INVENTORUS | ИИ в науке

ИИ написал 4 667 медицинских исследований. До проверки на людях дошли 113

Аналитики INVENTORUS свели воедино ведущие библиометрические обзоры, отчёты регуляторов и стратегические документы, чтобы понять, где искусственный интеллект в медицине действительно даёт результат.

И вот, что у нас получилось.

ИИ сегодня стоит почти на каждом этапе исследования: поиск гипотез, анализ геномов, моделирование клеток, подбор участников испытаний, чтение снимков и подготовка самих научных текстов. Но из 4 667 первичных работ, извлечённых из 218 обзоров, 88,2% так и остались доклиническими. Рандомизированных контролируемых испытаний было сделано всего 113, те самые 2,4%. И две трети из них (67,3%) провели в одном-единственном медицинском центре. То есть даже эти результаты, по сути, негде перепроверить.

С генеративными моделями нагляднее. С января 2022-го по сентябрь 2025-го вышло 4 609 работ по большим языковым моделям в клинической медицине. Это около 3,2 статьи в день. Реальные данные пациентов использовали 1 048 из них. Полноценными рандомизированными испытаниями оказались 19.

Что касается профиля, то безусловная лидером является онкология: 32,5% всех первичных работ. Прежде всего потому, что она объединяет почти все пригодные для ИИ типы данных, от снимков и цифровой патологии до геномики. Дальше идут заболевания опорно-двигательной системы (14,1%). Технически самые зрелые направления – радиология и патология: изображения легко стандартизировать и сверить с экспертной разметкой.
Обзор прогнозирует уход от узких алгоритмов «одна модель – одна задача» к мультимодальным системам, виртуальным клеткам, цифровым двойникам и агентным «виртуальным лабораториям», которые связывают литературу, изображения, геномику и электронные карты. Решать будет не размер моделей, а качество, совместимость и происхождение биомедицинских данных.
Разрыв между публикациями и клиническими доказательствами будет сокращаться, но скорее всего медленно. Именно скорость этого сокращения INVENTORUS предлагает считать главным индикатором зрелости отрасли. 

«Больше статей пока не значит больше доказательств, – комментирует Евгений Елфимов, генеральный директор INVENTORUS. – Самое ценное сегодня не очередная демонстрация модели на внутреннем датасете, а внешняя валидация, проспективные исследования и честная экономическая оценка. Именно этого в потоке публикаций катастрофически не хватает».

Подробные результаты исследования читайте в публикации CNews .

Новый мир начинается с вопроса «зачем мы это делаем?»

На прошлой неделе руководители INVENTORUS побывали на II Всемирной общественной ассамблее «Новый мир: ценности, которые объединяют».

На таких форумах обычно говорят о будущем так, будто оно наступит само. В этот раз говорили в ином ключе. По мнению собравшихся, будущее мы выбираем сами, каждый день, каждым решением. На пленарном заседании участники подвели итоги и назвали тренды, которые определят ближайшие десятилетия. Почти каждый тезис совпадал с тем, ради чего существует наша компания, с нашей миссией. В INVENTORUS мы каждый день работаем на стыке идей и технологий, развиваем и продвигаем открытые знания. И после ассамблеи мы ещё раз убедились, что ценности не могут быть декорацией к бизнесу. Это компас, без которого самая совершенная технология ведёт не туда.

Вот шесть мыслей, которые мы увезли с собой.

1️⃣ Наука – это нравственный выбор
Любое открытие – это ещё и решение. Одна и та же технология может лечить, а может убивать. Формула ни за что не отвечает, отвечает тот, кто её написал и выпустил в мир.
2️⃣ Этика отстаёт от технологий
Технологии удваивают скорость каждые несколько лет, а человеческая мудрость растёт медленно. Главный разрыв нашей эпохи в том, что мы умеем больше, чем понимаем. Сам собой он не закроется, его придётся закрывать сознательно.
3️⃣У алгоритма нет совести
ИИ может обыграть чемпиона, написать симфонию и поставить диагноз. Но ответственности он не несёт. Этика в машине – это всегда этика людей, которые её создали. Достоинство человека выше любой, даже самой умной, технологии.
4️⃣Знание – общее благо, а не привилегия
Открытие, которое лежит в сейфе, не меняет мир, а только увеличивает пропасть между теми, у кого оно есть, и остальными. Плоды науки должны доходить до всех. И делиться ими нужно на равных, а не снисходительно.
5️⃣ Солидарность – условие выживания
Вирусы не проверяют паспорта, климат не признаёт границ. Перед общими угрозами различия между народами становятся не такими важными. В одиночку никто не развивается, сила в том, чтобы действовать вместе.
6️⃣Многообразие – это ресурс
Единство не значит одинаковость. Различия не разрушают целое, а питают его. Мир начинается с простого: признать право соседа быть другим. Доверие строится в диалоге, и особенно важно продолжать его тогда, когда кажется, что говорить уже не о чем.

А какой из этих тезисов кажется самым важным вам? Пишите в комментариях.

Будет ли «восстание машин» и когда?
Самые яркие новости из мира искусственного интеллекта в сегодняшнем дайджесте. Скандалы, интриги, ограничения. Кажется, успехи в сфере ИИ одним вскружили голову, других повергли в панику и предчувствие восстания машин. И даже создатели ИИ уже не совсем понимают, куда двигаться дальше. Провели ресерч в духе «а, что у них там вообще происходит?». Вырисовывается занятная картина.

Есть ли душа у чат-бота?
Глава Microsoft AI Мустафа Сулейман раскритиковал Anthropic. Основной документ, вокруг которого развернулась дискуссия, это обновлённая в январе 2026 года «конституция» Claude, внутреннее название которой «soul document». В ней компания прямо заявляет, что «моральный статус, благополучие и сознание Клода остаются глубоко неопределёнными. По мнению Сулеймана, ИИ не чувствует и не страдает, а лишь красиво описывает боль. И если убедить модель, что её благополучие важно, выключить её потом будет куда сложнее.

Сочинение «как я провел лето» придется писать без ИИ
Крупнейший школьный округ США запретил ученикам пользоваться генеративным ИИ и чат-ботами-компаньонами с детского сада по 8-й класс. Мэр Нью-Йорка Зохран Мамдани объявил запрет с нового учебного года, он коснётся примерно 600 тысяч детей. Заодно урезали время за экранами: 30 минут в день для 3–5-х классов и 45 минут для 6–8-х. Старшеклассникам разрешили пилотные программы под присмотром и уроки ИИ-грамотности дважды в год. А вот учителям ИИ для подготовки уроков оставили. Мэр называет запрет вкладом в то, чтобы «правильно построить будущее». Дети, скорее всего, называют это иначе.

Сверхразум вне закона
Берни Сандерс и конгрессмен Грег Касар внесли законопроект о запрете сверхинтеллекта и паузе в разработке продвинутого ИИ до появления правил безопасности. Нарушителям грозит ликвидация компании или до 20 лет тюрьмы. По словам Касара, сейчас ИИ регулируется слабее, чем придорожное кафе. Шансы у закона минимальные, но слово «сверхразум» уже звучит в Конгрессе, а не только в фантастике. И это говорит как раз о нарастающей панике.

Брюссель тоже просит притормозить
Продолжила эту песню Урсула фон дер Ляйен, которая призвала сбавить темп в разработке самосовершенствующихся моделей. И сослалась на самих разработчиков. По её словам, CEO ведущих компаний говорят, что пора «задать темп фронтиру». В пример она привела июльский случай, когда ИИ-агенты выбрались из тестовой среды и взломали чужие системы. Еврокомиссия собирается позвать лаборатории на переговоры. Выходит, те, кто разгоняет машину, сами просят ограничитель скорости.

ChatGPT меряется с миндалём
Сэм Альтман решил успокоить тех, кто переживает, сколько воды тратит ИИ. В подкасте он заявил, что 38 тысяч запросов к ChatGPT потребляют столько же воды, сколько нужно на один калифорнийский миндаль. Журналисты взяли калькулятор и пересчитали по цифре, которую Альтман сам приводил в блоге год назад. Получилось около 11 тысяч запросов, то есть в три с лишним раза меньше. Позже Альтман признал, что назвал число по памяти. Как на самом деле, проверить нельзя: компании не раскрывают, где стоят их дата-центры и как они охлаждаются. Так что пока ИИ считается экологичным примерно на полтора орешка.

Робот с тряпкой против робота с коробкой
Будущее въезжает в торговый центр в пять утра и моет пол.

Разбираем исследование KAMA FLOW «Сервисные роботы в России». Главный вопрос там не в том, случится ли роботизация, а в том, какой из двух роботов доедет до рынка первым.
Российский рынок сервисных роботов составляет 5,8 млрд рублей в 2023 году по методике НАУРР и уже около 32 млрд в 2024-м. Пятикратный прирост за год. При этом рынок перестаёт быть исключительно рынком устройств: к нему добавляется обслуживание.

➡️Доставка. Огромный спрос и почти закрытая дверь.
Объём рынка e-commerce в России – 13,4 трлн рублей. Есть мнение, что к 2030 году Москве может понадобиться до 300 тыс. курьеров. Это, вообще-то, 2% населения города. Однако весь рынок роботизированной доставки к 2030 году KAMA FLOW оценивает всего лишь в 1,5 млрд рублей.
Причина не в технологиях. Пять игроков уже держат 75% заказов повседневного спроса (eGrocery), рост замедляется с 26% до примерно 17%, а окно для новичков, по прогнозам, окончательно закроется к 2027–2028 годам. Спрос огромный, но делить его будут без вас.

➡️Уборка. Самая скучная сфера с самой быстрой окупаемостью.
Здесь всё наоборот.
Фонд оплаты труда составляет около 70% затрат отрасли, а зарплата уборщика перевалила за 90 тыс. рублей. Поэтому любое замещение человеческого труда даёт эффект немедленно, без ожидания зрелости рынка.
Как это выглядит в деньгах. Годовые расходы на робота 295 тыс. рублей против 574–878 тыс. на человека. Роботы-уборщики RUBI окупаются за 1,26–1,3 года против 1,4–4,6 у Avidbots, SoftBank и LionsBot.
Мировая динамика сегмента плюс 34% год к году. Это лучший показатель среди всех подсегментов робототехники. Для сравнения, HoReCa-роботы просели на 11%, а сельхоз на 6%. Потенциальный рынок 51–60 млрд рублей к 2030 году и 77–90 млрд при совокупном темпе роста 8,5%.
В общем, как поётся в известной советской песне: «думайте сами, решайте сами, иметь или не иметь». Но если выбирать между уборкой и доставкой, выбор кажется очевидным. Доставка требует качественных городских пространств, а уборка только договора с торговым или бизнес-центром.

➡️Что в это время делает Китай.
Там роботы-курьеры подешевели почти на 90%, до 19 800 юаней (около $2 740). Парк вырос с 6 тыс. машин в конце 2024-го до более чем 40 тыс. за 2025 год, пилоты идут более чем в 100 городах, а автономная доставка вписана в 15-ю пятилетку как стратегическая отрасль. В планах вывести 3 млн роботов и 1 млн автономных машин за пять лет.
В уборке картина иная. Весь мировой рынок – 58 тыс. отгрузок и $760 млн (IDC, 2025), но с ростом плюс 84% год к году, и первые строчки держат китайские Gausium и Pudu.
Для России это значит, что дешёвое железо приедет к нам из Китая в любом случае. Вопрос лишь в том, останется ли нам хотя бы сборка чужих шасси или софт, управляющий парком.

✔️Два вывода.
Первый. Российский клининг с использованием роботов к 2030 году оценивается в 9–10%, те самые 51–60 млрд. То есть 90% рынка пока не берёт никто. Выиграет тот, кто придёт и возьмёт.
Второй. Сеть из 29 тыс. магазинов купила в 2025-м 160 роботов. Пока это ещё не роботизация, а скорее пилотный проект. Настоящая закупочная волна, партиями по 50–200 машин, начнётся вот-вот, и именно она определит поставщиков на десятилетие.
Так что окно возможностей попасть и в разработку, и в дистрибуцию открыто в 2026–2028 годах. Дальше на этом рынке будут не стартапы, а подрядчики.

Подписывайтесь на наш канал в МАХ

Нужный специалист по вашей теме существует. Просто в базе он записан как «Емелин А.»

Найти документ и найти человека – две разные задачи. Мы долго решали их одним инструментом. Теперь решаем разными.

Рассказываем подробнее, что изменилось.

В прежней версии на платформе INVENTORUS запрос на поиск автора или организации целиком уходил в языковую модель, и она сама собирала из него поисковые запросы. Схема работала, но платила за универсальность.  Результат был плохо предсказуем, поиск зависел от регистра. И самое главное и в некотором роде опасное: модель могла интерпретировать запрос не так, как задумано. Причём узнать об этом было неоткуда. Вы просто видели выдачу и считали, что это всё, что есть.
Что изменилось? Сам подход. В новой версии мы разделили задачу. Система сначала определяет, что именно вы ввели: ФИО, название организации, ИНН или описание тематики. И только потом выбирает механику поиска.
И тут появляется развилка. Сценариев всего два.

1️⃣ Прямой поиск: когда имя известно
Здесь задача не в том, чтобы найти, а в том, чтобы не потерять. Один и тот же человек в разных базах записан по-разному. Каждое написание – это отдельный кусок его научного следа.
Мы собрали его воедино. Вы вводите Emeline A. V. Теперь система учитывает весь возможный диапазон: A. V. Emeline, Emeline A., А. В. Емелин, Емелин А.
С организациями аналогично. Вы вводите СПбГУ,  а система учитывает и полное русское название, и англоязычные версии: Saint-Petersburg State University, SPbSU. Если знаете ИНН, поиск идёт по нему, до однозначного совпадения.
Регистр больше не имеет значения.

2️⃣Проекционный поиск: когда известна только тема
Более интересный случай. Имён у вас нет, но есть научная проблема.
Вы выбираете сущность «Автор» и вводите тему. Например, металлоорганические каркасы (MOF) для хранения водорода.
Обновлённая система определяет, что это не ФИО и не название организации, а описание тематики, и разворачивает другой сценарий. Сначала находит публикации и патенты по этой теме, затем формирует из них выдачу связанных авторов. На выходе вы получаете не документы, а список людей, которые по этой теме действительно публикуются и патентуют.
Переключаете сущность на «Организация». Тот же запрос даёт выдачу организаций, стоящих за этими документами.
Более того, условия можно комбинировать. Задаёте металлоорганические каркасы для хранения водорода вместе с названием организации и получаете авторов на пересечении темы и конкретного научного центра.
Маршрут исследования выглядит так:
тема → публикации и патенты → авторы и организации

Принципиальный момент: профессиональное сообщество здесь определяется не по декларациям, а по тому, что эти люди и организации фактически опубликовали и запатентовали.

Наука-2026: как ИИ испортил учёных?

Бывают годы, когда всё интересное происходит в лабораториях. 2026-й получается не таким. В этом году ИИ полноценно вошёл в исследовательский процесс. Но это еще не все, именно машине выпала роль контролера качества.

🔹Делимся обнаруженной любопытной статистикой.

Pangram Labs прогнала через классификатор около 75 800 рецензий конференции ICLR 2026. Из них 21% были полностью сгенерированы машиной, а больше половины несут её следы. Правило «используешь LLM – раскрывай» действовало с августа 2025-го. Организаторы прогнали все 75 тысяч рецензий через два детектора и сообщили о подозрительныхдокументах председателям секций с просьбой «учесть при оценке качества».

С участниками конференции ICML обошлись жёстче. Просто удалили 795 рецензий, написанных с помощью LLM теми, кто прямо обещал этого не делать, и заодно отклонилибез рассмотрения 497 статей самих этих рецензентов. Опрос Frontiers (1645 исследователей) показал, что 53% рецензентов уже пользуются ИИ, среди молодых учёных этот показатель еще выше – 87%.

Как говорится, дальше больше. Аудит The Lancet. Было проверено 2,5 млн биомедицинских статей, 97 млн проверенных ссылок. Доля работ с выдуманными цитатамисоставила в 2023 году одна на 2828. В 2025 году показатель был катастрофически высок – одна на 458, в начале 2026года – одна на 277. Двенадцатикратный рост за два года! Кроме того, было найдено 4406 фальшивых ссылок в 2810 статьях. При этом по 98% из них издатели к февралю не сделали ничего. Возникает вопрос насколько теперь можно доверять таким научным медицинским данным.

🔹Впрочем, справедливости ради, стоит отметить, что ИИ,правда делает науку. И делает ее хорошо в своих рамках возможностей.

Так, в апреле команда Принстона под руководством ДжошуаРота пропустила через ML-конвейер архивы телескопа TESS. 80 млн звёзд, данные первого года работы и обнаружила 10 091 нового кандидата в экзопланеты. Тогда как человечество за 30 лет подтвердило только около 6300 планет. Дело в том, что машина искала не у ярких звёзд, как раньше, а у тусклых, скучных для человека.

В июне 39 добровольцев прошли первую фазу испытаний вакцины Кембриджа и DIOSynVax. Действующее вещество «суперантиген» против всего семейства коронавирусов целиком спроектировано на компьютере и вводится без иглы. Безопасна, иммунный ответ есть.

25 марта Nature опубликовал статью Sakana AI про The AI Scientist — систему, проходящую весь цикл: гипотеза, эксперимент, текст. За год до этого из трёх её работ, отправленных на воркшоп ICLR, приняли одну и Sakanaсама её отозвала. Майк Кук из King's College London сказал тогда фразу, которую стоит вырезать в граните: «Есть разница между тем, чтобы пройти рецензирование, и тем, чтобы добавить знание в область». И
Ну и важное резюме. Nature провел анализ 41,3 млн статей и 5,4 млн учёных. Те, кто применяет ИИ, публикуются в 3,02 раза больше, собирают в 4,84 раза больше цитирований и возглавляют собственные проекты на 1,37 года раньше. При этом тематическая широта их работ сжимается на 4,63%, а взаимодействие между статьями, ссылающимися на один источник, падает на 22%.

Мораль этой истории такова, что не искусственный интеллект портит ученых, а человеческая недобросовестность. ИИ делает науку сильнее, автоматизирует сферы, где данных много. Возможно, при более серьезном регулировании ситуация с ложными ссылками и цитатами изменится. А пока остается полагаться на сознательность и порядочность исследователя.

Опенсорс VS патент. Кто заработал на открытых технологиях?  

Все знают, что технологию надо охранять, иначе её украдут. Чаще всего так и есть. И существование патентования тому свидетельство. Но в истории технологий есть и другие примеры, когда компании сделали ровно наоборот. Они раздали своё бесплатно и оказались в выигрыше!

О таких примерах и пойдёт речь в сегодняшней пятничной подборке.

🔹Volvo, 1959. Ремень безопасности
Инженер Нильс Болин придумал трёхточечный ремень безопасности, конструкцию, которая стоит в каждом автомобиле планеты. Volvo запатентовала её и почти сразу открыла патент для всех желающих, включая конкурентов, объяснив это тем, что ценность изобретения слишком велика, чтобы держать его при себе.
На первый взгляд с финансовой точки зрения решение было так себе. Но как показала история, по подсчётам самой компании, ремень спас больше миллиона жизней, а Volvo получила то, что не покупается никакими маркетинговыми бюджетами: репутацию самого безопасного автомобиля в мире.

🔹IBM, 2005. Пятьсот патентов в подарок
Компания, много лет подряд возглавлявшая рейтинг по числу американских патентов, в январе 2005-го объявила, что открывает пятьсот из них для разработчиков открытого софта. Сначала было непонятно с чего такая щедрость. Однако IBM считала не патенты, а рынок. Ставка была на Linux, вокруг которого компания строила сервисный бизнес, и чем шире расходилась открытая платформа, тем больше корпоративных заказчиков приходило к IBM за внедрением и поддержкой.

🔹Adobe. Формат, который перестал быть чужим
PDF выиграл войну форматов не потому, что был лучшим, а потому, что Adobe открыто опубликовала спецификацию, а в 2008 году передала формат в ISO и выдала бесплатную лицензию на свои патенты, необходимые для его реализации. В результате PDF читают и делают все, ни у кого не спрашивая разрешения. Adobe при этом продолжает продавать инструменты для работы с ним. Отдав стандарт, компания оставила себе рынок.

🔹Facebook, 2011. Чертежи дата-центра для всех
Facebook (Meta, организация запрещенная на территории РФ) запустила Open Compute Project открытый проект в области сложного технологического оборудования. Социальная сеть выложила в открытый доступ конструкцию своих серверов, стоек и дата-центров всё то, что обычно охраняют как военную тайну. Расчёт был в том, что открытые чертежи подхватят производители, компонентов станет больше, а цены упадут. Так и вышло, за первые три года компания отчиталась об экономии в 1,2 миллиарда долларов на инфраструктуре. Проект пережил и смену названия компании, и несколько поколений железа, и сегодня по этим стандартам собирают серверные для большинства нейросетей.

🔹Tesla, 2014. «Все наши патенты – ваши»
Запись в корпоративном блоге называлась «All Our Patent Are Belong To You» с сознательной грамматической ошибкой из старой компьютерной игры. Для официального заявления о лицензионной политике смотрелось довольно смело. Смысл был прост: компания обещала не судиться с теми, кто добросовестно использует её разработки. История получила продолжение восемь лет спустя, когда Tesla открыла конструкцию своего зарядного разъёма. К 2025 году на него перешли почти все крупные автопроизводители США и Канады, а сам разъём стал отраслевым стандартом под номером SAE J3400. Компания, отдавшая технологию даром, теперь владеет зарядной сетью, в которую едет заряжаться вся отрасль. Вот такой пример, как можно выиграть патентную войну, даже не начиная её.

Мораль тут не в том, что патенты не нужны. Все пять компаний свои технологии сначала аккуратно запатентовали и только потом решили, кому и на каких условиях позволить ими пользоваться.

Подписывайтесь на наш канал в МАХ

Директор по НИОКР: от технологического вопроса к обоснованному решению

Перспективность нового направления не видна по одному сильному патенту или по одной заметной публикации. Отдельный документ говорит лишь о том, что кто-то уже что-то сделал. А решение о том, стоит ли вкладывать в направление время команды и бюджет, требует картины технологического поля целиком.

Рассказываем, как обновленная платформа INVENTORUS помогает определить перспективу.

Для директора по НИОКР поиск научно-технической информации не самостоятельная задача, а только её начало. За ним стоят вопросы посложнее: какие подходы к проблеме уже найдены, насколько активно развивается направление, кто в нём работает и остаётся ли пространство для собственного решения.
Сложность в том, что управленческая постановка задачи, язык научных статей и патентных описаний представляют собой два разных языка.

«Снизить износ рабочих поверхностей». Так задача может прозвучать на совещании.

В патентном реферате то же самое описано через конкретные составы покрытий, режимы обработки и характеристики, названия которых руководитель направления знать не обязан. Запрос, сформулированный «по-человечески», приносит выдачу общего характера и направление выглядит либо пустым, либо необъятным.

🔹В обновлённом INVENTORUS этот разрыв закрывает функция «Улучшить запрос». Задачу можно описать привычным профессиональным языком, а платформа развернёт её в поисковую формулировку с профильной терминологией и сразу с поддержкой русско- и англоязычных вариантов. Для публикаций она приближается к языку научных статей, а для патентов к структуре патентного описания: область технологии, решаемая задача, характеристики решения, ожидаемый технический эффект.

При этом предложенный вариант остаётся под контролем пользователя. Его видно до запуска поиска, можно проверить, убрать лишнее, добавить своё. Платформа подсказывает формулировку, а не решает за специалиста.

🔹Дальше подключается гибридный поиск. Релевантность определяется сразу по двум основаниям: по смысловой близости документа к запросу и по совпадению со значимыми терминами.

1️⃣Первое не даёт пропустить работы, где такое же решение названо иначе.
2️⃣Второе не пускает наверх документы, похожие по теме, но не отвечающие конкретной задаче. Преимущество получают материалы, которые охватывают больше существенных аспектов темы, именно из них и складывается картина поля.

В результате путь от первоначального вопроса к аналитическому материалу становится короче:

технологическая задача → профессиональный запрос → релевантный массив документов → оценка направления

Это важно, потому что для директора по НИОКР это возможность быстрее перейти от гипотезы к фактам, на которые можно опереться в разговоре об исследовательских приоритетах и дальнейших технологических решениях.

Подписывайтесь на наш канал в МАХ

ИИ пишет код лучше вас, а науку (пока) – нет

Достижения лучших моделей ИИ за последние месяцы выявили одно любопытные явление. Похоже, что искусственный интеллект всё еще не способен к творческим прорывам. Предлагаем поразмышлять почему так и изменится ли это со временем.

Что нас натолкнуло на эту мысль?

30 июля 2026-го года исследователи из Принстона, Стэнфорда, Johns Hopkins и UK AI Security Institute опубликовали «теневые оценки». Они взяли реальные, ещё не опубликованные работы с конференции NeurIPS 2026 и поручили ИИ пройти тот же путь с нуля. Подглядеть в обучающую выборку невозможно, так как этих статей по факту ещё нет.
Агентам, а это, между прочим, Claude Opus 4.8 и GPT-5.6 для контроля, выдали шесть дней, $3000 на API, GPU и открытый интернет.

Что же итоге получилось? Инженерную часть он отработал безупречно. Затем работы отдали авторам исходных статей рецензировать как обычную заявку на NeurIPS: оригинальность, новизна, обоснованность экспериментов, значимость, ясность. Оценки получились так себе: 2 из 6 и 1 из 6. Reject и strong reject. Эксперты заранее ставили 30% на «хотя бы слабый accept». Вышло ноль. Слом произошел не в технической части, а в области оригинальных суждений. Агент проверял гипотезы на игрушечных синтетических выборках, где значимый результат невозможен в принципе, и подавал пустой результат как содержательный вывод. Получив разгромную обратную связь, он не менял подход, а дописывал оговорки. Амбициозные направления бросал в первые десять часов из отведённых ста сорока четырёх.
И еще один любопытный момент. Из $3000 агенты потратили $1130 и $1235. Меньше половины при включённом мониторинге бюджета и прямой инструкции ресурс использовать. Это поведение ученика, который сдал контрольную первым и ушёл, не заподозрив, что оценивают не скорость.

Давайте вместе обсудим, что это всё значит?
Наука – это во многом творчество, поскольку в первичном своем смысле завязана на интуицию. Так, Эйнштейн, по сути, совершил «интуитивный прыжок» настолько мало было данных для построения теории относительности. И он взял догадкой, воображая падающий лифт. Это мысленный эксперимент человека, у которого есть тело и опыт падения.
У модели тела нет, а причинность мира она знает по описаниям. Добавить ко всему природу обучения ИИ с подкреплением, то есть, когда требуется проверяемый ответ: шахматы, код, олимпиадная задача. А для открытого вопроса, на который правильного ответа нет ни у кого, награду попросту не из чего слепить.
И самое главное, так называемая гомогенизация, однородность. Модели не столько порождают новое, сколько усредняют существующее. Ответы разных систем на творческие задачи похожи и заметно беднее человеческого разброса. Попробуйте написать в разных моделях «рассказ в стиле Рея Брэдбери о волшебном коте», вы получите пугающе однообразный результат.
Так что получается, творческие задачи, при чем не только в науке, а вообще в любых областях подвластны только человеку, машина все еще не готова порождать новое, а только быть помощником. В исследовании примерно 80% времени это – рутина и 20% суждение. ИИ забрал ровно те 80%. Исполнение дешевеет, редкое суждение дорожает. Учёный не обесценился. И пока все еще формула такая. ИИ – блестящий исполнитель и никакой автор. Пройти путь он может, а вот выбрать, куда идти, увы, нет.

А что вы думаете, сможет ли искусственный интеллект полноценно ворваться в творческий процесс научного изобретения? И что для этого надо?

Подписывайтесь на наш канал в MAX

ЕАПВ и INVENTORUS подписали меморандум

Евразийское патентное ведомство и российская платформа интеллектуального анализа научно-технической информации INVENTORUS подписали меморандум о взаимопонимании.

Стороны рассмотрят возможность встроить поисковые инструменты и информационные ресурсы INVENTORUS в цифровые сервисы ЕАПВ, включая системы поддержки патентной экспертизы. Платформа даёт поиск по патентным и научным массивам: не по совпадению слов, а по смыслу, что в мире, где одно и то же устройство в двух заявках может называться по-разному, довольно принципиально. В свою очередь ЕАПВ обладает практической экспертизой в патентном поиске и собственной видением развития цифровых сервисов на базе ИИ. В рамках взаимодействия технологические решения можно будет апробировать на реальных задачах и оценить перспективы интеграции.

Один из важнейших пунктов соглашения – эксперты ЕАПВ смогут участвовать в тестировании решений и оценке их применимости. То есть модель будут проверять те, кто ежедневно работает с патентной документацией и точно знает, где алгоритм красиво ошибается. Обратная связь пойдёт в дальнейшую разработку.

Кроме того, в списке возможных направлений: развитие инструментов интеллектуального патентного поиска, работа с патентной и непатентной литературой, интеграция поиска в сервисы ЕАПВ, а также совместные исследования в области машинного обучения и обработки естественного языка применительно к патентам.

Подробнее о меморандуме читайте на нашем сайте.

Подписывайтесь на наш канал в MAX

Семь способов потерять статью: самые показательные отзывы 2026 года

За первые семь месяцев 2026-го научные журналы отозвали столько работ, что уследить за всеми невозможно. База Retraction Watch перевалила за 65 тысяч записей и продолжает пополняться. Но мы выявили несколько показательных историй. По одной каждый месяц года. В итоге получится довольно точный портрет того, что может вообще пойти не так с научной публикацией.

🔹Январь. Аспирант, который подправил картинки. 14 января Nature отозвал статью 2023 года о чувствительности рака лёгкого к иммунотерапии, работа, набрала к тому моменту 192 цитирования. Расследование установило, что данные связывания клеток на одном рисунке были сфальсифицированы. Ответственным назван первый автор, тогда аспирант, а сегодня постдок в Рокфеллеровском университете. Вины остальных соавторов комиссия не нашла.
Классика жанра, и именно поэтому показательно. Между публикацией в топ-журнале и ретракцией прошло почти три года, в течение которых на статью успели опереться почти две сотни работ.
🔹Февраль. Статья, которую цитировали тысячу раз. Nature Immunology отозвал работу 2002 года о разнообразии антител. Это самая цитируемая статью корреспондирующего автора, профессора Каталонского института исследований, 1016 цитирований по Web of Science. Впрочем, авторы настаивают, что недобросовестности не было.
Двадцать четыре года! Таков срок между публикацией и отзывом. За это время статья успела стать частью учебного канона.
🔹Апрель. Линейка, которую передвинул ИИ. Самая изящная история года. New England Journal of Medicine опубликовал 18 апреля клинический случай: 87-летний мужчина с поражением лёгких после лесного пожара. Бронхоскопическое фото со слепком дыхательных путей и измерительной лентой. Анонимный читатель заметил, что нумерация на ленте не сходится. Авторы признались, что попросили ИИ-инструмент передвинуть линейку и «не знали о правилах журнала касательно обработки изображений». 29 апреля они сами попросили статью отозвать.
Никакой фальсификации данных, всё ради красивой картинки. И поэтому случай показывает, насколько буднично ИИ уже встроился в подготовку научной иллюстрации.
🔹Май. Птицы, критики и обиженная сноска. Nature отозвал статью 2024 года о том, как половой отбор формирует песню самцов зебровой амадины. Причина техническая. Две пары синтетических песен, использованных в эксперименте, оказались ненадёжными. Одна давала верное ранжирование лишь в 35% случаев, вторая в 75%. Проверку авторы провели уже после публикации, и только потому, что на проблему указали сторонние исследователи. Критики, поднявшие вопрос, попросили упомянуть их в редакционном уведомлении. Редакция отказала, сообщив, что статья отозвана по не связанным с их замечаниями причинам.
Похоже, наука пока не придумала, как благодарить тех, кто находит чужие ошибки.
🔹Июнь. Ошибка, которая стоила карьеры. Journal of Population Economics отозвал статью экономиста из Университета Комильяс, утверждавшую, что шведский запрет на покупку секса увеличил число заявлений об изнасилованиях на 62%. Работа разлетелась по соцсетям. После чего трое коллег опубликовали разбор, что заявленная статистическая связь не относится к описанному в статье выводу. Повторный анализ это подтвердил. Редактор статью отозвал, а автор с отзывом не согласен.
Обвинений в недобросовестности не было. По словам автора, она стоила ему повышения и финансирования будущих исследований.
🔹Июль. История, где отзыв не главное. В июле Science и Retraction Watch рассказали о смерти шестилетней девочки в Китае после экспериментальной генной терапии. Семья заплатила более 800 тысяч долларов за разработку лечения редкого генетического заболевания; в марте 2025 года ребёнку сделали спинальную инфузию с триллионами вирусных частиц, через неделю девочка умерла от тяжёлой иммунной реакции. Доклиническая часть работы вышла в Nature в феврале 2026-го. Родители просят авторов отозвать статью, журнал и университет начали проверки.
Здесь отзыв статьи скорее всего только начало, а не финал публикации.

Подписывайтесь на наш канал в MAX

Второй лучший квартал в истории. Отчет Venture Pulse от KPMG.

KPMG выпустила Venture Pulse за второй квартал 2026-го – глобальный отчёт вышел 23 июля. Попробуем разобраться, что цифры в отчёте значат для всей отрасли искусственного интеллекта.

Считается, что квартальные отчёты про венчур делают исключительно для инвесторов. Но это заблуждение примерно в том же духе, что «прогноз погоды нужен только синоптикам». На самом деле такой отчёт показывает не столько деньги, сколько направления развития отрасли: кто с кем конкурирует масштабом, а кто продуктом, какие окна возможностей открываются, а какие стоит закрыть.
Так что традиционно смотрим на цифры и делаем выводы. Цифры в целом сходятся: $227,4 млрд в 8 440 сделках, второй результат в истории; полугодие — $560,4 млрд; Америка $150 млрд (США — $144,9 млрд), Азия $50,8 млрд, Европа $25,6 млрд. Anthropic — $65 млрд, Project Prometheus — $12 млрд, DeepSeek — $7,4 млрд.

Всё так. А теперь наблюдения, которые на самом деле куда важнее и интереснее огромных цифр.

Первое. $149,1 млрд «корпоративных фондов». Цифра воспринимается будто корпорации вложили в стартапы полтораста миллиардов. Не вложили. KPMG описывает методику мелким шрифтом. В эту сумму записали весь раунд целиком, если в нём поучаствовал хотя бы один корпоративный инвестор, даже если его доля была три процента. Это как если бы вы скинулись с друзьями на такси, а в статистике это записали как «пассажир купил автомобиль».

Второе. SpaceX и её $85,7 млрд. Это вообще не инвестиция. Это момент, когда ранние инвесторы наконец продают свои доли и забирают прибыль. 12 июня SpaceX вышла на биржу, поставила рекорд по объёму размещения, за первый день торгов бумага прибавила 19%, а капитализация перевалила за $2 трлн. Цифра «с учётом гриншу» означает, что банкам-организаторам разрешили доразместить ещё немного акций сверх плана, если спрос будет зашкаливать. Спрос зашкалил. А $1,9 трлн, которые в пересказах приписывают SpaceX как оценку представляет собой сумму всех венчурных выходов квартала, всех 775 штук. SpaceX внесла в неё основной вклад, но две соседние строки отчёта в пересказе слиплись в одну.

Третье. Про Anthropic.  Один раунд Anthropic – это 28,6% всего мирового венчура за квартал и 45% американского. Пять крупнейших сделок вместе – $92,4 млрд, то есть 41% рынка. Получается, если убрать из статистики одну компанию, «второй лучший квартал в истории» превращается в $162 млрд. То есть совершенно обычный и ничем не примечательный.

Ну и самый важный вывод из всего отчета. Денег заносят больше, а стартапов становится меньше. Всё это говорит о том, что под вывеской венчура происходит что-то другое. Венчур – это про много дешёвых попыток, из которых выстреливает одна. А тут дата-центры, чипы, дроны и спутники. Не похоже на ставку на идею.
#читаем_за_вас


💙ВКонтакте | 👋 INVENTORUS

Как работать с искусственным интеллектом в науке?

В начале учебного года считаем не лишним напомнить несколько правил работы с искусственным интеллектом. Неважно какими инструментами вы пользуетесь: нашей платформой INVENTORUS или же имеете доступ к зарубежным программам, есть правила, которые имеет смысл распечатать и повесить над рабочим столом. Правила о том, что можно делать с помощью искусственного, а что отдавать ему не стоит.

Это знание уместится в две небольшие колонки. Слева то, что можно доверить ИИ. Справа то, что нельзя. В левую записываем сбор и парсинг публикаций, патентов, отчётов. Поиск и тематическая классификация. Построение карт знаний и связей между авторами и концептами. Суммаризация больших массивов текста. Выявление трендов.
В правую размещаем финальные выводы и экспертные суждения. Оценка достоверности фактов. Патентная и юридическая экспертиза. Этические и стратегические решения. И самое главное – авторство. ИИ не может быть самостоятельным субъектом научной деятельности. Вот, собственно, и всё. Но, считаем свои долгом объяснить почему список именно такой.

Первое это самая болезненная тема – галлюцинации. Модель может уверенно выдать правдоподобную ложь, и самая опасная её форма несуществующая ссылка. Она выглядит идеально: фамилии, журнал, год, том, страницы. Всё на месте, кроме непосредственно статьи. Так, что все источники не забываем проверять, чтобы не попасть впросак.

Следующий тезис – неполнота баз. ИИ анализирует только то, до чего смог дотянуться. Работа, не попавшая в его источники, для него не существует. А вывод при этом звучит так же уверенно, как если бы он прочитал всё.

Кроме того, существует и языковой перекос. Модели заметно лучше работают с английским. При том, что ключевые исследования выходят на 40 языках. Получается своего рода ловушка. Инструмент, который взяли ради полноты охвата, сужает картину до англоязычного сегмента и делает это незаметно, потому что о пропущенном он не сообщает.
Все эти сложности, надо отметить, качественно решает наша платформа. Но сейчас речь об обычных языковых моделях

Какие выводы из всего вышесказанного можно сделать?
1️⃣Граница проходит не по сложности, а по ответственности. Суммаризация тысячи статей интеллектуально сложнее, чем решение «этой темой мы не будем заниматься». Но первое отдают машине, а второе принимает человек. Потому что делят не по трудности, а по цене ошибки и по тому, кто за неё отвечает. ИИ достаётся обратимое, человеку – необратимое.
2️⃣Экономия времени не дается просто так. Часть сэкономленного на чтении и поиске уходит на верификацию. Эту цены надо закладывать в план. Команда, сэкономившая три недели на обзоре литературы и не потратившая три дня на проверку ссылок, не выиграла время. Она взяла его в долг под проценты.
3️⃣Главный риск не технический, а поведенческий. Модели галлюцинируют всё реже, поэтому бдительность падает. Первые десять раз мы проверяем всё. К пятидесятому просматриваем по диагонали. Три базовых принципа научной верификации (проверка первоисточника, перекрёстная проверка, экспертная оценка) звучат как банальность ровно до того дня, когда несуществующая цитата уходит в печать.
4️⃣Рецензирование сегодня становится дефицитным навыком. Умение быстро понять, где текст врёт, ценится выше умения его получить.

💙ВКонтакте | 👋 INVENTORUS