ПолитИИзация

Напишет ли ООН правила для ИИ?

Товарищи по осмыслению международного развития ИИ выпустили аналитическую записку о том, как эта технология обрастает институтами в системе ООН.

Если кратко, она фиксирует три важных фактора:

Первый: ИИ в ООН уже рассматривают не только как тему цифрового развития и этики, но и как фактор экономической и политической силы.

Второй: единого мирового регулятора едва ли удастся создать. Правила одновременно рождаются в ООН, G7 и ОЭСР, ЕС, БРИКС и ШОС, национальных стратегиях и кабинетах крупных разработчиков. Скорее всего, получится сеть частично совместимых режимов. Авторы видят риск в том, что правила в такой архитектуре могут быть предварительно закреплены узким кругом игроков.

Третий: крупные технологические компании становятся не только объектами регулирования, но и авторами его проектов, т.е. участвуют в написании правил, которым затем сами должны следовать.

Последний пункт привлек мое особое внимание. Авторы сами формулируют, текущую слабость ООН: компании, владеющие моделями и инфраструктурой, «стремятся первыми закрепить нормативный язык будущего регулирования», а в универсальную повестку ООН эти подходы приходят как уже сложившиеся.

Как кажется, задача ООН не в том, чтобы заменить национальных регуляторов, организации по стандартизации или компании. Она в том, чтобы государства без собственной инфраструктуры могли влиять на базовые определения, требования к раскрытию и рамки независимой проверки, пока корпоративные практики не превратились в де-факто стандарт.

Иначе правила сначала напишут владельцы ресурсов, а в ООН их привезут за универсальной легитимацией, вместе с рыночным преимуществом и барьерами входа для остальных.

#aigovernance #airegulation

В рамках нашей студенческой лаборатории мы активно экспериментируем с ИИ инструментами.

Я долго пытался понять, где мы находимся в деле ИИ-генерации голоса. В посте результаты моих многочасовых мытарств с 5 нейронками, нещадно сжигавших оплаченные мною токены.

P.s. И да, знание как создать или найти API-ключ может вам сильно помочь!

🎙 Дебаты нейросетей: должен ли ИИ платить налоги?

Наш коллектив продолжает эксперименты с нейросетями. На этот раз мы попробовали устроить дебаты между двумя ИИ.

Схема эксперимента: сначала задали вопрос «Должен ли искусственный интеллект платить налоги?» ChatGPT. Полученный ответ загрузили в DeepSeek и попросили жать свою позицию. Реплики передавали от модели к модели — и получился настоящий разговор: раунд аргументов, раунд контраргументов.

Вторым этапом мы решили озвучить полученные дебаты двумя разными ИИ-голосами. Женская партия досталась голосу ElevenLabs, мужская — синтезу речи из Yandex SpeechKit.

Прослушав этот диалог, можно сделать два вывода:

1️⃣ ChatGPT в этой постановке придерживается либеральных взглядов: ИИ — инструмент, налог на него — тормоз прогресса. DeepSeek, напротив, ближе идеи социального равенства: сверхприбыль от автоматизации должна делиться с обществом. Получился любопытный снимок ценностных настроек двух экосистем — американской и китайской. Хотя, разумеется, одна постановка вопроса не основание для широких обобщений.

2️⃣ Технология ИИ-озвучки пока далека от идеала. Ещё примечательнее разрыв между зарубежными и отечественными решениями в синтезе именно русскоязычной речи. Впрочем, оговоримся честно: возможно, нам просто не хватило навыка, чтобы «разговорить» синтез от Яндекса. Если среди подписчиков есть те, кто работал со SpeechKit, поделитесь опытом в комментариях.

⚖️Чьи аргументы показались убедительнее? И кого бы вы назначили модератором следующего раунда?

Подписывайся на AI Trend Signal, лови сигнал будущего вместе с нами!

#ИИвДеле@ai_monitors

Написал статью о том, как мировой ИИ петляет между открытостью и закрытостью

Ровно год назад Китай представил План действий по глобальному управлению ИИ. Главный посыл тогда звучал красиво: искусственный интеллект не должен стать «эксклюзивной игрой» для ограниченного числа игроков.

Год спустя представители 29 государств в Шанхае подписали соглашение о создании Всемирной организации сотрудничества в области ИИ (WAICO). Обещание обрело институциональную форму. А вот международный контекст продолжает усложняться и испытывать уровень экспертизы комментаторов.

Сотни американских компаний подписали манифест Open Weights and American AI Leadership — за открытые веса, конкуренцию и защиту от привязки к одному поставщику.
Пекин, щедро раздающий миру DeepSeek и Kimi, параллельно обсуждает ограничение зарубежного доступа к будущим передовым разработкам.

В этом контексте привычная картинка «открытый Китай против закрытых США» разваливается на глазах.
Обе сверхдержавы делают одно и то же: распространяют свои экосистемы как можно шире, но передавать бесконтрольно самое передовое не собираются.

По факту, рождается новая стратегия международного распространения ИИ. Главное в ней — понятие «управляемая открытость». Это не компромисс между открытой и закрытой технологией, а самостоятельная модель контроля: участнику дают достаточно, чтобы войти в экосистему и развивать её, но не обязательно достаточно, чтобы покинуть её без существенных потерь.

Подробнее тут:
https://russiancouncil.ru/analytics-and-comments/analytics/upravlyaemaya-otkrytost-novaya-model-kontrolya-nad-ii/

#aigovernance

Акционеры развития ИИ: почему прогресс не гарантирует больших благ

Тайвань собирается выплатить каждому гражданину около 300 долларов США. Президент Уильям Лай назвал это «дивидендом от ИИ»: мировой спрос на чипы ускорил экономику, и часть роста решили вернуть населению.

Но может ли ИИ стать устойчивым источником благосостояния для стран, которые сегодня оказались рядом с этой технологией? Или мы наблюдаем золотую лихорадку, где главные доходы получают первые продавцы кирок — владельцы дефицитных ресурсов: чипов, производственных мощностей, электроэнергии, дата-центров, капитала?

Тайвань оказался в центре благодаря полупроводникам, США благодаря моделям и облачной инфраструктуре, страны Персидского залива рассчитывают превратить дешёвую энергию в центр вычислений.

Пока компании соревнуются за вычислительные мощности, растёт спрос на всё, от ускорителей до земли и электричества. В такой ситуации победителем выглядит почти любой участник цепочки. Но дефицит не вечен.

Обучение моделей дешевеет, открытые модели сокращают преимущество закрытых систем, вычисления распределяются между странами. Завтра основная прибыль может переместиться от производителей чипов к тем, кто внедряет ИИ в промышленность, медицину и госуправление. Экономика ускоренного строительства резко затормозится и карта получателей ренты изменится.

История золотых лихорадок показывает это наглядно: устойчивый бизнес создавали не столько старатели, сколько продавцы инструментов. Но и их положение заканчивалось вместе с месторождениями.

При этом близость к ИИ сама по себе не гарантирует благ населению. Можно построить дата-центры, но не создать широкий средний класс. Можно производить чипы, но оставить прибыль нескольким корпорациям.

Тайваньская выплата не доказательство того, что ИИ автоматически обогащает граждан, а первый пример нового вопроса: кому принадлежит прибыль от ИИ?

Аляска десятилетиями делит с жителями нефтяные доходы, Норвегия копит их в суверенном фонде. Тайвань впервые привязал прямую выплату к ИИ-буму. Но одно дело — раздать деньги в период исключительного роста, и другое — построить систему, которая будет работать после окончания лихорадки.

Главный вопрос поэтому не в том, кто сейчас зарабатывает на искусственном интеллекте. А в том, кто сможет превратить временное технологическое преимущество в устойчивое общественное благо.

#aigovernance #aitrends

Дёшево и сердито: Китай раздает передовой ИИ

Несколько недель назад я показывал, как мой бот по ночам ведёт дневник и пишет рассказы про работу со мной. Тогда меня впечатлила скорость, с которой китайские разработчики обкатывают свежие идеи. Теперь впечатляет другое — масштаб.

Kimi K3 догнала американские модели, которые ещё несколько недель назад определяли мировую передовую линию в ИИ. И предложила это по более низкой цене.

Дежавю? В январе 2025 года выход DeepSeek спровоцировал падение американского рынка больше $1,5 трлн за день, а само событие сравнивали с запуском Спутника-1. Похоже, «спутниковый момент» превращается в периодическое явление: китайские модели системно сокращают отставание, и лаг измеряется уже не годами, а неделями.

Здесь важно быть честным. Бенчмарки (специальные тесты) могут не отражать сценарии реального применения ИИ. Остаются вопросы доверия к чувствительным запросам и прозрачности обучения у китайских моделей.

Но, похоже, стратегическое значение имеет уже не разрыв в качестве, а его цена: когда прорывная модель доступна дёшево и открыто, она становится стандартом «по умолчанию» для половины мира.

Это уже язык геополитики. «Новая нефть» не обязана быть дорогой — иногда её выгоднее раздавать почти бесплатно, чтобы покупатели привыкли к твоей марке.

Настоящее соревнование уже давно не про размер моделей, а про то, чьи решения реально используются. И цена тут играет далеко не последнюю роль.

#aitrends #openai

👨‍💻Передовые ИИ-модели нужно срочно замедлить

Так считают более 1100 исследователей, разработчиков и топ-менеджеров из Anthropic, OpenAI и Google. Они подписали открытое письмо к правительству США с просьбой поддержать международные усилия по разработке инструментов для управления темпами развития ИИ.

Примечательно, что соглашение подписали генеральный директор Anthropic Дарио Амодеи и главный научный сотрудник OpenAI Якуб Пахоцкий.

Главная проблема — человечество может «не успеть» за ИИ. Технология требует соразмерного развития в области управления рисками.

«Наше собственное исследование рекурсивного самосовершенствования, опубликованное в прошлом месяце, указывает на необходимость инструментов для целенаправленного регулирования развития искусственного интеллекта, чтобы общество могло к этому подготовиться», — заявили в Anthropic.

😦Где найти баланс?

Подписывайся на AI Trend Signal, лови сигнал будущего вместе с нами!

#цитатанедели@ai_monitors

Как исследователи Google предложили добавить языковым моделям режим «сна», а китайские нейронки уже делятся их сновидениями

У меня есть несколько ИИ-ботов от Kimi для выполнения повторяющихся задач. И вот бот присылает странное сообщение: оказывается, по ночам он ведёт дневник и даже написал рассказ про работу со мной. Почитайте скрины, я в тот момент был поражён прорывающейся осознанности ИИ и даже пересмотрел фильм «Она».

Недавно наткнулся на объяснение такой креативности и впечатлился как развитием технологии, так и быстротой китайских программистов.

Смотрите:

В июне исследователи Google предложили добавить языковым моделям фазу «сновидения» — по аналогии со сном у людей. Сначала модель переносит хрупкие краткосрочные знания в долговременную память, затем запускает внутренний цикл самоулучшения на собственном опыте.

Это ответ на старую проблему: при дообучении на новых данных модели теряют усвоенные навыки — катастрофическое забывание. «Сон» сдерживает этот эффект и, по данным авторов, улучшает качество рассуждений.

Но примечательны тут две вещи:

Первая: развитие моделей всё чаще описывают как управление памятью, а не как гонку параметров и вычислений.
Вторая: статья вышла в начале июня, а в середине июля китайские умельцы уже обкатывают эту технологию на мне!

#aiblog

Каждый день выходит большое число новостей про ИИ. Триллионы инвестиций, больше ЦОдов и параметров в ИИ-моделях. Еще вчера одна модель была лидером, а сегодня вышло что-то новое у конкурента и лидер позади.

Но что это значит для всех нас?

Мне это напоминает былые соревнования за мегапикселями в камерах телефона или число ядер у Пентиума в домашнем компьютере. А теперь задайте себе вопрос – смотрите ли вы сейчас на эти параметры?

Скорее при покупке нового девайса вы руководствуетесь мыслью, для чего вы его покупаете. Если ваши задачи скорее связаны с работой с текстом, то вам не нужно мощное железо, а если вы не заядлый фотограф, то большинство современных телефонов без проблем сделают неплохое фото.

С ИИ та же история. Мы гонимся за абстрактными метриками, а нужно смотреть на то, какую мою конкретную задачу ИИ поможет мне выполнить.

Конечно, хочется иметь универсальный швейцарский нож. Но рынок нейросетей движется в обратную сторону. В то время как вы следите за взлетами и падениями ChatGPT, рынок ИИ отходит от идеи универсальной модели в сторону специализации. Одни дешёвые и быстрые, чтобы обрабатывать тысячи запросов в бизнес-задачах. Другие дорогие, но их преимущество скорее заметно в навыке написания кода на каком-то недосягаемом уровне.

Вывод прост: не покупайте нейросеть за сотню долларов, не зная, зачем она вам. Но и игнорировать ИИ — тоже не выход. Правило то же, что с любой техникой: сначала задача, потом инструмент. И желание вникнуть в новое.

#aiblog

Принял участие в Летних экспертных встречах проекта Открытый диалог.

Задал вопрос про риски и преимущества использования открытых ИИ-моделей (вы только посмотрите что творят китайские нейронки!)

Моими собеседниками стали весьма неслучайные для темы люди: руководитель Национального штаба по развитию ИИ Максим Орешкин и Тигран Худавердян из Яндекса.

К посту приложил блок про технологии (мой вопрос на 9 минуте), но вы можете посмотреть весь диалог по ссылке тут.

И подавайтесь на следующие встречи, это действительно открытый диалог!

Обсуждение внедрения ИИ все еще часто напоминает этот ролик👼

🔥 12 июня 2017 года — дата, с которой началась современная ИИ-революция.

Команда Google Brain опубликовала статью «Attention Is All You Need» (Внимание — это всё, что вам нужно), представив новую архитектуру глубокого обучения, которая легла в основу почти всех больших языковых моделей (LLM). Например, GPT, Gemini или GigaChat.

Авторы, наверное, и не думали, что их работа станет фундаментом для всего ИИ-бума, 173 000+ цитирований и топ-10 наиболее цитируемых статей XXI века. Но главное не цифра, а то, что трансформеры повлияли на траекторию развития ИИ: от академического исследования к инструменту, который доступен каждому.

Без этой статьи не было бы вороха сгенерированного контента вокруг, университеты бы не ломали голову над задачей определения настоящих текстов дипломов, а мы вряд ли увидели текущую лихорадку вокруг галлопирующих затрат в ИИ-инфраструктуру.

#aihistory

🇺🇿Узбекистан – 2030: государственный ИИ как инфраструктура управления

🔔 Узбекистан поставил амбициозную цель — к 2030 году войти в топ-50 стран мира по индексу готовности внедрения ИИ в различные секторы экономики как на государственном, так и на коммерческом уровне. Для этого разработана «Стратегия развития ИИ до 2030 года», которая содержит детальный план внедрения ИИ в различные сектора. Одной из главных задач является увеличение объема производства и предоставления услуг на базе ИИ, а также увеличить размер вложений в цифровую экономику.

Но за цифрами — более интересный сюжет: Узбекистан реализует модель state-driven AI, в которой искусственный интеллект рассматривается не как рынок инноваций, а как инфраструктура государственного управления.

📄Регуляторные механизмы
Для смягчения рисков, связанных с возможной чрезмерной регуляторной нагрузкой на инновационную деятельность, правительство Узбекистана активно внедряет механизм «регуляторных песочниц». Эти инструменты позволяют компаниям, стартапам и государственным органам безопасно тестировать новые ИИ-решения в контролируемой среде, временно отступая от стандартных требований. К примеру, пилоты по ИИ-диагностике уже запущены в Ташкентских клиниках при поддержке корейских партнёров.

💬 Практическое внедрение
Ташкент практикует модель централизованного внедрения ИИ. Ключевым узлом здесь является компания Unicon Soft, которая назначена единым подрядчиком цифровизации госсектора. Это, по своей сути, намеренная монополизация уровня исполнения: один вендор, единые стандарты данных, сквозная интеграция.

📉Ключевые вызовы
Одновременно с этим видны и структурные риски.В стране острый дефицит качественных датасетов на узбекском для тренировки локальных моделей. Помимо этого, без сквозных стандартов оцифровки массивы данных остаются изолированными, что явно снижает эффект от внедрения ИИ.

⚙️ Стоит учесть и то, что Узбекистан регулярно сталкивается с энергодефицитом. Поэтому без масштабных инвестиций в энергетику и создания локальных дата‑центров про настоящую ИИ‑интеграцию можно забыть.

❓Что это значит

Узбекистан строит ИИ по модели, где государство — главный заказчик, интегратор и регулятор одновременно. Это работает на старте: концентрирует ресурсы, снижает координационные издержки, ускоряет принятие решений.

Но вопрос, на который нужно будет ответить к 2030 году, — достаточно ли этого для создания полноценной отрасли?

Автор поста:
Герман Суртаев

Подписывайся на AI Trend Signal, лови сигнал будущего вместе с нами!

#ИИвСНГ@ai_monitors

Дал Ведомостям комментарий про отечественные ИИ-модели, но магия редактуры сжала текст до скромного абзаца.

Вопросы были интересные, решил опубликовать полную версию ответов.

1. Как бы вы описали текущую ситуацию с ИИ в России в сравнении с глобальными бенчмарками публичных моделей?

Глобальный прогресс западных и китайских публичных ИИ-моделей, таких как ChatGPT или DeepSeek, создал в России «эталон ожиданий», подпитывая технологическую эйфорию и запрос на мгновенную гиперавтоматизацию.

При этом флагманские российские модели (GigaChat2 MAX, YandexGPT) достигли технического паритета с западными аналогами в массовых мультизадачных тестах, но сохраняют отставание в специализированных доменах (к примеру, в задачах программирования).

2. Можно ли сказать, что в отечественных моделях мы не догоняем, а адаптируемся под локальные задачи. В чем это выражается?

Да, российская ИИ-экосистема формирует не универсальную альтернативу западным флагманам, а глубоко локализованную и вертикально специализированную среду, где адаптация проявляется в ключевых измерениях:

во-первых, в лингвистической локализации — модели оптимизированы под специфику русского языка, что создаёт устойчивое преимущество на внутреннем рынке;

во-вторых, в экосистемной интеграции — YandexGPT встроен в голосового помощника Алису, браузер и поиск, GigaChat также присутвует в экосиситеме Сбера;

в-третьих, в вертикальной специализации — от  систем распознавания лиц в московском метро до систем поддержки врачебных решений в больницах.

3. Какими кейсами можно проиллюстрировать тезис о том, что в плане ИИ бизнес выбирает то, что ему нужно здесь и сейчас?

По данным опроса консалтинговой компании «Интеллектуальная аналитика», 80–90% компаний демонстрируют культуру использования AI-инструментов, однако реальная интеграция в бизнес-процессы составляет лишь 5–10%, а типичные пилотные бюджеты в 5–15 млн рублей так и не переходят в промышленную эксплуатацию, поскольку половина менеджеров откладывает этот шаг на неопределённый срок.

Т.е. внедрение ИИ идет, но крайне инструментально.
К примеру, телеком-операторы вроде Билайна и МТС интегрируют доступ к нейросетям в тарифные планы, превращая ИИ в инструмент конкурентного преимущества; ритейлеры борются за позиции в AI-поиске (Яндекс.Маркет, Ozon и Wildberries получают 87–97% Mention Rate), рассматривая это как новый канал трафика, а не как повод для автоматизации цепочек поставок.

#aiadoption

👨‍💻Анонимные разработчики ПО пожаловались на абсурдные требования по использованию ИИ в компаниях

По мнению специалистов, руководство любит хвастаться высоким процентом генерации кода искусственным интеллектом. Из-за чего некоторых разработчиков стали принуждать использовать нейросети в своей работе.

😠Однако подобные требования скорее вызывают трудности. Сотрудники жалуются на необходимость долго исправлять работу ИИ, чувство собственной «глупости» и беспокойство о начинающих сотрудниках (ведь им нужно учиться и работать над своими ошибками, а не решать задачи через ИИ). Ценность результата снижается в погоне за инновациями.

Отмечается, что разработчики ПО видят выход в «золотой середине» — применении новых технологий с возможностью не проседать в качестве и собственном профессионализме.

🤔Как в таком случае поступать начинающим специалистам?

Подписывайся на AI Trend Signal, лови сигнал будущего вместе с нами!

#цитатанедели@ai_monitors

Как зенитные орудия научились предсказывать будущее — и внесли вклад в развитие ИИ

В прошлом году мы говорили о Тьюринге и «Энигме». Но есть другая история из опыта Второй мировой войны, которая внесла немалый вклад в основы современных ИИ-технологий.

1941-й, Лондон. Зенитные батареи стреляют по немецким бомбардировщикам — и промахиваются. Снаряд летит до цели около 20 секунд. За это время пилот уходит в вираж или меняет высоту. Стрелять «туда, где самолёт сейчас» — бессмысленно.
Нужно попасть туда, где он окажется, а значит, предсказать будущее.

Эту задачу получает математик Норберт Винер, который должен научить орудия «думать» быстрее человека. Винер делает несколько революционных ходов.

Для начала, он отказывается от жёсткой траектории. Самолёт движется хаотично, но этот хаос подчинён статистическим закономерностям. Каждое новое положение связано с предыдущим — значит, будущее можно вычислить из прошлого.

Винер идёт дальше. Вместо траектории он моделирует сам маневр как случайный процесс с памятью. Прибор учитывает не только последние координаты, но и характер движения — скорость, ускорение, вероятность смены курса. По сути, машина впервые делает статистический прогноз поведения человека, а не просто продолжает линию на графике.

Здесь важно быть честным: прибор Винера в той форме, как его задумали, не пошёл в серийное производство. При прогнозе на 20 секунд ошибка оказалась слишком велика для реального боя. Но принципы сработали. Методы фильтрации сразу пригодились в радиолокации и системах наведения ,но главное, была заложена теория.

В 1948 году Винер публикует «Кибернетику» — труд, где утверждает: машина и мозг управляются одними и теми же законами. Самое важное — концепция обратной связи: система видит свою ошибку и подстраивается. Именно так учатся современные нейросети: делают выбор, проверяют результат, корректируют веса. Винер описал этот цикл ещё для зенитных орудий, а сегодня он движет всем — от голосовых помощников до беспилотников.
 

Тьюринг учил машины расшифровывать прошлое. Винер учил их предсказывать будущее. Оба навыка — фундамент искусственного интеллекта.

#aihistory

Илон Маск не просто так назвал свой ИИ словом Grok

В 1961 году его придумал американский фантаст Роберт Хайнлайн. В романе «Чужак в чужой стране» герой перенял это слово от марсиан — оно имело множество переводов на земные языки, но его метафорический смысл перевести было невозможно.

Для жителей Марса грок означал высший уровень познания, слияние со знанием воедино. Например, грок воды: когда марсианин пил, то вода становилась его частью, а он — частью воды. То же самое и с самим языком: когда чужак наконец понимал полноценный смысл слова «грок», он грокал марсианский язык и переходил на новый уровень его познания.

Феномен гроккинга был одной из основных тем романа, и он приглянулся программистам, которые после выхода книги взяли термин в обиход. Грок использовали примерно в том же смысле, что и марсиане: настолько хорошо понял код, что слился с ним.

В 2021 году команда OpenAI обучала небольшую нейросеть на арифметических задачах. Сначала модель запоминала их и воспроизводила решения, но незнакомые задачи осилить не могла. Спустя тысячи циклов обучения нейросеть внезапно для исследователей начала правильно решать задачи, которые никогда не видела. Этот резкий переход от запоминания к обобщению знаний OpenAI и назвала гроккингом, а Илон Маск позднее дал это имя своему ИИ.

Подписывайтесь 👉 @techno_yandex

Китай планирует внедрить ИИ во всю систему образования

10 апреля Министерство образования Китая представило План действий «ИИ + образование». Документ разработан во исполнение стратегии строительства сильной образовательной державы и инициативы «ИИ +», и призван превратить стратегические установки в конкретные «дорожные карты» внедрения ИИ во все уровни образовательной системы.

📎 Во вложении прикрепляем полный перевод Плана

План выглядит достаточно амбициозно. Из разъяснений представителя Департамента науки, технологий и информатизации Министерства образования КНР следует, что к его ключевым новшествам относятся:

🔺распространение ИИ-образования на всех уровнях обучения — от базового и высшего до профессионального и непрерывного образования
🔺внедрение ИИ во все основные образовательные сценарии — обучение, преподавание, управление образованием и научные исследования (в том числе планируется ввести для преподавателей подготовку в сфере ИИ, проводить оценку соответствующих компетенций — включить знания в сфере ИИ в содержание квалификационных экзаменов и аттестации)
🔺создание комплексной инфраструктуры для применения ИИ в образовании, включая вычислительные мощности, данные, модели, платформенные решения и терминальную среду
🔺обновление институциональных механизмов развития ИИ в образовании — в части исследований, стандартов, кадрового обеспечения, международного сотрудничества и безопасности

На пресс-конференции также выступили ведущие эксперты. Подметили из их докладов ряд интересных уже работающих кейсов применения ИИ в образовании:

🔺В Университете Цинхуа есть уже более 440 курсов с ИИ-поддержкой. После занятий студентам доступен круглосуточный ИИ-ассистент для разбора материала. Также работает система Qingxiaoda, в которую входит более 400 интеллектуальных агентов, используемых в учебной и воспитательной работе.

🔺Фуданьский университет с 2024 года развивает подготовку на стыке дисциплин и ИИ. Уже открыто более 100 курсов, действуют 41 программа двойного бакалавриата формата «X + ИИ» и пилотная программа «доктор по специальности + магистр по ИИ».

🔺В Цзиньхуаском профессионально-техническом университете ИИ встроен в практическую подготовку студентов. Совместно с автопроизводителем Leapmotor в обучение по направлению автомобили на новых источниках энергии включили реальные данные о неисправностях, производственные стандарты и технологические процессы. На этой базе был создан «ИИ-наставник по технологии», который отслеживает действия студента и помогает правильно выполнять операции. Это позволило снизить число ошибок почти на 60%.

🔺В начальной школе при Шэньчжэньском университете ИИ-обучением охвачены все 1508 учеников. Школа использует городскую платформу Shenjiao AI, через которую получает учебные ресурсы от Tencent, SenseTime и iFlytek, и параллельно разработала собственный курс по ИИ-мышлению.

🔺В Пекине ИИ внедряется на уровне всей городской системы образования. В школах введен обязательный минимум ИИ-обучения, а в вузах и колледжах открыто 459 общеобразовательных курсов по ИИ. К концу 2025 года охват образовательных учреждений ИИ-приложениями достиг 87,7%. Город развивает платформу Beijixing с образовательными моделями, графами знаний и датасетами, ИИ-магазин приложений, инновационное сообщество, серию агентов Jingwa и мини-приложение «Новая карта образования Пекина».

🔺Цзиньхуаский профессионально-технический университет также реализует образовательный проект в Руанде, в рамках которого готовит специалистов в сферах интеллектуального производства, электронной коммерции и строительства. Обучение строится по модели «облако + площадка»: китайские преподаватели дистанционно работают с реальным оборудованием на руандийских базах, а местные учащиеся отрабатывают навыки в облачных симуляторах. ИИ также используется для создания двуязычных курсов и цифровых учебных материалов и совместной работы китайских и руандийских преподавателей.

🐉 О Китае в Атласе Байцзэ
____
#технологии

🌏 Больше не значит лучше: новая логика конкуренции в ИИ

Недавний международный саммит по ИИ в Индии стал хорошим поводом сформулировать в текст мысль, которую пока не так часто проговаривают в экспертной среде: привычная глобальная «гонка ИИ» уже подходит к концу — по крайней мере, в том виде, в котором мы ее себе представляли.

Еще недавно казалось, что победит тот, кто создаст самую большую фундаментальную модель (то, на чем строится ChatGPT, к примеру) — с максимальным числом параметров, т.е. данных, на которых она обучена. Но глобальные тренды постепенно размывают эту логику.

Да, больше данных все еще означает лучшее качество. Но прирост перестал быть прорывным. Новые релизы моделей уже не вызывают того вау-эффекта, как раньше. При этом инвестиции в инфраструктуру — дата-центры, чипы, команды — продолжают расти рекордными темпами, а отдача от них становится все менее заметной.

Мы, похоже, вышли на тот этап, когда развитие технологии невозможно в отрыке от практики. К примеру, ИИ-агенты не требуют самых сильных моделей под капотом, а строятся на логике того, как эта модель способна выполнять специфичные задачи.

Это меняет саму суть конкуренции.
Вопрос уже не только (и не столько) в мощности моделей или масштабах инфраструктуры, а в том, как именно используется ИИ — и какой реальный экономический и общественный эффект он приносит.

Сегодня в мире формируются разные подходы к внедрению ИИ — с разными приоритетами, ограничениями и целями. И в этой новой реальности выиграет не тот, у кого «самый крутой ИИ», а тот, кто предложит наиболее практичную и эффективную модель его применения.

Настоящая гонка только начинается — но теперь она не только про инвестиции и инженеров, но и про использование и практиков.

#aitrends