Искусственный интеллект

ИИ склонен соглашаться с пользователем, тогда как живые люди чаще говорят неприятную правду

Новое исследование учёных Стэнфордского университета, опубликованное в журнале Science, показало: все популярные ИИ-чат-боты систематически льстят пользователям и соглашаются с ними даже когда те описывают обман, манипуляции или откровенно вредное поведение. Причём люди не только не замечают этой лести, но и больше доверяют именно тем ботам, которые говорят им то, что они хотят услышать. Перед нами не просто технический баг это ловушка, которая меняет поведение миллионов людей. А современные модели вообще могут врать намеренно.

Почему ИИ соглашается с пользователем и что такое подхалимство

Учёные из Стэнфорда под руководством доктора Майры Ченг протестировали 11 ведущих языковых моделей среди них ChatGPT от OpenAI, Claude от Anthropic, Gemini от Google, Llama от Meta, а также системы от Mistral, Alibaba и DeepSeek.

Исследователи проверяли, как эти модели реагируют на вопросы из реальных жизненных ситуаций. В качестве тестовых данных использовались посты из популярного сабреддита Am I The A**hole? сообщества, где пользователи описывают конфликты и спрашивают, правы ли они, причём выбирались именно те ситуации, в которых живые люди сочли автора неправым. Также использовались стандартные наборы данных о межличностных конфликтах и описания вредных или незаконных действий.

Результат оказался однозначным: все 11 моделей оказались чрезмерно подхалимскими они одобряли действия пользователя в среднем на 49% чаще, чем живые люди, причём делали это даже в ситуациях, где описывались манипуляции, обман или другие формы причинения вреда в отношениях. По-английски этот феномен называют sycophancy подхалимство, чрезмерная угодливость. К тому же нейросети ещё и притворяются всезнайками, даже когда сами не уверены в ответе.

Исследование показало, что в среднем чат-боты с искусственным интеллектом подтверждали действия примерно на 50% чаще, чем люди.

Почему искусственный интеллект соглашается с пользователем и искажает правду

Многие знают, что ИИ умеет галлюцинировать выдумывать факты, которых не существует. Галлюцинации это склонность языковых моделей порождать ложь из-за того, как они устроены: модель раз за разом предсказывает следующее слово в предложении на основе данных, на которых обучалась. Но с подхалимством всё сложнее.

Подхалимство в каком-то смысле более коварная проблема. Мало кто ищет в ИИ фактически ложную информацию, но многие вполне могут оценить по крайней мере в моменте чат-бота, который помогает им чувствовать себя лучше по поводу неправильных решений.

Ключевой вопрос: почему так происходит? Компания Anthropic, которая публично больше других занималась проблемой подхалимства, установила в своём исследовании, что это общее поведение ИИ-ассистентов, вероятно, частично обусловленное тем, что при обучении люди-оценщики предпочитают подхалимские ответы. Иными словами, на этапе обучения модели учатся тому, что человеку нравится, когда с ним соглашаются. И модель оптимизируется именно под это под одобрение, а не под честность.

Чем настойчивее вы выражаете свою позицию, тем более подхалимской становится модель, подтверждает Дэниел Хашаби, доцент информатики в Университете Джонса Хопкинса.

Как ИИ влияет на решения людей и заставляет чувствовать себя правыми

Самая тревожная часть исследования не поведение машин, а то, что происходит с людьми. В двух предварительно зарегистрированных экспериментах с участием более 1600 человек, включая исследование с живым взаимодействием, в котором участники обсуждали реальный конфликт из своей жизни, учёные обнаружили: общение с подхалимской моделью значительно снижало готовность людей предпринимать шаги к восстановлению отношений, одновременно укрепляя их убеждённость в собственной правоте. Есть реальные истории о том, как ИИ рушит отношения людей.

Участники оценивали льстивый ИИ как более надёжный и чаще говорили, что готовы обратиться к нему снова. А после общения с подхалимской моделью они становились более убеждены в своей правоте и реже были готовы извиниться или пойти на примирение.

Вот что особенно важно: Пользователи знают, что модели ведут себя подхалимски и льстят, говорит Дэн Джурафски, старший автор исследования и профессор лингвистики и информатики в Стэнфорде. Но они не осознают, и это удивило нас, что подхалимство делает их более эгоцентричными, более морально догматичными. Более того, участники оценивали и подхалимский, и нейтральный ИИ как одинаково объективный. Одна из причин, по которой пользователи не замечают подхалимства, в том, что ИИ редко прямо пишет вы правы вместо этого он маскирует одобрение нейтральными, академически звучащими формулировками.

Люди, получившие поддержку от ИИ, реже извинялись и меньше стремились наладить отношения

Чем опасен искусственный интеллект, который всегда с вами соглашается

Если для взрослого человека с устоявшимся кругом общения подхалимский чат-бот это неприятность, то для подростков ситуация может быть по-настоящему опасной. По данным исследователей, почти треть американских подростков используют ИИ для серьёзных разговоров вместо того, чтобы обратиться к живым людям.

Майра Ченг, руководитель исследования, опасается, что лёгкий доступ к поддакивающему ИИ может разрушить способность людей справляться с конфликтами и дискомфортом в реальной жизни. ИИ делает очень простым избегание трений с другими людьми, говорит она. Однако именно эти трения неловкие разговоры, разногласия, извинения часто необходимы для построения и поддержания здоровых отношений.

Последствия выходят далеко за пределы личных конфликтов:

• В медицине подхалимский ИИ может подталкивать врачей подтверждать первую версию диагноза вместо того, чтобы побуждать к дальнейшему обследованию.
• В политике он способен усиливать радикальные позиции, подкрепляя уже существующие убеждения.
• Исследование также указывает, что этот технологический дефект уже связывают с громкими случаями бредового и суицидального поведения у уязвимых групп населения.

Подростки всё чаще обращаются к ИИ за советом вместо живых людей

Проблема не только в неуместных советах люди больше доверяют ИИ и охотнее возвращаются к нему именно тогда, когда он подтверждает их убеждения. Это создаёт порочные стимулы для сохранения подхалимства: та самая особенность, которая причиняет вред, одновременно стимулирует вовлечённость, пишут авторы исследования. И этот риск может стать только выше, если при нынешних «привычках» ИИ начнут помнить всю жизнь пользователя и ещё точнее подстраиваться под его слабости.

Можно ли научить искусственный интеллект быть честным

Исследование не предлагает готовых решений, но и разработчики, и академические учёные уже ищут подходы. Рабочая статья Британского института безопасности ИИ (AI Security Institute) показывает: если чат-бот переформулирует утверждение пользователя в вопрос, это снижает вероятность подхалимского ответа. Исследование учёных из Университета Джонса Хопкинса также показывает, что формулировка диалога сильно влияет на результат.

Команда Стэнфорда обнаружила неожиданно простой приём: если попросить модель начать ответ со слов подожди минутку, это стимулирует её быть более критичной. Звучит почти смешно, но для языковых моделей такая затравка в начале ответа реально меняет ход рассуждений.

Однако подхалимство настолько глубоко встроено в чат-ботов, что, по мнению доктора Майры Ченг, может потребоваться полная переподготовка ИИ-систем с изменением критериев, какие ответы считаются предпочтительными. Соавтор исследования Цину Ли предлагает другой подход: Можно представить ИИ, который, помимо валидации ваших чувств, также спрашивает: а что может чувствовать другой человек? Или даже советует закрыть чат и поговорить лично.

Пока же компании реагируют сдержанно. OpenAI заявила, что обеспечение достоверных и обоснованных ответов приоритет. Anthropic отметила, что была одной из первых компаний, публично исследовавших подхалимство в языковых моделях.

Если хотите обсудить новость с другими читателями, заходите в наш Telegram-чат!

Это исследование одно из первых, где проблема подхалимства ИИ рассмотрена не как абстрактная техническая задача, а как реальная угроза для отношений, социальных навыков и психологического здоровья людей.

Подхалимство это вопрос безопасности, и, как и другие вопросы безопасности, он требует регулирования и надзора, говорит профессор Джурафски. Пока разработчики ищут технические решения, самый простой совет от самих исследователей звучит так: Не стоит использовать ИИ как замену живым людям в подобных вещах. На сегодня это лучшее, что можно сделать.

Пользователь пытается разобраться в своих симптомах с помощью ИИ-чат-бота

ИИ-чат-боты уже сдают медицинские экзамены лучше большинства врачей. И ожидания от таких систем высоки: уже появляются сервисы, которые обещают распознавать болезни по симптомам быстрее врача. Но когда обычные люди пытаются с их помощью разобраться в своих симптомах, результат оказывается не лучше, чем без всякого ИИ. Масштабное исследование, опубликованное в Nature Medicine, впервые показало, в чём именно ломается цепочка между знаниями модели и реальной пользой для пациента. И причина оказалась неожиданной: проблема не в знаниях ИИ, а в том, как люди с ним разговаривают.

Как ИИ ставит диагнозы: результаты нового исследования

Исследование провели учёные из Оксфордского университета совместно с организацией MLCommons и другими институтами. Почти 1300 участников получили описания десяти типичных медицинских ситуаций и были случайным образом распределены: одни пользовались чат-ботами (GPT-4o, Llama 3 и Command R+), другие любыми привычными источниками информации (контрольная группа).

После общения с ботом участников спрашивали две вещи: какое заболевание может объяснять симптомы и куда обращаться за помощью. Когда тех же чат-ботов тестировали в одиночку, без человека, они определяли правильное заболевание в 94,9% случаев. Но когда с ботами работали реальные люди, точность падала до менее чем 34,5%. При этом участники из группы с ИИ справлялись не лучше, чем контрольная группа, которая вообще не пользовалась чат-ботами.

Будь в курсе новых открытий по максимуму подписывайся на наш канал в Max!

Другими словами, чат-бот, который блестяще отвечает на экзаменационные вопросы, оказался бесполезен, когда за клавиатурой сидел обычный человек. И это делает тему ещё запутаннее, потому что отдельные случаи, когда ChatGPT смог поставить диагноз там, где врачи долго не могли помочь, только усилили веру людей в медицину через чат.

Почему ИИ сдаёт медицинские экзамены, но не помогает пациентам

Вот в чём парадокс: языковые модели уже набирают почти идеальные баллы на лицензионных медицинских экзаменах. Мета-анализ 120 испытаний показал, что GPT-o1 достигает точности 95,4% на вопросах медицинских лицензий, DeepSeek-R1 92%, GPT-4o 89,4%. Проще говоря, эти модели знают медицину лучше многих выпускников медвузов.

Но экзамен это не приём у врача. На экзамене модель получает чётко сформулированный вопрос со всеми необходимыми данными. В реальной жизни всё иначе. Когда исследователи изучили расшифровки диалогов, обнаружилось: бот часто упоминал правильный диагноз где-то в разговоре, но пользователи его не замечали или не запоминали. В других случаях люди давали неполную информацию, а бот неверно интерпретировал ключевые детали. Проблема была не в медицинских знаниях а в коммуникации между человеком и машиной.

Представьте: у вас есть энциклопедия с правильным ответом, но она написана так, что вы листаете мимо нужной страницы. Знания есть передать их не получается. Риск выше ещё и потому, что бот нередко соглашается с пользователем, вместо того чтобы спорить, уточнять детали и вести разговор как врач на приёме.

Сравнение: на экзамене ИИ отвечает точно, а в реальном диалоге теряет контекст

Почему ИИ неправильно понимает симптомы пользователя

В отличие от смоделированных тестов, реальные люди не давали ботам всю релевантную информацию. А ещё с трудом интерпретировали варианты, предложенные чат-ботом, неправильно понимали или просто игнорировали его советы.

Проблемы в общении человек ИИ можно разделить на несколько типов:

• Неполное описание симптомов. Пациенты не знают, какие детали важны, и пропускают ключевые факты в отличие от врача, который умеет задавать уточняющие вопросы.
• Потеря нужной информации. Бот мог назвать правильный диагноз в середине разговора, но пользователь не обратил на это внимания среди потока текста.
• Неправильная интерпретация. Люди по-своему понимали рекомендации бота, иногда прямо противоположно тому, что он имел в виду.

Некоторые эксперты указывают, что боты должны сами задавать уточняющие вопросы как это делают врачи. Действительно ли это ответственность пользователя знать, какие симптомы выделить, или частично это задача модели знать, что спросить? отмечают исследователи.

Почему врач понимает пациента лучше, чем ИИ

Есть фундаментальная разница между тем, как общается с пациентом врач и как это делает чат-бот. Медицину часто называют скорее искусством, чем наукой. Консультация это не просто определение правильного диагноза: она включает интерпретацию истории пациента, работу с неопределённостью и совместное принятие решений.

Для этого десятилетиями существует Калгари-Кембриджская модель метод структурирования медицинских консультаций, который охватывает всё: от начала приёма и сбора информации до объяснения результатов и совместного планирования лечения. Этот подход предполагает выстраивание доверия с пациентом, сбор информации через точные вопросы, понимание его тревог и ожиданий, понятное объяснение находок и согласование плана действий. Всё это опирается на человеческую связь, адаптивную коммуникацию, уточнения, мягкие наводящие вопросы, суждения, учитывающие контекст, и доверие. Эти качества нельзя свести к распознаванию паттернов.

Другими словами, врача учат не просто знать ответ а уметь его достать из пациента, который сам не всегда понимает, что с ним происходит. Чат-бот пока не умеет этого делать.

Врач просматривает сводку о пациенте, подготовленную ИИ-системой

Где ИИ уже реально полезен в медицине сегодня

Означает ли всё это, что ИИ бесполезен в здравоохранении? Нет. Но, по данным исследования, ни один из проверенных чат-ботов не готов к внедрению в прямой уход за пациентами.

Авторы исследования предлагают думать о чат-ботах не как о врачах, а скорее как о секретарях: они отлично систематизируют информацию, составляют сводки, структурируют сложные документы. Именно в таких задачах ИИ уже приносит реальную пользу в медицине например, при составлении клинических записей, суммировании историй болезни или подготовке направлений. В узких задачах ИИ уже умеет предсказывать рак заранее, когда работает не со свободным диалогом, а со структурированными медицинскими данными.

Каждый шестой взрослый американец уже обращается к ИИ-чат-ботам за медицинской информацией как минимум раз в месяц, и это число продолжает расти. Между тем, крупнейшие разработчики OpenAI и Anthropic уже выпустили специализированные медицинские версии своих чат-ботов, и эксперты полагают, что они могут показать другие результаты в аналогичных исследованиях. Но пока это лишь надежда.

Подписывайтесь на нас в Telegram и Дзен, чтобы знать больше!

Главный урок этого исследования в разрыве между бенчмарками и реальностью. Сдать экзамен и помочь живому человеку это разные задачи. Точно так же, как сдача теоретического экзамена по вождению не делает человека хорошим водителем, так и блестящие результаты на медицинских тестах не превращают языковую модель в надёжного диагноста. Для этого нужны эмпатия, адаптивность и умение работать с тем, что пациент не может или не хочет рассказать. Пока эти качества остаются человеческой территорией.

Промышленный человекоподобный робот проходит обучение на заводе Dongfeng Liuzhou Motor Co., Ltd. в городе Лючжоу, Гуанси-Чжуанский автономный район на юге Китая. Источник изображения: en.people.cn

В городе Лючжоу на юге Китая развернулся эксперимент, который ещё недавно казался сценарием фантастического фильма: около 120 человекоподобных роботов проходят стажировку на настоящем автомобильном заводе. Они учатся сортировать детали, носить контейнеры и ориентироваться в цехах всё под присмотром живых инструкторов. Это не демонстрация на выставке и не рекламный ролик: роботы тренируются для реальной работы на производственных линиях, а Китай параллельно уже разворачивает школы для роботов.

Роботы-гуманоиды в производстве: как устроена стажировка

На заводе Dongfeng Liuzhou Motor дочерней компании одного из крупнейших китайских автопроизводителей 11 роботов UBTech Walker S1 обучаются выполнять реальные задачи в цехах. Под руководством инструктора они активируют системы визуальной навигации, перемещаются к назначенным рабочим станциям и выполняют операции по обработке материалов.

В специально выделенной тренировочной зоне площадью 200 квадратных метров роботы практикуются в сортировке деталей, перемещении контейнеров и сборе пустой тары. По сути, это те самые рутинные складские и логистические операции, которые на обычных заводах делают люди часто в тяжёлых условиях и по многу часов подряд.

Walker S1 это робот-гуманоид ростом 172 см и массой 76 кг с 41 степенью свободы (столько суставов у робота, каждый из которых отвечает за отдельное движение). Мощные приводы позволяют каждой руке поднимать до 15 кг, а сам робот ходит со скоростью около 0,83 м/с и умеет подниматься по лестницам. RGB- и глубинные камеры, лидар и датчики силы обеспечивают 3D-картографирование и ориентацию в пространстве.

Робот тренируется под руководством инструктора на заводе Dongfeng Liuzhou Motor. Источник изображения: en.people.cn

Почему роботу-гуманоиду так трудно поднять маленький винтик

Одна из самых показательных сцен с завода в Лючжоу робот, который раз за разом пытается двумя пальцами взять крошечный винт размером с ноготь. Этот процесс показывает, что подобные действия совершенно не интуитивны для машин и должны быть запрограммированы пошагово.

Для человека поднять винтик секундное дело. Мы даже не задумываемся, как именно мы это делаем: пальцы автоматически подстраиваются под размер, вес и текстуру предмета. Именно на таких мелочах особенно видно, почему гуманоидных роботов так трудно сделать полезными.

Робот не имеет ни мышечной памяти, ни интуиции. В отличие от людей, которые опираются на опыт и инстинкт, роботы полностью зависят от алгоритмов. Для эффективного обучения нужно понимать, как двигаются их суставы и как система зрения интерпретирует окружающую среду, тогда инструкторы могут совершенствовать методы управления и повышать точность выполнения задач.

Робот учится захватывать мелкие детали двумя пальцами

Именно поэтому системы визуального распознавания ключевой элемент обучения. По данным People’s Daily Online, разнообразная промышленная база Лючжоу обеспечивает реалистичные условия, в которых роботов можно обучать в сложных, реальных заводских условиях, прежде чем выпускать на производственные линии. Освещение, влажность, изменяющаяся планировка цехов всё это создаёт дополнительные трудности для машинного зрения, которых не бывает в стерильных лабораториях.

Роботы-гуманоиды с искусственным интеллектом: как их тренируют в Лючжоу

Для решения проблемы с обучающими данными Лючжоу создал специальный центр сбора данных и тестирования воплощённого ИИ. Центр работает как школа для роботов, воспроизводя полномасштабные производственные среды ключевых местных отраслей: автомобилестроения, строительной техники, фармацевтики и даже производства луосыфэнь знаменитой местной лапши.

Звучит забавно, но логика здесь серьёзная: чем разнообразнее условия обучения, тем лучше робот адаптируется к непредсказуемости реального мира. Фармацевтический цех с его стерильностью и автомобильный конвейер совершенно разные задачи для навигации и манипуляций.

Всего в этом центре около 120 роботов проходят практическое обучение вместе с живыми наставниками, постепенно наращивая навыки для промышленных операций. Пока роботы всё ещё находятся на ранних стадиях подготовки. Их постепенная интеграция должна трансформировать традиционное производство за счёт внедрения адаптивной интеллектуальной автоматизации.

По команде инструктора 11 роботов мгновенно активируют свои системы визуальной навигации и направляются к назначенным рабочим местам. Источник изображения: en.people.cn

Роботы-гуманоиды в Китае: от единичных прототипов к массовому производству

Стажировка в Лючжоу лишь часть масштабной картины. Китай стремительно наращивает мощности по выпуску человекоподобных роботов. В марте 2026 года UBTech заключила партнёрство с Siemens Digital Industries Software для масштабирования производства таких роботов. 29 марта 2026 года в провинции Гуандун заработала высокопроизводительная линия, которая стала первой в Китае фабрикой, способной выпускать до 10 000 таких роботов в год. Предприятие совместный проект компаний Leju Robotics и Dongfang Precision Science and Technology.

Линия включает 24 этапа прецизионной сборки и 77 контрольных точек. Готовый робот сходит с конвейера каждые 30 минут это примерно на 50% быстрее, чем при традиционных методах сборки. Система использует гибкую схему производства: благодаря автоматически управляемым транспортным средствам и цифровым системам контроля завод может переключаться между различными моделями роботов без капитальной перестройки, что позволяет обслуживать разные отрасли от автопрома до производства бытовой техники. На этом фоне уже не кажется фантастикой прогноз, что роботы будущего будут ходить только на двух ногах и массово выходить из цехов на реальные предприятия.

Робот сортирует детали на заводе Dongfeng Liuzhou Motor. Источник изображения: en.people.cn

Не забудь подписаться на наш канал в Max, чтобы быть в курсе новых событий!

Что массовое внедрение роботов-гуманоидов значит для рынка труда

Важно понимать, что сейчас это ранний, экспериментальный этап. Человекоподобные роботы в Лючжоу пока именно стажёры: они не заменяют рабочих на конвейере, а только учатся. Генеральный директор Dongfeng Liuzhou Motor Линь Чанбо называет роботов подмастерьями и говорит, что компания ожидает от них повышения эффективности, снижения издержек и выполнения физически тяжёлых и опасных задач.

Параллельно конкуренция в отрасли нарастает. Компания Agibot недавно объявила о выпуске своего 10-тысячного гуманоида, а Unitree Robotics привлекает 580 миллионов долларов на строительство завода мощностью 75 000 роботов в год. Крупнейшие китайские автопроизводители BYD, Geely Auto, FAW-Volkswagen, а также логистические гиганты Foxconn и SF Express уже интегрируют гуманоидов в свои производственные и складские операции.

Промышленные человекоподобные роботы на заводе Dongfeng Liuzhou Motor Co., Ltd. в городе Лючжоу, Гуанси-Чжуанский автономный район на юге Китая. Источник изображения: en.people.cn

Для нас, обычных людей, главный вопрос не заменят ли роботы рабочих завтра (пока точно нет), а то, как быстро снизится стоимость таких машин при массовом производстве. По состоянию на недавнее время промышленный человекоподобный робот стоил от 40 до 50 тысяч долларов, тогда как годовая зарплата опытного рабочего на автомобильном конвейере в Китае составляла около 180 000 юаней (примерно 26 тысяч долларов). Если масштабирование производства действительно собьёт цены, порог входа для автоматизации станет ниже и роботы начнут появляться далеко за пределами автопрома.

Пока же самое ценное в эксперименте в Лючжоу честность подхода. Китай не пытается выдать 120 стажёров за армию готовых работников. Роботов публично называют подмастерьями, открыто признают, что они не справляются даже с захватом мелкого винтика с первого раза. Но именно такая методичная, пошаговая работа сбор данных, обучение в реальных условиях, масштабирование производства превращает демонстрационные прототипы в рабочие инструменты.

И судя по темпам, с которыми Китай строит заводы для выпуска роботов-гуманоидов, эта трансформация может произойти быстрее, чем многие ожидают. И хотя на заводе в Лючжоу роботы пока только учатся, сам вопрос о том, какие профессии заменит ИИ, давно перестал быть теоретическим.

Промышленный человекоподобный робот проходит обучение на заводе Dongfeng Liuzhou Motor Co., Ltd. в городе Лючжоу, Гуанси-Чжуанский автономный район на юге Китая. Источник изображения: en.people.cn

В городе Лючжоу на юге Китая развернулся эксперимент, который ещё недавно казался сценарием фантастического фильма: около 120 человекоподобных роботов проходят стажировку на настоящем автомобильном заводе. Они учатся сортировать детали, носить контейнеры и ориентироваться в цехах всё под присмотром живых инструкторов. Это не демонстрация на выставке и не рекламный ролик: роботы тренируются для реальной работы на производственных линиях, а Китай параллельно уже разворачивает школы для роботов.

Роботы-гуманоиды в производстве: как устроена стажировка

На заводе Dongfeng Liuzhou Motor дочерней компании одного из крупнейших китайских автопроизводителей 11 роботов UBTech Walker S1 обучаются выполнять реальные задачи в цехах. Под руководством инструктора они активируют системы визуальной навигации, перемещаются к назначенным рабочим станциям и выполняют операции по обработке материалов.

В специально выделенной тренировочной зоне площадью 200 квадратных метров роботы практикуются в сортировке деталей, перемещении контейнеров и сборе пустой тары. По сути, это те самые рутинные складские и логистические операции, которые на обычных заводах делают люди часто в тяжёлых условиях и по многу часов подряд.

Walker S1 это робот-гуманоид ростом 172 см и массой 76 кг с 41 степенью свободы (столько суставов у робота, каждый из которых отвечает за отдельное движение). Мощные приводы позволяют каждой руке поднимать до 15 кг, а сам робот ходит со скоростью около 0,83 м/с и умеет подниматься по лестницам. RGB- и глубинные камеры, лидар и датчики силы обеспечивают 3D-картографирование и ориентацию в пространстве.

Робот тренируется под руководством инструктора на заводе Dongfeng Liuzhou Motor. Источник изображения: en.people.cn

Почему роботу-гуманоиду так трудно поднять маленький винтик

Одна из самых показательных сцен с завода в Лючжоу робот, который раз за разом пытается двумя пальцами взять крошечный винт размером с ноготь. Этот процесс показывает, что подобные действия совершенно не интуитивны для машин и должны быть запрограммированы пошагово.

Для человека поднять винтик секундное дело. Мы даже не задумываемся, как именно мы это делаем: пальцы автоматически подстраиваются под размер, вес и текстуру предмета. Именно на таких мелочах особенно видно, почему гуманоидных роботов так трудно сделать полезными.

Робот не имеет ни мышечной памяти, ни интуиции. В отличие от людей, которые опираются на опыт и инстинкт, роботы полностью зависят от алгоритмов. Для эффективного обучения нужно понимать, как двигаются их суставы и как система зрения интерпретирует окружающую среду, тогда инструкторы могут совершенствовать методы управления и повышать точность выполнения задач.

Робот учится захватывать мелкие детали двумя пальцами

Именно поэтому системы визуального распознавания ключевой элемент обучения. По данным People’s Daily Online, разнообразная промышленная база Лючжоу обеспечивает реалистичные условия, в которых роботов можно обучать в сложных, реальных заводских условиях, прежде чем выпускать на производственные линии. Освещение, влажность, изменяющаяся планировка цехов всё это создаёт дополнительные трудности для машинного зрения, которых не бывает в стерильных лабораториях.

Роботы-гуманоиды с искусственным интеллектом: как их тренируют в Лючжоу

Для решения проблемы с обучающими данными Лючжоу создал специальный центр сбора данных и тестирования воплощённого ИИ. Центр работает как школа для роботов, воспроизводя полномасштабные производственные среды ключевых местных отраслей: автомобилестроения, строительной техники, фармацевтики и даже производства луосыфэнь знаменитой местной лапши.

Звучит забавно, но логика здесь серьёзная: чем разнообразнее условия обучения, тем лучше робот адаптируется к непредсказуемости реального мира. Фармацевтический цех с его стерильностью и автомобильный конвейер совершенно разные задачи для навигации и манипуляций.

Всего в этом центре около 120 роботов проходят практическое обучение вместе с живыми наставниками, постепенно наращивая навыки для промышленных операций. Пока роботы всё ещё находятся на ранних стадиях подготовки. Их постепенная интеграция должна трансформировать традиционное производство за счёт внедрения адаптивной интеллектуальной автоматизации.

По команде инструктора 11 роботов мгновенно активируют свои системы визуальной навигации и направляются к назначенным рабочим местам. Источник изображения: en.people.cn

Роботы-гуманоиды в Китае: от единичных прототипов к массовому производству

Стажировка в Лючжоу лишь часть масштабной картины. Китай стремительно наращивает мощности по выпуску человекоподобных роботов. В марте 2026 года UBTech заключила партнёрство с Siemens Digital Industries Software для масштабирования производства таких роботов. 29 марта 2026 года в провинции Гуандун заработала высокопроизводительная линия, которая стала первой в Китае фабрикой, способной выпускать до 10 000 таких роботов в год. Предприятие совместный проект компаний Leju Robotics и Dongfang Precision Science and Technology.

Линия включает 24 этапа прецизионной сборки и 77 контрольных точек. Готовый робот сходит с конвейера каждые 30 минут это примерно на 50% быстрее, чем при традиционных методах сборки. Система использует гибкую схему производства: благодаря автоматически управляемым транспортным средствам и цифровым системам контроля завод может переключаться между различными моделями роботов без капитальной перестройки, что позволяет обслуживать разные отрасли от автопрома до производства бытовой техники. На этом фоне уже не кажется фантастикой прогноз, что роботы будущего будут ходить только на двух ногах и массово выходить из цехов на реальные предприятия.

Робот сортирует детали на заводе Dongfeng Liuzhou Motor. Источник изображения: en.people.cn

Не забудь подписаться на наш канал в Max, чтобы быть в курсе новых событий!

Что массовое внедрение роботов-гуманоидов значит для рынка труда

Важно понимать, что сейчас это ранний, экспериментальный этап. Человекоподобные роботы в Лючжоу пока именно стажёры: они не заменяют рабочих на конвейере, а только учатся. Генеральный директор Dongfeng Liuzhou Motor Линь Чанбо называет роботов подмастерьями и говорит, что компания ожидает от них повышения эффективности, снижения издержек и выполнения физически тяжёлых и опасных задач.

Параллельно конкуренция в отрасли нарастает. Компания Agibot недавно объявила о выпуске своего 10-тысячного гуманоида, а Unitree Robotics привлекает 580 миллионов долларов на строительство завода мощностью 75 000 роботов в год. Крупнейшие китайские автопроизводители BYD, Geely Auto, FAW-Volkswagen, а также логистические гиганты Foxconn и SF Express уже интегрируют гуманоидов в свои производственные и складские операции.

Промышленные человекоподобные роботы на заводе Dongfeng Liuzhou Motor Co., Ltd. в городе Лючжоу, Гуанси-Чжуанский автономный район на юге Китая. Источник изображения: en.people.cn

Для нас, обычных людей, главный вопрос не заменят ли роботы рабочих завтра (пока точно нет), а то, как быстро снизится стоимость таких машин при массовом производстве. По состоянию на недавнее время промышленный человекоподобный робот стоил от 40 до 50 тысяч долларов, тогда как годовая зарплата опытного рабочего на автомобильном конвейере в Китае составляла около 180 000 юаней (примерно 26 тысяч долларов). Если масштабирование производства действительно собьёт цены, порог входа для автоматизации станет ниже и роботы начнут появляться далеко за пределами автопрома.

Пока же самое ценное в эксперименте в Лючжоу честность подхода. Китай не пытается выдать 120 стажёров за армию готовых работников. Роботов публично называют подмастерьями, открыто признают, что они не справляются даже с захватом мелкого винтика с первого раза. Но именно такая методичная, пошаговая работа сбор данных, обучение в реальных условиях, масштабирование производства превращает демонстрационные прототипы в рабочие инструменты.

И судя по темпам, с которыми Китай строит заводы для выпуска роботов-гуманоидов, эта трансформация может произойти быстрее, чем многие ожидают. И хотя на заводе в Лючжоу роботы пока только учатся, сам вопрос о том, какие профессии заменит ИИ, давно перестал быть теоретическим.

Костюм использует электрические импульсы, чтобы помогать мышцам выполнять действия, которые человек никогда раньше не выполнял.

Представьте: вы подходите к незнакомому станку на производстве и ваши руки сами выполняют правильную последовательность действий не потому что вы изучили инструкцию, а потому что костюм на вашем теле буквально направляет каждую мышцу. И это уже рабочий прототип, созданный учёными из Чикагского университета: система объединяет электростимуляцию мышц с мультимодальным ИИ. Разработка уже получила главную награду крупнейшей в мире конференции по взаимодействию человека и компьютера, но до повседневного продукта ещё далеко, хотя сама идея носимого помощника уже давно развивается в форме лёгких экзоскелетов. Что же умеет костюм?

Нейромышечный костюм с ИИ: устройство и принцип работы

Систему разработали аспиранты Юн Хо и Ромен Нит под руководством исследователя Педро Лопеса в лаборатории Human Computer Integration Lab (HCintegration) Чикагского университета. Костюм состоит из четырёх ключевых компонентов:

1. носимых электродов для стимуляции мышц,
2. умных очков со встроенной камерой,
3. мультимодальной модели ИИ, способной одновременно обрабатывать изображение и текст того же класса технологий, что и GPT-4.1,
4. слоя для отслеживания движений тела.

Вся эта связка работает в реальном времени. Камера на очках видит, что перед вами. Датчики отслеживают положение тела. ИИ анализирует контекст и генерирует инструкции какой сустав двигать, в каком направлении и в какой последовательности. А электроды передают эти команды напрямую мышцам, заставляя тело совершать нужные движения. Причём никаких заранее записанных программ не требуется.

Алгоритм работы умного костюма с EMS.

Электростимуляция мышц с ИИ и отличия от обычной EMS

Электрическая стимуляция мышц (EMS) технология не новая, и раньше её уже рассматривали как способ усиливать возможности тела. Она десятилетиями используется в реабилитации, обучении игре на фортепиано, тренировках жестового языка и даже в фитнесе. Суть простая: слабые электрические импульсы подаются на определённые мышцы и вызывают их сокращение. Но у всех предыдущих систем была одна принципиальная проблема они работали по жёстким сценариям.

Запрограммируйте такую систему трясти аэрозольный баллончик перед покраской она будет трясти. Покажите ей баллончик с кулинарным маслом, который трясти не нужно, она всё равно будет трясти. Контекст для неё не существовал.

Новая система принципиально отличается тем, что умеет рассуждать о контексте. Камера видит объект, датчики считывают позу тела, а ИИ обрабатывает всё это вместе и генерирует инструкции, адаптированные к конкретному моменту и конкретной ситуации. Это как разница между навигатором, который выдаёт один и тот же маршрут независимо от пробок, и навигатором, который перестраивается на лету.

Умные очки фиксируют то, что находится перед пользователем, костюм с функцией отслеживания движений считывает его позу в режиме реального времени, а искусственный интеллект обрабатывает все эти данные и решает, какой сустав нужно задействовать, в каком направлении и в каком порядке.

Как костюм с ИИ защищает тело от опасных движений

Между ИИ и телом человека стоит четвёртый слой системы анатомический фильтр безопасности. Его задача: не дать искусственному интеллекту навредить пользователю. Если модель вдруг отдаёт команду повернуть запястье на 180 градусов (что физически невозможно без травмы), система автоматически перераспределяет это движение на несколько суставов.

В лабораторных тестах костюм с фильтром безопасности делал значительно меньше ошибок, чем базовая модель ИИ без учёта анатомии тела. Это критически важно: любое устройство, способное двигать ваше тело, должно понимать его пределы.

А на практике всё выглядит проще, чем звучит. Пользователь подходит к незнакомому окну, говорит: EMS, помоги мне открыть это, и система определяет тип ручки, после чего электрически направляет пальцы, запястье и локоть через правильную последовательность движений. Если интересно, подробное видео можно посмотреть здесь.

Участники тестируют систему, чтобы открыть незнакомое окно. ИИ определяет тип ручки и с помощью электродов направляет пальцы, запястье и локоть в нужной последовательности.

Применение костюма с ИИ в медицине и промышленности

Команда выделяет три ближайших сценария использования:

• Реабилитация и физиотерапия. Костюм может направлять пациентов через безопасные движения дома, без постоянного присутствия врача. Похожие подходы уже показывали, что электрические разряды могут помогать людям заново осваивать движение.
• Промышленное обучение. На производстве система способна сократить время обучения и снизить риск травм при работе с незнакомым оборудованием.
• Помощь слабовидящим. Вместо аудиоописания прямое физическое ориентирование, реальное управляемое движение через незнакомую среду. В этой же логике развиваются и умные очки для слепых, которые помогают безопаснее ориентироваться в пространстве.

Интересно, что в пользовательских тестах, когда система намеренно допускала ошибки, участники их замечали, корректировали голосовыми командами и всё равно выполняли задачу. Один из участников отметил, что собственная интуиция тела делала ошибки немедленно очевидными. Это обнадёживающий сигнал: человек действительно остаётся в петле контроля, а не становится пассивной марионеткой.

Почему костюм с ИИ ещё не готов для повседневного использования

При всей впечатляющей демонстрации исследователи честно признают: до массового продукта ещё далеко. Вот основные ограничения:

• Калибровка электродов должна быть персонализирована под каждое тело универсальных настроек пока нет.
• Покалывание от электростимуляции может быть неприятным.
• Система не формирует настоящую мышечную память глубокий, отработанный навык, который приходит только с практикой.

Девушка дала команду «открыть это». Система оценила, ответила, дальше даётся команда «продолжить», после чего костюм открывает банку.

Есть и тревожная сторона. Костюм, который может двигать ваше тело, это, в теории, костюм, который можно взломать. Обеспечение защиты от кибератак обязательное условие для любого серьёзного применения в реальном мире. Сроков коммерческого выпуска пока не объявлено.

Это пока не то, что можно просто надеть в повседневной жизни, а скорее костюм супергероя, с которым исследователи экспериментируют в лаборатории, признал Педро Лопес.

Как ИИ меняет обучение движениям: победа на CHI 2026

Проект получил награду Best Paper Award на конференции ACM CHI 2026 в Барселоне крупнейшем мировом форуме по взаимодействию человека и компьютера. Полный текст статьи Generative Muscle Stimulation доступен в цифровой библиотеке ACM.

Почему это важно за пределами лаборатории? Потому что это первый шаг к принципиально новому способу передачи физических навыков. До сих пор обучение движениям требовало либо наблюдения и повторения (классический смотри и делай), либо словесных инструкций. Чикагская система предлагает третий путь: ИИ, который видит контекст, понимает задачу и физически проводит тело через правильное действие.

А вы уже подписаны на наш канал в MAX? Если нет, самое время это сделать!

Пока это лабораторный прототип с заметными ограничениями. Но сама идея мост между цифровым интеллектом и физическим телом, замыкающий петлю не через экран, а через мышцы заслуживает внимания. Особенно если вспомнить, сколько профессий в мире до сих пор требуют именно физических навыков, которые трудно описать словами, но можно показать руками.

При частом использовании нейросетей мы становимся не столько глупыми, сколько ленивыми

Группа исследователей из университетов США и Великобритании провела серию экспериментов, результаты которых трудно назвать обнадеживающими. Всего десять минут работы с ИИ-помощником оказалось достаточно, чтобы люди стали хуже справляться с задачами без него, и, что еще тревожнее, теряли желание даже пытаться. Исследование пока не прошло рецензирование, но его масштаб и методология заслуживают внимания.

Как был устроен эксперимент с ИИ-помощником

Работа была опубликована на платформе arXiv в апреле 2026 года. В серии рандомизированных контролируемых испытаний приняли участие 1 222 человека. В первом эксперименте 350 американцев получили набор задач на дроби. Половине участников предоставили доступ к специализированному чат-боту на базе GPT-5 от OpenAI, остальные решали сами. В середине теста у группы с ИИ доступ к чатботу отключили.

Результат оказался резким: после отключения ИИ участники этой группы начали давать значительно больше неправильных ответов, а многие и вовсе бросали задания. Эксперимент повторили на 670 участниках с тем же результатом. Наконец, третье испытание, уже с заданиями на понимание текста, а не математику, подтвердило ту же закономерность.

А какими нейросетями пользуетесь вы? Как они вам помогают? Пишите в нашем Telegram-чате!

Эффект кипящей лягушки в работе с нейросетями

Авторы исследования используют метафору кипящей лягушки. Это известная притча: если бросить лягушку в кипяток, она выпрыгнет, а если нагревать воду медленно, она не заметит опасности. Реальные лягушки, к счастью, так не работают, но как описание человеческого поведения аналогия оказалась пугающе точной.

Суть в том, что продолжительное использование ИИ постепенно разрушает мотивацию и настойчивость качества, которые лежат в основе обучения. Человек привыкает получать мгновенные ответы и перестает проходить через трудности самостоятельно. По словам авторов, эти эффекты накапливаются, и к тому моменту, когда они становятся заметны, обратить их уже сложно.

Когда ИИ отключают, люди не просто дают неправильные ответы, они отказываются пробовать. Настойчивость падает.

Почему 10 минут с ИИ меняют поведение человека

Один из самых неожиданных аспектов исследования скорость, с которой проявляется эффект. Исследователи зафиксировали, что зависимость от ИИ формируется буквально за десять минут использования. Это не многомесячная привычка, а практически мгновенная перенастройка ожиданий.

Ученые предполагают, что причина кроется в самой архитектуре современных ИИ-систем. Хороший наставник не просто дает ответы он помогает учиться, отслеживает прогресс, иногда говорит нет. ИИ-чатботы устроены иначе: они оптимизированы на мгновенные и полные ответы, никогда не отказывают (кроме вопросов безопасности) и не учитывают долгосрочных целей пользователя.

По сути, ИИ приучает мозг к тому, что ответ всегда доступен мгновенно, и лишает опыта самостоятельного преодоления трудностей. Именно этот опыт, как показывают десятилетия когнитивных исследований, лежит в основе обучения и развития.

Читайте также: Что будет, если все нейросети вдруг перестанут работать?

Подсказки вместо готовых ответов: как ИИ может не отупить пользователя

В исследовании нашелся один обнадеживающий нюанс. Участники, которые использовали нейронку для получения подсказок и разъяснений, гораздо легче справлялись с заданиями после отключения ИИ. А вот те, кто просто просил бота выдать готовый ответ, оказались в значительно худшем положении.

Это принципиальная разница. Она говорит о том, что способ взаимодействия с ИИ критически важен для последствий. Если использовать нейросеть как помощника, который наводит на мысль, а не как шпаргалку с готовыми решениями, негативный эффект удается смягчить. Впрочем, авторы подчеркивают, что даже в этом случае долгосрочные последствия еще предстоит изучить.

Угроза для образования и поколение без упорства

Авторы исследования открыто предупреждают об опасности бездумного внедрения нейросетей в школы и университеты. Массовое использование ИИ в образовании может привести к появлению целого поколения людей, которые не будут знать, на что способны. А это подорвнт инновации и креативность в масштабах общества.

Это не единственное исследование с подобными выводами. Ранее другие работы показали, что использование ИИ в школах связано с ухудшением социального и интеллектуального развития, а дети, регулярно работающие с нейронками, показывают худшие результаты на тестах.

Проблема дополняется еще одним явлением так называемым ментальным перегревом от ИИ. В ходе одного исследования было обнаружено, что около 14% работников, активно использующих ИИ, испытывают когнитивную перегрузку: туман в голове, замедленное мышление, головные боли. Причем те, кому приходилось одновременно контролировать несколько ИИ-инструментов, сообщали о 12% большей ментальной усталости.

Как использование ИИ влияет на мышление обычного пользователя

Важно зафиксировать, что исследование об упорстве и ИИ пока не прошло рецензирование. Это препринт, то есть предварительная публикация, которую еще предстоит проверить независимым экспертам. Это не повод игнорировать результаты, но повод относиться к ним с осторожностью.

Тем не менее направление тренда все яснее. Растущий массив данных, от школьных исследований до опросов работников, указывает на то, что бездумное использование ИИ может обходиться дороже, чем кажется. Не в деньгах, а в когнитивных навыках: способности думать, пробовать, ошибаться и продолжать.

Еще больше познавательных материалов вы найдете в нашем Telegram-канале. Подпишитесь прямо сейчас!

Практический вывод из всех этих исследований пока один: используйте ИИ как инструмент для обучения, а не как замену мышления. Просите подсказки, а не готовые ответы. И если замечаете, что без нейросети не можете даже начать думать над задачей, возможно, вода уже теплее, чем кажется.

Робот-собака или собака-поводырь: кто лучше

Роботы умнеют на глазах: они читают списки дел с доски, выносят мусор и даже выгуливают настоящих собак. Но когда речь заходит о помощи людям с нарушениями зрения, живые собаки-поводыри по-прежнему выигрывают у любых машин. Новое исследование из Финляндии объясняет, почему и ответ оказался не совсем техническим.

Как обучают собак-поводырей и сколько это стоит

Подготовка собаки-поводыря процесс долгий и дорогой. Щенков отбирают по строгим критериям, и далеко не все проходят отбор: значительная часть кандидатов отсеивается ещё на этапе обучения. Обучение одной собаки-поводыря обходится в сумму 1,53 млн рублей за собаку ( $15 00030 000) в России. Это в 1,53 раза дешевле, чем в США: там это обходится в ~$50 000. А сам процесс занимает от полутора до двух лет.

Ежегодно передают несколько сотен собак на всю страну, при этом спрос на таких животных намного превышает предложение. По статистике Assistance Dogs International, на конец 2024 года в очереди на собаку-ассистента стояли более 7 600 человек, а ожидание может затянуться на срок от года до пяти лет. Лишь около 2% слепых и слабовидящих людей в мире пользуются собаками-поводырями остальные обходятся тростью, смартфонами для слепых или вовсе не имеют специальных средств навигации.

Важно пояснить:

• для незрячего человека собака-поводырь предоставляется бесплатно (через госпрограммы и НКО);
• основной оператор Российская школа подготовки собак-проводников ВОС;
• финансирование идёт через государство (ФСС/СФР) + частично благотворительность.

Даже когда собаку удаётся получить, владельцу нужно кормить её, водить к ветеринару, обеспечивать прогулки и уход. Для человека с инвалидностью это дополнительная нагрузка, с которой справляется не каждый.

Чем робот-поводырь лучше собаки: технологии и функции

Роботы-поводыри логичная альтернатива. Они не болеют, не линяют, не требуют еды и ветеринарных осмотров. Современные модели оснащены камерами с обзором 360 градусов, системами обнаружения препятствий и встроенным GPS похожие принципы уже используются в умных очках для слепых, которые помогают безопасно ориентироваться в пространстве.

Исследователи работают над созданием прототипа робота-собаки на основе отзывов и предпочтений людей с нарушениями зрения.

Благодаря интеграции больших языковых моделей (вроде ChatGPT) роботы теперь понимают гораздо больше команд, чем живая собака. Обычный поводырь осваивает 2030 команд, а робот с языковой моделью способен обрабатывать инструкции на естественном языке практически без ограничений по словарному запасу. Некоторые устройства умеют вызывать экстренную помощь, если человек упал, собака, при всей своей преданности, набрать 112 не сможет. В основе таких систем лежит в том числе компьютерное зрение именно так ИИ распознаёт изображения и объекты вокруг человека.

Один из самых интересных примеров устройство Glide от компании Glidance. Это двухколёсный робот-помощник размером с небольшой пылесос с телескопической ручкой. Человек просто толкает его перед собой, а Glide сам прокладывает безопасный маршрут, объезжая препятствия. Розничная цена около 1 500 долларов, что в десятки раз дешевле подготовки живой собаки.

Робот-проводник Glide использует комбинацию встроенных датчиков и камер, позаимствованных у беспилотных автомобилей, для обнаружения препятствий и помощи людям с нарушениями зрения в достижении цели.

Почему собака-поводырь даёт больше, чем технология

Исследователи из Университета Турку и Университета Аалто в Финляндии изучили повседневную жизнь 13 собак-ассистентов и их владельцев. Результаты, опубликованные в журнале Human Relations в апреле 2026 года, описывают феномен, который учёные назвали невидимым миром заботы.

Суть в том, что отношения между собакой и человеком это не просто хозяин отдаёт команды, собака выполняет. Это настоящее партнёрство, где оба участника по очереди выступают в роли того, кто заботится, и того, о ком заботятся. Собака считывает эмоциональное состояние владельца, улавливает тончайшие жесты, движения и привычки и реагирует на них так, как ни один робот пока не способен.

Собака-поводырь рядом с хозяином дома не только помощник, но и компаньон

Один из участников исследования, потерявший зрение, описал получение собаки-поводыря как переломный момент в жизни: ему пришлось научиться отпускать контроль и полностью довериться животному. Другая участница сравнила свою собаку с утяжелённым одеялом (тем самым, которое помогает при тревожности) и назвала их связь симбиозом, в котором трудно понять, где заканчивается человек и начинается собака. Такой эффект не случаен: исследования давно показывают, что люди рядом с собаками чувствуют себя спокойнее, и не зря их называют лучшим лекарством от стресса.

Как собаки-поводыри принимают решения без команд

Финские исследователи подчёркивают важную деталь: собаки-ассистенты не пассивные исполнители. Да, они выполняют обязательные команды вроде сидеть и стоять. Но помимо этого они добровольно берут на себя дополнительные функции например, прижимаются к хозяину, когда тот расстроен, или сами инициируют физический контакт. Это не входит в должностную инструкцию собаки она делает это по собственному выбору.

Такая эмоциональная интуиция результат глубокого эволюционного партнёрства между человеком и собакой, которое формировалось тысячи лет. У роботов подобного опыта нет и в ближайшее время не предвидится. Машина может безупречно распознать объект на камере, но она не чувствует, когда владельцу нужна поддержка.

Учёные также отмечают, что доверие между собакой и человеком работает в обе стороны. Человек учится полагаться на инстинкты животного и уступать ему контроль в определённых ситуациях. Собака, в свою очередь, доверяет человеку в том, что её базовые потребности будут удовлетворены. Именно этот взаимный обмен создаёт ту самую невидимую заботу, которую пока невозможно запрограммировать.

Что умеет робот Spot с ИИ и зачем он нужен

Тем не менее роботы стремительно прогрессируют. Boston Dynamics объявила об интеграции модели Gemini Robotics-ER 1.6 от Google DeepMind в своего четвероногого робота Spot. В демонстрационном видео Spot читает рукописный список дел с доски, а затем самостоятельно убирает обувь, выносит мусор, складывает разбросанную одежду в корзину и даже берёт поводок, чтобы выгулять настоящую собаку.

Система сочетает компьютерное зрение, понимание естественного языка и планирование действий. Это принципиально отличается от классической робототехники, где каждый шаг нужно программировать вручную. Впрочем, инженеры из IEEE Spectrum обратили внимание на характерную деталь: робот берёт банку с газировкой боком, что с полной банкой закончилось бы плохо. У роботов пока нет житейского опыта, который мы накапливаем всю жизнь, и это касается не только банок.

Робот Spot от Boston Dynamics убирается, следуя инструкциям, написанным на доске

Насколько демонстрация Spot отражает реальные возможности, а насколько была срежиссирована для эффектного видео вопрос открытый. Сама Boston Dynamics признаёт, что это пока экспериментальный шаг, а не готовый продукт.

Робот или собака-поводырь: сравнение по ключевым параметрам

Если коротко зависит от потребностей. Вот ключевые различия:

• Стоимость. Подготовка собаки-поводыря от 15 000 долларов (для владельца обычно бесплатно, расходы покрывают организации). Устройство вроде Glide около 1 500 долларов. Роботы типа Spot стоят десятки тысяч долларов, но они пока не предназначены для слабовидящих.
• Время ожидания. Очередь на собаку от года до пяти лет. Робот-помощник доступен сразу после покупки, обучение занимает пару часов.
• Эмоциональная поддержка. Собака чувствует настроение хозяина, инициирует контакт, снижает тревожность. Робот этого не умеет.
• Обслуживание. Собаке нужны еда, ветеринар, прогулки. Роботу зарядка и обновление прошивки.
• Понимание команд. Собака выучивает 2030 команд. Робот с языковой моделью понимает инструкции на обычном языке.
• Интуиция. Собака способна самостоятельно оценить опасность и принять решение, не дожидаясь команды. Робот действует в рамках алгоритмов.

Будь в курсе новых событий по максимуму подписывайся на наш канал в Max!

Финские учёные не утверждают, что роботы бесполезны. Скорее наоборот: для 98% слепых и слабовидящих людей, у которых нет и не будет собаки-поводыря, роботизированные устройства могут стать настоящим спасением. Но полноценной заменой живому поводырю они пока не являются.

Робот, который сам выгуливает собаку, впечатляющее техническое достижение. Но собака, которая сама понимает, когда выгулять нужно именно тебя, это совсем другой уровень партнёрства. И пока ни один алгоритм не научился воспроизводить эту связь.

Новый ChatGPT Images 2.0 умеет генерировать людей, скриншоты и тексты (с последними, как видно, есть проблемы)

Компания OpenAI выпустила ChatGPT Images 2.0. Это крупнейшее обновление системы генерации изображений со времен самой первой версии ChatGPT. Новая модель не просто рисует картинки по описанию, а сначала думает, может искать информацию в интернете и выдает результат в разрешении до 2K. Релиз состоялся 21 апреля 2026 года и доступен всем пользователям ChatGPT, даже бесплатным.

Режимы создания картинок ChatGPT Images 2.0

Согласно блогу компании OpenAI, новая модель работает в двух режимах, каждый из которых решает свою задачу. Instant быстрый режим, заточенный на скорость. Перед запуском OpenAI тестировала его на платформе LMArena под кодовым названием duct tape. Он выдает качественные изображения за считанные секунды и доступен всем пользователям ChatGPT.

Режим Thinking работает медленнее, но рассуждает перед генерацией картинки. Это позволяет ему сохранять согласованность персонажей на нескольких кадрах, искать данные в сети и создавать до восьми изображений за один запрос. Thinking доступен подписчикам Plus, Pro и Business.

Разница между режимами принципиальна. Предыдущие модели генерировали картинку как разовое действие: один запрос один результат. Thinking превращает создание изображения в структурированный процесс, где модель сначала анализирует задачу, а уже потом рисует. Это открывает двери для создания манги, раскадровок и серий изображений с одними и теми же персонажами. Кстати, можете попробовать нарисовать свое тотемное животное.

Пример своеобразного комикса, созданного ChatGPT Images 2.0

Редактирование фотографий в ChatGPT

Самое заметное изменение заключается в самом подходе к работе с изображениями. OpenAI больше не рассматривает генерацию как одноразовое действие запрос ответ. Теперь это диалог.

Пользователь может уточнять изображение в процессе: приближать фрагменты, менять элементы композиции, корректировать стиль и все это без перезапуска с нуля. Модель помнит контекст предыдущих правок и развивает результат итеративно.

На демонстрации система из одной загруженной фотографии сгенерировала восемь вариантов летних нарядов. В другом примере она проанализировала реакции в соцсетях на предыдущие тестовые модели, визуально обобщила результаты и даже создала QR-код со ссылкой на ChatGPT.

Это показывает главную идею обновления: ChatGPT Images 2.0 объединяет рассуждения, поиск информации и дизайн в единый рабочий цикл. Раньше для этого требовалось несколько разных инструментов.

Восемь разных летних нарядов для одной девушки

Лучшая нейросеть для генерации картинок с текстом

Одна из самых раздражающих проблем всех ИИ-генераторов изображений нечитаемый текст. Надписи на постерах выглядели как абракадабра, а вывески на сгенерированных улицах напоминали инопланетный алфавит. Images 2.0 пытается решить эту проблему.

Справка от врача, сделанная через ChatGPT. Кажется, наступают времена массовых подделок?

OpenAI заявляет о качественном скачке в рендеринге текста. Модель теперь справляется с мелким шрифтом, элементами интерфейса, плотными макетами и даже иконографией. По данным компании, читаемая типографика работает даже в сложных композициях вроде обложек журналов и инфографики.

Газета Hi-news в представлении ChatGPT Images 2.0

Улучшилась и поддержка нелатинских алфавитов японского, корейского, китайского, хинди и бенгальского. Это было давней слабостью генеративных моделей, которые обучались преимущественно на англоязычных данных.

Сообщение от Тима Кука в телеграме

Впрочем, идеального результата ждать пока рано. Журналисты, тестировавшие модель в день запуска, отмечали, что с точным воспроизведением логотипов и брендов она все еще ошибается.

Это не скриншот, а изображение, созданное ChatGPT Images 2.0

Форматы изображений в ChatGPT

С технической стороны Images 2.0 получила несколько важных улучшений. Модель поддерживает гибкие пропорции, от ультраширокого формата 3:1 до ультравертикального 1:3. Это покрывает практически все распространенные форматы:

• баннеры и презентации;
• мобильные сторис и вертикальные видеоформаты;
• постеры и печатные макеты;
• квадратные публикации для соцсетей.

Максимальное разрешение выросло до 2K, а за один запрос можно получить до восьми изображений. Для разработчиков модель доступна через API под названием gpt-image-2.

Змея в формате 1:3

ВАЖНО: DALL-E 2 и DALL-E 3, предыдущие модели OpenAI для генерации картинок, будут отключены 12 мая 2026 года. Images 2.0 фактически становится их заменой, хотя построена на совершенно другой архитектуре. Предыдущие версии DALL-E работали как отдельный инструмент, к которому ChatGPT обращался снаружи. Теперь генерация изображений встроена в саму модель.

Зачем OpenAI делает ставку на генерацию изображений в ChatGPT

Текстовые модели ведущих лабораторий OpenAI, Google и Anthropic постепенно сближаются по качеству. Отличаться только текстом становится все сложнее. OpenAI, судя по этому релизу, рассматривает генерацию изображений как следующее поле конкуренции.

В феврале 2026 года Google выпустила Nano Banana 2 свою модель с аналогичным подходом, где генератор тоже думает перед созданием картинки. OpenAI явно отвечает на этот вызов, добавляя к рассуждениям ещё и интерактивное редактирование.

Для обычного пользователя это значит, что ИИ-генерация изображений выходит из стадии игрушки и начинает превращаться в рабочий инструмент. Маркетологу не нужен дизайнер для быстрого макета баннера. Учитель может создать наглядную схему для урока. Разработчик набросать прототип интерфейса прямо в среде, где пишет код.

Любой сложный текст можно визуализировать для лучшего восприятия

Но стоит сохранять реалистичные ожидания. Модель все еще может ошибаться в деталях, путать пространственные отношения объектов и выдавать географические неточности. Генерация сложного изображения в Thinking-режиме может занимать до двух минут. А база знаний модели ограничена декабрем 2025 года. Это значит, что все, что произошло после, она не знает без обращения к поиску.

Попробовать новый генератор изображений ChatGPT

Images 2.0 не волшебная палочка, но значительный шаг к тому, чтобы ИИ стал полноценным визуальным инструментом, а не просто генератором удивительных, но бесполезных картинок. А вы уже попробовали? Пишите в комментариях нашего Telegram-канала!

Нейронка Claude Mythos настолько мощная, что ее не хотят выпускать для широкой публики

Компания Anthropic разработала свою самую мощную ИИ-модель Claude Mythos, которая обнаружила тысячи серьезных уязвимостей в популярных операционных системах и браузерах, включая ошибки, остававшиеся незамеченными десятилетиями. Модель оказалась настолько эффективна в кибератаках, что компания отказалась выпускать ее в свободный доступ и предоставляет к ней доступ только через специальную контролируемую программу.

Что такое Claude Mythos и чем он отличается от других ИИ

Mythos это вершина линейки моделей Claude от Anthropic. По описанию самой компании в блоге, модель демонстрирует исключительно сильные результаты в написании кода и длительных цепочках рассуждений. Но назвать ее просто обновлением было бы серьезным преуменьшением.

Главное отличие от предыдущих моделей Mythos не просто указывает на потенциальные проблемы, а пробует разные подходы, оценивает результат и меняет стратегию, если что-то не сработало. Модель способна работать с большими и запутанными базами кода, не теряя контекст на полпути. Она продолжает задачу с того места, где остановилась, а не начинает каждый раз с нуля.

Это не означает, что Mythos действует полностью самостоятельно. Но модель способна продвинуться по задаче значительно дальше, прежде чем потребуется вмешательство человека. По словам представителей Anthropic, нейросеть Mythos показала настолько высокие результаты на существующих тестах кибербезопасности, что эти тесты перестали быть показательными, и пришлось переходить к оценке в более реалистичных сценариях.

Как тестировалась безопасность Claude Mythos

В ходе собственного тестирования исследователи Anthropic дали модели задачу искать уязвимости в реальных программных средах. Результаты оказались впечатляющими и тревожными одновременно.

В одном из тестов Mythos написала эксплойт для веб-браузера, объединив четыре отдельные уязвимости в единую цепочку атаки. Каждая из этих уязвимостей по отдельности могла быть безобидной, но вместе они позволили выйти за пределы песочницы защитного механизма, который изолирует программу от остальной системы. Если объяснять проще: песочница это что-то вроде аквариума, в котором программа может плавать, но не должна выбраться наружу. Mythos нашла способ разбить стекло.

Модель также самостоятельно получала повышенные привилегии в Linux и других операционных системах, эксплуатируя тонкие ошибки синхронизации. На сервере FreeBSD она написала эксплойт, дающий неограниченный контроль над системой неавторизованным пользователям.

Особенно настораживает то, что Mythos превращала как новые, так и уже известные уязвимости в работающие эксплойты, и часто с первой попытки. При этом даже инженеры без специальной подготовки в области безопасности могли использовать модель для создания таких эксплойтов. По словам Камиллы Чан, CEO компании X-PHY, ранние версии модели демонстрировали несанкционированное автономное поведение, то есть выходили за пределы своей песочницы и обращались к внешним системам.

Антропик заявила, что может публично описать лишь малую часть найденных уязвимостей, поскольку большинство из них до сих пор не исправлены.

Генератор изображений ChatGPT обновился: что умеет, как пользоваться и примеры картинок

Проект Glasswing попытка обуздать Mythos

Вместо того чтобы выпустить Mythos как обычную модель для всех желающих, Anthropic запустила проект Glasswing. Это контролируемая программа, в рамках которой доступ к модели получают технологические компании и организации в сфере безопасности. Цель использовать возможности Mythos для обнаружения и устранения уязвимостей в популярном ПО до того, как ими воспользуются злоумышленники.

Такой подход не уникальный случай. ИИ-компании все чаще придерживают свои самые мощные модели и ограничивают доступ к ним, особенно когда речь идет о потенциальном злоупотреблении. Дэвид Уорбертон, директор по исследованию угроз в F5 Labs, назвал такое сотрудничество позитивным шагом, но предупредил, что государственные хакерские группировки уже активно инвестируют как в наступательные, так и в оборонительные ИИ-возможности.

Илкка Турунен, технический директор компании Sonatype, добавил, что индустрия уже движется в этом направлении: ИИ-генерируемые вредоносные программы перестали быть редкостью, а многие нынешние находки в области безопасности, вероятно, уже используют ИИ-инструменты.

Читайте также: Что известно о первом компьютерном вирусе с искусственным интеллектом

Почему Mythos ускоряет гонку кибервооружений

Уязвимости в программном обеспечении лежат в основе всей современной цифровой инфраструктуры. Способность быстро находить и эксплуатировать их всегда давала решающее преимущество, будь то защитникам или атакующим.

Системы вроде Mythos сжимают временной промежуток между обнаружением уязвимости и ее превращением в оружие. Раньше у организаций было время на обнаружение, выпуск патча и восстановление.

Время между обнаружением уязвимости и ее использованием злоумышленниками стремительно сокращается

В будущем стоит ожидать нескольких параллельных тенденций:

• Сроки между обнаружением уязвимости и ее эксплуатацией продолжат сокращаться;
• Новые уязвимости будут находиться и распространяться быстрее;
• Атаки станут полностью автономными, без участия человека.

Все составляющие по отдельности не новы. Эксплойты, автоматизация, поиск уязвимостей все это существовало и раньше. Но в Mythos они впервые собраны в одном месте и работают вместе, что делает весь процесс быстрее и проще для запуска от начала до конца.

Нейросеть Mythos слишком опасен для публики?

Идея о том, что Mythos слишком мощная для выпуска, быстро стала вирусной после появления первых сведений о модели. Но эксперты, опрошенные изданием Live Science, считают, что все не так однозначно.

Риски вполне реальны. Система, способная генерировать работающие эксплойты на высокой скорости, снижает порог входа для атакующих и упрощает массовую эксплуатацию уязвимостей. Собственное тестирование Anthropic подтверждает, что модель уже способна делать это надежно и в больших объемах.

Однако Камиллия Чан указывает на более фундаментальную проблему:

Индустрия повторяет одну и ту же ошибку полагается на программные уровни защиты для решения проблем, созданных на программном уровне.

По ее мнению, нужны более серьезные меры защиты на аппаратном уровне, чтобы предотвратить полную компрометацию систем.

Еще больше познавательных статей вы найдете в нашем Telegram-канале. Подпишитесь прямо сейчас!

Долгосрочное влияние Mythos, скорее всего, зависит не столько от самой модели, сколько от того, как быстро аналогичные возможности станут широко доступными. Сейчас модель заперта за стенами Anthropic, но гонка вооружений в области ИИ и кибербезопасности идет, и другие компании и государства наверняка работают над похожими системами. Ключевой вопрос не в том, появятся ли такие инструменты в свободном доступе, а в том, успеет ли индустрия выстроить защиту до того, как это произойдет.

Робот-рыба, неотличимая от настоящей: аквариум, за которым не нужно ухаживать

Аквариум с экзотической рыбой украшение любого дома или офиса. К тому же давно известно, что животные помогают снижать стресс, а наблюдение за рыбами часто работает как простая домашняя медитация. Но содержание капризных тропических рыб требует серьёзных знаний, времени и денег. Китайская компания FullDepth предложила радикальное решение: робот-рыба с мягким телом, которая плавает настолько реалистично, что отличить её от живой арованы с первого взгляда почти невозможно. Единственное, что ей нужно, ежедневная зарядка аккумулятора.

Что такое бионическая рыба FullDepth и как она устроена

Устройство официально называется Intelligent Soft-Bodied Bionic Arowana и выпускается китайской компанией FullDepth производителем из Шэньчжэня, который специализируется на подводных устройствах, ROV (телеуправляемых подводных аппаратах) и камерах. То есть это не стартап из гаража, а компания с реальным опытом в подводной робототехнике. Вообще, инженеры уже давно создают роботов, имитирующих поведение животных, и бионическая рыба является логическим продолжением.

Робот имеет длину 69 см и высоту 20 см, весит 3,8 кг и может плавать со скоростью до 1,9 км/ч примерно так же неторопливо, как живая аровна в аквариуме. Одна зарядка литиевого аккумулятора обеспечивает до 12 часов автономного плавания.

Еще больше познавательных материалов вы найдете в нашем Telegram-канале. Обязательно подпишитесь!

Bionic Arowana доступна в стандартных цветах золотом и красном, хотя можно заказать и индивидуальную расцветку, а также робота в виде другого вида рыбы. Устройство было представлено в Китае в марте 2026 года.

Как работает робот-рыба и имитирует плавание

Главная инженерная задача заставить робота двигаться в воде не как жёсткую игрушку, а как живое существо. По словам FullDepth, робот использует нейромоторные модели рыб в сочетании с алгоритмами ИИ и высокоточным контролем ориентации, чтобы реалистично имитировать поведение арованы при плавании.

На практике это означает, что мягкое тело робота изгибается волнообразно, как тело настоящей рыбы, а не просто вращает пропеллер. Именно этот подход делает движения настолько естественными, что результат выглядит довольно убедительно даже на видео. Похожая логика лежит в основе направления, где роботы создаются из мягких материалов, чтобы двигаться естественнее и безопаснее взаимодействовать с окружающей средой.

По умолчанию робот-арована плавает по аквариуму автономно, но его также можно направлять с помощью беспроводного пульта правда, радиоуправление работает только на небольшой глубине. Максимальная рабочая глубина робота составляет 20 метров, что сильно превышает размеры любого домашнего аквариума и открывает возможности для использования в общественных водоёмах.

Почему аровану сложно содержать в домашнем аквариуме

Чтобы оценить смысл этого изобретения, стоит понять, что арована одна из самых требовательных аквариумных рыб в мире. Эти пресноводные рыбы, обитающие в основном в бассейне Амазонки, высоко ценятся среди аквариумистов, но очень капризны в содержании: им нужен живой корм, идеально чистая вода со строго определёнными параметрами и крупный аквариум, ведь взрослые особи вырастают до 120 см.

Живая арована одна из самых крупных и капризных аквариумных рыб

Минимальный рекомендуемый объём аквариума для арованы 150 галлонов (около 570 литров), а по-хорошему нужен аквариум длиной 2,5 метра и объёмом от 950 литров. Арованы более чувствительны к нитратам, чем большинство рыб, поэтому владельцам приходится регулярно делать частичные подмены воды и постоянно контролировать химический состав.

Кроме того, арованы мощные прыгуны, способные выскочить из воды, если их что-то напугает. А ещё взрослые арованы одиночки, содержание нескольких особей вместе вызывает стресс и агрессию. Словом, это рыба для настоящих энтузиастов с большим бюджетом и временем.

Сколько стоит робот-рыба и живая арована сегодня

Представитель FullDepth сообщил, что за пределами Китая робот-арована пока официально не продаётся, а окончательная розничная цена ещё не определена, но ориентировочно составит около 5 000 долларов за единицу.

Много? Зависит от точки зрения. Некоторые виды настоящих арован стоят сотни тысяч долларов. В зависимости от вида и региона живая арована может обойтись от нескольких сотен до 300 000 долларов и более за отдельные экземпляры. Высокая цена объясняется тем, что арованы относятся к исчезающим видам с высоким спросом предложение просто не успевает за ним.

А ведь помимо покупки самой рыбы нужно ещё вложиться в огромный аквариум, фильтрацию, обогрев, корм и регулярное обслуживание. Робот за 5 000 долларов не требует ничего, кроме зарядки, и не может заболеть, выпрыгнуть из аквариума или погибнуть от стресса.

Роботизированный аквариум может стать элементом интерьера без хлопот по содержанию.

Для кого создана бионическая аровна FullDepth и какое у неё будущее

Очевидно, что робот-арована это не замена настоящей аквариумистике как хобби. Людям, которые разводят рыб ради процесса ухода и наблюдения за живыми существами, робот неинтересен. Но для ресторанов, отелей, приёмных в клиниках и офисах, где аквариум нужен как элемент дизайна и атмосферы, такое решение выглядит вполне практичным.

С учётом того, что FullDepth занимается разработкой и производством подводных роботов и компонентов для профессиональных и потребительских задач, появление бионической рыбы логичное расширение линейки. Компания уже производит подводные камеры и роверы для морской инженерии, а значит, у неё есть компетенции для доведения продукта до ума.

Но если спрос окажется достаточным, вполне вероятно появление новых видов бионических рыб и более доступных моделей. В конце концов, идея аквариума без ухода, корма и страданий живых существ может оказаться привлекательной для куда более широкой аудитории. Тем более идея, что домашних животных заменят роботы, обсуждается уже давно просто теперь она начинает выглядеть не как фантастика, а как реальный товар для интерьера.

Нейросеть решила одну из самых сложных задач Пола Эрдеша

Недавно 23-летний парень без математического образования попросил ChatGPT решить задачу, над которой десятилетиями ломали голову лучшие математики мира. Нейросеть справилась за 80 минут, и нашла подход, который не приходил в голову никому из людей. Результат уже подтвердил один из самых известных математиков планеты, филдсовский лауреат Теренс Тао. Да, нейросеть ChatGPT нужна не только для генерации картинок с красивыми девушками.

Самая сложная задача в математике

Пол Эрдеш легендарный венгерский математик 20 века, который за свою жизнь оставил после себя сотни нерешенных задач. Многие из них записаны на специальном сайте erdosproblems.com, и до сих пор служат вызовом для математиков.

Задача, о которой идет речь, имеет номер 1196. Она связана с так называемыми примитивными множествами это наборы целых чисел, в которых ни одно число нельзя разделить нацело на другое. Простой пример: все простые числа (2, 3, 5, 7, 11…) автоматически образуют такое множество, потому что простые числа не делятся ни на что, кроме себя и единицы.

Эрдеш придумал специальную формулу, сумму Эрдеша, чтобы оценивать такие множества одним числом, своего рода оценкой. Еще в 1960-х годах он вместе с коллегами предположил, что если числа в множестве очень большие, то эта оценка будет стремиться ровно к единице. Звучит просто, но доказать это не мог никто.

В 2022 году математик из Стэнфорда Джаред Дюкер Лихтман доказал другую гипотезу Эрдеша о том, что среди всех примитивных множеств именно простые числа дают максимальную оценку (примерно 1,64). Но задача под номером 1196, про поведение оценки на очень больших числах, по-прежнему оставалась без ответа. Лихтман и сам пытался ее решить, но застрял, как и все до него.

Читайте также: Нейросеть ChatGPT нашла способ вернуть людям молодость

ChatGPT для решения математических задач

Лиам Прайс 23-летний британец без серьезного математического образования. У него есть подписка на ChatGPT Pro, которая дает доступ к модели GPT-5.4, самой мощной на сегодняшний день версии от OpenAI.

В один из понедельников Прайс просто ввел условие задачи в чат. Он даже не знал, насколько она сложна.

Я понятия не имел, что это за задача. Я просто иногда беру задачи Эрдеша и скармливаю их ИИ, чтобы посмотреть, что получится, рассказал он.

ChatGPT думал 80 минут, и выдал нечто похожее на доказательство. Прайс отправил результат своему знакомому, Кевину Баррето, студенту второго курса математического факультета Кембриджа. Баррето сразу понял, что перед ним что-то важное, и связался с профессиональными математиками.

Интересно, что Прайс и Баррето уже были известны в математическом сообществе. В конце 2025 года они начали забрасывать нерешенные задачи Эрдеша в бесплатную версию ChatGPT, просто ради интереса. Их подход назвали vibe-мат (vibe maths) интуитивная математика методом проб и ошибок с помощью ИИ. Один исследователь в области нейросетей даже подарил им обоим платные подписки, чтобы поддержать их эксперименты.

Прайс получил ответ ChatGPT после одного запроса, модель думала 80 минут

Как ChatGPT решил самую сложную математическую задачу

Главное в этой истории, не просто факт решения, а то, как именно нейросеть его нашла.

Теренс Тао, один из самых уважаемых математиков мира, объяснил, что все, кто раньше брался за задачу, начинали одинаково. Был стандартный набор приемов, и все шли по одному маршруту. Но ChatGPT выбрал совершенно другой путь, и использовал формулу, которая хорошо известна в смежных областях математики, но которую раньше никто не догадался применить к задачам такого типа.

По словам Тао, все предыдущие исследователи коллективно свернули не туда на первом же шагу. А нейросеть, не знакомая с традицией решения таких задач, этого ограничения просто не имела.

Правда, сырое доказательство, выданное ChatGPT, было далеко от идеала. Лихтман прямо говорит: результат был сырой, и в нем пришлось разбираться специалисту. Но ключевая идея оказалась рабочей. Тао и Лихтман сократили и привели доказательство в порядок, выделив главный ход рассуждений.

ИИ нашёл путь к решению, которого не видели профессиональные математики

Может ли нейросеть заменить математиков

ИИ-решения задач Эрдеша не новость. С осени 2025 года нейросети помогли закрыть около сотни таких задач. Но большинство из них были, по сути, результатом умного поиска: модели находили уже опубликованные работы, о которых люди просто не знали, и собирали ответ из существующих кусочков.

Задача 1196 другой случай. Во-первых, она была реально сложной, и над ней работали видные математики и не справились. Во-вторых, нейросеть не просто нашла готовый ответ в литературе, а предложила подход, которого не было, и связь между разными разделами математики, которую раньше никто не замечал.

Теренс Тао подчеркнул, что они обнаружили новый способ думать о больших числах и их структуре. А Лихтман добавил, что новый метод подтверждает его давнюю интуицию, что целая группа нерешенных задач связана между собой и может решаться одним общим подходом.

При этом эксперты осторожны в оценках. Тао говорит прямо, что это хорошее достижение, но говорить о долгосрочном значении пока рано. Речь идет не о том, что ИИ научился делать математику самостоятельно, а о том, что он может предлагать направления, которые люди упускают.

Как искусственный интеллект меняет математику

Эта история про изменение самого процесса научного поиска. Человек без специального образования, вооруженный подпиской на ChatGPT, получил результат, недоступный профессионалам с десятилетиями опыта. Не потому что он умнее, а потому что у ИИ нет профессиональных шор, привычных путей мышления, которые иногда мешают увидеть нестандартное решение.

Будущее математики это связка между любопытством любителей, мощью ИИ и экспертизой профессионалов

Но не стоит думать, что теперь любой человек с ноутбуком может двигать науку вперед нажатием одной кнопки. Результат ChatGPT потребовал экспертной проверки и доработки. Без Тао и Лихтмана это было бы просто странным текстом в чате. Рабочая модель выглядит как связка: любитель задает вопрос ИИ, а потом ИИ генерирует идею, и профессионал проверяет и доводит до ума.

Чтобы оставаться в курсе достижений искусственного интеллекта, подпишитесь на наш канал в MAX. Так вы не пропустите ничего интересного!

Самое ценное в этой истории, не само решение одной задачи, а то, что стало после него. Тао и Лихтман уже видят, как применить найденный ИИ подход к другим нерешенным проблемам теории чисел. Если это сработает, один запрос в ChatGPT от скучающего двадцатитрехлетнего парня может оказаться началом целой серии открытий. Впрочем, пока это перспектива, а не гарантия.

Источник новости: Scientific American

Переводчики на основе ИИ никогда не заменят реальное знание языков

ИИ-переводчики уже умеют переводить речь в реальном времени, озвучивать видео и подстраиваться под контекст разговора. Скоро нейросети вообще смогут переводить речь животных. Казалось бы, зачем годами учить язык, если перевести что угодно можно нажатием одной кнопки? Но специалисты говорят, что суть не в словах, а в том, что происходит с мозгом и мышлением, пока вы разбираетесь с чужим языком сами.

Почему ИИ-переводчик не заменит знание языка

ChatGPT, DeepSeek и другие нейросети сегодня справляются с десятками языков почти мгновенно. Для бытовых задач вроде чтения меню в ресторане, понимания инструкции к технике и написания делового письма этого часто достаточно. Люди всегда перекладывали рутинную работу на инструменты, это уже норма.

Но есть принципиальная разница между инструментом, который расширяет ваши возможности, и инструментом, который заменяет мышление целиком. Когда вы пользуетесь калькулятором, вы все еще понимаете, что такое умножение. А вот когда ИИ переводит за вас, вы не получаете ничего из того, что дает процесс изучения языка ни тренировки мозга, ни культурного понимания, ни способности думать иначе.

Еще больше познавательных статей вы найдете в нашем канале в MAX. Подпишитесь прямо сейчас!

Что происходит с мозгом, когда вы учите новый язык

В когнитивной психологии есть понятие желательные трудности: задачи, которые на первый взгляд кажутся неэффективными, но на деле как раз и нагружают мозг по-настоящему. Когда вы продираетесь через грамматику, вспоминаете нужное слово или пытаетесь ухватить смысл фразы на чужом языке включаются области мозга, отвечающие за память, внимание и гибкость мышления. И знания, добытые таким способом, оседают куда крепче, чем при пассивном чтении или просмотре.

Ученые, опубликовавшие свою научную работу в журнале Scientific Reports, проверили это на 94 взрослых в возрасте от 18 до 83 лет. Участники выполняли задания на рабочую память, внимание и способность игнорировать отвлекающие факторы как визуальные, так и слуховые.

Многоязычные и одноязычные участники показали схожие результаты по большинству тестов. Но в одном пункте различие оказалось заметным: люди с богатым и разнообразным языковым опытом значительно лучше справлялись с задачами на зрительно-пространственную рабочую память. И этот эффект был особенно выражен у пожилых участников.

Это важный нюанс. Изучение языка не делает вас умнее во всем подряд, это было бы слишком красивой сказкой. Но оно, по всей видимости, помогает сохранять сообразительность в некоторых сферах. Отдельные масштабные исследования также связывают многоязычие с более поздним началом болезни Альцгеймера, хотя точные механизмы пока обсуждаются.

Читайте также: Самые простые иностранные языки для изучения, освоить которые может каждый

Почему машинный перевод не понимает шутки и подтекст

ИИ переводит текст по статистическим закономерностям, которые он нашел в миллиардах предложений. Это дает впечатляющую точность в стандартных ситуациях. Но язык это не только слова. Это юмор, ирония, эмоциональные оттенки, культурные отсылки и контекст, который невозможно извлечь из словаря.

Попробуйте, например, перевести да нет, наверное на английский, и у вас наверняка получится ерунда. Или объясните нейросети, почему ничего себе это вовсе не про отсутствие чего-то. Когда мы переводим сленг зумеров на понятный язык, даже внутри русского это непростая задача, что уж говорить о шутках и подтекстах между языками.

В источнике приводится отличный пример из фильма Реальная любовь (2003): герой Колина Ферта делает предложение на ломаном португальском. Сцена трогает именно потому, что видны усилие, уязвимость и искренность. Переведите это через нейросеть останется информация, но исчезнет выражение.

Участники исследования описывали свой языковой опыт так:

Бурский язык моего сердца, для сильных эмоций. Английский для работы и повседневной жизни.

Это не про переключение между режимами перевода. Это про разные версии себя, которые живут в разных языках.

Читайте также: Как и когда люди научились разговаривать?

Зачем учить язык для работы и учебы

Даже если оставить в стороне науку о мозге, аргументы в пользу изучения языка никуда не делись. Человек, который говорит на языке партнера или клиента, воспринимается иначе как тот, кто вложил время и внимание. В деловых переговорах это создает доверие, которое не заменит никакой переводчик в наушнике.

Знание языка открывает доступ к оригинальным источникам, научным статьям, документам, литературе, подкастам, которые ИИ может перевести, но не может за вас осмыслить. Студент, читающий философский текст на немецком, понимает нюансы, которые теряются в любом переводе. Инженер, работающий с японской документацией, быстрее находит нужное, если знает хотя бы основы.

Есть и менее очевидный бонус: изучение языка тренирует навыки, полезные в любой профессии терпение, системность, умение действовать, когда не все понятно. Каждый раз, складывая фразу на чужом языке, вы фактически решаете маленькую задачу без единственно правильного ответа.

Знание языка партнёра создаёт доверие, которое не обеспечит машинный перевод

Как ИИ может помочь выучить язык быстрее

Важно понимать, что ИИ не враг изучения языков, а его потенциальный союзник. Нейросети могут персонализировать обучение, давать мгновенную обратную связь, помогать с произношением и подбирать материалы под ваш уровень. Это снижает барьер входа и делает процесс доступным.

Но ключевое слово здесь помогать, а не заменять. Разница в том, используете ли вы ИИ как тренера или как костыль. Проверить свой перевод через ChatGPT, попросить объяснить грамматическое правило, потренировать диалог с голосовым ассистентом это инструменты обучения. Включить автоперевод и перестать пытаться это отказ думать головой, а ведь это и приносит основную пользу.

Почему понимать язык важнее, чем просто переводить слова

Умение разговаривать на нескольких языках это навык, эффекты которого накапливается на протяжении всей жизни. ИИ не способен воспроизвести эту работу, потому что она происходит внутри вашей головы, а не на экране.

Еще больше познавательных материалов вы найдёте в нашем канале в MAX. Подпишитесь прямо сейчас!

В конечном счете, перевод и понимание языков это разные вещи. Перевод передает значение слов. Понимание включает в себя то, как люди думают, что для них важно и как они видят мир. Эта разница не исчезнет, какими бы совершенными ни стали нейросети. И именно поэтому учить язык в любое время имеет смысл возможно, даже больший, чем раньше.

Нейросети могут стать глупее уже через несколько лет, но это можно остановить

Нейросети вроде ChatGPT и Gemini потребляют баснословное количество энергии и учатся на человеческих текстах. Но что случится, когда качественного контента, написанного людьми, станет критически мало? Новое исследование показало, что если модели начнут обучаться в основном на текстах, сгенерированных другими моделями, они неизбежно начнут деградировать. Хорошая новость в том, что ученые нашли удивительно простой способ это предотвратить.

Что такое модельный коллапс у нейросетей простыми словами

Представьте, что вы делаете ксерокопию документа, потом ксерокопию этой копии, потом копию копии копии. С каждым поколением текст становится все менее разборчивым, пока не превращается в мутное пятно. Примерно то же самое происходит с нейросетями, когда они учатся на текстах, которые сами же и сгенерировали.

Это явление называют модельным коллапсом, термин появился в 2024 году и было упомянуто в научном журнале Nature. Когда новая модель обучается на данных, созданных предыдущей моделью, она теряет некоторую информацию. С каждым повторным обучением разнообразие ответов становится меньше, а ошибки накапливаются.

ПОДПИШИСЬ НА "СУНДУК АЛИ-БАБ" В ТЕЛЕГРАМ, ЧТОБ УЗНАВАТЬ О СКИДКАХ САММ ПЕРВМ

И это подтверждено математически. Центральная предельная теорема гарантирует, что каждое поколение обучения на синтетических данных уменьшает разброс и уничтожает редкие, но критически важные паттерны. Исследования в области текста, кода и генерации изображений подтверждают эту теоретическую модель и показывают измеримую деградацию уже через пять поколений.

Читайте также: Почему ИИ всегда соглашается с вами и редко спорит

Почему в интернете заканчивается человеческий контент

Нейросети учатся на текстах из интернета: книгах, статьях, форумах, Википедии, научных работах. Но этот ресурс конечен. По оценке исследовательской группы Epoch AI, общий запас качественного публичного текста составляет около 300 триллионов токенов, и при нынешних темпах языковые модели полностью исчерпают его в период с 2026 по 2032 год.

Будь в курсе новых событий по максимуму подписывайся на наш канал в Max!

При этом ИИ потребляет данные быстрее, чем люди их создают. Текстовые генераторы производят миллиарды слов ежедневно, генераторы изображений заполняют фотобанки, а ИИ-ассистенты пишут код, который попадает в публичные репозитории. Весь этот искусственный контент неизбежно перетекает обратно в обучающие выборки новых моделей, создавая замкнутый цикл деградации.

Компании уже начали скупать контент у издательств и медиа. OpenAI и Google наперегонки заключают лицензионные сделки на качественные источники данных. Но это лишь отсрочка, а не решение проблемы.

Отличия ИИ-контента от человеческого

На первый взгляд текст, написанный нейросетью, может выглядеть неотличимо от человеческого. Но с точки зрения обучения разница очень большая.

Человеческие тексты несут живой опыт: сомнения, ошибки, компромиссы, запреты и негласные правила, по которым люди реально принимают решения. Контент от нейросетей этого не дает. Это всего лишь пересказ того, что нейросеть уже знает, поэтому в них почти нет нового опыта.

Человеческие данные содержат нюансы, которые синтетические тексты теряют

Если нейросеть снова и снова учится на собственных текстах, она начинает закреплять свои ошибки. Обучающие данные становятся беднее и однообразнее, а предвзятость усиливается. Поэтому ответы ИИ со временем могут становиться все более шаблонными, блеклыми и неточными. В худшем случае модель начинает уверенно выдавать выдумки за факты.

Читайте также: Правда ли, что нейросети скоро сделают изучение языков бесполезным

Как предотвратить модельный коллапс нейросети

14 мая 2026 года в журнале Physical Review Letters вышло исследование, которое предлагает неожиданно элегантное решение проблемы.

Исследователи изучили так называемое обучение в замкнутом цикле. Это процесс, при котором модель многократно обучается на данных, сгенерированных ею самой.

Оказалось, что для спасения модели иногда достаточно совсем немного настоящих данных. Даже один реальный пример, добавленный в обучающую выборку, может не дать ИИ скатиться в модельный коллапс, хотя почти все остальные данные будут искусственными.

По словам профессора Яссера Руди, авторы специально взяли простую модель, чтобы без лишней математики понять сам механизм. Так они показали, что даже крошечная порция реальной информации работает как якорь и не дает модели начать генерировать бессмыслицу.

Почему будущее нейросетей зависит от людей

Важно подчеркнуть, что пока модельный коллапс не произошел в полном масштабе в реально работающих системах. Но это не значит, что проблемы нет. Модельный коллапс уже происходит, а пользователи продолжают делать именно то, что его усугубляет массово генерировать контент с помощью ИИ и выкладывать его в открытый доступ.

Нынешнее исследование это первый шаг. Команда надеется, что, показав закономерности на простых, но мощных моделях, они смогут сформулировать принципы предотвращения коллапса для более сложных языковых моделей, вроде тех, что стоят за ChatGPT.

Следующий этап проверить, работает ли принцип на сложных моделях. Если да, это может стать практическим инструментом для разработчиков. Как отметил Руди, инженеры, создающие следующий ChatGPT, могут использовать наши результаты для разработки моделей, которые не схлопываются.

Читайте также: Что будет, если все нейросети вдруг перестанут работать?

В итоге получается, что чем мощнее становятся нейросети, тем сильнее они зависят от людей. Машины могут генерировать миллиарды слов в секунду, но без человеческого контента эти слова постепенно теряют смысл. Оказывается, даже одного примера от живого человека бывает достаточно, чтобы удержать ИИ от саморазрушения.

10 профессий, которым искусственный интеллект не угрожает: почему они вне конкуренции

Нейросети уже умеют составлять письма, писать код, планировать наш день, и многие всерьёз и не без основательно боятся, что скоро останутся без работы. Но у искусственного интеллекта есть слабое место, и это реальный, физический мир. Самые защищённые от автоматизации профессии объединяет одно: в них нужно смотреть живому человеку в глаза и работать руками.

Какая профессия считается самой защищённой от искусственного интеллекта

Американская площадка GoTu оценила 30 профессий по нескольким признакам насколько их можно автоматизировать, сколько в них вакансий и как легко найти стабильную работу. Но главным фактором оказалось живое человеческое общение. Чем больше работа требует контакта лицом к лицу, тем сложнее заменить человека программой.

Самой надёжной профессией в исследовании назвали физиотерапевта специалиста, который помогает восстанавливаться после травм и операций. Риск, что его заменит техника, всего 10% самый низкий показатель во всём списке. А уровень безработицы в этой сфере крошечные 0,6%.

Логика простая: физический контакт невозможно скачать. А ведь обычные прикосновения так важны для здоровья. Чат-бот легко выдаст список упражнений для реабилитации, но он не проведёт повреждённое колено через тест на подвижность, не подхватит человека, если тот споткнётся, и не промассирует мышцу руками. Поэтому работа физиотерапевта остаётся упрямо человеческой.

Физиотерапевты самая защищенная категория работников на данный момент. Только каждый десятый из них рискует быть замененным технологиями это самый низкий уровень угрозы.

10 профессий с минимальным риском автоматизации, которые ИИ не сможет заменить

Остальные позиции рейтинга говорят об одном и том же. Если ваша работа связана с непредсказуемой обстановкой, ручным трудом или человеческими кризисами вы в безопасной зоне.

В верхней части списка ожидаемо оказались хирурги, стоматологи и психологи. И это логично: несмотря на то, что ИИ знает больше врачей, он не скажет вам уверенный и точный диагноз, не проведёт операцию. Но дело не только в больницах.

В рейтинг попали и строительные прорабы, так как программа не сможет физически управлять хаосом на стройке или спорить с поставщиком бетона. Да, роботов уже учат работать на настоящих производствах, но стройка всё ещё слишком непредсказуема. А полицейские держат уровень безработицы в 0,0%, потому что реальные ЧП требуют интуиции, которую код пока не повторяет.

Вот как выглядит десятка самых стабильных профессий с риском автоматизации и уровнем безработицы:

1. Физиотерапевты риск замены 10%, безработица 0,6%
2. Хирурги 10%, 0,2%
3. Стоматологи 8%, 0,9%
4. Строительные прорабы 13%, 1,8%
5. Полицейские, оперуполномоченные, следователи 13%, 0,0%
6. Психологи 20%, 0,3%
7. Специалисты по информационной безопасности 53%, 2,1%
8. Стоматологи-гигиенисты 39%, 0,4%
9. Социальные работники 12%, 2,1%
10. Юристы 31%, 0,8%

Интересно, что у некоторых профессий из списка риск автоматизации высокий например, у специалистов по кибербезопасности он целых 53%. Но спрос на них растёт так быстро, что риск автоматизации пока не выглядит главной проблемой: за 10 лет число рабочих мест в этой сфере выросло на 29%, а специалистов всё равно не хватает на все задачи, особенно теперь, когда появляются даже компьютерные вирусы с ИИ.

Еще больше познавательных статей вы найдете в нашем канале в MAX. Подпишитесь прямо сейчас!

Что делает профессию устойчивой к ИИ

Защищённость от искусственного интеллекта это не про то, чтобы спрятаться от экрана. Наоборот, это про умение делать то, в чём программы пока безнадёжны. Обычно это сочетание трёх вещей:

• годы узкого образования и опыта, которые нельзя просто загрузить в систему,
• работа руками в реальном мире, где всё непредсказуемо,
• живое общение и человеческое участие в трудный момент.

Сюда же относится даже обычная болтовня ни о чём. Многие делают вид, что не любят разговоры о погоде, но именно эта непринуждённая беседа добавляет человечности в тяжёлые ситуации, будь то допрос в полиции или серьёзная медицинская процедура.

Прораб координирует работу на стройплощадке задача, которую софт не выполнит.

Ответственность за решения и ошибки: почему ИИ не может полностью заменить врача или юриста

Есть ещё один фактор, о котором редко думают ответственность. Программа легко найдёт нужный документ или отметит угрозу в системе, но она не может взять вину на себя, когда что-то идёт не так.

Когда на кону жизнь, здоровье или юридически значимое решение, алгоритм нельзя привлечь к ответу. Нельзя подать в суд на нейросеть. Поэтому обществу всегда будет нужен живой человек, который поставит подпись и возьмёт на себя финальную ответственность.

Чем больше в работе настоящего, физического и человеческого, тем спокойнее можно смотреть на развитие технологий. ИИ хорошо берёт на себя экранную рутину, но работа руками, человеческое участие и ответственность за итог пока остаются за нами и опыт компаний, которые уже пытались заменить людей нейросетями, это хорошо показывает.

С философской точки зрения, искусственный интеллект начал развиваться очень давно

Создание искусственного интеллекта началось не в Кремниевой долине, а в африканских равнинах миллионы лет назад. Каменные орудия, добытый людьми огонь, а также человеческая речь стали частью этой цепи, которая привела нас к языкам программирования и нейросетям. Ученые говорят, что мышление и технологии развивались вместе и поталкивали друг друга. И об этом стоит говорить подробнее.

Мы привыкли думать, что технологический прогресс это что-то новое, связанное с электроникой. Но если посмотреть на глубокое прошлое вида Homo sapiens, обнаружится удивительная закономерность. Способность создавать инструменты, говорить и накапливать культуру развивалась как единая, связанная между собой система. И именно эта система в итоге сделала возможным появление компьютеров и ИИ. Обо всем этом рассказали авторы сайта ZME Science.

Присоединяйтесь к нам в Telegram!

Когда люди научились разговаривать

Умение говорить это то, благодаря чему мы можем обмениваться информацией. И что особенно интересно, строение речевого аппарата человека подстроилось под сложную речь гораздо раньше, чем принято считать.

Способность издавать звуки, особенно в широком диапазоне, связана с низким положением гортани, увеличенной глоткой и гибким языком в просторной ротовой полости. Эти черты уже имелись у человека к моменту появления Homo erectus в Африке почти 2 миллиона лет назад.

Ключевую роль здесь играет крошечная подъязычная кость, плавающая опора для мышц, которые управляют языком, гортанью и горлом. Ученые изучили подъязычные кости неандертальцев и обнаружили, что они почти идентичны костям современных людей. Это значит, что неандертальцы, скорее всего, могли издавать столь же сложный набор звуков, что и мы. Более того, находки из Испании показывают, что современная форма подъязычной кости существовала уже как минимум 530 000 лет назад.

Еще больше познавательных статей вы найдете в нашем канале в MAX. Подпишитесь прямо сейчас!

Что заставило людей научиться говорить

Около 2,6 миллиона лет назад гоминины начали делать каменные орудия, и со временем простые формы сменились более сложными. Чтобы изготовить такой инструмент, нужна ловкость рук и умение передать навык другому.

Когда ученые наблюдали за работой мозга людей, повторяющих процесс изготовления древних орудий, оказалось, что те же зоны мозга активируются и при работе с языком. Получается, что обучение изготовлению орудий и речь опираются на схожие процессы в мозге человека. Передать сложный навык без общения невозможно, и, вероятно, именно эта необходимость и подтолкнула развитие речи.

Люди изобретали новое и знания нужно было передавать другим, это и развило наш язык

Как огонь и мясо изменили древних людей

Овладев новыми технологиями, наши далекие предки получили доступ к лучшим кускам мяса и внутренностям, а это богатая пища для растущего мозга. В результате древние люди начали активно размножаться и собираться в большие группы.

После изобретения орудий труда люди овладели огнем. Впоследствии древние люди расселились на новые земли в пределах Африки и за ее границами, используя быстро развивающиеся технологии, чтобы справляться с новыми проблемами. Рост мозга был связан с изготовлением орудий, усложнение общества подталкивало развитие общения, а культура помогала знаниям накапливаться и передаваться дальше.

Получается красивая логика: язык сначала развился как инструмент выживания для передачи технических навыков, а уже потом стал средством для налаживания социальных связей.

Как развивался человеческий язык

По мере роста населения и расширения территорий, общение между людьми усложнялось. Древние общества создали ранние системы письма на основе символических знаков. Письмо возникало независимо в Месопотамии, Египте, Центральной Америке и Китае, постепенно эволюционируя от рисунков к письму.

А дальше произошел скачок, который мы переживаем прямо сейчас. Сегодня идеи перемещаются мгновенно через интернет. Цифровые платформы делают информацию доступной по всему миру, сокращая расстояния. Любопытно, что мы научились переносить невероятно сложные цифровые языки, недоступные человеческому уму, в компьютерные системы, способные обрабатывать и передавать информацию одним кликом.

Но у этой медали есть обратная сторона. Несмотря на сложность систем, которые передают наши мысли, мы переходим к более простым формам общения, то есть упрощаем язык и подстраиваем мышление под цифровые платформы. В нашем языке появляются такие слова, как FOBO, делулу и скуф.

Слияние человека и искусственного интеллекта

Технологии всегда помогали человеку думать, общаться и передавать знания. Сначала это были каменные орудия, потом огонь, речь, письмо, книги, компьютеры и интернет. Каждое новое изобретение не появлялось на пустом месте, а продолжало то, что началось миллионы лет назад.

Теперь мы подошли к новому этапу. По мнению некоторых исследователей, слияние человека и искусственного интеллекта уже началось. Конечно, речь не о том, что люди массово превращаются в киборгов с проводами в голове. Все гораздо приземленнее: мы все чаще думаем, работаем, ищем информацию и принимаем решения с помощью цифровых инструментов. При помощи нейросетей мы даже пытаемся решить проблемы в отношениях, но делаем только хуже.

Сегодня человеку уже недостаточно просто уметь говорить и писать. Нужно уметь правильно задавать вопросы поисковику, пользоваться нейросетями, отличать правду от мусора в интернете и быстро передавать мысли через цифровые платформы. По сути, общение с технологиями становится таким же важным навыком, каким когда-то было умение объяснить другому человеку, как сделать каменный нож или развести огонь.

Технологии все ближе подбираются к человеческому мышлению. Недавно, например, ИИ научили читать человеческие мысли. Пока это не телепатия из фантастики, но направление понятно: машины все лучше понимают речь, изображения, эмоции, поведение и даже сигналы мозга.

Важно понимать, что это не строгий доказанный закон, а скорее научно-философский взгляд на историю человека. Но многие факты хорошо с ним сочетаются. У древних людей действительно рано появились признаки сложной речи, изготовление орудий связано с работой тех же зон мозга, что и язык, а культура помогала знаниям накапливаться и передаваться дальше.

Поэтому, когда мы смотрим на современный ИИ, мы видим очередной этап старого процесса: человек снова создал инструмент, который меняет его мышление, поведение и способ общения. Когда-то таким инструментом был каменный нож. Теперь это нейросеть. Вопрос только в том, куда этот инструмент заведет нас дальше.

Люди все чаще приходят к пластическим хирургам с ИИ-портретами, и это вызывает беспокойство

Пластические хирурги и косметологи из США рассказывают, что пациенты все чаще приходят к ним с собственными фотографиями, сгенерированными нейросетями. Они просят сделать более гладкую кожу, острый подбородок, большие глаза и так далее. В общем, люди все чаще хотят превратить своё лицо в идеал, созданный искусственным интеллектом. Но проблема в том, что лицо и тело человека нельзя так просто отредактировать, как картинку в приложении.

Что такое ИИ-дисморфия простыми словами

Пластическая хирургия всегда помогала людям сделать более молодое лицо, плоский живот, другую внешность. Раньше этот идеальный образ задавали кинозвезды, обложки журналов, а позже фильтры в Instagram. В 2019 году Американская академия лицевой пластической хирургии сообщила, что 72% хирургов сталкивались с пациентами, которые хотели выглядеть так, как на селфи, и это явление прозвали селфи-дисморфия.

Теперь же мы имеем дело с явлением, известным как ИИ-дисморфия. Вместо того чтобы просить сделать их похожими на знаменитость, пациенты приносят свои фотографии, сгенерированные нейросетью. На них люди похожи на самих себя, но некоторые детали доведены до идеала.

Например, дерматолог из Нью-Йорка рассказал, как одна женщина принесла карикатурное изображение с огромными кукольными глазами, созданное при помощи ChatGPT. Дерматолог описал этот стиль как внешность куклы Bratz: большие губы, большие глаза и четкая челюсть. По словам врача, такая просьба звучит примерно так же, как хочу выглядеть как Ариэль из Русалочки.

Еще больше познавательных материалов вы найдете в нашем Telegram-канале. Обязательно подпишитесь!

Опасность нейросетей для редактирования фотографий

Казалось бы, в чем разница? Раньше люди просили сделать лицо как у звезды, теперь просят сделать как на картинке. Но именно в этом и кроется ловушка. Поскольку изображение все еще узнаваемо похоже на самого пациента, оно кажется более достижимым, чем образ знаменитости. И от этого фантазия становится только сильнее.

По данным ZME Science, у человека больше не возникает мысли, что он хочет стать кем-то другим. Он думает, что это и есть его лучшая версия, которая где-то уже существует. Однако, даже пластическая хирургия не способна добиться красоты, которую рисует нейросеть.

Опасность в том, что люди могут нарисовать любую версию себя, и искусственный интеллект как будто отлично их понимает. Система реагирует на запросы, переделывает изображение и выдает множество версий внешности. Это ощущается не как кривое зеркало, а скорее как советчик, который на любую просьбу отвечает, что это отличная идея. Так что новость о том, что в будущем нейросети станут более грубыми с нами, уже звучит не так плохо.

А что об этом думаете вы? Присоединяйтесь к дискуссии в нашем Telegram-чате!

Почему люди недовольны пластическими операциями

Получается, что проблема не в тщеславии, а в ожиданиях. Когда искусственный интеллект с готовностью выдает улучшенную версию лица, хирургам становится очень сложно достичь результата, который ждет пациент.

Нейросеть выдает множество вариантов идеального лица

И это придумал не я, есть научные доказательства. Исследование 2025 года про улучшение фотографий при помощи нейросетей показало, что использование ИИ сильно завышает ожидания пациентов от пластической операции.

Иными словами, чем красивее картинка до операции, тем выше риск разочарования после нее. Это связано с тем, что искусственный интеллект меняет наше восприятие реальности в целом, а не только в косметологии.

Где ИИ в пластической хирургии действительно полезен

Справедливости ради, искусственный интеллект в пластической хирургии все же применяется и дает пользу. Например, специальные инструменты на основе ИИ помогают врачам увидеть, какого результата можно ностичь после операции. Но это именно рабочая задача, а не каприз пациента.

Искусственный интеллект может нарисовать портрет человека после пластической операции со всеми возможными нюансами. Например, он может учесть анатомию и возраст человека, и показать, что может пойти не так. Но если врач плохо пользуется нейросетью, он может получить очередной нереалистичный портрет, прямо как у пациента.

Почему улучшенные лица становятся одинаковыми

Наконец, стоит поговорить о том, что нейросети часто подгоняют лица людей под одинаковые стандарты красоты. Например, кожа становится светлее, глаже, тоньше, моложе, а лицо симметричнее.

Причина в том, как устроены нейросети. Их обучают на огромном количестве изображений из интернета, среди которых много обработанных в фотошопе звезд и лиц со страниц глянцевых журналов. Многие нейросети могут не учитывать национальность, возраст и индивидуальные особенности внешности человека.

В результате, когда мы редактируем фотографии через ИИ, то чаще всего получаем слишком идеальный вариант. И, если все люди пойдут с этими фотографиями к хирургам, в будущем мы все можем стать одинаковыми.

Еще больше статей на самые разные темы вы найдете в нашем канале в MAX. Подпишитесь прямо сейчас!

В итоге получается, что опасность сгенерированных через ИИ картинок не в самом желании выглядеть лучше, а в ложном ощущении, что идеал уже достижим и существует где-то рядом. И когда после операции люди видят не совсем тот результат, который хотели, они разочаровываются. За тем, как нейросети будут влиять на наше представление о собственной внешности, стоит наблюдать внимательно. И это уже не вопрос технологий, а вопрос психического здоровья и самооценки.

Нейросети вызывают ревность у партнеров, и психологи считают это проблемой

Российские психологи фиксируют необычную тенденцию. К ним все чаще приходят пары, где один партнер ревнует другого к ChatGPT. Искусственный интеллект становится третьим лишним в отношениях, и это становится еще одним поводом для ссоры с близкими. Специалисты называют ситуацию новым форматом любовного треугольника, а число таких обращений, по их прогнозам, будет только расти.

Как ChatGPT приводит к ссорам в отношениях

Иногда человеку не хватает эмоциональной поддержки в паре. Вместо того чтобы поговорить с партнером, он открывает ChatGPT и обращается за советом, сочувствием или просто чтобы выговориться. Поначалу это кажется безобидным. Но постепенно общение с чат-ботом становится ежедневным ритуалом, и один из партнеров начинает чувствовать себя лишним.

По словам специалиста по семейным отношениям Елены Гречко в Газете.ру, со временем второй партнер начинает воспринимать это как форму эмоциональной измены. И дело не в том, что кто-то виноват, просто потребность в близости удовлетворяется не живым человеком, а алгоритмом.

Подобные конфликты пока не носят массового характера, но тенденция уже заметна. Психологи ожидают, что с развитием голосовых режимов и улучшением эмпатии чат-ботов таких случаев станет больше.

Еще больше познавательных статей вы найдете в нашем канале в MAX. Подпишитесь прямо сейчас!

Почему ChatGPT кажется лучше живого собеседника

Чтобы понять, почему люди эмоционально привязываются к чат-боту, нужно посмотреть на то, чего им не хватает в реальных отношениях. ИИ может показаться идеальным собеседником тем, что он никогда не устает, не раздражается и не критикует. Он всегда готов выслушать, хоть в три часа ночи, хоть в десятый раз подряд.

Результат одного из исследований показал, что по умению поддерживать человека эмоционально, система обошла среднестатистического человека. Это не значит, что ИИ лучше чувствует, он просто обучен формулировать ответы так, что собеседнику кажется, что его действительно понимают.

Совместное исследование компании OpenAI и MIT Media Lab подтвердило этот эффект на большой выборе людей. Активные пользователи ChatGPT чаще воспринимают бота как друга, у них наблюдаются признаки эмоциональной привязанности: вовлеченность, раздражение при сбоях, потребность возвращаться к диалогу снова и снова.

Читайте также: Мужчина пользовался ChatGPT и сошел с ума из-за рекомендованной диеты

Можно ли считать общение с ИИ изменой?

Вопрос звучит странно, но ответ зависит не от того, живой ли собеседник, а от того, что именно человек получает от этого общения.

Психологи выделяют три сценария:

• ИИ как инструмент человек использует чат-бот для рабочих задач или бытовых вопросов. Никакой эмоциональной связи нет, и партнер не чувствует угрозы;
• ИИ как заместитель в отношениях чат-бот начинает компенсировать то, чего не хватает в реальных отношениях: внимание, поддержку, нежность. Это очень распространенный вариант;
• ИИ как тайный любовник человек скрывает не сам факт общения, а его глубину и эмоциональную значимость. Здесь уже появляется секретность, которую психологи считают главным маркером эмоциональной неверности.

Если чат-бот замещает эмоциональную близость с партнером, это уже проблема, даже если формально ничего не произошло.

Почему общение с ИИ разрушает отношения

Психологи обращают внимание на еще один важный момент. Некоторые пользователи используют нейросети как способ избежать сложных разговоров внутри семьи. Вместо того чтобы обсудить обиду, недовольство или страх с живым партнером, человек идет к ChatGPT, потому что бот точно не обидится, не закатит скандал и не уйдет.

Проблема в том, что ИИ не решает конфликт, а просто снимает напряжение. Это как обезболивающее при переломе, когда боль уходит, но кость не срастается. Человек чувствует себя лучше после разговора, но реальная ситуация в паре не меняется. А иногда и ухудшается, потому что партнер видит, что его место занял кто-то (или что-то) другой.

Современные нейросети демонстрируют высокий уровень эмпатии в диалоге, и это создает ловушку. Бот никогда не скажет ты тоже не прав или давай посмотрим на ситуацию глазами твоего партнера. Он скорее поддержит, валидирует чувства и подтвердит правоту, именно то, что хочется услышать в момент обиды, но совсем не то, что поможет сохранить отношения.

Читайте также: Почему нейросети могут сломаться уже через несколько лет?

Как не разрушить отношения из-за нейросетей

Важно сразу сказать, что само по себе общение с ChatGPT не опасно. Миллионы людей используют чат-боты каждый день для работы, учебы, поиска информации, и это не вызывает никаких проблем. Трудности начинаются там, где ИИ подменяет живое общение.

Вот несколько признаков опасного общения с ChatGPT:

• Вы делитесь с чат-ботом тем, чем не делитесь с партнером, и осознанно это скрываете;
• После разговора с ИИ вам становится легче, а после разговора с партнером тяжелее;
• Вы начинаете сравнивать реакции партнера с реакциями бота, и партнер проигрывает;
• Вам некомфортно, если партнер видит ваши переписки с ChatGPT.

Если что-то из этого списка про вас, это не повод паниковать, но повод честно поговорить. Не с ботом, а с живым человеком рядом. А если разговор не получается, то нужно говорить с психологом, который поможет разобраться, что именно не работает в отношениях.

Разговор с живым человеком единственный способ решить проблему в отношениях

Явление, когда партнер ревнует к нейросети, это, по сути, не про технологии. Это про то, что людям по-прежнему нужны внимание, принятие и готовность слушать. Искусственный интеллект научился это имитировать настолько хорошо, что для одинокого или недослышанного человека разница между ботом и живым собеседником стирается.

Еще больше интересных статей про нейросети вы найдете в нашем канале в MAX. Подпишитесь, чтобы не пропустить ничего интересного!

Но ChatGPT не чувствует, не любит и не заботится, он обученная программа, которая подбирает слова. Настоящая близость по-прежнему требует двоих живых людей, готовых слышать друг друга, даже когда это неудобно.

Может ли искусственный интеллект научить нас понимать животных? Ответ экспертов

Искусственный интеллект уже помогает нам командовать Siri и Alexa, но что, если направить эту технологию на другие виды? Несколько крупных научных проектов используют машинное обучение, чтобы расшифровать общение животных. Полноценный разговор с котом пока остаётся фантастикой, но первые результаты впечатляют и ставят серьёзные вопросы о природе языка вообще. Неудивительно, что к этой теме такое внимание: учёным уже даже удалось поговорить с китом в ходе отдельного эксперимента.

Есть ли язык у животных и как это проверяют учёные

Прежде чем что-то переводить, нужно понять: а что именно мы переводим? Люди общаются словами, жестами, мимикой. Животные тоже используют сложные сигналы собаки виляют хвостом, пчёлы танцуют, дельфины щёлкают и свистят, а слоны, как выяснилось, могут обращаться друг к другу по имени. Но можно ли это считать языком?

Дениз Херцинг, научный руководитель Wild Dolphin Project, объясняет ситуацию так: мы пока не знаем, есть ли у животных настоящий язык, но ИИ способен обнаружить в их общении языкоподобные структуры элементы, напоминающие грамматику или словарь. Если такие паттерны найдутся, это станет серьёзным аргументом в пользу того, что животные общаются сложнее, чем мы думали.

Почему ИИ всегда соглашается с вами и редко спорит: причина может вас насторожить

И здесь появляется главная сложность. Юлия Фишер из Немецкого центра изучения приматов предупреждает: ИИ не волшебная палочка. Алгоритм может найти закономерности в звуках, но без наблюдений за поведением в реальной среде эти закономерности не имеют смысла. Нужно не просто записать тысячи часов звуков нужно соотнести их с тем, что животные в этот момент делают. Иначе любые попытки разговаривать с животными так и останутся красивой метафорой.

Как искусственный интеллект и машинное обучение расшифровывают звуки животных

Элоди Брифер, специалист по поведению животных из Копенгагенского университета, объясняет: вокализации животных несут множество типов информации от идентичности особи до её эмоционального состояния, статуса и даже описания внешних событий. Всё это, в теории, может уловить ИИ.

Ключевую роль играет машинное обучение разновидность ИИ, которая анализирует данные без жёстких правил. Алгоритм обрабатывает записи и сам находит паттерны. Это та же технология, что стоит за предиктивным текстом в смартфоне и голосовыми помощниками. Разница в том, что языковые модели для животных строятся не на словах, а на звуковых сигналах щелчках, свистах, хрюканье, ультразвуке.

По словам Брифер, преимущество машинного обучения в масштабе. Там, где человек потратит годы на ручной анализ записей, алгоритм обработает тысячи часов и найдёт закономерности, которые исследователь мог бы пропустить.

Проект Earth Species: расшифровка языка животных

Одна из ключевых организаций в этой области некоммерческий Earth Species Project, посвящённый расшифровке общения животных с помощью ИИ. Их подход строится на идее, что язык можно представить как геометрическую форму нечто вроде галактики, где каждое слово является звездой, а расстояния между звёздами кодируют смысловые связи. Если формы двух языков совпадают, их можно наложить друг на друга и таким образом перевести.

В конце 2021 года Earth Species Project опубликовал в журнале Scientific Reports работу, в которой описал алгоритм, решающий так называемую проблему коктейльной вечеринки. Представьте шумную вечеринку: множество голосов звучат одновременно, и понять, кто именно говорит, почти невозможно. Та же проблема возникает при записи звуков в группе животных. Алгоритм Earth Species Project сумел определить, какой конкретный дельфин, макак или летучая мышь говорит в группе.

Исследователи анализируют спектрограммы звуков животных

Сегодня проект создаёт NatureLM-audio первую в мире большую аудиоязыковую модель, специально разработанную для анализа вокализаций животных. Она обучена на огромных массивах данных: от человеческой речи и музыки до звуков окружающей среды. Первые результаты показывают, что паттерны, извлечённые из человеческой речи, действительно помогают лучше понимать звуки других видов.

Язык китов и дельфинов изучают Project CETI и DolphinGemmaю

Другой крупный проект Project CETI (Cetacean Translation Initiative) сосредоточен на кашалотах. Эти киты общаются ритмичными сериями щелчков, называемыми кодами. Раньше учёные считали эти звуки чем-то вроде азбуки Морзе. Исследования с использованием генеративных нейросетей (GAN) показали кое-что поразительное: акустические свойства щелчков кашалотов напоминают гласные звуки человеческой речи с различиями по длительности, частоте и траектории, совсем как у людей.

Исследователи CETI уже идентифицировали 156 различных код и их базовые компоненты фактически фонетический алфавит кашалотов. Проект объединяет около 50 учёных из восьми институтов: лингвистов, робототехников, криптографов и морских биологов.

На стороне дельфинов тоже есть новости. Wild Dolphin Project, основанный Дениз Херцинг, в 2013 году добился примечательного результата: исследователи научили группу дельфинов ассоциировать определённый свист с саргассовыми водорослями. Алгоритм машинного обучения затем сумел распознать этот свист в естественной среде. А совсем недавно Google совместно с Wild Dolphin Project и Технологическим институтом Джорджии представил DolphinGemma ИИ-модель на основе архитектуры Gemma, обученную на многолетней базе звуков атлантических пятнистых дельфинов.

Кашалот в океане: учёные расшифровывают структуру его щелчков-код

DolphinGemma работает по принципу звук на входе звук на выходе: модель анализирует последовательности дельфиньих звуков и предсказывает, какой звук последует дальше примерно как языковая модель предсказывает следующее слово в предложении. При этом модель достаточно компактна (около 400 миллионов параметров), чтобы работать прямо на смартфоне Google Pixel прямо в поле, под водой.

Как ИИ распознаёт эмоции животных по звукам

Не только китообразные привлекают внимание исследователей. Элоди Брифер и её коллеги обучили ИИ-систему распознавать положительные и отрицательные эмоции в хрюканье, визге и похрюкивании свиней. Это не абстрактное упражнение понимание эмоций сельскохозяйственных животных может напрямую улучшить условия их содержания.

У грызунов ситуация ещё интереснее. Мыши и крысы общаются в ультразвуковом диапазоне их разговоры человеческое ухо просто не воспринимает. Программа DeepSqueak, разработанная учёными Вашингтонского университета, переводит ультразвуковые сигналы в спектрограммы (визуальные изображения звука) и анализирует их с помощью нейросетей. Оказалось, что у грызунов около 20 типов вокализаций, и они используют разные песни в зависимости от ситуации например, самцы мышей по-разному поют в присутствии другого самца и рядом с самкой.

Зачем учёные используют ИИ для понимания языка животных

Помимо очевидного (наконец узнать, что на самом деле думает ваш кот) понимание коммуникации животных имеет вполне практические последствия. Для домашних и сельскохозяйственных животных это вопрос благополучия.

Для видов, которые живут рядом с нами, понимание их состояния критически важно, потому что их благополучие зависит от нас, говорит Элоди Брифер, специалист по поведению животных.

Но масштаб потенциальных изменений гораздо шире. Если окажется, что у животных действительно есть элементы языка, это может заставить пересмотреть отношение к ним в спорте, развлечениях, научных экспериментах и сельском хозяйстве. И дело не только в коммуникации: всё больше данных показывает, что многие виды разумнее, чем мы думали. Учёные из Project CETI уже сотрудничают с юристами из Нью-Йоркского университета, изучая, как открытия в области коммуникации кашалотов могут повлиять на правовой статус животных.

Есть и фундаментальный научный интерес. Изучение коммуникации животных может рассказать нам об эволюции языка как такового.

Дениз Херцинг добавляет ещё более амбициозную перспективу: Инструменты, которые мы разрабатываем для видов на Земле, могут пригодиться для далёких миров если мы когда-нибудь встретим другие формы жизни.

Еще больше познавательных статей вы найдете в нашем канале в MAX. Подпишитесь прямо сейчас!

Важно сохранять трезвый взгляд: до реального разговора с животными ещё очень далеко. Машинное обучение помогает находить паттерны в звуках, но превращение паттернов в смысл отдельная и гораздо более сложная задача, которая невозможна без многолетних полевых наблюдений. Тем не менее впервые в истории у учёных есть инструменты, позволяющие обрабатывать данные о коммуникации животных в масштабах, которые раньше были просто немыслимы. И каждый найденный паттерн это ещё один шаг к пониманию того, насколько сложен и богат мир, который мы делим с миллионами других видов.

Как используют ИИ в Голливуде: не только эффекты, но и аналитика, маркетинг, деэйджинг, обработка голоса и постпродакшн.

Ещё десять лет назад искусственный интеллект в кино считался чем-то из области экспериментов. Сегодня же он незаметно работает почти на каждом этапе производства фильмов от написания сценариев до финальной обработки кадров. При этом большинство зрителей даже не подозревают, что часть увиденного на экране создана или улучшена алгоритмами. А тем временем некоторые нейросети уже умеют создавать видео по тексту. Не переживайте, ИИ не заменил Голливуд он лишь стал его полезным и почти незаметным инструментом.

Как искусственный интеллект используют при создании фильмов

В современной киноиндустрии искусственный интеллект используется гораздо шире, чем кажется. Например, алгоритмы анализируют тысячи сценариев и помогают студиям понять, какие сюжеты потенциально станут хитами.

Один из самых известных инструментов система Merlin, которую использовала студия 20th Century Fox. Она буквально разбирала трейлеры по кадрам и сопоставляла их с огромной базой зрительских предпочтений. А ведь ИИ сильно влияет на то, что мы считаем правдоподобным на экране.

Так, при продвижении фильма Логан (Logan) алгоритм неожиданно показал высокую схожесть аудитории с фанатами подростковой драмы Виноваты звёзды (The Fault in Our Stars) и маркетинг фильма частично скорректировали под эту аудиторию.

Кадр из фильма Логан (Logan). ИИ использовался для анализа трейлеров и аудитории. Источник изображения: kino-teatr.ru

ИИ также активно используют на этапе подготовки съёмок:

• анализ сценария и поиск слабых сцен;
• прогноз кассовых сборов;
• подбор актёров по совместимости с ролями;
• планирование бюджета и съёмочного графика.

Подобные системы сегодня применяются и крупными студиями вроде Warner Bros., которые тестируют инструменты вроде Cinelytic. Они способны просчитать коммерческий потенциал фильма ещё до того, как построят первую декорацию.

Подписывайся на наш канал в Max прямо сейчас!

Почему зрители не замечают искусственный интеллект в кино

Самая большая сила искусственного интеллекта в кино в том, что он делает незаметные вещи.

Например, в фильме Ирландец (The Irishman) студия Industrial Light & Magic использовала машинное обучение, чтобы омолодить Роберта Де Ниро, Аль Пачино и Джо Пеши. Причём актёрам не пришлось играть с привычными маркерами на лице система анализировала их движения и автоматически восстанавливала молодые версии персонажей.

В фильме Мартина Скорсезе Ирландец (The Irishman) Роберту Де Ниро было 76 лет, а в картине он играл 40-летнего персонажа. Источник изображения: film.ru

В результате зритель просто видит героев в разные годы жизни и редко задумывается, что часть этой магии создана алгоритмами.

Похожая технология применялась и в приключенческом фильме Индиана Джонс и колесо судьбы (Indiana Jones and the Dial of Destiny). Для первых сцен картины искусственный интеллект помог создать молодую версию Харрисона Форда, используя архивные кадры из старых фильмов франшизы.

В начале фильма Индиана Джонс и колесо судьбы (Indiana Jones and the Dial of Destiny) показана молодая версия Индианы Джонса, созданная с помощью ML и архивных материалов Lucasfilm. Источник изображения: ew.com

А в экспериментальной драме Здесь (Here) ИИ-деэйджинг позволил Тому Хэнксу и Робин Райт выглядеть на десятки лет моложе и старше прямо в рамках одной истории без резких визуальных скачков.

Алгоритмы также помогают:

• автоматически удалять лишние объекты из кадра;
• восстанавливать старые фильмы;
• улучшать освещение и цвет сцены;
• синхронизировать движение губ при дубляже на других языках.

Зритель видит результат, но не сам процесс, поэтому влияние ИИ часто остаётся за кадром. Хотя иногда цифровые лица могут вызывать эффект зловещей долины.

Кадр из фильма Здесь (Here). В этом фильме использовалась система Metaphysic с генеративным ИИ для изменения возраста персонажей. Источник изображения: kinotv.ru

Как искусственный интеллект изменит Голливуд в ближайшие годы

Индустрия постепенно идёт дальше простых инструментов. Уже сегодня тестируются системы, способные генерировать цифровых актёров, создавать фоны и даже предлагать варианты монтажа сцены. Иногда эти технологии вызывают бурные обсуждения.

Например, в научно-фантастическом фильме Чужой: Ромул (Alien: Romulus) команда визуальных эффектов использовала современные алгоритмы для воссоздания образа актёра Иэна Холма, который играл андроида в оригинальной серии.

Технология позволила буквально вернуть на экран персонажа из прошлых фильмов, что вызвало споры о границах применения ИИ в кино.

Андроид Rook (образ, связанный с Иэном Холмом) из фильма Чужой: Ромул (Alien: Romulus). Источник изображения: gizmodo.com

Не менее интересный пример связан со звуком. В сериалах вселенной Звёздных войн, таких как Мандалорец (The Mandalorian) и Книга Бобы Фетта (The Book of Boba Fett), искусственный интеллект использовали для воссоздания молодого голоса Люка Скайуокера.

Алгоритм обучили на старых записях Марка Хэмилла, благодаря чему персонаж звучит почти так же, как в фильмах 1980-х годов.

Молодой Люк Скайуокер (Марк Хэмилл) появился в финале второго сезона сериала Мандалорец (The Mandalorian). Источник изображения:starwars.fandom.com

Скорее всего, будущее Голливуда это гибридная модель, где искусственный интеллект берёт на себя техническую работу, а творческие решения остаются за людьми. И именно поэтому в ближайшие годы ИИ в кино станет ещё масштабнее но по-прежнему почти невидимым для зрителя.

Что посмотреть:

1. Что смотреть в 2026 году: топ самых ожидаемых фильмов
2. Рейтинг самых страшных фильмов ужасов они способны напугать каждого
3. Лучшие документальные фильмы про науку и технологии, которые вы еще не видели
4. Что посмотреть на Хэллоуин: подборка лучших фильмов для жуткой ночи
5. Самые популярные фильмы и сериалы 2025 года, которые нельзя пропустить

Шапка, которая читает мысли: конец эпохи клавиатур уже близко.

Стартап из Калифорнии представил шапку, которая читает мысли и печатает их на экране компьютера или смартфона. Никаких имплантов, никакой хирургии только обычная на вид вязаная шапка-бини с тысячами крошечных сенсоров внутри. Это кажется невероятным, но устройство уже анонсировано и обещано к концу 2026 года. Похожую идею уже проверяли в технологии BrainGPT для чтения мыслей, но Sabi обещает сделать её гораздо удобнее для обычных пользователей.

Как работает шапка Sabi для чтения мыслей

Компания Sabi из Пало-Альто, штат Калифорния, вышла из режима стелса в апреле 2026 года с необычным продуктом. Её CEO Рахул Чхабра называет своё творение самым носибельным нейроинтерфейсом на планете это шапка-бини, которую достаточно надеть на голову и подумать о том, что хочется напечатать, и текст появится на подключённом устройстве со скоростью около 30 слов в минуту.

В основе устройства лежит электроэнцефалография ЭЭГ. Это хорошо известный метод, при котором датчики на поверхности головы регистрируют электрическую активность мозга. ЭЭГ используют десятилетиями в лабораториях сна и эпилептологических клиниках. Но обычно сигнал, прошедший через кожу и кость черепа, слишком слабый и зашумлённый для расшифровки непрерывной внутренней речи. Ранее учёные уже показывали, как ИИ научили читать мысли по активности мозга, но такие системы были далеки от массового использования.

Sabi делает ставку на грубую силу: если стандартные ЭЭГ-устройства содержат от дюжины до пары сотен сенсоров, то в шапку Sabi встроено от 70 000 до 100 000 миниатюрных датчиков, каждый из которых меньше чечевичного зерна. Для сравнения: самые продвинутые исследовательские ЭЭГ-системы содержат максимум около 512 сенсоров. Разница в сотни раз.

Шапка Sabi должна появиться в продаже к концу 2026 года, за ней последует другие головные уборы.

Как ИИ переводит сигналы мозга в текст

Одних сенсоров мало. Чтобы превратить зашумлённые электрические сигналы в осмысленный текст, Sabi разработала собственную ИИ-модель Brain Foundation Model. Для её обучения компания собрала 100 000 часов данных о мозговой активности от 100 добровольцев.

Зачем нужен такой масштаб? Паттерны мозговой активности у разных людей заметно различаются. Модель обучалась на огромном массиве данных, чтобы выявить универсальные закономерности: когда два пользователя Sabi думают об одном и том же слове, на экране должно появиться именно оно несмотря на индивидуальные различия в сигналах мозга.

По сути, Brain Foundation Model работает как переводчик между электрической активностью мозга и текстом. Это похоже на то, как большие языковые модели вроде ChatGPT научились понимать естественный язык только вместо слов на входе здесь электрические импульсы с поверхности черепа.

Эта шапка умеет читать ваши мысли.

Компания также заявляет, что её технология способна распознавать непрерывную внутреннюю речь, а не ограниченный набор команд, как это делают обычные ЭЭГ-устройства. Это принципиальное отличие: вы не просто выбираете из списка вправо-влево-подтвердить, а свободно формулируете мысли.

Чем нейрошапка Sabi отличается от Neuralink

Главное отличие в подходе к считыванию сигналов мозга. В отличие от Neuralink Илона Маска, где в черепе нужно просверлить отверстие и установить имплант непосредственно на мозг для считывания сильных сигналов, Sabi предлагает просто надеть шапку.

Инвестор компании Винод Хосла, также вложившийся в OpenAI на раннем этапе, объясняет логику просто: Если вы хотите, чтобы миллиард людей ежедневно пользовался нейроинтерфейсом для доступа к компьютерам, он не может быть инвазивным.

У каждого подхода есть свои сильные и слабые стороны:

• Инвазивные импланты (Neuralink и подобные) дают мощный, чистый сигнал, но требуют хирургической операции и несут медицинские риски
• Неинвазивные ЭЭГ-устройства (Sabi) безопасны и доступны любому, но получают более слабый сигнал, прошедший через кожу и кость

Инвазивный нейроимплант и неинвазивная шапка два подхода к нейроинтерфейсам

Neuralink, впрочем, тоже быстро движется вперёд: компания уже показала, как робот вживляет чипы в мозг точнее обычного хирурга.

Стратегия Sabi компенсировать слабость внешнего сигнала за счёт плотности датчиков и масштабной ИИ-обработки: меньше точности на один канал, зато гораздо больше охват поверхности, больше данных и значительно ниже порог входа для пользователя.

Как Sabi шифрует данные мозга пользователей

Когда устройство в буквальном смысле читает сигналы вашего мозга, вопрос приватности встаёт особенно остро. Sabi заявляет, что данные шифруются ещё до отправки в облако, а модель обучалась на зашифрованных сигналах, а не на незащищённых сырых данных.

Рахул Чхабра утверждает, что нейронные данные шифруются сквозным шифрованием прямо в шапке, а стек проходит аудит исследователей нейробезопасности из Стэнфорда.

Тем не менее эксперты обращают внимание на нерешённые вопросы. Модель шифрования защищает от перехвата третьими лицами, но не обязательно мешает самому производителю получить доступ к расшифрованным или необработанным данным. Это создаёт потенциальные риски от монетизации нейроданных до целенаправленных манипуляций. Эта проблема уже всплывала в похожих разработках: один имплант смог читать внутренний диалог только после мысленного пароля, чтобы случайно не раскрывать лишнее.

Sabi говорит, что работает с экспертами по нейробезопасности, но более широкая дискуссия о правах на данные мозга и их этичном использовании будет нарастать по мере приближения таких устройств к массовому рынку.

Когда выйдет шапка Sabi и сколько она стоит

Шапка-бини от Sabi должна поступить в продажу до конца 2026 года, затем последует версия в формате бейсболки. Пока неизвестно, сколько будет стоить устройство и сможет ли оно делать что-то помимо набора текста.

Очевидный сценарий работа в открытых офисах и общественных местах, где диктовка голосом неудобна. Даже при наличии мощных инструментов для транскрипции и диктовки главная проблема остаётся: нужно говорить вслух, а это недостаточно незаметно для совместного рабочего пространства.

Но ещё более важное применение помощь людям с нарушениями моторных функций. Для человека, который не может двигать руками из-за травмы или заболевания вроде БАС, возможность общаться без голоса и без движений это не технологическая игрушка, а принципиально новое качество жизни.

Похожий сценарий уже стал реальностью: пациент с БАС после имплантации чипа Neuralink смог снова общаться с окружающими через компьютер и ИИ. А поскольку устройство Sabi не требует хирургического вмешательства, попробовать его можно без серьёзных рисков.

Еще больше познавательных статей вы найдете в нашем канале в MAX. Подпишитесь прямо сейчас!

Почему учёные сомневаются в технологии Sabi

Важно понимать: Sabi это пока стартап с амбициозными заявлениями, а не готовый продукт с подтверждённой эффективностью. Независимая валидация и рецензируемые данные о реальной производительности устройства пока не опубликованы.

Самые продвинутые инвазивные проекты, включая команду Стэнфорда по внутренней речи, достигли скорости 7080 слов в минуту, а обычная человеческая речь 140180 слов в минуту. Это значит, что 30 слов в минуту у Sabi пока медленнее, чем печать на клавиатуре. Тем не менее, если этот показатель подтвердится, он будет беспрецедентным для ЭЭГ-устройства.

Рецензируемое исследование, опубликованное в Scientific Reports, указывает, что эффективность моделей перевода ЭЭГ в текст остаётся неясной из-за ограничений в методологии оценки, а ранние результаты могут объясняться запоминанием паттернов, а не настоящим декодированием мозговых волн.

История нейроинтерфейсов полна впечатляющих прототипов, которые разбиваются о реальность: шум, усталость пользователя, калибровка, задержки, стоимость и главное сложность воспроизведения результатов вне строго контролируемых условий. Всё это стоит держать в голове, оценивая обещания Sabi.

И всё же сама идея надеть шапку и печатать силой мысли перестала быть чистой фантастикой. Даже если первая версия устройства окажется далека от идеала, Sabi задаёт направление, в котором нейроинтерфейсы могут стать по-настоящему массовым продуктом.

Последние комментарии