Embedika | ИТ-решения для бизнеса

Как внедрять ИИ так, чтобы он приносил бизнесу реальную пользу, а не просто числился в отчетах? 🤔 Ответ будут искать на программе повышения квалификации от коллег из Нейролаб ЦТИ. Старт — 10 марта 2026. Это курс для руководителей, аналитиков и IT-специалистов, которые хотят разобраться в управлении ИИ-проектами. Авторы обещают не только технологию, но и живые кейсы: как ИИ помогает в цифровой трансформации, как управлять инновациями и где прячется рост эффективности. Всеми важными подробностями делимся в репосте 🔥

Подборка полезных и интересных материалов Технологии не стоят на месте, и чтобы оставаться в курсе, важно следить не только за новыми релизами, но и за экспертными мнениями и прогнозами . В новой подборке собрали для вас самые свежие материалы об ИИ — от смены технологических трендов до влияния нейросетей на корпоративную культуру. Статьи: 📎 Интервью «Интерфакса» с Ириной Шелкуновой, руководителем электронной библиотеки «СКАН-Интерфакс», о том, как генеративные модели меняют структуру трафика и перераспределяют влияние между медиа. 📎 Материал РБК: гендиректор по ИИ Ассоциации ФинТех Алексей Сидорюк — о том, прошел ли рынок «яму разочарования» в ИИ в конце 2025 года и что ждет отрасль дальше. 📎 Глава ИИ-направления Microsoft Мустафа Сулейман делится прогнозом с «Ведомостями»: когда ИИ сможет автоматизировать большую часть задач офисных сотрудников. 📎 Колонка в «Ведомостях» от гендиректора Fork-Tech Кристины Коваленко о том, как выстраивать корпоративную культуру при внедрении ИИ. Заметки в блогах: ✍️ Телеграм-канал Machinelearning о первых попытках использования GPT-5 в судебной практике США. ✍️ CPO Just AI Андрей Грабарник в канале компании объясняет, в чем реальная сила ИИ-агентов и где их применение дает максимум пользы. ✍️ Канал red_mad_robot собрал мнения экспертов о том, в каком направлении будет развиваться R&D в сфере ИИ в 2026 году. Книги: 📚 «Глубокое обучение», Джон Д. Келлехер — для тех, кто хочет разобраться в архитектуре и принципах работы глубоких нейросетей. 📚 «Нейросети практика», Джейд Картер — руководство для перехода от теории к реальным проектам, от настройки моделей до их внедрения. Подкасты: 🎤 Академия искусственного интеллекта: как ИИ избавляет от ручного заполнения таблиц и работы с документацией. 🎤 AI4Dev: прагматичный разбор — какие ИИ-инструменты действительно работают в российских компаниях.

LLM-as-a-judge: как языковые модели оценивают качество ответов Оценка качества генерации в RAG-системах часто осложняется отсутствием эталонных ответов. Даже когда эталоны есть, вариативность формулировок затрудняет автоматическую проверку. Один из современных подходов к решению этой задачи — использование самой языковой модели в роли судьи. Этот метод называется LLM-as-a-judge и позволяет оценивать ответы RAG-системы по заданным критериям без прямого сравнения с эталоном. 📍 Принцип работы LLM-as-a-judge: Подход LLM-as-a-judge применим как при наличии эталонных ответов, так и без них. В первом случае модель оценивает, насколько сгенерированный ответ похож на эталонный. Во втором — ответ оценивается по заданному критерию, описанному в промпте. Модель получает на вход запрос, сгенерированный ответ, при необходимости — эталон и контекст, а также шкалу оценивания, и выдает оценку с обоснованием. 📍 Критерии оценивания В зависимости от бизнес-задачи и требований к системе могут использоваться различные критерии: 🔹 Правильность ответа — оценивает, совпадает ли ответ с правильным решением или явно решает задачу пользователя; 🔹Отсутствие избыточной информации — проверяет, насколько ответ лаконичен и не содержит повторов; 🔹Доступность изложения — определяет, насколько текст понятен широкому кругу пользователей и не содержит излишней сложности. Для каждого критерия разрабатывается шкала оценивания, где каждое значение (например, от 0 до 2) соответствует определенному уровню соблюдения требований критерия. 📍 Ограничения подхода: Языковая модель может допускать ошибки при оценке ответов RAG. Для повышения надежности оценок рекомендуется валидация на основе экспертных данных: подготовка датасета с запросами и ответами системы, экспертная разметка, разделение выборок, подбор параметров модели и промпта на валидационной выборке и итоговая проверка на тестовой. Такой подход обеспечивает контролируемую настройку модели и повышает достоверность автоматической оценки качества.

Три уровня оценки RAG: ранжирование, генерация с эталонами и без Недавно мы разобрали, какие метрики помогают диагностировать работу RAG-систем. А сегодня делимся новой статьей на TProger, где наш ML-инженер, Никита Кравчук, поделился методиками оценки еще более подробно и затронул вопросы математики метрик, используемых для оценки поиска и генерации. В новом материале на TProger разобрали ключевые моменты, которые важно учитывать при оценке RAG. Делимся главным 👇 🔹Внедрение RAG — это не финальная точка, а начало цикла улучшений. Чтобы система действительно приносила пользу бизнесу, нужно точно понимать, где возникают ошибки: на этапе поиска релевантных фрагментов или при формировании ответа. И здесь важен комплексный подход к метрикам. 🔹 Оценка поиска. Для расчета метрик ранжирования необходима эталонная разметка релевантности чанков. MRR учитывает только позицию первого релевантного фрагмента, precision@k оценивает точность в топ-k, а nDCG@k чувствителен к порядку выдачи. Полноту найденных релевантных чанков измеряет recall@k. 🔹 Оценка генерации при наличии эталонов. Если есть датасет правильных ответов, можно использовать такие метрики, как BLEU и ROUGE. Они оценивают совпадение n-грамм токенов, но чрезмерно штрафуют за перефразирование эталонов. BERTScore лишен этого недостатка, так как оценивает семантическую близость через эмбеддинги токенов. 🔹 Оценка генерации без эталонов. Когда собрать эталонные ответы невозможно, применяется подход LLM-as-a-judge. LLM получает промпт с запросом, ответом и критерием оценки, после чего выставляет балл по заданной шкале с обоснованием. 🔗 Полный разбор с формулами и классификацией — в статье на TProger

Сразу два ИИ-решения от Embedika — в рейтинге CNews! В CNews опубликовали ежегодный обзор корпоративных ИИ-помощников для автоматизации рабочих задач, поиска и проверки документов. И в этот раз в рейтинг вошли сразу два наших решения — Contract и Cursor. 🔗 Ознакомиться с результатами обзора можно по ссылке. В исследовании коллеги собрали инструменты для бизнеса, помогающие в написании текстов, поиске информации по базам знаний или проверки документации. Наши продукты выполняют следующие функции: 1️⃣ Contract помогает работать с договорной документацией. Система определяет тип документа, проверяет его по внутренним чек-листам, находит риски и собирает протокол разногласий. Подробно о возможностях сервиса мы рассказывали в нашем канале. 2️⃣ Cursor — система поиска по корпоративным данным с применением технологии RAG. Он объединяет все источники информации в компании и ищет нужное не только по названию файла, но и по смыслу. Узнать о возможностях платформы вы можете в нашем посте с обзором функционала. Попадание в рейтинг — приятное подтверждение того, что мы движемся в верном направлении 🚀

🌐 Дайджест новостей в сфере регулирования ИИ со всего мира с начала год от ИИ & Право Вопросы права и технологий неразрывно связаны. Пока одни разрабатывают алгоритмы, другие создают правила, по которым им предстоит работать. Чтобы быть в курсе того, как меняется нормативная среда и законодательство в сфере ИИ, коллеги из канала ИИ & Право собрали подборку из самых интересных новостей с начала 2026-го года. 🚫 Китай планирует строго регулировать работу ИИ-компаньонов; ⚖️ Франция начала расследование из-за дипфейков, созданных Grok; 🧒 Нью-Йорк предлагает ограничить использование ИИ-чатботов детьми; 🏫 Гонконг выпустил рекомендации по защите школ от дипфейков; 💼 Канадский артист готовит иск против Google за сгенерированную ИИ клевету; 🏛 В январе 2026 года началось применение Регламента 10 DIFC; 📘 Сингапур опубликовал Model AI Governance Framework for Agentic AI; 📜 Ирландия опубликовала национальную схему исполнения Регламента ЕС об ИИ; 🎙 Европейский регулятор персональных данных запускает серию подкастов о ключевых трендах в ИИ; 📖 Опубликован Международный доклад по безопасности ИИ 2026, предупреждающий о реальных угрозах. В канале регулярно публикуют самые свежие новости о регулировании нейросетей, ИИ-комплаенсе, этических нормах и LegalTech. Если вам важно понимать не только содержание законов, но и логику регуляторов — подписывайтесь на канал @ai_and_law_rus. Здесь вы всегда найдете оперативные разборы законопроектов и опубликованные документы.

Как качество RAG влияет на бизнес-результаты: от метрик к эффекту Оценка RAG-системы с помощью метрик, которые мы рассматривали в нашем прошлом посте — это не просто техническая процедура. Каждый показатель напрямую связан с эффективностью конкретных бизнес-процессов, затратами и рисками. Мониторинг качества необходим на всем жизненном цикле решения: от этапа пилота и выбора архитектурных подходов до промышленной эксплуатации и масштабирования. Сегодня мы наглядно покажем, как изменения в метриках отражаются на реальных бизнес-показателях и почему управление ими становится задачей не только ML-команды, но и бизнеса. Рассказали больше в карточках к этому посту! 👉

Оценка качества RAG: практические метрики и подходы Внедрение RAG-системы — это отправная точка для непрерывного цикла улучшений. Чтобы понимать, насколько решение действительно приносит пользу пользователям и бизнесу, необходимо регулярно измерять качество его работы. Оценка RAG сложна: корректных ответов может быть несколько, а ошибка способна возникнуть как на этапе извлечения информации (retrieval), так и на этапе генерации (generation). Поэтому для объективной картины требуется набор взаимодополняющих метрик. Далее ML-инженер в Embedika, Никита Кравчук, расскажет о ключевых подходах, которые применяются на практике. #мнения

Какие новые функции вы хотели бы видеть в Compare? Ранее в постах мы уже рассказали про новые возможности Compare и подробно разобрали его текущий функционал. Теперь хотим узнать ваше мнение! Какие дополнительные обновления могли бы быть полезны для вашей работы? Проголосуйте за наиболее интересный вариант развития или предложите свою идею в комментариях. Ваши ответы помогут нам расставить приоритеты в разработке и сделать инструмент еще более полезным для ваших задач!

Польза RAG-систем для компаний — точные ответы на основе ваших данных Зачастую генерации ответов LLM недостаточно для работы с бизнес-задачами компаний. В этом случае важны точность, актуальность и привязка к источникам, которых недостает в генеративных моделях. Решением может стать дополнение промежуточного этапа — поиска (retrieval). Технология RAG дополняет модель доступом к поиску по корпоративным базам знаний и превращает его в инструмент для прикладных задач. Как формирует ответ RAG? Принцип работы RAG отличается от классической языковой модели, которая формирует ответ, опираясь лишь на внутренние знания, полученные при обучении. Вместо прямого ответа на запрос, модель работает с данными компании: 1️⃣ Система анализирует запрос пользователя и определяет его смысл. 2️⃣ Во внутренней базе данных определяются наиболее релевантные фрагменты документов и передаются модели как контекст. 3️⃣ Предоставленный контекст используется языковой моделью для генерации итогового ответа. RAG создает систему, сочетающую возможности ИИ-модели со спецификой данных компании. Это позволяет бизнесу решать конкретные задачи: 👉 Упрощение работы по узким, прикладным сценариям работы. Например, анализ и поиск по корпоративным архивам, внутренняя техподдержка, улучшение клиентского сервиса, онбординг новых сотрудников. 👉 Автоматизация поиска в профессиональных областях, например, для быстрого поиска информации по конкретному типу договора для юридического отдела или актуальных регуляторных требований для комплаенса. 👉 При частом обновлении данных в компании RAG становится незаменимой технологией. Компания перестает тратить ресурсы на дообучение исходной модели на новых данных — актуальность обеспечивается на этапе поиска. RAG-системы не подменяют классические LLM, а дополняют их, расширяя возможности применения ИИ в корпоративной среде. Это технология для сценариев, где важны точность, актуальность и опора на проверенные источники. При корректной работе с корпоративными данными RAG позволяет превратить разрозненные базы знаний в управляемый интеллектуальный инструмент — прозрачный, масштабируемый и адаптированный под реальные бизнес-процессы. Именно поэтому RAG сегодня становится ключевым шагом в развитии корпоративного ИИ.

Как Compare помогает сравнивать документы: обзор возможностей Вчера мы рассказали об обновлении нашего сервиса Compare — теперь он стал точнее и удобнее, появилась функция мультиязычности. Compare by Embedika — это бесплатный онлайн-инструмент для сравнения документов, который подходит для работы с текстами, таблицами, кодом и файлами на разных языках. Сервис не требует установки или регистрации, а все загруженные документы обрабатываются локально и нигде не сохраняются, что гарантирует полную конфиденциальность. А теперь — подробнее о возможностях сервиса! 👉

Поддержка всех языков и новая панель: что изменилось в Compare 🔥 Хорошие новости! Теперь вы можете сравнивать две версии одного документа быстрее и нагляднее. Мы обновили сервис Compare by Embedika — бесплатный инструмент для быстрого и точного анализа изменений. Теперь он стал ещё точнее и поддерживает работу с документами на любых языках. Мы улучшили интерфейс, а панель обзора изменений теперь абсолютно бесплатна для всех пользователей. Рассказываем подробнее, что нового в сервисе! ✔️ Повышенное качество сравнения: алгоритмы стали лучше распознавать изменения, в том числе в документах со сложной структурой и фрагментах программного кода. ✔️ Поддержка всех языков: вы можете сравнивать документы не только на русском, но и на иностранных языках. Это полезно для компаний, работающих с международной документацией. ✔️ Новая панель обзора изменений: панель стала удобнее — в ней отображается общее количество правок, а цветовая индикация помогает быстро ориентироваться в типах изменений. Кликнув на изменение, вы синхронизируете положение фрагмента во второй версии документа. ✔️ Обновленный интерфейс: мы упростили навигацию и улучшили визуальное отображение сравнения. Теперь можно легко менять документы местами, скрывать одну из версий, работать в полноэкранном режиме и масштабировать текст. Сервис остаётся бесплатным, не требует регистрации и гарантирует конфиденциальность: документы обрабатываются мгновенно и нигде не хранятся. Доступ к обновленному сервису открыт для всех — протестировать его можно по ссылке.

ИИ в 2026-м году: 3 инсайта для руководителей Сегодня компаниям становится важнее не просто заявить об использовании ИИ, а доказать, как именно он влияет на ключевые показатели компании. Бюджеты стали целенаправленными, а горизонт планирования короче. В таких условиях успешное внедрение строится на трех новых правилах, на которые мы советуем ориентироваться в 2026-м году. 1️⃣ Придерживайтесь принципов доказательности с первого дня внедрения Любой пилотный проект должен сразу показывать пользу на ваших данных. Горизонт внедрения сократился, и теперь рынок требует готовых решений или их адаптации в рамках нескольких месяцев. Поэтому начинайте с четкого, ограниченного по масштабу задач пилота, который сразу закроет конкретную боль и поможет получить пользу от решения в моменте. Если на этом этапе нет видимого ускорения процесса или экономии ресурсов — гипотеза не подтвердилась. Такой подход позволяет быстро проверять ценность технологий, минимизируя риски. 2️⃣ Ищите не универсальное решение, а «цифрового сотрудника» Если пилот доказал ценность технологии на ваших данных и процессах, следующий шаг — переход от инструмента к специализированному агенту. Современные ИИ-агенты — это узкоспециализированные ассистенты, встроенные в рабочие процессы. Например, это может быть помощник для юриста, который на основе RAG находит прецеденты во внутренней базе документов и формирует проект правки или агент для методиста, создающий персонализированные материалы. Такие цифровые сотрудники приносят конкретную пользу, автоматизируя задачи на основе внутренних данных компании. Именно специализированные агенты, а не общие модели, будут драйвером качественного скачка в этом году. 3️⃣ Измеряйте не точность алгоритма, а скорость бизнес-процессов Когда агент внедрен и настроен, фокус оценки должен сместиться. Успех интеллектуальных систем оценивается не по техническим метрикам, а по новым возможностям в процессах и улучшению качества результатов. Посмотрите на внедрение ИИ-систем с другой стороны: что изменилось в работе сотрудника или отдела после внедрения, насколько сократилось время на подготовку отчетов, поиск информации или согласование документов? Именно ускорение ключевых процессов и снижение операционных издержек становятся главными KPI для ИИ-проектов. Новый стандарт рынка — это подход, где во главу угла ставится измерение реального качества решения бизнес-задач. Эта последовательность, от проверки гипотезы к созданию специализированного агента и оценке его влияния на скорость работы, позволяет перевести разговор с технологий на измеримые бизнес-результаты и получать отдачу в сжатые сроки.

💼 Какое будущее у рынка труда в эпоху ИИ? Тревога по поводу влияния ИИ на рабочие места перестает быть просто темой для дискуссий и переходит в разряд осязаемых рисков. Если раньше считалось, что автоматизация угрожает лишь рутинному труду, освободив время для творчества, то сегодня первыми под удар уже попали рабочие места для молодых IT-специалистов, юристов, менеджеров по продажам и PR-стратегов. О серьезности ситуации свидетельствуют и конкретные действия государств: Министерство трудовых ресурсов и социального обеспечения КНР официально готовит пакет мер по противодействию негативному влиянию ИИ на рынок труда. 🇨🇳 Выводы из сообщения Министерства: - Технологический прогресс ведет к глубокой реструктуризации занятости, а не просто к исчезновению вакансий. - Государство сосредоточится на поддержке молодежи и выпускников вузов, которые наиболее уязвимы перед лицом быстрой адаптации ИИ в корпоративном секторе. - Главный посыл: «Эволюция — это не замена». Власти призывают смотреть на проблему в динамике и инвестировать в подготовку междисциплинарных талантов. Более того, ВЭФ выпустил свежий аналитический доклад «Four Futures for Jobs in the New Economy: AI and Talent in 2030», в котором представил детальную карту развития событий на ближайшие годы.

Интересное из доклада: - 54% руководителей ожидают, что ИИ приведет к сокращению рабочих мест в их компаниях. - Лишь 12% верят, что внедрение ИИ поспособствует росту заработных плат. - К 2030 глобальные макротренды могут создать около 170 млн новых рабочих мест, но одновременно уничтожить 92 млн существующих.

Ключевое в исследовании: 1️⃣ Экспоненциальный рост ИИ сочетается с высокой готовностью людей. ИИ-агенты берут на себя целые процессы, а люди превращаются в «оркестраторов агентов», управляя портфелями умных машин. Старые профессии исчезают, но новые возникают с огромной скоростью. 2️⃣ Технологический рывок происходит слишком быстро для систем образования. Бизнес стремительно автоматизирует процессы, чтобы закрыть дефицит кадров, что приводит к резкому росту безработицы, падению потребительского доверия и социальным потрясениям. 3️⃣ Развитие ИИ идет умеренными темпами, а фокус смещается с автоматизации на дополнение человеческих возможностей. Команды «человек + ИИ» становятся стандартом, а выигрывают те страны и компании, которые инвестировали в обучение навыкам работы с нейросетями на ранних этапах. 4️⃣ ИИ развивается медленно, а навыки сотрудников остаются на прежнем уровне. Производительность растет фрагментарно, неравенство усиливается, а бизнес использует автоматизацию лишь для того, чтобы заткнуть дыры в нехватке квалифицированных кадров. Таким образом, будущее зависит не только от мощности алгоритмов, но и от нашей способности адаптироваться. Стратегия «подождем и увидим» становится самой рискованной. Как отмечают эксперты ВЭФ, уже сегодня критически важно инвестировать в ИИ-грамотность и перестраивать рабочие процессы под сотрудничество с агентами, чтобы не оказаться в сценарии массового замещения. 💬 Тест Тьюринга. События в сфере ИИ. Подписаться

Делимся постом канала «Тест Тьюринга», где коллеги проанализировали ключевые тренды и государственные стратегии в ответ на влияние ИИ на глобальный рынок труда. В тексте — о возможных сценариях развития, автоматизацию процессов и риски, а вместе с тем затронут вопрос эволюции корпоративных ролей, где человек управляет процессами, а ИИ выполняет задачи. Будет полезно ознакомиться для понимания, как выстраивать карьерную и бизнес-стратегию в меняющейся реальности 👉

Итерационный подход к ИИ: от гипотезы к масштабируемому решению Запуск проекта на основе искусственного интеллекта — это лишь начало пути. Чтобы технология принесла реальную ценность, а не стала точечным экспериментом, бизнесу нужен не просто исполнитель ТЗ, а технологический партнер. Сегодня разберемся, как устроена совместная работа над ИИ-продуктами и почему она требует итерационного подхода, глубокого погружения в процессы и готовности к постоянному развитию системы. Ознакомиться с полной версией материала можно на сайте Инк.

Дайджест событий в области искусственного интеллекта 2026-й год начался с явного тренда: проекты с ИИ переходят в фазу системной интеграции в бизнес-процессы и государственное управление. ИИ-системы уже помогают нанимать сотрудников, автоматизируют финансовую аналитику и решают другие бизнес-задачи. Рассмотрим главные тенденции развития технологий за последний месяц👇 В России: 🧠 Х5 Group протестировали полный цикл подбора персонала с помощью ИИ, в пилотном подразделении нейросеть успешно закрывает 20% офисных вакансий. ⚙️ Институт им. А.А. Байкова и Ensec AI создали ИИ-платформу, которая объединяет разрозненные корпоративные данные в единую систему для поддержки управленческих и научных решений. 🤖 Банк «Точка» запустил ИИ-ассистента, адаптированного под специфику экономики маркетплейсов и помогающего продавцам автоматизировать финансовую аналитику. 📄 МТС-Банк внедрил Corporate AI Copilot для сотрудников. Помощник работает с документами, базами данных и решает другие бизнес-задачи. 📊 «Сбер» анонсировал интеграцию ИИ-агента в платформу Process Mining в 2026 году. Агент будет автоматически анализировать бизнес-процессы, рассчитывать KPI и проверять гипотезы о неэффективности. 💼 Подразделение ГК «Ланит» L Venture приобрело 4,2% долей у петербургского разработчика решений на базе ИИ Just AI В мире: 🚔 В Великобритании учредят национальный центр Police AI для внедрения ИИ в работу полиции и чат-ботов для обработки несрочных обращений граждан. 🛰 SpaceX планирует в ближайшие годы отправить на орбиту спутники с ИИ на борту, которые будут работать на солнечной энергии. 📑 Adobe добавила в Acrobat ИИ-функции для интеллектуального редактирования PDF и создания на их основе презентаций и подкастов. Аналитика: 🎓 По данным Минцифры, в 2026 году на программы подготовки ИТ и ИИ-специалистов в рамках проектов ведомства могут поступить 6,5 тысяч человек. 🚀 Прогноз экспертов (ЛАНИТ, Comindware и др.): компании, завершающие базовую автоматизацию, массово перейдут к внедрению ИИ-решений в 2026–2027 годах. Ожидается рост спроса на отраслевые, а не универсальные продукты. #дайджест

Как ИИ превращает документацию в систему управления бизнес-процессами В новой колонке для ComNews Айканыш Орозбаева продолжает тему цифровой трансформации. На этот раз — о том, как интеллектуальные системы меняют роль корпоративной документации: от пассивного архива до активного инструмента повышения устойчивости компании. Делимся главными мыслями из материала 👇 ✔️ Внутренние документы часто отстают от реальных процессов, создавая риски и замедляя адаптацию бизнеса. ✔️ ИИ позволяет готовить регламенты не только для людей, но и для «цифрового сотрудника» — системы, которая автоматически поддерживает актуальность и непротиворечивость всей документации. ✔️ Внедрение ИИ в работу с документами проходит три уровня: от создания полного комплекта документов для регуляторов до формирования эталонного датасета для обучения ИИ-помощников. ✔️ На практике такие системы уже сокращают время на поиск информации, снижают операционные риски и ускоряют реакцию на изменения регуляторов. ✔️ Цель — не просто автоматизация, а переход к такой бизнес-модели, где документация становится основой для прогнозирования и быстрой перестройки процессов. Полный разбор — в статье на ComNews. #сми_о_нас

Движение от статического знания к динамическому мышлению в архитектурах ИИ Мы в Embedika много работаем с языковыми моделями, семантическим поиском и анализом текстов для бизнеса. Но горизонт развития ИИ гораздо шире. Пока индустрия сосредоточена на улучшении нейросетей, которые умеют отвечать, отдельные группы разработчиков и исследователей уже думают над следующим шагом — созданием систем, которые могут мыслить. Мы хотим познакомить вас с русскоязычным сообществом AGI Russia, сфокусированным на этой задачей и ведущим практическую работу по созданию сильного искусственного интеллекта. Почему это может быть интересно? 1️⃣ Сообщество публикует обзоры по фундаментальным вопросам: архитектуры агентов, теория сознания, объединение символьных систем (графов) и нейросетей, планирование и рассуждение. 2️⃣ Авторы сообщества — разработчики и исследователи, которые пишут код, проводят эксперименты и делятся результатами. 3️⃣ За 5+ лет работы сообщество накопило уникальный архив материалов и опубликовало их в открытом доступе. Сообщество AGI Russia структурировано — можно выбрать удобный формат погружения: ➖ Канал @agirussianews — анонсы и важные события в мире AGI. ➖ Чат @agirussia — общение с единомышленниками. ➖ Тематические чаты @agitopics для глубокого разбора архитектур и подходов. ➖ Онлайн-встречи с разбором теорий и реальных подходов к AGI. ➖ Записи семинаров на YouTube, RuTube и VK Видео. Если тема архитектур ИИ завтрашнего дня вам близка, здесь можно найти концентрацию экспертизы и живых дискуссий на русском языке. Это одна из тех точек, где передовые исследования со временем превращаются в практические подходы.