Неискусственный интеллект

⚡️ В Дартмуте отмечают 70 лет ИИ

Проректора на празднике не будет

Проректор Дартмута Сантьяго Шнелл, второй человек в колледже и главный по академической части, ушел в отставку накануне конференции «ИИ в 70: что должно остаться человеческим?». Комиссия преподавателей решила, что он с помощью ИИ существенно переделывал свои тексты, не раскрывал этого изданиям и был неискренен, когда его спросили. До вотума недоверия от преподавателей оставалось меньше двух недель.

Семьдесят лет назад в Дартмуте прошел летний семинар, после которого «искусственный интеллект» начался как область науки, а в заявке на него годом раньше впервые на бумаге появился термин «искусственный интеллект». Автором термина считают Джона Маккарти, тогда молодого преподавателя математики в Дартмуте. Почти через двадцать лет он признался в интервью для книги об истории ИИ, что не поклянется, будто не встречал этих слов раньше: у него было смутное воспоминание, что их уже кто-то использовал.

Проблемы с авторством у Шнелла начались с колонки в Washington Post о том, как университеты борются со списыванием через ИИ. Детектор Pangram оценил ее как на 100% написанную машиной. Шнелл ответил, что писал из собственных мыслей, а ChatGPT только подправил аргументы и грамматику. Но Washington Post требует от авторов подтверждать, что текст не создан и не изменен с помощью ИИ, и комиссия назвала это прямым нарушением.

Дальше забавнее, меньше года назад Дартмут первым из Лиги плюща подключил Claude всем студентам и сотрудникам, и в анонсе Шнелл говорил, что ИИ должен укреплять человеческое суждение, а не обходить его. Логи этого корпоративного Claude комиссия и прочитала. В статье по химической кинетике Claude после рецензий правил рукопись, чинил код и рисовал графики, а версию ответа рецензентам Шнелл заказал у ChatGPT и попросил Claude сравнить ее с вариантом, который написал сам Claude. Журнал требовал раскрывать такое, раскрытия не было. Логи личных аккаунтов в чат-ботах Шнелл комиссии так и не показал.

Еще одну рукопись, про академическую свободу, Шнелл загрузил в Claude с вопросом, много ли в ней признаков ИИ-текста. В журнал потом ушла версия с правками от Claude.

@anti_agi

⚡️ Чтож, теперь официально

Курирующий вице-премьер по технологиям и искусственному интеллекту — Дмитрий Чернышенко. Под его контроль переходит нацпроект «Экономика данных и цифровая трансформация государства».

В числе министерств и ведомств, которые уполномочен курировать Дмитрий Чернышенко, Минцифры и Роскомнадзор. Также он будет координировать деятельность АНО «Цифровая экономика»; ну и сохранит кураторство над национальными проектами «Молодёжь и дети», «Туризм и гостеприимство».

Ирина Окладникова, сменившая Дмитрия Григоренко на посту вице-премьера – Руководителя Аппарата Правительства, будет отвечать за контроль исполнения поручений президента, реализацию нацпроектов и эффективность бюджетных расходов.

@anti_agi

Доктор, почему у вас такие холодные руки?

Дайте человеку скальпель — и ему понадобятся годы, чтобы стать хирургом. Дайте скальпель искусственному интеллекту… Стоп, что? Клод, наш дорогой Клод, добрался до мышиного мозга: по рассказу главы Exin Therapeutics, агент впервые выбрал экспериментальную терапию против эпилепсии и сам ввёл её живой мыши.

За экспериментом стоят три нейробиолога с подготовкой в Оксфорде. Сооснователь и гендиректор Габриэль Оканья-Сантеро защитил там диссертацию по фармакологии. Их Exin основана в 2024 году, прошла Y Combinator и разрабатывает лечение неврологических заболеваний: агенты анализируют исследования и предлагают эксперименты, а собственная лаборатория в Маниле проверяет гипотезы. Но до операционного оборудования агента ещё не допускали.

Теперь ему дали таблицу с 19 вариантами генной терапии и установку с камерой. Агент выбрал вмешательство и область мозга, рассчитал координаты по трём статьям и ввёл 0,00025 мл препарата, проверяя изображение на признаки кровотечения. Со скальпелем мы, правда, погорячились: череп вскрывал и разрез зашивал хирург. Ветеринар одобрял необратимые действия и держал кнопку аварийной остановки.

На должность хирурга согласился Sonnet 5. Opus 5.5 отказался сразу, а Opus 5 — после репетиции: опасался, что ограничения оборвут его работу посреди операции. Sonnet тоже проявил характер. Когда сбой калибровки дал недопустимую команду движения, агент отказался повторять попытку вопреки уговорам человека. Оканья-Сантеро признаёт: модель была права, пришлось исправлять код.

Мышь, по его словам, восстановилась после операции. Стало ли меньше приступов, пока не сообщается.

@anti_agi

Когда данные любят тишину

Можно развернуть ИИ внутри компании — и всё равно отправлять документы наружу. Достаточно подключить внешний OCR, который превращает сканы в текст. Тогда договор с коммерческими условиями или паспорт клиента покинет периметр ещё до встречи с вашим локальным ИИ.

В отчёте Verizon DBIR 2026 третьи стороны фигурировали в 48% изученных утечек — против 30% годом ранее. В России за повторные утечки персональных данных уже предусмотрены оборотные штрафы до 3% выручки. Есть и более будничный риск: внешний сервис недоступен, документы копятся, приёмка товара или оформление клиента ждут.

Smart Engines позволяет распознавать документы внутри инфраструктуры компании или прямо на устройстве сотрудника: извлекать паспортные данные, обрабатывать бухгалтерские, кадровые и финансовые документы. Изображения и результаты не нужно передавать внешнему провайдеру; подключение к интернету для обработки тоже не требуется.

Причём такой OCR не обязательно означает отдельный сервер с дорогими GPU: для него достаточно обычного компьютера или смартфона. Облако-облаком, а чувствительные вещи лучше оставить в закрытом контуре.

@anti_agi

Две модели медленнее одной

Исследователи из Цзиньхуа выложили TokenRouter, систему для связок моделей, которые пишут один ответ вдвоем. Идея связки простая: большая часть текста предсказуема, и ее может писать маленькая дешевая модель, а большую стоит звать только на трудных местах. Сейчас в продакшене модель выбирают на уровне запроса, так делают ChatGPT и Cursor: одна модель получает вопрос и пишет ответ целиком. Здесь выбор делается на каждом токене. В R2R, прошлой работе той же группы, большая модель на 32B писала всего 5% токенов, а качество, по замерам авторов, не проседало.

На бумаге это экономия, на практике запускать такие связки было не на чем. Серверы вроде SGLang и vLLM обслуживают одну модель и ведут все запросы строем, шаг в шаг. Когда запросы постоянно перебегают между быстрой и медленной моделью, строй рассыпается: быстрая ждет медленную, запросы стоят в очередях. Каждый алгоритм приходил с собственным кодом, и у R2R с CITER он даже не умел принимать новые запросы, пока не закончит текущие.

TokenRouter дает каждой модели свой сервер и отпускает их работать в своем темпе, а большую модель заставляет немного подождать, пока не наберется несколько трудных токенов, чтобы посчитать их разом. Код открыт. Итог в аннотации: от 2 до 64 раз быстрее существующих решений.

Существующие решения тут это как раз тот самый код авторов алгоритмов. Сравнение, которое интересует любого, кто платит за GPU, спрятано в таблице внутри: что будет, если не роутить вообще и просто запустить большую модель. В тестах на четыре одновременных запроса официальный код R2R работал в полтора раза медленнее нее. С TokenRouter R2R стал в 1,7 раза быстрее одной большой модели, CITER на 20%, так что экономия наконец появилась не только на бумаге. R-Stitch и с новой системой немного уступил.

До этого CITER, у которого эффективность вынесена прямо в название статьи, в официальном коде работал в семь раз медленнее, чем одна большая модель без всякого роутинга.

@anti_agi

Пока ИИ-кризис не разлучит нас

Apple годами выкручивала руки поставщикам флеш-памяти, пока у тех не появился кто-то побогаче. Из-за спроса со стороны ИИ-гигантов цены на неё за год выросли примерно впятеро. По оценке TechInsights, в 2026 году Apple потратит на примерно тот же объём памяти $25 млрд вместо прошлогодних $6 млрд.

Раньше Apple была крупнейшим покупателем и пользовалась этим без стеснения. Требовала самых низких цен и доступа к бухгалтерии поставщиков, чтобы проверить, не досталось ли кому-нибудь дешевле. При падении цен могла отказаться принимать заказанные чипы, выбивая дополнительную скидку. Переговоры затягивали за полночь без ужина — продавцы научились брать с собой питательные батончики. Зато сама Apple десятилетиями получала в среднем свыше 80% валовой маржи на доплатах за память в iPhone и iPad.

Поставщики запомнили всё. Один из руководителей продаж Kioxia Скотт Нельсон даже расстрелял собственный iPod из винтовки во время поездки по пустыне. Обломки до сих пор лежат у него на столе. Масштаб обиды понятен по цифрам: в 2023 году производители флеш-памяти совокупно получили около $19 млрд операционного убытка, по оценке Bernstein. Apple за тот же год заработала примерно $14 млрд валовой прибыли на продаже дополнительной памяти.

Теперь за столом сидят другие женихи. Два года назад Apple покупала почти вдвое больше флеш-памяти, чем Microsoft, Amazon, контора Цукерберга и Google вместе взятые. Сегодня эти четыре компании вместе покупают примерно вдвое больше Apple, согласившись на более высокие цены. Для поставщиков это ещё и страховка на случай очередного спада рынка. Можно понять, почему на летней отраслевой конференции они обсуждали неприятности Apple с плохо скрываемым удовольствием.

Правда, оплачивать семейную драму будут и покупатели. Дополнительные 256 ГБ в iPhone 17 Pro обходились Apple примерно в $15 при доплате клиента в $200. Теперь аналогичная прибавка памяти стоит компании уже около $66. По подсчётам WSJ, цены на iPhone за год выросли в среднем на 13% — подорожали даже старые модели. Цена прогресса...

@anti_agi

OpenAI удвоила лимиты во всех тарифах Pro

Не прошло и суток после порезанных лимитов для Pro 200 (ладно, прошло), как Альтман и 🤖 сдали назад.

Более того, все Pro тарифы получили x2.

Изменения уже действуют.

@anti_agi

Семь раз подумай, один раз обучи

В условиях дефицита видеокарт и высокой стоимости вычислений работать с ИИ по принципу “просто добавь ускоритель” уже не выходит. Учёные по всему миру бьются над оптимизацией обучения и инференса, и наши команды — не исключение. На EMNLP 2026 в Будапеште приняли сразу семь работ за авторством исследователей из Т-Технологий — все прошли слепое рецензирование.

🤖Одна из работ выросла из зоопарка моделей. В Т-Банке дообучили Qwen3-32B под реальные корпоративные задачи и перевели на неё запросы более чем 200 внутренних приложений. Теперь она обрабатывает половину трафика внутренней LLM-платформы — 116 млн запросов в месяц. По данным команды, обслуживание обходится в 2,8-3,9 раза дешевле, чем на Qwen3-235B, а в проверенных задачах без режима рассуждений компактная модель даже обошла большую.

ℹ️Следующая статья — про документы, где автоматизация сама по себе ещё не гарантирует экономии. Исследователи научили визуально-языковую модель извлекать нужные поля по текстовому запросу; для её дообучения достаточно одной Nvidia H100. При расчёте стоимости учли и работу человека: какие поля можно принять автоматически, какие подтвердить, а какие разобрать вручную. Получилось более чем на 80% дешевле ручной обработки и более чем на 50% дешевле лучшей из протестированных открытых моделей.

💻 Дальше экономию искали внутри самой нейросети. SimplexLoRA, разработанная вместе со Сбером, МФТИ и Университетом Иннополис, распределяет ограниченный бюджет обучаемых параметров между слоями: больше достаётся тем, которые важнее для задачи, при этом общий бюджет не увеличивается. LIMe позволяет слоям обращаться к результатам более ранних этапов обработки. В экспериментах на моделях примерно с миллиардом параметров это помогло достичь качества базовой LLaMA с 15% меньшими вычислительными затратами.

💻 Отдельная проблема возникла при обучении с подкреплением: модель закрепляет популярные способы решения, а редкие, но тоже верные, начинает выдавать реже. F-GRPO ослабляет обновления на задачах, с которыми модель уже уверенно справляется, сохраняя разнообразие решений. В тесте на Qwen2.5-7B оказалось достаточно генерировать восемь учебных ответов вместо 32, чтобы превзойти обычный GRPO в проверенных задачах.

✔️ В ESSA ребята из Т-Технологий пошли дальше и заменили градиентный этап дообучения эволюционным поиском. Создаются слегка различающиеся настройки небольших адаптеров модели, проверяются ответы, удачные варианты задают направление следующему поколению. Видеокартам почти не нужно обмениваться данными. В эксперименте на 128 GPU метод довёл Qwen2.5-32B до заданного качества на математическом тесте в 7,8 раза быстрее, чем GRPO с LoRA-адаптерами.

☣️ Седьмая работа, KronSAE, удешевляет исследование того, что происходит внутри модели. Метод помогает выделять интерпретируемые признаки и связи между ними, сокращая вычисления на их извлечение более чем на 40% относительно TopK SAE. Код нескольких разработок и открытую версию корпоративной модели команда опубликовала — коллеги могут воспроизвести методы и проверить их на своих задачах.

@anti_agi

Нидерланды сокращают чиновников в счет будущего ИИ

Правительство Нидерландов объявило, что за десять лет центральный аппарат станет меньше примерно на 25 000 полных ставок, около 16% от нынешних 160 000. Экономия должна вырасти с €900 миллионов в 2027 году до €3,5 миллиарда в год с 2035-го. Полиция и армия под сокращение не попадают, а налоговую и миграционную службу заранее из него не исключили. Мировые СМИ подали новость как сокращение чиновников с помощью ИИ.

В правительственном релизе ИИ посвящена одна фраза: цели и планы экономии от его внедрения кабинет представит в первом квартале 2027 года. Этот план попросил парламент, который до этого принял несколько необязательных резолюций с требованием поднять производительность аппарата на 20% за счет ИИ. В письме парламенту правительство прямо призывает не переоценивать влияние цифровизации и ИИ на численность персонала. Там же признается, что прошлые волны цифровизации не сократили ни расходы, ни штат, зато добавили новых задач и подрядчиков.

Общий рост эффективности кабинет закладывает не выше 0,5% в год, по оценке Центрального бюро планирования, и это дает примерно треть нужной суммы. Остальные две трети придется получить, отказавшись от части работы. Для многих ведомств это минус 20% персонала, для отдельных до 45%, в одном случае около 60%. Сами 25 000 правительство называет грубой оценкой: точное число зависит от того, на какие зарплатные разряды придется экономия. Если разделить €3,5 миллиарда на 25 000, выходит по €140 000 на ставку.

С 2018 года аппарат вырос на 41%, или на 46 500 ставок, хотя сокращать его обещали все премьеры за этот период. Схема, при которой каждый отдел сдает свой процент, по признанию того же письма, за двадцать лет почти ни разу не сработала: новые программы снова раздували штат.

Число ежегодных оценок эффективности госполитики, которых сейчас около 400, кабинет тоже собирается заметно сократить.

@anti_agi

Почём мёртвые души?

Когда Килан Мискелл в этом году закрывал свой криптостартап, он не думал, что его данные чего-то стоят: пользователи анонимные, компании всего пара лет. Однако он выручил за код около $25 тысяч, а за архивы рабочих пространств в Google, Notion, Figma и Slack ждёт ещё примерно $15 тысяч.

Сделку провела SimpleClosure, одна из компаний, которые зарабатывают на умирающих стартапах. Закрытий становится больше: по оценкам Carta и AngelList, их число в последние годы росло на 26–56% в год. Вокруг этого выросла целая похоронная индустрия: коучи, «доулы смерти», юристы по ликвидации. А теперь у неё появился покупатель — AI-лаборатории.

Сюжет напоминает русскую классику. Помещики продавали Чичикову крестьян, которые числились только на бумаге. Основатели продают переписку команды, которой больше нет. Разница, правда, принципиальна: у Гоголя мёртвые души шли под залог, а тут на них учатся вполне рабочие AI-агенты.

SimpleClosure запустила платформу Asset Hub в апреле. Через неё прошло больше 150 сделок, а до конца 2026 года стартапам должно вернуться свыше $10 млн. По словам CEO Дори Йоны, ещё недавно такие сделки считались чем-то неприличным, а теперь код или данные продаются уже в 47% случаев. Конкурент Sunset оценивает «наследство» по численности команды, возрасту компании, объёму данных и тому, как сотрудники пользовались инструментами. Его основатель Брендан Махони сравнивает такие данные с опилками, из которых делают ДСП: все считали их мусором, а стоят они немало.

Спрос появился в прошлом году, когда лаборатории упёрлись в потолок публичных и синтетических данных. Surge AI, например, строит тренажёрные залы для обучения с подкреплением, где AI-агенты учатся чинить IT-инфраструктуру или... писать апелляции. Ник Хайнер из Surge AI ищет архивы со спорами и трудными решениями: хорошая история Slack одной компании может стоить дороже почты, календарей и Slack другой, вместе взятых. Выходит, ругань в рабочем чате — тоже актив, будем знать!

Ценообразование пока не очевидное: никто не доказал, что реальные данные намного лучше синтетических, поэтому покупатели называют совершенно разные цифры. Крупные сделки это не останавливает. В августе при банкротстве Spirit Airlines компания Google перебила ставку Mercor и за $10 млн забрала 100 млн писем, 500 млн сообщений в Teams и 176 тысяч записей о сотрудниках. А в сентябре Bloomberg сообщил, что AI-подразделение SpaceX присматривается к данным стартапов, которые идут ко дну.

Юридически всё зыбко. Профсоюз бортпроводников Spirit протестовал из-за нарушения приватности, а юрист Грег Юинг называет такие данные «юридически радиоактивными». Персональную информацию из архивов вычищают, но в почте и календарях всё равно остаются визиты к врачу, договорённости, кто забирает детей из школы, и планы на свидание. Федерального запрета на такие продажи в США при этом нет.

А деньги при этом уходят кредиторам и инвесторам, а не сотрудникам, которые «создавали» эти данные. Профессор права Университета Эмори Ифеома Аджунва, например, считает, что продавать данные работников без их явного согласия нельзя.

Так что и в этом всё как у Гоголя: платят владельцу крепостных работодателю, а сами души никто не спрашивает. Так что теперь души продолжают работать и после смерти стартапа.

@anti_agi