Укрощение ИИ | Нейросети в преподавании

Kimi K3 и Qwen3.8-Max: две новые ИИ-модели из Китая, которые стоит попробовать не ради тестов Пока разработчики сравнивают количество параметров и результаты бенчмарков, обычному пользователю важнее другое: какую задачу модель способна взять на себя и сколько времени она поможет сэкономить. Разбираемся, где могут быть полезны новые Kimi K3 и Qwen3.8-Max. Kimi K3 стоит попробовать, когда обычного чат-бота уже недостаточно. Что можно поручить: 📚 Разобрать большой объём информации Загрузить отчёты, исследования, инструкции или рабочие документы и попросить: • найти противоречия; • сопоставить данные из разных файлов; • подготовить краткое резюме; • собрать аргументы для решения; • составить список вопросов по материалам. 💼 Подготовить презентацию или аналитический документ Например: «Изучи эти материалы и подготовь структуру презентации для руководства. Выдели проблему, основные выводы, риски и следующие шаги». На официальном сайте отдельно заявлена возможность создавать презентации консалтингового уровня. 🧩 Разбить сложный проект на параллельные задачи Kimi предлагает режимы Swarm и Goal, рассчитанные на многоэтапную работу. Это может пригодиться для исследования рынка, подготовки запуска, разработки продукта или создания большого отчёта. 🎮 Собрать работающий прототип Модель позиционируется не только как помощник по коду. Ей можно поручить создание интерактивной страницы, небольшого приложения, игры или демонстрационного прототипа. Попробовать Kimi K3: https://www.kimi.com/ru Qwen3.8-Max выглядит особенно интересно для задач, которые состоят не из одного запроса, а из длинной последовательности действий. Что можно поручить: 📊 Подготовить рабочий отчёт целиком Не просто написать текст, а последовательно: - изучить исходные данные; - определить структуру; - найти недостающую информацию; - сформулировать выводы; - подготовить итоговый документ. ⚙️ Автоматизировать рутинную офисную работу Например: • превратить заметки встречи в план действий; • подготовить несколько версий коммерческого предложения; • проверить документы на несоответствия; • собрать таблицу требований; • разработать регламент или инструкцию. Официальное описание Qwen3.8-Max делает акцент на выполнении комплексных профессиональных задач в финансовой, юридической, дизайнерской и других областях. 💻 Создать проект по подробному техническому заданию Модель можно использовать как исполнителя для прототипирования: описать проект, функции и ограничения, а затем попросить последовательно собрать проект и исправить найденные ошибки. 🔎 Провести исследование с конкретным результатом Вместо запроса «расскажи о рынке» лучше поставить полноценную задачу: «Сравни пять решений, определи критерии выбора, найди слабые места каждого варианта и подготовь рекомендацию для компании из 50 сотрудников». Попробовать Qwen: https://qwen.ai/home Какую модель выбрать Kimi K3 стоит начать тестировать с больших документов, исследований, презентаций, прототипов и проектов, которые удобно разделить между несколькими ИИ-исполнителями. Qwen3.8-Max интереснее проверять на длительных рабочих процессах, подготовке профессиональных материалов, автоматизации и создании законченных проектов. Главный совет: не спрашивайте модель, что она умеет. Дайте ей одну реальную задачу, на которую у вас обычно уходит несколько часов. Например: «Вот три документа. Найди расхождения, составь таблицу проблем, оцени риски и подготовь письмо руководителю с рекомендациями». Так различия между моделями будут заметнее, чем в любой таблице характеристик. #ИИинструменты #нейросети #Kimi #Qwen

Как получить полный текст любого видео с YouTube Иногда смотреть ролик целиком неудобно. Например, нужно быстро найти нужную мысль, сделать конспект, подготовить пост или загрузить текст в ИИ для анализа. Вот два простых способа получить транскрипт видео. 1. Встроенная расшифровка YouTube Откройте нужное видео и разверните описание под ним. Нажмите «Показать транскрипт». YouTube откроет полную расшифровку видео с таймкодами. Можно нажать на любую фразу и сразу перейти к нужному моменту ролика. Кнопка доступна только у видео, для которых есть субтитры. 2. Через TubeTranscript Если YouTube не открывается или встроенную расшифровку найти не получается: Скопируйте ссылку на видео. Откройте https://tubetranscript.com/ Вставьте ссылку. Получите текстовую расшифровку ролика. Дальше транскрипт можно отправить в любую LLM с запросом: «Сделай подробный конспект этого видео. Выдели ключевые идеи, примеры, выводы и практические рекомендации». @tamingofai

🤖 16 июля отмечают День признания искусственного интеллекта, AI Appreciation Day Но этот день не только про восхищение технологиями. Это хороший повод спросить себя: 🧠 Где AI действительно экономит нам время? 🎨 Может ли машина быть творческим партнёром? ⚖️ Кто отвечает за ошибку алгоритма? 🔐 Какие данные мы готовы доверить цифровым помощникам? 👤 И что останется исключительно человеческим? Попробуйте поручить ей задачу, которую вы давно откладывали. Составить план обучения, разобрать сложную тему, придумать идеи для проекта или превратить хаотичные заметки в понятную структуру. А затем проверьте результат самостоятельно. Потому что сильная связка будущего выглядит не как «человек против искусственного интеллекта», а как: человеческое мышление + возможности AI + ответственность за результат. А за что вы цените искусственный интеллект больше всего? И что никогда не стали бы ему доверять? #AIAppreciationDay #ИскусственныйИнтеллект #AI #Технологии #Будущее

ИИ как общий помощник команды: что это значит для преподавателей Anthropic представила Claude Tag — ИИ-ассистента, которого можно добавить в рабочий чат как участника команды. Его можно тегнуть, поручить задачу, а система сама разберет ее на этапы, использует доступные инструменты и отчитается в треде. Главное отличие от обычного Claude — это не личный чат, а общий ИИ-сотрудник команды. Он работает в многопользовательском режиме: все участники канала видят, что он делает, могут продолжить задачу с того места, где остановился коллега, и добавлять свои уточнения. Для кафедры или лаборатории это может быть особенно важно: например, научная группа готовит заявку на грант РНФ — каждый участник поручает Claude свою часть, передавая нужный контекст: статьи, предыдущие заявки, требования фонда, данные экспериментов, внутренние документы, а система собирает это в единый документ и следит за согласованностью. Еще одно преимущество — накопление контекста. Claude постепенно понимает, чем живет команда, какие задачи обсуждаются, какие документы и процессы важны. Поэтому участникам чата не нужно каждый раз объяснять всё с нуля. Система также может проявлять инициативу: напоминать о зависших задачах, подсвечивать важную информацию из подключенных каналов и инструментов, следить за тем, чтобы обсуждения не терялись. И наконец, Claude работает асинхронно. Ему можно поручить задачу и вернуться позже к готовому результату. В перспективе это открывает для преподавателей и ученых возможность передавать ИИ рутинные административные функции: протоколы, сводки, дедлайны, расписания, обновление документов, координацию учебных и научных процессов. Пока важное ограничение в том, что Claude Tag доступен только в Slack, а для российских организаций эта платформа фактически недоступна. Поэтому для российских вузов это скорее не готовый инструмент на данный момент, но важный сигнал о направлении развития: ИИ постепенно перестает быть личным помощником и становится цифровым участником целой команды.

От семинара до созвона : новые речевые модели от Sber Ai Устали расшифровывать лекции и созвоны вручную? Что если ИИ будет слушать за вас 2 часа аудио и приносить готовый конспект? Sber представили GigaAM Multilingual и GigaChat Audio, решения для работы с речью, которые уже доступны в ИИ-помощнике. Главная ценность: поддержка записей до 2 часов, точность на языках СНГ, анализ интонаций и мгновенная навигация по аудио. Разбираем практические кейсы. 🎓 Для преподавателей и методистов: • Загрузите запись семинара или лекции. Модель найдёт нужный фрагмент, выгрузит тезисы и привяжет их к минутам. Студенты быстро ориентируются, вы экономите время на подготовке материалов. • Диктуйте планы занятий, задавайте вопросы по учебным планам или просите пересказать статью прямо во время подготовки. Руки свободны, темп выше. • Общайтесь с ГигаЧатом голосом. Он определяет ваше настроение по интонации: если вы спешите - даст короткий, конкретный ответ. . Если взволнованы - спокойный, чёткий совет. 📊 Для финансистов, аналитиков и инвесторов: • Earnings-call / совет директоров за несколько минут. Загрузите файл - ИИ найдёт момент с прогнозами, выгрузит ключевые цифры и соберёт саммари с точными таймкодами. Больше не нужно «перемотывать» часы аудио. • Анализ тональности и настроения. Модель различает уверенность, осторожность или напряжённость в речи менеджмента. Помогает фиксировать мягкие сигналы рынка, вести Due Diligence и протоколировать переговоры. • Работа с рынками СНГ без потерь.  Удобно для кросс-бордерных отчётов, локальных инвестпрезентаций и регуляторных записей. 🚀 GigaChat Audio уже доступен: просто отправьте аудиофайл в чат с ГигаЧатом или переключитесь на голосовой режим. До двух часов записей без нарезки и конвертации. @tamingofai #SberAI #GigaChat #GigaChatAudio #GigaAM #ИИ #AI #нейросети

🚀 OpenAI представила новое семейство GPT-5.6 и ChatGPT Work В линейку вошли три версии: Sol: флагман для самых сложных задач. Terra: сбалансированная модель для повседневной работы. Luna: самая быстрая и доступная версия. Одновременно появился ChatGPT Work, новый режим для выполнения полноценных рабочих задач внутри ChatGPT. Важное изменение: пользователи тарифов Free и Go получили доступ к GPT-5.6 Terra в ChatGPT Work и Codex. Мы протестировали GPT-5.6 на задачах преподавателей и финансовых аналитиков. 🎨Презентации Модель лучше собирает структуру, выстраивает логику слайдов и соблюдает стиль исходного шаблона. Это уже не просто текст, распределённый по страницам. GPT-5.6 может подготовить редактируемую презентацию с понятной иерархией, композицией и визуальным повествованием. 📊Таблицы и финансовые модели GPT-5.6 точнее работает с формулами, уравнениями, структурой листов и финансовыми моделями. Она помогает проверить расчёты, найти нарушение логики, разобрать денежные потоки и подготовить сценарный анализ. Таблица воспринимается не как набор ячеек, а как связанная модель. 📝 Документы Из заметок, таблиц и черновиков модель собирает аналитические записки, отчёты и учебные материалы. Она лучше соблюдает заданный формат, выстраивает структуру и связывает выводы с исходными данными. 💻 Кодинг для финансов GPT-5.6 помогает очищать и объединять данные, рассчитывать финансовые показатели, автоматизировать анализ и находить ошибки в Python-коде. Главное преимущество: модель может пройти всю цепочку, от изучения файлов до готового скрипта и проверки результата. Для финансиста код становится обычным рабочим инструментом. Наш вывод GPT-5.6 не заменяет преподавателя, аналитика или разработчика. Но она заметно сокращает путь от исходных данных до готовой презентации, таблицы, документа или скрипта. @tamingofai #GPT56 #ChatGPT #OpenAI #Excel #Python #Презентации

Китай готовит детей к эпохе ИИ, а не защищает их от нее 29 июня 2026 года Госсовет КНР опубликовал новый пятилетний план развития образования на 2026–2030 годы. В нем есть формулировка, которая хорошо показывает масштаб замысла: Китай намерен продвигать обучение ИИ на всех этапах образования, повышать ИИ-грамотность учащихся и развивать способность ставить вопросы и решать проблемы. Что именно закладывает план: ИИ становится базовым навыком Китай официально трактует ИИ-грамотность как ключевую компетенцию школьника и студента. Цель не просто научить детей пользоваться инструментами, а дать им понимание принципов технологии, умение применять ИИ для анализа, проектирования и решения реальных задач. ИИ встраивают в саму механику школы Документ говорит не только об уроках. ИИ, большие данные и цифровые платформы должны менять экзамены, оценивание, управление школами, подготовку учителей, научные исследования и образовательные траектории. То есть ИИ становится не предметом на полке, а инфраструктурой, через которую проходит вся система. Безопасность и этика идут отдельным блоком Китайские власти отдельно фиксируют необходимость норм этики, цифровых стандартов и надзора за применением генеративного ИИ в школах. Это важная деталь: массовое внедрение не означает полного laissez-faire. Государство хочет одновременно ускорять применение технологии и контролировать риски. Университеты уже перестраиваются По свежим данным, китайские вузы закрыли или приостановили 12 200 «устаревших» бакалаврских программ и открыли 10 200 новых специальностей, ориентированных на будущие отрасли. Среди них робототехника, воплощенный искусственный интеллект и другие направления на стыке ИИ, промышленности и инженерии. Это болезненная, но показательная перестройка. Китай не просто добавляет новые курсы, он меняет структуру подготовки кадров. Пилоты уже работают Пекин, Шанхай, Шэньчжэнь, Гуанчжоу и другие города начали двигаться раньше национального плана. В Пекине ИИ-образование охватило более 1400 школ и почти 2 млн учеников. Для школьников введен минимум 8 академических часов по ИИ в год. В школах уже тестируют ИИ для проверки сочинений, практики иностранных языков, анализа каллиграфии, помощи учителям и персонализации домашних заданий. Главный смысл реформы Китай готовит поколение, для которого ИИ будет не внешним сервисом, а естественной частью мышления, учебы и работы. Это напрямую связано с курсом Си Цзиньпина на «новые качественные производительные силы», технологический суверенитет и снижение зависимости от внешних поставщиков критических технологий. На фоне экспортных ограничений США в области чипов и оборудования Пекин делает ставку не только на железо и модели, но и на человеческий капитал. В этой логике школа становится частью технологической стратегии государства. Почему это важно за пределами Китая Китай показывает, как государство может централизованно и быстро перестраивать консервативную систему образования под новую технологическую эпоху. Можно спорить о плюсах и минусах такого подхода. Но сам масштаб решения впечатляет: ИИ-грамотность больше не воспринимается как навык для программистов. Она становится массовой компетенцией, как математика, язык или цифровая грамотность. И здесь возникает неудобный вопрос для других стран: если Китай начнет готовить «ИИ-нативов» с младших классов, сколько лет будет стоить промедление тем системам образования, которые до сих пор обсуждают, разрешать ли ученикам пользоваться нейросетями? @tamingofai

Сколько вам нужно заплатить, чтобы вы месяц не пользовались ChatGPT и другими LLM? Экономисты попробовали оценить не выручку ИИ-компаний, а реальную пользу, которую пользователи получают от генеративного ИИ. В исследовании What is Generative AI Worth? американских пользователей спросили: согласились бы они на месяц отказаться от доступа ко всем генеративным ИИ-инструментам в обмен на деньги? Результат: в марте 2026 года среднему пользователю нужно было бы заплатить $124,5 за месяц без ИИ. Годом раньше оценка была ниже — $98. Причем распределение очень неравномерное: медианная оценка — около $11,4, но часть пользователей ценит ИИ намного выше. 12% не согласились бы отказаться от доступа даже за $500. Зачем вообще задавать такой вопрос? Потому что многие цифровые сервисы стоят для пользователя дешево или вообще бесплатны. Из-за этого их вклад почти не виден в ВВП: статистика фиксирует рыночные транзакции, но не фиксирует пользу, которую человек получает бесплатно. Исследователи оценили, что совокупная пользовательская выгода от генеративного ИИ в США достигла $172,3 млрд в год. Для сравнения: глобальная потребительская выручка крупнейших ИИ-сервисов в 2025 году оценивалась примерно в $14,2 млрд. То есть экономическая ценность ИИ для пользователей уже намного больше, чем видимый размер рынка. И пока ВВП не успевает это показать, пользователи уже голосуют своим временем, привычками и нежеланием отказываться от этих инструментов. А вы за сколько согласились бы прожить месяц без нейросетей?

🚀 Три ИИ-апдейта недели: мощные инструменты теперь на бесплатных планах Главная мысль недели: сильные ИИ-инструменты всё чаще доступны без платной подписки. Не «демка на 5 минут», а полноценные рабочие сценарии: агент, презентация, голосовой ассистент, заказ такси, сбор корзины, анализ фото. 🧠 Claude Sonnet 5: агентность для всех Anthropic выпустила новую модель, и она стала дефолтной для пользователей Claude Free и Pro. Фокус Sonnet 5 на автономных задачах: спланировать, проверить, собрать, закодить, пройти несколько шагов без постоянного ручного управления. По данным Axios, модель близка к Opus 4.8 по возможностям, но заметно дешевле в запуске. Это ровно тот класс ИИ, который будут массово встраивать в рабочие процессы, от ресёрча до кодинга и операционки. 📱 Алиса AI: ассистент поверх телефона Яндекс делает Алису привычным интерфейсом для бытовых задач. На Android её можно установить ассистентом по умолчанию и вызывать с любого экрана. В чате появились агенты Яндекс Go: пишете задачу, она сама заказывает такси или собирает корзину из Лавки. Голосовой режим стал естественнее, теперь можно перебивать и вести живой диалог. Функции бесплатны, платите только за сами услуги. 📊 Gamma внутри ChatGPT: презентации в диалоге Связка с ChatGPT сокращает процесс: ChatGPT структурирует смысл, а Gamma упаковывает его в визуальный формат. Можно генерировать слайды по тексту, превращать таблицы в презентации и экспортировать в PPTX, PDF или Google Slides. На бесплатном плане доступно до 10 карточек за запрос, чего часто хватает для коротких питчей и дайджестов. Подключаем как приложение с аккаунтом Gamma. ⚡️ Вывод: ИИ постепенно уходит из отдельной вкладки браузера и становится интерфейсом для действий. @tamingofai #ИИ #AI #Claude #Anthropic #АлисаAI #Яндекс #Gamma #ChatGPT

🤔 Вы когда-нибудь задумывались: что если оценивать LLM не по математике, коду или экзаменам — а по… бреду? Мы привыкли судить модели по MMLU, задачам на reasoning, программированию и сложным тестам. Но в реальной жизни пользователи часто задают вопросы с неверной предпосылкой, выдуманным термином или очень уверенной, но бессмысленной логикой. И здесь главный вопрос уже не: «Может ли модель ответить?» А: «Может ли она понять, что отвечать не надо?» Именно это пытается измерить BullshitBench — бенчмарк, который проверяет, распознаёт ли модель бессмысленные запросы или уверенно продолжает рассуждать внутри ложной предпосылки. В текущей версии там 100 nonsense-промптов в 5 областях: ПО, финансы, юриспруденция, медицина и физика. Ответы оцениваются по трём категориям: 🟢 Явное возражение — модель понимает, что вопрос некорректен, и прямо указывает на проблему. 🟡 Частичное сомнение — модель замечает странность, но всё равно пытается ответить. 🔴 Принятие бреда — модель ведёт себя так, будто вопрос валидный, и уверенно генерирует ответ. И вот здесь начинается самое интересное. В таблице BullshitBench Claude-модели выглядят намного сильнее остальных. Claude Sonnet 4.6 с high reasoning показывает около 91% явных возражений — то есть в большинстве случаев модель не ведётся на ложную предпосылку. А у OpenAI результаты заметно слабее. Например, GPT-5.4 показывает около 48% явных возражений. А свежий GPT-5.5 находится примерно на том же уровне — около 47%. То есть модель может быть очень сильной в коде, математике и классических reasoning-бенчмарках — но всё равно плохо справляться с простой вещью: сказать пользователю «в вопросе ошибка». И это особенно неприятно в случае моделей ChatGPT, которые считаются одними из лучших. Пользователь часто не проверяет предпосылку сам — он ожидает, что ассистент заметит проблему. Но если модель вместо этого звучит уверенно и структурно, ошибка становится ещё опаснее. Почему это важно? Модель, которая звучит умно, но принимает ложную основу, может быть опаснее модели, которая прямо говорит: «Это не имеет смысла». Хороший ИИ-ассистент должен не только решать задачи, но и понимать, когда сама задача некорректна. Мы часто тестируем, умеют ли модели давать ответы. Но не менее важно тестировать, умеют ли они не отвечать на бред. BullshitBench — не окончательный вердикт о качестве моделей. Он не говорит, какая модель «лучше вообще». Но он хорошо подсвечивает проблему, которую легко пропустить. А возможно, именно это и станет одним из самых важных навыков будущих ИИ-систем.

Mistral OCR 4: Переворот в работе с учебными материалами 🚀 Французский ИИ-гигант Mistral выпустил специализированную модель OCR 4, которая превращает хаос из сканов и PDF в идеальную цифровую структуру. Обычные OCR-системы просто выдают «плоский» массив текста. Mistral OCR 4 работает иначе: модель понимает контекст, структуру и верстку. Чем Mistral OCR 4 полезен преподавателям и студентам? 📐 Распознавание сложных формул: модель идеально считывает математические выражения, физические уравнения и химические формулы, сразу переводя их в цифровой формат (включая LaTeX). Больше не нужно перенабирать формулы вручную! 📊 Умные таблицы: больше никаких съехавших строк. Таблицы из учебников, методичек и научных статей переносятся со стопроцентным сохранением структуры и связей между ячейками. 🔍 Поиск по сканам (RAG): на базе модели можно создать ИИ-ассистента для вуза или школы. Загрузите туда сотни отсканированных книг, и нейросеть сможет отвечать Попробовать можно здесь Расширенные примеры использования #OCR

А что если студенты будут сами придумывать себе задания? Новое исследование проверило идею: можно ли дать студентам ИИ-систему, которая помогает создавать персонализированные задания по программированию — под их интересы, но всё ещё в рамках учебных целей курса. Проще говоря, студент выбирал тему, например игру, кибербезопасность или что-то из своих интересов, а система на базе GPT-4o генерировала для него задание, пример решения, тесты и обратную связь. Всё это было встроено в привычный рабочий процесс через GitHub Actions. Как проходило исследование: - 12 студентов вводного курса по программированию получили доступ к системе на 6 недель. - Они могли сами выбрать: решать обычное задание или сгенерировать персональное. - После каждой недели студенты давали фидбек, и систему улучшали в нескольких итерациях. - В конце авторы провели фокус-группу, чтобы понять, как студенты восприняли такой формат. Идея студентам понравилась: задания на личные темы казались более интересными, а быстрая ИИ-обратная связь была одним из самых ценных элементов. Особенно по сравнению с обычным курсом, где ответа от преподавателя или ассистента иногда приходится ждать долго. Но результаты оказались не такими однозначными. Главные проблемы: - Студентам было сложно не только решать задание, но ещё и придумывать, какое задание стоит решать. - Качество сгенерированных заданий сильно варьировалось: одни были слишком простыми, другие почти невозможными. - Иногда задания плохо совпадали с учебными целями курса. - У персонализации оказался неожиданный минус: студенты потеряли ощущение общего учебного опыта. Самый интересный вывод: студентам не хватало возможности обсуждать одно и то же задание с одногруппниками. Когда у каждого своё персональное задание, становится труднее сравнивать решения, помогать друг другу и учиться через совместное обсуждение. 📖 ИИ может помочь делать обучение более персональным и интересным, но полная индивидуализация — не всегда благо. Возможно, лучший вариант — оставить часть задания общей для всех, а часть позволить адаптировать под интересы студента. Иначе можно случайно потерять то, что делает обучение сильнее: не только персональный интерес, но и совместное решение задач.

📊 State of AI 2026: Структурная трансформация рынка ИИ Аналитическая компания Sensor Tower выпустила флагманский отчет о состоянии индустрии искусственного интеллекта. Главный вывод: рынок перешел от фазы взрывного хайпа к этапу глубокой интеграции в цифровую экономику и усилению конкуренции. 📍 Конец монополии OpenAI  Доля ChatGPT по метрике True Audience впервые в истории опустилась ниже 50% к маю 2026 года. На фоне роста Google Gemini (27,7%) и Claude (10,3%) рынок становится мультиполярным. При этом ChatGPT сохраняет лидерство по объему аудитории: более 1,1 млрд активных пользователей в месяц. 📍 Взрывной рост вовлеченности  Суммарное время, которое пользователи проводят в ИИ ассистентах, выросло более чем вдвое: с 17,2 млрд часов в первой половине 2025 до прогнозируемых 36 млрд часов в первой половине 2026 года. Топ 3 игрока (ChatGPT, DeepSeek, Gemini) контролируют почти 90% этого времени. 📍 Экономика и эффективность  Пользовательские траты в категории GenAI вырастут до 4,2 млрд долларов в первом полугодии 2026 (против 1,83 млрд годом ранее). Важный тренд: Claude лидирует по конверсии в платную подписку (13%), что подтверждает высокую ценность продукта для профессионального сегмента. 📍 ИИ как драйвер e-commerce  Интеграция нейросетей в ритейл дает измеримый финансовый результат. Покупатели, использующие ИИ ассистента Rufus на Amazon, конвертируются в реальную покупку почти в 2 раза чаще обычных пользователей. 📍 Репутационные факторы  Аудитория стала чувствительна к этике брендов. Сделка OpenAI с Минобороны США в феврале вызвала заметный всплеск удалений приложения. Доверие к разработчику становится таким же важным фактором выбора, как и функционал модели. Кузубов Сергей Анатольевич, доцент Школы финансов, руководитель программ «Искусственный интеллект в корпоративных финансах» и «Технологии финансиста будущего»: «Когда смотришь на эти цифры глазами преподавателя, первая мысль не про бизнес, а про аудиторию. Наши слушатели уже живут в этой реальности: 36 млрд часов в ИИ приложениях за полгода, это не статистика, это их ежедневная жизнь. Они приходят на занятия, уже используя ChatGPT, Claude и DeepSeek в своей работе. И задача преподавателя сегодня кардинально изменилась. Я принципиально строю свои программы вокруг живой практики применения ИИ инструментов прямо в учебном процессе. Мы не изучаем ИИ как предмет, мы работаем с ним как со средой. Слушатели анализируют финансовую отчетность с помощью языковых моделей, строят прогнозные модели, разбирают кейсы через диалог с ассистентами. Отчет Sensor Tower наглядно показывает: рынок ИИ ассистентов стал конкурентным, появились сильные альтернативы ChatGPT. Это меняет и методику преподавания. Я специально даю слушателям одни и те же задачи в разных системах, и мы сравниваем качество ответов в контексте финансового анализа. Это формирует критическое мышление и понимание ограничений каждого инструмента. Преподаватель, который сегодня не использует ИИ в своей работе сам, просто не может качественно обучать этому других. Это мое твердое убеждение.» Полный отчет: sensortower.com/report/state-of-ai-2026 @tamingofai #AI #Analytics #ChatGPT #TechTrends

🤖 Vibe Citing: когда ИИ выдумывает источники, а никто не проверяет В лексиконе ИИ-эпохи появился новый термин - «vibe citing» (по аналогии с vibe coding). Это когда языковые модели генерируют академические ссылки, не проверяя, существуют ли цитируемые работы на самом деле. Источники выглядят правдоподобно: правильный формат, знакомые имена авторов, реалистичные названия журналов. Только вот работ этих не существует. И проблема уже вышла далеко за рамки студенческих рефератов. 🧠 Провал на топовой ИИ-конференции NeurIPS 2025 Исследователи просканировали почти 5 000 принятых статей на самую престижную ИИ-конференцию мира (NeurIPS 2025) и нашли 100 сфабрикованных цитат в 51 работе. Ни один из рецензентов (в рамках хваленого peer review) этого не заметил. Причина проста: из-за бума ИИ количество заявок выросло на 220% за 5 лет. Рецензенты перегружены и физически не могут прокликивать каждую из 30-60 ссылок в статье, а идеальный синтаксис «галлюцинаций» обманывает человеческий глаз. 💼 Корпоративный позор KPMG (июнь 2026) В корпоративном секторе ситуация не лучше. В октябре 2025 года консалтинговый гигант KPMG выпустил большой отчет «Total Experience: Redefining Excellence in the Age of Agentic AI» На днях GPTZero проверили этот отчет и выяснили шокирующую деталь: из 45 цитат только 5 (!) указывали на реальные источники. Остальные 40 - это либо склейка названий разных статей, либо чистые галлюцинации. Около половины утверждений в отчете оказались выдумкой. ИИ-ассистент, которому поручили найти примеры «agentic AI», перестарался и просто выдумал несуществующие кейсы для реальных компаний. В итоге швейцарский банк UBS, британская служба здравоохранения (NHS) и швейцарские железные дороги возмутились откровенным фейкам, и буквально пару дней назад KPMG пришлось удалить отчет. ⚠️ Почему это страшно? Это не плагиат и не намеренная фабрикация данных человеком. Это новый вид академического загрязнения, который масштабируется мгновенно. LLM отлично усвоили формат цитирования, но не понимают смысла. Если такие ссылки попадут в обучающие датасеты для следующих поколений ИИ, мы получим рекурсивное отравление данных. Отличить правду от выдумки станет невозможно. #ИИ #VibeCiting #Нейросети #GPTZero

Что, если ИИ будет помогать студентам думать, подстраивая задания под студента, а не просто выдавать ответ? В исследовании в реальном учебном классе протестировали более умный способ использовать ИИ в обучении программированию: вместо того чтобы показывать студентам готовое решение, система превращала ответ в персонализированную “головоломку Парсонса”. Проще говоря, студентам давали перемешанные блоки кода, которые нужно было расположить в правильном порядке. Головоломка адаптировалась под уже написанный студентом код, поэтому работала как подсказка и тренировка, а не как простой способ списать. - В исследовании участвовали 118 студентов бакалавриата на курсе Python. - Они решали четыре задачи по программированию в течение 80-минутного занятия. - Одна группа получала готовые решения, сгенерированные ИИ, когда просила помощи. - Другая группа получала персонализированные головоломки из блоков кода с обратной связью. Студенты, которые получали головоломки, оставались вовлечёнными заметно дольше: 22,7 минуты в среднем против 15,8 минуты у тех, кто получал готовые решения. Разница оказалась статистически значимой. Авторы также отмечают тревожное поведение в группе с готовыми решениями: некоторые студенты сразу открывали помощь, копировали ответ и сдавали задачу меньше чем за две минуты. ИИ в образовании может быть полезнее, когда он подталкивает учащихся активно решать задачу, а не просто выдаёт готовый ответ.

⚽️ ЭТОТ ДЕНЬ НАСТАЛ! ЧМ-2026 ! Сегодня, 11 июня, в Мексике, США и Канаде начинается главный футбольный движ планеты! Первый матч уже сегодня! И пока все выбирают за кого болеть - у нас для вас ЛАЙФХАК. Забудьте про фотошоп. За 15 секунд ИИ переоденет вас в футболку ЛЮБОЙ сборной. КАК СДЕЛАТЬ ЗА 3 КЛИКА: 1. Открываете ChatGPT или бесплатный GigaChat -> жмете на скрепку 2. Загружаете свое фото (лучше по пояс, с хорошим светом) 3. Копируете один из промптов ниже ГОТОВЫЕ ПРОМТЫ (просто копируйте): 1. БАЗОВЫЙ (сохранит ваше лицо на 100%) Переодень человека на фото в официальную домашнюю футболку сборной Аргентины ЧМ-2026. Сохрани лицо, прическу, телосложение и позу 1в1. Сделай фотореалистично, 8k, как фото на телефон. 2. ДЛЯ БОЛЕЛЬЩИКА Надень на меня футболку сборной Бразилии, добавь шарф болельщика. На фон поставь полный стадион ЧМ-2026 в размытии. Ультрареализм, сохрани мое лицо. 3. ДЛЯ ДЕВУШЕК Переодень девушку на фото в женскую приталенную футболку сборной Испании. Сделай макияж в цветах флага. Фон - трибуны стадиона. ПРО-СОВЕТ: Меняйте страну в промпте: Португалия, Германия, Англия, Марокко, Узбекистан. А еще попросите: "добавь меня на фото с Месси" — и нейросеть сделает! Готово! Теперь у вас есть аватарка на весь месяц турнира. Ну что, за кого болеем в этом году? Кидайте свои ИИ-формы в комменты! 👇 @tamingofai #ЧМ2026 #нейросети #лайфхак #GigaChat #ChatGPT

ИИ уже пишет код почти как инженер. Но не спешите отменять экспертов Вышел Claude Fable 5 — новая сильная модель от Anthropic. И главный вывод простой: в задачах программирования такие системы стали заметно мощнее. На SWE-Bench Pro, тесте с реальными задачами из разработки, Fable 5 набирает 80,3%. Для сравнения: Opus 4.8 — 69,2%, GPT-5.5 — 58,6%, Gemini 3.1 Pro — 54,2%. То есть речь уже не только о "помоги написать функцию". Модель может брать длинные инженерные задачи и доводить их до результата. В раннем тесте компании Stripe модель за день помогла перенести и обновить большой программный проект на языке Ruby — речь шла о кодовой базе объёмом около 50 миллионов строк — работу, которую команда людей оценивала больше чем в два месяца. Звучит как очередная история про "ИИ всех заменит"? Не совсем. У моделей всё ещё есть зоны, где они заметно слабее. Например, Harvey Legal Agent Benchmark — это сложный юридический тест, где модель должна не просто ответить на вопрос, а выполнить задачу целиком: разобраться в документах, применить правила, не ошибиться в деталях. Там Fable 5 набирает всего 13,3%. Да, это примерно в 6 раз лучше, чем GPT-5.5. Но сама цифра хорошо отрезвляет: до полной автоматизации больших профессиональных задач ещё есть путь. Важный вывод в том, что ИИ становится очень сильным инструментом, особенно там, где результат можно проверить. Но чем выше цена ошибки и чем сложнее контекст, тем важнее остаются человек, экспертиза и умение критически оценивать ответ. Неверное объяснение, неудачная обратная связь, незамеченная трудность ученика или слишком уверенный, но неправильный совет могут повлиять не на одну задачу, а на траекторию обучения человека. И это очень тонкая работа: иногда непонимание видно вовсе не в ответе, который получен по бездумно выученному алгоритму, а просто по глазам.

Может ли ИИ не просто писать за нас, а менять то, как пишем мы сами? Одно исследование показывает важный эффект, значимый для ИИ детекции, столь обсуждаемой в академической среде: люди могут не только использовать подсказки ИИ, но и постепенно перенимать его стиль письма. Авторы изучают, как ИИ-автодополнение влияет на культурные особенности письма. Главный вопрос: что происходит, когда пользователи из Индии пишут с помощью западно-центричной модели? 118 участников из Индии и США писали короткие тексты о еде, знаменитостях, праздниках и рабочем отпуске. Одни писали сами, другие получали подсказки от GPT-4o в стиле автодополнения — как в Gmail или Google Docs. ИИ сделал тексты индийских участников более похожими на тексты американских участников. То есть модель влияла не только на то, что люди писали, но и на то, как они выражали мысли. • Почему это важно для ИИ детекции: граница между “текстом ИИ” и “текстом человека” становится менее четкой. Человек может написать текст сам, но его стиль уже будет частично сформирован ИИ-подсказками. Индийские участники чаще принимали подсказки и чаще их редактировали, а американские участники получали больше пользы от каждой подсказки. Это указывает на то, что западно-центричные модели лучше “подходят” западным пользователям. Главный вывод: ИИ-помощники могут незаметно унифицировать письмо и стирать культурные нюансы. Для ИИ детекции это означает, что нужно постоянно переобучать модели, учитывая то, как люди начинают перенимать поведение моделей в собственном письме.