и США подписали Договор о сокращении стратегических наступательных вооружений (СНВ-I). Он был призван уменьшить количество резервных и развернутых ядерных боевых блоков на вооружении стран, а также уменьшить количество их носителей - баллистических ракет, бомбардировщиков-ракетоносцев и подводных лодок.

 

Прогнозы положительные, считает Франсуа Шолле, эксперт по искусственному интеллекту, который ставит на первое место идею о том, что ИИ превзойдет человека: самообучаемый ИИ "будет изобретен через 5 лет, но для того, чтобы оказать глобальное влияние, может потребоваться 10 лет или больше".

Мир искусственного интеллекта находится на вершине своих возможностей, когда речь идет о новых разработках, и Франсуа Шолле, один из самых авторитетных экспертов в этой области, хотел бы прояснить некоторые важные моменты, касающиеся этой технологии.

35-летний французский инженер, создатель теста ARC-AGI, сделал четкое заявление, что человечество как никогда близко к ИИ, способному превзойти человеческий интеллект.

Шолле, названный в прошлом году журналом Time одним из 100 самых влиятельных людей в мире в области ИИ, сказал в интервью El Confidencial, что недавний прорыв OpenAI с его моделью o3 может стать "самым важным прорывом со времен создания ChatGPT". Новая модель достигла впечатляющих 87,5 % успеха в тесте ARC-AGI, превзойдя средний человеческий показатель в 84 %.

Тест ARC-AGI, разработанный Чолле в 2019 году, стал стандартом для оценки способности ИИ к рассуждениям. "До сих пор мы не добивались заметного прогресса в приближении к AGI. А теперь, внезапно, мы нашли способ", - комментирует эксперт модель o3 компании OpenAI и ее недавнее достижение.

Однако, признавая достижения o3, Шолле предупреждает, что это еще не настоящий AGI. "Существует еще значительное количество очень простых задач ARC-AGI-1, которые o3 не может решить", - объясняет он.

Тем не менее, перспективы весьма позитивны: "Когда мы достигнем AGI, можно будет автоматизировать любую задачу, любую работу", - прогнозирует он.

"ИИ превзойдет человека, вероятно, в ближайшие 5 лет. Но есть разница между тем, чтобы изобрести что-то и внедрить это таким образом, чтобы это оказало большое влияние на весь мир. Я думаю, что это будет изобретено в течение пяти лет, но затем может потребоваться 10 лет или больше, чтобы оказать глобальное влияние", - добавляет он.

Чтобы справиться со всем этим, Шолле запустил новый стартап Ndea, целью которого является разработка ответственного IGA. "Я думаю, что у нас есть небольшая, но реальная возможность совершить революционный прорыв: создать ИИ, который сможет обучаться, как человек", - говорит он.

Международная группа исследователей разработала фотонную платформу, использующую магнитно-оптический материал - железо-иттриевый гранат, легированный церием (Ce:YIG). Оптические свойства этого материала динамически меняются под воздействием внешних магнитных полей. Используя крошечные магниты для хранения данных и управления распространением света внутри материала, учёные создали новый класс магнитно-оптической памяти.

В новом исследовании учёные выявили тревожную тенденцию: искусственный интеллект загрязняет онлайн-экосистему академической информации сгенерированными научными статьями.

Группа исследователей изучила распространённость статей с признаками искусственно сгенерированного текста в Google Scholar - популярной академической поисковой системе. Они сосредоточились на неправомерном использовании генеративных предобученных трансформеров (GPT), как больших языковых моделей, включая такие известные системы, как ChatGPT от OpenAI.

Реакция на первые заявления о ближайших планах вступившего в должность президента США Дональда Трампа указывает на глубокий раскол в американском обществе и международном сообществе. Такой вывод содержится в исследовании, проведенном с помощью ИИ-агента Brand Analytics системы "Тренд детектор".

Как отмечается в исследовании, "инаугурация Дональда Трампа и его заявления обозначили курс на значительные изменения как во внутренней, так и во внешней политике США". При этом подчеркивается, что "реакция на эти заявления свидетельствует о глубоком расколе в американском обществе и международном сообществе". В документе сказано, что "в ближайшие месяцы станет ясно, насколько амбициозные планы Трампа будут реализованы".

20 января 2025 года Трамп официально вступил в должность 47-го президента США. В частности, он объявил о введении ЧП на границе с Мексикой и признании наркокартелей террористическими организациями. В исследовании подчеркивается, что консервативные группы и правоохранительные органы поддержали эти меры, организации по защите прав человека, включая Amnesty International, раскритиковали эти инициативы, назвав их "нарушением международного права".

Кроме того, Трамп заявил о намерении отменить гражданство по праву рождения, что вызвало широкий резонанс. Члены консервативного движения Heritage Foundation, как отмечают СМИ, поддержали эту инициативу, утверждая, что она "положит конец злоупотреблениям миграционной системой". Американский союз гражданских свобод (ACLU) назвал это предложение "неконституционным".

Свобода слова и отмена цензуры

Трамп также пообещал прекратить "правительственную цензуру" и вернуть свободу слова. Как отмечается в исследовании, консервативные медиа приветствовали это заявление, назвав его "победой для Первой поправки", а журналисты из The New York Times и The Washington Post выразили опасения, что это может привести к распространению дезинформации.

Заявление Трампа о признании только двух гендеров "вызвало бурную реакцию", говорится в исследовании. Консервативные группы, такие как Family Research Council, поддержали это решение, назвав его "восстановлением биологических норм". ЛГБТ-организации (движение ЛГБТ признано в РФ экстремистским и запрещено), включая Human Rights Campaign, осудили это заявление как "дискриминационное".

Соглашение по климату

Трамп объявил о введении ЧП в энергетике, направленного на увеличение добычи нефти и газа.

Представители нефтегазовой отрасли, включая ExxonMobil и Chevron, поддержали эту инициативу, заявив, что она "укрепит энергетическую независимость США. Экологические организации, такие как Greenpeace (признана в РФ нежелательной) и Sierra Club, предупредили о катастрофических последствиях для окружающей среды, говорится в исследовании.

Трамп подтвердил намерение выйти из Парижского соглашения. СМИ отмечают, что представители угольной промышленности и части бизнеса, такие как Alliance Resource Partners, поддержали этот шаг, заявив, что он „снизит издержки для американских компаний". Международные организации, включая ООН, выразили сожаление по поводу этого решения.

Вскоре после того, как OpenAI выпустила o1, свою первую "рассуждающую" модель AI, люди начали замечать любопытное явление. Модель иногда начинала "думать" на китайском, персидском или каком-либо другом языке, даже если ей задавали вопрос на английском.

Получив вопрос, например: "Сколько букв "Р" в слове "клубника"?", o1 начинает размышлять и приходит к ответу, используя логические рассуждения. Если вопрос был задан на английском языке, то и ответ o1 даст на английском. Однако перед тем как прийти к ответу, модель выполняет несколько действий на другом языке.

"o1 внезапно начал думать по-китайски в середине процесса", - написал один пользователь на Reddit.

"Почему o1 вдруг начал думать по-китайски?" - спросил другой пользователь в сообщении на X. "Ни один из фрагментов разговора (более 5 сообщений) не был на китайском".

Компания OpenAI не дала разъяснений по поводу странного поведения модели o1 и даже не признала его. Однако некоторые пользователи, включая генерального директора Hugging Face Клемана Деланжа, обратили внимание на то, что модели рассуждений, подобные o1, обучаются на наборах данных, содержащих большое количество китайских иероглифов.

Тед Сяо, исследователь из Google DeepMind, отметил, что такие компании, как OpenAI, используют сторонние сервисы для маркировки китайских данных. Он также заявил, что переход модели o1 на китайский язык является примером "китайского лингвистического влияния на рассуждения".

"Такие лаборатории, как OpenAI и Anthropic, используют сторонние сервисы по маркировке данных для научных, математических и программистских задач на уровне докторантуры, - написал Сяо в посте на X. - Из-за нехватки квалифицированной рабочей силы и дороговизны многие из этих поставщиков данных находятся в Китае".

Метки, также известные как теги или аннотации, помогают моделям понимать и интерпретировать данные в процессе обучения. Исследования показали, что предвзятые метки могут приводить к созданию предвзятых моделей. В частности, средний аннотатор с большей вероятностью будет отмечать фразы, произнесённые на афроамериканском разговорном английском (AAVE) и использующие неформальную грамматику, как токсичные. Это, в свою очередь, приводит к тому, что детекторы токсичности искусственного интеллекта, обученные на таких метках, воспринимают AAVE как чрезмерно токсичный.

Однако другие эксперты не верят в гипотезу о том, что o1 использует китайские данные. Скорее всего, o1 и другие модели рассуждений могут просто использовать языки, которые они считают наиболее эффективными для достижения цели (или галлюцинировать).

"Модель не знает, что такое язык или что языки бывают разными, - сказал TechCrunch Мэтью Гуздиал, исследователь AI и доцент Университета Альберты. - Для неё это просто текст".

На самом деле модели не обрабатывают слова напрямую. Вместо этого они используют токены. Токены могут быть словами, например "фантастический". Или это могут быть слоги, например "фан", "тас" и "тик". Или это могут быть даже отдельные символы в словах, например "ф", "а", "н", "т", "а", "с", "т", "и", "к".

Как и маркировка, токены могут приводить к предвзятости. Например, многие программы перевода слов в токены предполагают, что пробел в предложении обозначает новое слово, несмотря на то, что не во всех языках слова разделяются пробелами.

"Охватывая все лингвистические нюансы, мы расширяем мировоззрение модели и позволяем ей учиться на основе всего спектра человеческих знаний, - написал Тичжэнь Ван в посте на X. - Например, я предпочитаю заниматься математикой на китайском, потому что каждая цифра - это всего один слог, что делает вычисления чёткими и эффективными. Но когда дело доходит до таких тем, как неосознанные предубеждения, я автоматически переключаюсь на английский, в основном потому, что именно на нём я впервые узнал и усвоил эти идеи".

Теория Вана правдоподобна. В конце концов, модели - это вероятностные машины. Обученные на множестве примеров, они изучают закономерности, чтобы делать прогнозы.

Не получив ответа от OpenAI, можно только гадать, почему o1 думает о песнях на французском, а о синтетической биологии на китайском.

Франсуа Шолле, влиятельный исследователь в области искусственного интеллекта, запускает новый стартап, цель которого - разработка передовых AI-систем с использованием новых подходов. Стартап, получивший название Ndea, станет научной и исследовательской лабораторией, работающей над развитием и внедрением AGI. Он обычно относится к AI, который способен выполнять любые задачи, доступные человеку. Это одна из главных целей многих компаний, работающих с AI, включая OpenAI.

"Мы делаем ставку на другой путь создания AI, способного к настоящему изобретению, адаптации и инновациям", - написал Шолле в серии публикаций в X. "Мы верим, что у нас есть небольшой, но реальный шанс совершить прорыв - создать AI, который будет обучаться не менее эффективно, чем люди, и сможет развиваться со временем без ограничений".

Ndea планирует использовать методику, известную как синтез программ (program synthesis), а также другие технические подходы для достижения AGI. Шолле считает, что синтез программ, позволяющий AI обобщать незнакомые задачи на основе всего нескольких примеров, может помочь преодолеть самые сложные проблемы в области исследований AI.

Синтез программ традиционно требует больших вычислительных ресурсов. Но Шолле уверен, что это ограничение можно преодолеть, и что преодоление этого барьера ускорит научный прогресс.

"Мы не единственные, кто видит потенциал синтеза программ - сейчас каждая передовая лаборатория AI начинает исследовать эту методику", - говорится в блоге на сайте Ndea. "Мы находимся на пороге важнейшего момента в научной истории, и мир заслуживает всех возможных уникальных попыток создать AGI".

Ndea, которую Шолле основал совместно с соучредителем и главой AI в Zapier Майком Кнупом, пока не раскрывает, привлекла ли она инвестиции от внешних инвесторов. Однако компания уже ищет сотрудников для удалённой исследовательской работы, что говорит о наличии как минимум некоторой финансовой поддержки.

Кнуп заявил, что отходит от своей повседневной работы в Zapier, чтобы сосредоточиться на Ndea, но останется членом совета директоров Zapier.

"Мы собираем лучшую в мире команду по синтезу программ", - написал Кнуп в посте в X.

"Наш первый фокус - это синтез программ с использованием глубокого обучения для создания AGI, который сможет изобретать, адаптироваться и инновационно мыслить. Но ещё более увлекательно-возможность, образно говоря, перенестись во времени в будущее: учиться, изобретать и открывать то, что могло бы появиться только через десятилетия или даже века",- добавил он.

Шолле, который недавно совместно с Кнупом запустил некоммерческую организацию для разработки критериев оценки AGI, стал очередным известным исследователем, покинувшим крупную технологическую компанию ради создания независимой лаборатории AI. Шолле наиболее известен как создатель Keras - высокоуровневого API с открытым исходным кодом, используемого для создания AI-моделей и решения задач машинного обучения. В ноябре прошлого года он объявил, что покидает Google после почти десяти лет работы там.

Илья Суцкевер, бывший главный научный сотрудник и соучредитель OpenAI, в прошлом году основал лабораторию Safe Superintelligence, которая привлекла более 1 миллиарда долларов от инвесторов, включая Sequoia и Andreessen Horowitz. В другом месте давний исследователь AI из Google и академик Стэнфорда Фэй-Фэй Ли возглавляет World Labs, компанию, разрабатывающую AI-системы, способные создавать 3D-симуляции, напоминающие видеоигры.

Официальный представитель МИД России Мария Захарова назвала президента Литвы Гитанаса Науседу "картонной дурилкой" за высказывания о Калининграде и призвала его учить историю.

Дипломат в Telegram-канале обратила внимание на слова Науседы, который назвал Калининград частью "Малой Литвы".

"И вот опять. Очередная дурилка картонная полезла к микрофону с влажными историческими фантазиями, - отметила она. - Современным литовским политикам рекомендую учить историю и озаботиться соблюдением прав человека в своей стране, а также навалиться на загибающееся „народное" хозяйство. Есть чем заняться, если так пекутся о своей идентичности, от которой за пару десятилетий „независимости" уже почти ничего не осталось".

Захарова напомнила, благодаря кому столица Литвы называется Вильнюс, а не Вильно и Каунас. "Это было решение Иосифа Сталина, который в 1939 году заключил с литовской стороной Договор о передаче Литовской Республике города Вильно и Виленской области и о взаимопомощи между Советским Союзом и Литвой. Напомню я и то, что крупнейший литовский порт на Балтике окончательно был переименован из Мемеля в Клайпеду и окончательно стал литовским в 1945 году благодаря самоотверженному подвигу Красной армии, бойцам которой эти переписывалки истории сносят памятники", - говорится в ее сообщении.

Официальный представитель МИД РФ подчеркнула, что все "эти „подарки" Советского Союза Литве, которые местные потомки недобитых „лесных братьев" до сих пор не могут простить Москве, Вильнюс может и обратно вернуть, если история так жмет литовскому президенту".

В новость внесена правка (12:13 мск) - исправлена опечатка в четвертом абзаце, верно - Захарова.

И вот опять. Очередная дурилка картонная полезла к микрофону с влажными историческими фантазиями.

На этот раз "отличился" президент Литвы Гитанас Науседа, назвав Калининград частью "Малой Литвы":

"Несмотря на то, что старожилы Малой Литвы, которая сейчас является частью так называемой Калининградской области, давно ушли, необходимо сохранить последние признаки литовской культуры. Как бы Россия ни старалась, Караляучюс никогда не станет Калининградом".

Так он прокомментировал решение переименовать мемориальный музей поэта Кристионаса Донелайтиса в Калининградской области.

Я просто напомню, благодаря кому столица Литвы называется Вильнюс, а не Вильно и Каунас. Это было решение И.В.Сталина, который в 1939 году заключил с литовской стороной Договор о передаче Литовской Республике города Вильно и Виленской области и о взаимопомощи между Советским Союзом и Литвой.

Напомню я и то, что крупнейший литовский порт на Балтике окончательно был переименован из Мемеля в Клайпеду и окончательно стал литовским в 1945 году благодаря самоотверженному подвигу Красной армии, бойцам которой эти переписывалки истории сносят памятники.

Все эти "подарки" Советского Союза Литве, которые местные потомки недобитых "лесных братьев" до сих пор не могут простить Москве, Вильнюс может и обратно вернуть, если история так жмёт литовскому президенту.

Современным литовским политикам рекомендую учить историю и озаботиться соблюдением прав человека в своей стране, а также навалиться на загибающееся "народное" хозяйство. Есть чем заняться, если так пекутся о своей идентичности, от которой за пару десятилетий "независимости" уже почти ничего не осталось.

Исследователи из Калифорнийского университета в Беркли, Городского центра науки и технологий имени короля Абдаллы в Саудовской Аравии и Вашингтонского университета внимательно изучили, как большие языковые модели генерируют вопросы. Их результаты показывают некоторые явные различия между моделями AI и моделями, используемыми людьми.

Исследовательская группа начала с разработки категорий для различных типов вопросов: от простой проверки фактов до сложных запросов, требующих подробных объяснений. Затем они использовали эти категории для анализа как вопросов, сгенерированных искусственным интеллектом, так и существующих наборов данных с вопросами людей.

Чтобы проверить свои теории, команда изучила, как LLM отвечают на вопросы как с контекстом, так и без него. Экспериментируя с разной длиной ответов, они смогли измерить, сколько информации на самом деле требуется для каждого вопроса, и получить представление о сложности разных типов вопросов.

Чтобы сравнить вопросы, созданные AI, исследователи использовали два разных набора данных, основанных на статьях из Википедии, каждый из которых был создан с помощью отдельного метода. В одном наборе данных вопросы были созданы на основе конкретных текстовых отрывков, а в другом исследователи сопоставили существующие вопросы с соответствующими разделами Википедии.

Команда исследователей обнаружила, что модели AI отдают предпочтение вопросам, требующим подробных объяснений - около 44% вопросов, сгенерированных AI, относятся к этой категории. С другой стороны, люди склонны задавать более простые вопросы, основанные на фактах.

Эти вопросы, созданные искусственным интеллектом, обычно требуют более развёрнутых ответов, даже если они максимально лаконичны. Разница в требуемой длине ответа была значительной по сравнению с вопросами, созданными людьми.

Илон Маск присоединился к мнению других экспертов в области искусственного интеллекта о том, что реальных данных для обучения ИИ-моделей практически не осталось.

"Мы исчерпали практически весь накопленный объём человеческих знаний для обучения ИИ. Это произошло фактически в прошлом году", - заявил Маск во время трансляции беседы с председателем Stagwell Марком Пенном на платформе X.

Маск, владелец компании xAI, поддержал идеи, которые бывший главный научный сотрудник OpenAI Илья Суцкевер озвучил на конференции по машинному обучению NeurIPS в декабре. Суцкевер, заявивший о достижении "пика данных" в индустрии ИИ, предсказал, что нехватка обучающих данных вынудит изменить существующие подходы к разработке моделей.

9 января 2025 в 09:29

Автор: Darth Sahara

Влияние искусственного интеллекта на будущее образования

Искусственный интеллект (ИИ) уже сегодня оказывает значительное влияние на различные сферы нашей жизни, и образование не является исключением. В этой статье мы подробно рассмотрим, как ИИ меняет будущее образования, делая его более доступным, персонализированным и эффективным. Мы также обсудим OpenSource решения, которые могут помочь в интеграции ИИ в образовательные процессы.

Что такое искусственный интеллект?

Искусственный интеллект - это технология, которая позволяет машинам выполнять задачи, требующие человеческого интеллекта. Это может включать распознавание речи, анализ данных, принятие решений и многое другое. В образовании ИИ может использоваться для создания персонализированных учебных планов, автоматизации рутинных задач и предоставления доступа к образовательным ресурсам.

Персонализированное обучение

Одним из ключевых преимуществ использования ИИ в образовании является возможность создания персонализированных учебных планов. ИИ может анализировать данные о успеваемости учеников, их интересах и стилях обучения, чтобы предложить индивидуальные рекомендации. Например, если ученик испытывает трудности с математикой, ИИ может предложить дополнительные упражнения и материалы, которые помогут ему лучше понять тему.

Пример: Платформа Khan Academy использует ИИ для адаптации учебных материалов под каждого ученика. Платформа анализирует результаты тестов и заданий, чтобы предложить ученикам задания, соответствующие их уровню знаний. Это позволяет ученикам учиться в своем темпе и сосредоточиться на тех темах, которые им сложнее всего даются.

Обоснование с точки зрения педагогики: Персонализированное обучение позволяет ученикам учиться в своем темпе и сосредоточиться на тех темах, которые им сложнее всего даются. Это способствует более глубокому пониманию материала и повышает мотивацию к обучению. Учителя могут использовать данные о успеваемости учеников для разработки индивидуальных учебных планов, что помогает им лучше понимать потребности каждого ученика и адаптировать обучение под них.

Автоматизация рутинных задач

ИИ может значительно облегчить жизнь учителей, автоматизируя рутинные задачи, такие как проверка домашних заданий, ведение журналов успеваемости и планирование уроков. Это позволяет учителям сосредоточиться на более важных аспектах образовательного процесса, таких как индивидуальная работа с учениками и разработка новых методик обучения.

Пример: Платформа edX использует ИИ для автоматической проверки заданий и предоставления обратной связи ученикам. Это позволяет учителям экономить время и сосредоточиться на более сложных аспектах обучения.

Обоснование с точки зрения педагогики: Автоматизация рутинных задач позволяет учителям сосредоточиться на более важных аспектах образовательного процесса, таких как индивидуальная работа с учениками и разработка новых методик обучения. Это способствует более качественному обучению и повышает мотивацию как учеников, так и учителей.

Доступ к образовательным ресурсам

ИИ может помочь сделать образование более доступным для всех, независимо от их географического положения или финансового состояния. Виртуальные помощники и чат-боты могут предоставлять ученикам доступ к образовательным материалам, отвечать на их вопросы и помогать в подготовке к экзаменам.

Пример: Платформа Duolingo использует ИИ для создания персонализированных учебных планов по изучению языков. Платформа анализирует ошибки учеников и предлагает упражнения, которые помогут им улучшить свои навыки.

Обоснование с точки зрения педагогики: Доступ к образовательным ресурсам позволяет ученикам учиться в удобное для них время и в удобном для них месте. Это способствует более гибкому и удобному обучению, что повышает мотивацию к обучению и улучшает результаты.

OpenSource решения в образовании

Существует множество OpenSource решений, которые могут помочь в интеграции ИИ в образовательные процессы. Эти решения позволяют школам и университетам использовать передовые технологии без необходимости в значительных финансовых вложениях.

Пример: Платформа Moodle поддерживает интеграцию с различными ИИ-инструментами. Moodle позволяет создавать персонализированные учебные планы, автоматизировать проверку заданий и предоставлять обратную связь ученикам.

Обоснование с точки зрения педагогики: OpenSource решения позволяют школам и университетам использовать передовые технологии без необходимости в значительных финансовых вложениях. Это способствует более широкому распространению передовых технологий в образовании и повышает качество обучения.

Пример: Библиотека TensorFlow может быть использована для создания моделей ИИ, способных анализировать данные о успеваемости учеников и предлагать персонализированные рекомендации.

Обоснование с точки зрения педагогики: Использование библиотек для машинного обучения позволяет создавать модели ИИ, способные анализировать данные о успеваемости учеников и предлагать персонализированные рекомендации. Это способствует более качественному обучению и повышает мотивацию к обучению.

Примеры использования ИИ в образовании

ИИ уже активно используется в образовательных учреждениях по всему миру. Например, в некоторых школах используются виртуальные помощники, которые помогают ученикам в подготовке к экзаменам и отвечают на их вопросы. В университетах ИИ используется для анализа данных о успеваемости студентов и предложения персонализированных учебных планов.

Пример: В Georgia Tech виртуальный помощник Jill Watson помогает студентам в подготовке к экзаменам и отвечает на их вопросы. Jill Watson использует естественный язык для общения с учениками и может отвечать на вопросы, связанные с учебными материалами и заданиями.

Обоснование с точки зрения педагогики: Виртуальные помощники позволяют ученикам получать помощь в подготовке к экзаменам и ответы на их вопросы в удобное для них время. Это способствует более гибкому и удобному обучению, что повышает мотивацию к обучению и улучшает результаты.

Реальные кейсы использования ИИ в образовании в России

В последнее время в России наблюдается активное внедрение искусственного интеллекта (ИИ) в образовательные процессы. Вот несколько реальных кейсов использования ИИ в образовании в России за последнее время:

Исследование НИУ ВШЭ и Ultimate Education

Лаборатория инноваций в образовании НИУ ВШЭ и образовательный холдинг Ultimate Education провели совместное исследование, в котором определили главные тренды российского образования в 2024 году. В исследовании участвовали более 750 респондентов, включая инноваторов образования и студентов онлайн-школ из более чем 60 регионов России, а также 23 эксперта образовательной сферы. Результаты показали, что 77% опрошенных юристов связывают риски с возможными спорами из-за нарушения авторских прав, а более 50% назвали репутационные риски из-за некачественного предоставления услуг ИИ. Важность развития предпринимательского образования отметили 39% инноваторов и 29% студентов онлайн-школ. Проектная деятельность и акселерационные программы также были отмечены как перспективные направления.

Внедрение ИИ в школы и университеты

В статье "Российской газете" отмечается, что развитие искусственного интеллекта (ИИ) и его внедрение в сферу образования приобретает повсеместный характер. Эксперты сходятся во мнении, что ИИ приведет к существенным трансформациям в индустриях, связанных с интеллектуальной деятельностью, к числу которых относится образование. Внедрение ИИ повысит уровень доступности образования и инклюзивности образовательной среды. Тенденции использования ИИ в российском образовании в целом соответствуют мировому опыту современной технологической модернизации.

Примеры использования ИИ в образовании

На платформе SkillFactory рассказывают о различных примерах использования ИИ в образовании, таких как автоматизация рутины учителям, разработка контента, тестов и контрольных, исправление ошибок учащимся и помощь в IT-практике. Нейросети помогают снизить рутинную нагрузку учителей и преподавателей, сделать учебу более персонализированной и веселой для студентов, облегчить вход в новые профессии и поддержать учащихся морально.

Опасения родителей и препятствия для внедрения ИИ

В статье "Ведомости" отмечается, что распространению искусственного интеллекта (ИИ) в образовании России препятствуют неравные возможности доступа к цифровым ресурсам и опасения родителей. Среди других причин эксперты отмечают нехватку квалифицированных специалистов и компетенций для работы с ИИ-решениями, а также проблемы доступа к государственным большим данным (Big Data). Направления применения ИИ в образовании весьма разнообразны, включая анализ поведения обучающихся, персонализацию процесса обучения, прокторинг, проверку уровня знаний и работ учащихся и другие задачи.

Будущее образования с ИИ

Будущее образования с ИИ выглядит многообещающим. ИИ может помочь сделать образование более доступным, персонализированным и эффективным. Ученики смогут получать образование, соответствующее их индивидуальным потребностям и интересам, а учителя смогут сосредоточиться на более важных аспектах образовательного процесса.

Пример: В будущем ИИ может использоваться для создания виртуальных лабораторий, где ученики смогут проводить эксперименты и исследования в виртуальной среде. Это позволит ученикам получать практический опыт без необходимости в дорогостоящем оборудовании и материалах.

Обоснование с точки зрения педагогики: Виртуальные лаборатории позволяют ученикам получать практический опыт без необходимости в дорогостоящем оборудовании и материалах. Это способствует более качественному обучению и повышает мотивацию к обучению.

Заключение

Искусственный интеллект уже сегодня оказывает значительное влияние на образование, и его роль будет только расти в будущем. ИИ может помочь сделать образование более доступным, персонализированным и эффективным, предоставляя ученикам и учителям новые возможности для обучения и развития. OpenSource решения, такие как Moodle и TensorFlow, могут помочь в интеграции ИИ в образовательные процессы, делая передовые технологии доступными для всех.

29 декабря. /ТАСС/. Специалисты Санкт-Петербургского государственного университета промышленных технологий и дизайна (СПбГУПТД) создали первый в стране универсальный экологический сорбент для ликвидации разливов нефти и нефтепродуктов. Об этом сообщили в пресс-службе Минобрнауки РФ, отметив, что первая партия вещества уже бесплатно отправлена волонтерам Анапы.

"Преимущество нового сорбента в том, что он производится из отходов целлюлозно-бумажной промышленности, что делает его экологически чистым, а производство - дешевым. Кроме того, он обладает лучшими характеристиками, чем импортные аналоги, которые сегодня используются в отечественной нефтяной промышленности. Среди преимуществ разработки ученых СПбГУПТД - скорость сорбции, высокая способность удерживать нефть, простота в использовании и утилизации", - отметили в пресс-службе.

Cорбент представляет собой гранулы, в которых содержатся целлюлоза и карбонат кальция, благодаря чему он совершенно безвреден для окружающей среды и безопасен в использовании. Его можно применять для ликвидации разливов нефтепродуктов с любых твердых поверхностей, в том числе с трещинами, он удаляет и нефтяные разливы на почве: снижает содержание нефти на 60-70% уже в первые несколько дней, что позволяет через неделю высаживать растения, а полностью очищает почву в течение двух - трех месяцев.

Новый сорбент впитывает самые разные нефтепродукты, включая мазут, бензин, дизельное топливо, масло, керосин. Для уборки разливов мазута в море один из авторов разработки, профессор кафедры физики СПбГУПТД Александр Гребенкин рекомендует использовать технологию сбора комков сорбента с мазутом с помощью простой мелкоячеистой сетки. Ученые также предлагают использование отработанного и пропитанного нефтепродуктами сорбента в качестве топлива.

Китайская компания Agibot объявила о выпуске первых человекоподобных роботов с искусственным интеллектом. Таким образом, китайцы опередили Tesla и первыми начали массовый выпуск передовых роботов с ИИ. В США планируют начать серийное производство Optimus для личных нужд компании только в следующем году. А для потребителей - в 2026. Сколько будут стоить роботы Agibot и когда их можно будет приобрести в Китае, пока официально не заявили.

В подтверждении заявления о прорыве компания опубликовала кадры производственного процесса. В презентационном ролике производитель заявил о выпуске 962 человекоподобных роботов. На видео показаны разные этапы производственного процесса. Он включает в том числе работу гуманоидных роботов в сотрудничестве с людьми. Кроме того, компания создала так называемую фабрику сбора данных. Она служит для накопления информации из реального мира и включает, например, учебные сценарии по стирке, уборке, организации хранения одежды.

Стоит отметить, массовое производство усовершенствованных беспилотников также говорит о стремительном развитии технологий. Ранее "ОН НЬЮС" писал, что консорциум робототехники запустит маркетплейс запчастей для дронов. В России появится интернет-магазин для БПЛА, роботов и деталей для них.