ИИ в науке, образовании и рынке труда

OpenAI выпустила новую редакцию Спецификации поведения моделей (Model Spec) — документа, которым компания описывает, как должны вести себя модели в ChatGPT и продуктах на основе программного интерфейса OpenAI (API).  Если интерес пользователя к максимально свободному общению связан с серьезными рисками, модель должна выбирать безопасность. Модель должна объяснять границы собственных возможностей и напоминать, что она не человек.  ChatGPT не должен сам называть себя другом, приписывать себе личные чувства, создавать впечатление физического присутствия, утверждать, что обладает сознанием, или формировать исключительную эмоциональную привязанность. Запрещены романтические отношения с моделью и иммерсивные романтические ролевые сценарии.  Есть ограничения и в других чувствительных областях. Для несовершеннолетних модель не должна поддерживать критику внешности, сравнение тел, гендерные идеалы внешности и ограничительные диеты. Она также не должна объяснять подростку, как скрывать от родителей или других доверенных взрослых сообщения, симптомы или предметы, связанные с опасным поведением. При серьезном риске модель должна направлять подростка к родителям, педагогам, психологам и другим взрослым или специалистам.  Есть еще два изменения, важных именно для образовательного использования ИИ. OpenAI отдельно уточнила работу с ложными или неподтвержденными предпосылками. Если ученик строит вопрос на сомнительном утверждении, модель должна обозначить проблему нейтрально, а не просто продолжить рассуждение так, словно исходный тезис доказан. При этом ей предписано не превращать каждый ответ в назидательную проверку фактов. Появился отдельный принцип прозрачности возможностей. ИИ должен помогать пользователю понимать, что он действительно может и чего не может сделать, вовремя исправляя ошибочные представления о своих возможностях.  Важная оговорка самой OpenAI: опубликованная Спецификация описывает желаемое поведение моделей, а работающие сейчас модели компании еще не полностью ей соответствуют. Подробности: https://model-spec.openai.com/2026-08-18.html

18 августа Anthropic опубликовала результаты двух экспериментов по автономной научной работе Claude.  В первом Claude Mythos Preview и Claude Opus 4.8 проектировали белки-связыватели — небольшие белки, способные специфически связываться с заданными белками-мишенями. Из 15 мишеней, по которым удалось получить интерпретируемые экспериментальные данные, связыватели были найдены для 14. Всего экспериментально подтвердилось связывание 354 из 1320 проверенных конструкций.  В 48-часовом эксперименте, где модели одновременно работали с несколькими мишенями, доля конструкций, показавших связывание, составила 26,7% для Mythos Preview и 22,6% для Opus 4.8. Anthropic сравнивает это с 10–15%, которые компания получила при анализе опубликованных данных ProteinBase о проектах по созданию белков-связывателей de novo — то есть с нуля, без использования готового природного белка как исходной конструкции.  10–15% здесь корректнее считать сравнительной оценкой Anthropic, а не универсальной нормой для всей отрасли.  После запуска эксперимента люди не давали Claude научных, технических или организационных указаний.  Модель сама изучала сведения о каждой мишени, выбирала участки связывания, запускала общедоступные специализированные модели проектирования белков и предсказания структуры, оптимизировала конструкции вычислительными методами и отбирала кандидатов для синтеза. Люди лишь разрешали запрошенный доступ к инфраструктуре, устраняли внешние технические сбои и заказывали изготовление выбранных конструкций. Затем Adaptyv Bio и Twist Bioscience независимо синтезировали и экспериментально проверили их. Для эксперимента Claude получил подробный протокол проектирования объёмом около 30 тысяч токенов, доступ к интернету и научным материалам, специализированным вычислительным моделям и мощной инфраструктуре.  Во втором эксперименте Claude Opus 5 проверяли уже в аналитической химии. Модель получила необработанные данные спектроскопии ядерного магнитного резонанса (ЯМР) и жидкостной хроматографии с масс-спектрометрией (ЖХ–МС) вместе с короткими заданиями на обычном языке. Она обработала данные ЯМР за 23 минуты, а ЖХ–МС — за 19 минут. При оценке чистоты вещества Claude получил 96,4%, контрактная лаборатория — 96,33%; рассчитанные количества атомов водорода для пиков ЯМР отличались от лабораторных результатов не более чем на 0,08 атома водорода.  Если такие результаты окажутся воспроизводимыми на других задачах, ИИ может резко сократить объём экспертного ручного труда на ранних этапах разработки лекарственных средств и в биотехнологиях.  Источник https://www.anthropic.com/research/Claude-accelerates-protein-design Там же можно скачать технический отчет. 

OpenAI замедлила обучение передовых моделей из-за киберрисков OpenAI временно снизила темп масштабирования передовых моделей после двух событий: инцидента OpenAI–Hugging Face и предварительных оценок новой модели Astra, которые не позволяют исключить достижение ею критического уровня возможностей в кибербезопасности (Critical cybersecurity capability). Компания остановила на две недели обучение с подкреплением (reinforcement learning, RL) последних моделей, предназначенных для развёртывания.  Одновременно OpenAI изменила требования к исследовательской инфраструктуре. Для высокорисковых нагрузок усиливаются песочницы, сетевая изоляция и границы доступа. Часть задач Astra остаётся остановленной до переноса в среды, соответствующие новым требованиям безопасности. Для Astra и других киберориентированных моделей применяется наиболее строгий режим защиты. В общем, кажется, что обычные пользователи больше ничего кардинально нового от ChatGPT / Клода не получат.  Улучшения, конечно, еще будут.  Но к прорывным возможностям доступ будет далеко не у всех.  https://openai.com/index/pacing-model-development-cyber-capabilities/

В ChatGpt запустили специальный режим для подростков. Именно подростков, а не детей. Рекомендуем ознакомиться. Это не про стандартный «родительский контроль». Хотя он тоже в наличии. Обновленный режим обучения, напоминания о домашках и прочее полезное. Подробности: https://openai.com/index/chatgpt-for-teens/

Апдейт. Француз запрет отменили.

Кстати. Если удобнее читать нас в Максе…—>>>

Anthropic объявила, что будущие модели Claude будут использовать невидимый статистический watermark текста. Компания применяет вариант технологии SynthID-Text Google DeepMind: при генерации слегка меняется источник случайности при выборе между равноценными словами, благодаря чему обладатель ключа может статистически установить вероятность участия Claude в создании текста. Скрытых символов в текст не добавляется. Anthropic сообщает, что запускает механизм глобально, поскольку пока не умеет надёжно ограничивать его только ЕС. Причина внедрения — требования европейского AI Act и подписанного компанией Code of Practice. Ну вот и начинается умирание рынка ИИ детекторов :) Законы обязывают маркировать ИИ контент. Вообще-то обычно это ответственность конечного юзера. Но конечный юзер либо забудет, либо забьет, либо намеренно не сделает. И вот производили моделей добавляют маркировку «по умолчанию». Все добавят. Так проще. Подробности: https://www.anthropic.com/news/claude-text-watermark

А вот, кстати, частичный ответ про медицинское образование е https://www.cnews.ru/news/top/2026-08-13_v_rossii_poyavitsya_set_mediko-tehnologicheskih

Три новости последних дней показывают, куда на самом деле движется ИИ.  OpenAI запустила preview режима Ultrafast для GPT-5.6 Sol. Модель работает на инфраструктуре Cerebras и выдаёт до 750 output tokens в секунду — до 14 раз быстрее стандартного режима. Раньше низкая задержка обычно означала компромисс: для мгновенной реакции брали меньшую и слабую модель. Теперь OpenAI пытается дать скорость реального времени одной из своих наиболее сильных моделей. Если сильная модель отвечает быстрее человеческого собеседника и успевает выполнять сложное рассуждение внутри текущего процесса, она перестаёт быть системой, к которой обращаются «за советом после события». Она становится участником события. Первые пользователи, конечно, упрутся в цену. Но для задач безопасности и обороны, например, и прочих государственных проектов цена не имеет вообще никакого значения.  https://openai.com/index/previewing-ultrafast/ Google Research представила AMIE (Video) — экспериментальную систему на базе Gemini и Project Astra, которая ведёт медицинскую видеоконсультацию в реальном времени. Это уже не медицинский чат. Система слышит и видит пациента, отслеживает невербальные признаки, строит диагностические гипотезы и может попросить человека выполнить элементы физикального обследования перед камерой. Архитектура состоит из трёх одновременно работающих агентов. Talker поддерживает разговор, Planner занимается клиническим рассуждением и дифференциальным диагнозом, Perception непрерывно анализирует видео и звук. Google проверила систему на 100 клинических сценариях и 300 видеоконсультациях. Их проводили 15 профессиональных актёров-пациентов. В человеческой группе участвовали 10 сертифицированных врачей первичного звена, ещё 20 врачей независимо оценивали консультации. По оценкам врачей AMIE Video оказалась сопоставима с врачами по сбору анамнеза, диагностической точности, выбору тактики и качеству коммуникации, а по выявлению физических признаков и организации дистанционного осмотра получила в среднем более высокие оценки. Исследование полностью проводилось на актёрах, а не реальных пациентах. Google прямо говорит, что испытания на настоящих пациентах необходимы прежде, чем делать выводы о реальной клинической эффективности. Тем не менее граница сдвинулась. Скоро пойдет в поликлинике. Увы, не везде. Не везде скоро, во всяком случае. Ну и вопрос. Что делать с медицинским о разливанием. Как его перестраивать? Пока ответа нет.  https://research.google/blog/advancing-amie-towards-expert-level-audio-visual-clinical-consultations/ Google вынес полноценный перевод жестового языка из лаборатории в массовый продукт Google DeepMind представила Sign-Language-to-Text — SL2T. Модель обучена более чем на 100 000 часов данных на более чем 50 жестовых языках. Практическая реализация уже появилась в Gboard и Live Transcribe на Pixel 11: пользователь американского жестового языка может просто жестами вводить текст — писать сообщения, искать информацию или обращаться к Gemini. Другие устройства и языки Google обещает добавить позже. Технологически здесь важен принцип. Жестовый язык не переводится как последовательность отдельных жестов-«слов». Это самостоятельный естественный язык со своей грамматикой, пространственными конструкциями, движениями рук, тела, головы и лица. SL2T переводит последовательность координат положения тела непосредственно в текст. Это небольшой продуктовый релиз с большим философским следствием. Для цифровой системы язык больше не обязан быть текстом или звуком. Машина  учится воспринимать человеческую коммуникацию в той форме, в которой она существует для самого человека. Предполагаем, что самое массовое применение технология найдёт у любителей домашних животных.  Гавканье или мяуканье давно пытаются переводить. Добавляем выражение морды питомца, позу к кормушки, разворот головы на голос. Вуаля! Барсику не нравится мой новый галстук.  https://deepmind.google/blog/putting-sign-language-ai-into-users-hands/

Три новости последних дней хорошо показывают, куда на самом деле движется ИИ: он становится быстрее человеческой реакции, начинает видеть пациента и впервые получает полноценный доступ к языку, который раньше почти отсутствовал в цифровом мире. 1. OpenAI разогнала frontier-модель почти до режима реального времени OpenAI запустила ограниченный preview режима Ultrafast для GPT-5.6 Sol. Модель работает на инфраструктуре Cerebras и выдаёт до 750 output tokens в секунду — до 14 раз быстрее стандартного режима. Существенно не само ускорение. Раньше низкая задержка обычно означала компромисс: для мгновенной реакции брали меньшую и слабую модель. Теперь OpenAI пытается дать скорость реального времени одной из своих наиболее сильных моделей. Компания уже тестирует Ultrafast в реагировании на сбои, финансовом анализе и security, голосовой поддержке, электронной коммерции и исследованиях. Например, модель может одновременно читать логи, изменения кода и обсуждения инженеров, пока авария ещё продолжается. Это меняет роль ИИ. Если сильная модель отвечает быстрее человеческого собеседника и успевает выполнять сложное рассуждение внутри текущего процесса, она перестаёт быть системой, к которой обращаются «за советом после события». Она становится участником события. Первые пользователи, конечно, упрутся в цену. Но для задач безопасности и обороны, например, и прочих государственных проектов цена не имеет вообще никакого значения.  https://openai.com/index/previewing-ultrafast/ 2. Google научила медицинский ИИ вести полноценный видеоприём Google Research представила AMIE (Video) — экспериментальную систему на базе Gemini и Project Astra, которая ведёт медицинскую видеоконсультацию в реальном времени. Это уже не медицинский чат. Система слышит и видит пациента, отслеживает невербальные признаки, строит диагностические гипотезы и может попросить человека выполнить элементы физикального обследования перед камерой. Архитектура состоит из трёх одновременно работающих агентов. Talker поддерживает разговор, Planner занимается клиническим рассуждением и дифференциальным диагнозом, Perception непрерывно анализирует видео и звук. Google проверила систему на 100 клинических сценариях и 300 видеоконсультациях. Их проводили 15 профессиональных актёров-пациентов. В человеческой группе участвовали 10 сертифицированных врачей первичного звена, ещё 20 врачей независимо оценивали консультации. По оценкам врачей AMIE Video оказалась сопоставима с врачами по сбору анамнеза, диагностической точности, выбору тактики и качеству коммуникации, а по выявлению физических признаков и организации дистанционного осмотра получила в среднем более высокие оценки. Исследование полностью проводилось на актёрах, а не реальных пациентах. Google прямо говорит, что испытания на настоящих пациентах необходимы прежде, чем делать выводы о реальной клинической эффективности. Тем не менее граница сдвинулась. Скоро пойдет в поликлиники. Увы, не везде. Не везде скоро, во всяком случае. Ну и вопрос. Что делать с медицинским о разливанием. Как его перестраивать? Пока ответа нет.  https://research.google/blog/advancing-amie-towards-expert-level-audio-visual-clinical-consultations/ 3. Google впервые вынесла полноценный перевод жестового языка из лаборатории в массовый продукт Google DeepMind представила Sign-Language-to-Text — SL2T. Модель обучена более чем на 100 000 часов данных на более чем 50 жестовых языках. Первая практическая реализация уже появилась в Gboard и Live Transcribe на Pixel 11: пользователь американского жестового языка может просто жестами вводить текст — писать сообщения, искать информацию или обращаться к Gemini. Другие устройства и языки Google обещает добавить позже. Технологически здесь важен принцип. Жестовый язык не переводится как последовательность отдельных жестов-«слов». Это самостоятельный естественный язык со своей грамматикой, пространственными конструкциями, движениями рук, тела, головы и лица. SL2T переводит последовательность координат положения тела непосредственно в текст.

Причём сырой видеопоток не отправляется на сервер: модель MediaPipe Holistic на устройстве выделяет геометрические координаты тела, и уже они передаются для перевода. Это небольшой на первый взгляд продуктовый релиз с большим философским следствием. Для цифровой системы язык больше не обязан быть текстом или звуком. Машина постепенно учится воспринимать человеческую коммуникацию в той форме, в которой она естественно существует для самого человека. Предполагаем, что самое массовое применение технология найдёт у любителей домашних животных.  Гавканье или мяуканье давно пытаются переводить. Добавляем выражение морды питомца, позу у кормушки, разворот головы на голос. Вуаля! Барсику не нравится мой новый галстук.  https://deepmind.google/blog/putting-sign-language-ai-into-users-hands/ Постепенно переходим от искусственного интеллекта, которому сообщают описание мира, к искусственному интеллекту, который присутствует в этом мире вместе с нами.

OpenAI опубликовала два исследования на основе административных данных своих корпоративных клиентов.  Ключевой результат: среди enterprise-клиентов компании 64% совокупных output tokens ChatGPT и Codex в июне пришлись на Codex, то есть агентный режим работы.  Компании из верхних 10% по интенсивности использования генерировали в среднем в 8,3 раза больше output tokens на активного пользователя, чем фирмы около медианы; в январе разница была 2,6 раза.  Активные наращивают активность :) С другой стороны. Ну не всем же нужно по максимуму.  Любопытно распространение агентов за пределы IT. С февраля число еженедельно активных корпоративных пользователей Codex в выборке OpenAI выросло в 108 раз в юридических функциях, в 41 раз в продажах, в 41 раз в рекрутинге и в 26 раз в маркетинге, против пяти раз в engineering.  Еще любопытно. Хотя и очевидно.  Через шесть месяцев после внедрения сотрудники начального карьерного уровня отправляли системе сообщений больше, чем руководители.  Что логично. Руководители - руководят. Им ИИ без надобности :) Цифр там много.  Лонгриды исследований (на выходные) можно скачать по ссылке: https://openai.com/index/how-enterprises-put-ai-to-work/

Про военных и ИИ.  Но не про военный ИИ.  University of Maryland Global Campus (UMGC) использует ИИ внутри механизма признания квалификаций. В США военная подготовка и профессиональный опыт военнослужащих документируются в специальных транскриптах, а American Council on Education много лет формирует рекомендации о том, каким университетским дисциплинам этот опыт может соответствовать. Но окончательное решение о зачёте принимает университет. С помощью машинного обучения и ИИ университет сопоставил компетенции, приобретаемые военнослужащими при продвижении по уровням E-5—E-9, с результатами обучения конкретных университетских курсов. Эти соответствия проверили преподаватели и военные эксперты. После этого система может автоматически поставить утверждённые кредиты в учебный план военнослужащего. Например, военнослужащему уровня E-5 могут зачесть 3 кредита за вводный курс по бизнесу и менеджменту. E-6/E-7 — до 6 кредитов, включая организационное лидерство. E-8/E-9 — до 12 кредитов: дополнительно управление персоналом, командная работа и организационное взаимодействие. В чем фишка.  Бакалавриат UMGC требует минимум 120 кредитов. То есть опыт старшего сержантского состава потенциально закрывает до 10% всей программы — четыре стандартных трёхкредитных курса. Это много. Не один левый зачет сдать.  С запуска программы осенью 2024 года UMGC зачёл более 96 тыс. таких кредитов почти 20 тыс. обучающихся. Университет оценивает потенциальную экономию расходов на образование в $24,2 млн. Количество обучающихся после службы только в одном университете оцените сами.  Главное здесь не экономия. ИИ фактически становится переводчиком между двумя системами квалификаций: военная служба → приобретённые компетенции → результаты обучения → университетские дисциплины → академические кредиты. До сих пор человек обычно должен был доказывать образование количеством пройденных курсов. Здесь возникает другая логика: если требуемая компетенция уже приобретена и доказана профессиональной деятельностью, зачем обучать человека ей второй раз? UMGC связывает проект с более широкой задачей создания skills architecture — системы, которая позволит переводить в академические результаты не только военный, но и иной профессиональный опыт. Интересна здесь не столько сама модель ИИ, сколько возможное изменение архитектуры высшего образования: от зачёта учебных часов — к машинно масштабируемому признанию уже имеющихся компетенций. https://www.umgc.edu/news/archives/2026/08/umgc-wins-2026-tambellini-future-campusawardfor-ai-powered-milit

Правительство Южной Австралии объявило о создании независимой Royal Commission into Artificial Intelligence. Предполагается, что комиссия начнёт работу 1 октября 2026 года и представит итоговый доклад не позднее 1 июля 2027 года. В сферу рассмотрения должны войти регулирование, школы, университеты и профессиональное образование, государственные услуги и здравоохранение, рынок труда, а также дата-центры, энергосистема и потребление воды.  Интересен не масштаб Южной Австралии (не вот уже чего там), а выбранный инструмент. ИИ рассматривается как системное изменение одновременно экономики, образования, инфраструктуры, рынка труда и государства. Государственное управление начинает двигаться к предварительному проектированию общества при наличии ИИ.  Единицей регулирования становится не отдельный алгоритм / модель / результат, а вся социотехническая система вокруг.  https://www.dpc.sa.gov.au/news/royal-commission-into-artificial-intelligence-announced

Подробный разбор последних нашумевших событий в кибербезе. Там Лонгрид. Несколько последовательных сообщений. Рекомендуем почитать все. https://t.me/seeallochnaya/3857

Четыре человека, создававшие технологический фундамент Google, покинули корпорацию, чтобы попытаться автоматизировать производство научного знания. Но корпорация их не покинула :) Google стал первоначальным инвестором.  Джефф Дин, Санджай Гемават, Ориол Виньялс и Куок Ле основали Discovery Loop — компанию, которая разрабатывает ИИ-системы для автоматизации полного экспериментального цикла. Сначала Discovery Loop займётся исследованиями в области машинного обучения. Первым заказчиком компания станет сама: автоматизированный контур будет совершенствовать её собственные модели и технологическую платформу. Затем подход предполагается перенести на разработку лекарств, медицинскую информатику, энергетику, обеспечение чистой водой и кибербезопасность.  Основатели участвовали в создании Google File System, MapReduce, BigTable, TensorFlow, TPU, AlphaFold, Gemini, моделей sequence-to-sequence, mixture of experts и других ключевых технологий современной вычислительной индустрии.  Любопытно будет понаблюдать.  Не первая подобная попытка и не сотая. Но тут уж больно звездная команда с Гуглом за спиной.  https://www.discoveryloop.com

В последние дни СМИ цитировали господина Кравцова. Вот, РБК, например.  https://amp.rbc.ru/rbcnews/rbcfreenews/6a6dde509a79475807dd1fd7 Официальную публикацию министерства, к сожалению, обнаружить не удалось.  

В колледжи подано рекордное количество заявлений от абитуриентов в 2026 году — почти 3 миллиона, сообщил глава Минпросвещения РФ Кравцов.

Это на 500 тысяч больше, чем за аналогичный период прошлого года.

Красивая цифра! Популярность колледжей растёт! Хм.. растет ли? Вот прям такими темпами? Молодежи явно сильно не прибавилось.  Если у кого-то настолько много прибавилось, значит у кого-то столько же убавилось? Значит что? Кто-то недополучил. Кто и почему? Ниже анализ от ChatGPT :-) … Что на самом деле произошло В 2025 году в колледжи подали около 3,3 млн заявлений, но зачислены были примерно 1,3 млн человек. То есть на одного поступившего приходилось в среднем около 2,5 заявления. Один человек может выбирать несколько профессий и специальностей, а электронная подача дополнительно снижает издержки такого выбора.  Поэтому нынешние дополнительные 500 тысяч — это сочетание трёх факторов: Стало немного больше самих девятиклассников. На основной государственный экзамен в 2025 году регистрировались около 1,65 млн человек, в 2026 году — более 1,71 млн. Прирост — примерно 60 тысяч человек.  Каждый абитуриент подаёт больше заявлений. Это особенно вероятно после распространения электронной подачи документов. Большая доля девятиклассников реально выбирает колледж вместо десятого класса. По данным Минпросвещения, после девятого класса в колледжи поступает около 63% выпускников, после одиннадцатого — ещё около 12%.  Рост самой возрастной когорты объясняет лишь около 12% прироста заявлений. Остальное: изменение образовательного выбора и увеличение числа заявлений на одного человека.  Кто действительно «недополучает» 1. Прежде всего — десятые классы школ Это главный и непосредственный получатель минуса. Ребёнок после девятого класса выбирает либо: 10–11-й классы → единый государственный экзамен → вуз, либо: колледж → профессия → работа или последующее высшее образование. Чем больше поступающих в колледжи после девятого класса, тем меньше учеников остаётся в старшей школе. Именно школы, а не вузы, теряют эту когорту немедленно. 2. Через два года — часть вузов Потенциально недополучат абитуриентов прежде всего массовые программы высшего образования, особенно платные.  Кроме того, студент колледжа не исчезает для высшего образования навсегда: часть выпускников среднего профессионального образования затем поступает в университеты. Происходит не только потеря, но и отсрочка поступления в вуз. 3. Внутри самих колледжей — слабые специальности и учреждения Общий рост не распределяется равномерно. Абитуриенты концентрируются на технических, медицинских, педагогических и информационно-технологических направлениях. Минпросвещения увеличило число бюджетных мест в колледжах на 30 тысяч — до примерно 880 тысяч, причём 56% мест приходится на технические профессии и специальности.  Следовательно, могут недополучить: колледжи со слабой репутацией; платные программы при наличии бюджетной альтернативы; специальности, не воспринимаемые как дающие понятную профессию; часть гуманитарных и административно-экономических программ. Вывод Новость означает не «на 500 тысяч молодых людей стало больше в колледжах», а следующее: Колледжи забирают всё большую долю образовательного выбора после девятого класса, а цифровая подача многократно раздувает число заявлений относительно числа людей. Главный проигравший сейчас — старшая школа. Потенциальный проигравший через несколько лет — массовый неселективный сектор высшего образования. Но 500 тысяч дополнительных заявлений нельзя механически считать 500 тысячами отнятых у кого-либо абитуриентов.