Телеграм канал «backupmemory»

Скилл дня

Называется Anatomy, подойдет для Claude Code, OpenCode и Codex, он создает детальные интерактивные иллюстрации машин и сложных систем в изометрии.

Помогает наглядно объяснить как устроен механизм или работает техническая идея. Вместо схемы из блоков получается модель с движущимися деталями. Подходит для документации, статей и лендингов, поддерживает SVG, WebGL и 3D-эффекты.

Пробуем тут.

ИИ делает нас умнее. Или все-таки нет?

Друзья, специально к Дню знаний мы выложили новую серию подкаста 2TOK об ИИ в образовании и науке.

Он уже доступен на YouTube и VK Видео.

В гостях Андрей Себрант, директор по стратегическому маркетингу Яндекса и профессор ИТМО, и Иван Оселедец, гендиректор Института искусственного интеллекта AIRI и декан факультета ИИ МГУ.

С одной стороны ИИ можно использовать как экзоскелет для мозга: он подхватывает усилия, забирает рутину, помогает сделать больше и быстрее, но направление движения все равно определяет человек.

С другой стороны можно превратить его в «инвалидное кресло» для мышления: отдать модели домашку, диплом, презентацию и даже не пытаться вычитать и понять результат.

Выбор остается за человеком.

Что обсудили:

• Проблема домашек не появилась вместе с ChatGPT. До нейросетей школьники искали ГДЗ. Если задание воспринимается как бессмысленное заполнение времени, ученик все равно найдёт кратчайший путь. Запретить ИИ здесь проще, чем разобраться с мотивацией и способом оценки знаний, но вряд ли полезнее.

• Учить «правильным промптам» поздно уже в момент подготовки программы. Технология меняется быстрее учебников. Профессия промпт-инженера, которую в 2023 году объявляли профессией будущего, быстро растворилась в обычном умении работать с моделями. Нужнее навык постоянно переучиваться и спрашивать у агента, как лучше решить конкретную задачу.

• Нейрослоп становится новой формой профессиональной небрежности. Нажать «сделай презентацию» и принести 20 аккуратных слайдов ещё не значит выполнить работу. Бывает так, что презентацию сократили вручную с 18 до 6 слайдов и вычитали, а после очередного прогона через нейросеть она вернулась уже на 21 слайде. Модель ускоряет производство текста, но не берет на себя смысл, вкус и ответственность.

• В науке ИИ уже работает как соавтор. Агент подбирает 50–100 работ, резюмирует их и отмечает фрагменты для самостоятельного чтения. То, что раньше занимало две недели, теперь укладывается в день. Еще интересный пример: студентка за трёхчасовой семинар вместе с Claude сформулировала гипотезу, написала код и подготовила работу, которую затем приняли на конференцию.

В подкасте мы ставим неудобный вопрос перед школами, ВУЗами и нами самими: если модель умеет написать типовую домашку, диплом или научную статью, что именно мы теперь должны считать результатом обучения и работы?

Для меня ответ такой: ценность сейчас смещается от производства текста к постановке задачи, проверке, пониманию и личному суждению. ИИ может сделать нас заметно сильнее. Но когнитивную мышцу, которую перестали напрягать, никакой экзоскелет уже не спасет.

Смотрите новый подкаст, оставляйте комментарии. Ну и скажите, для вас ИИ скорее «экзоскелет для мозга» или «инвалидное кресло»?

#2TOK

💬 ген ии | MAX

🎉 Нашу с Леонидом Синевым статью опубликовали в JAIR (Journal of Intelligence Research)! 🎉

Computational Approaches to Automatic Poetry Generation and Evaluation: A Survey

Это обзор, посвященный теме генеративной поэзии:

- решаемые задачи
- доступные датасеты
- инструменты для разметки и анализа
- подходы к созданию генеративных моделей
- методы оценки сгенерированных стихотворений

Идея написать такой обзор появилась почти два года назад. Я активно рисёчил генеративную поэзию и анализировал всё, что хоть в малейшей степени относилось к ней. Начали копиться внутренние пейпервотчи и tl/dr заметки. Обзор - способ поделиться мудростью этими материалами, попутно систематизируя, находя интересные применения методам из соседних областей NLP и придумывая эксперименты.

Обзор был написан примерно за полгода, подан в другой журнал. Там получил обидный реджект по итогу рецензирования на втором раунде. Мы взяли все замечания рецензентов, переписали обзор более чем на 50%, учтя всё, что получили от рецензентов, и подались в JAIR. Прошли два раунда рецензирования, с исправлением замечаний и докидыванием в обзор информации о статьях, вышедших за время с подачи первой версии.

Времени и энергии весь этот процесс потребовал очень много, так что моя рекомендация - не писать подобных обзоров, если есть хотя бы малейшие сомнения, что готовы на долгую битву с рецензентами. Есть еще такой бенефит: написав обзор, вы волей-неволей станете очень погруженным в тему и насмотренным в пейперах, репозиториях и датасетах.

И последняя мысль касается использования AI. Его использовали как:

1) спелчекер, чтобы текст не читался как рунглиш, был fluent и соответствовал академическому стилю. Как ни странно, я очень часто правил то, что мне выдавали чатботы, чтобы подсветить что-то или исправить явную глупость. Увы, чатжпт может нести чушь, которую видно только если ты погружен в тему.

2) поисковик для подбора академических материалов, особенно по лингвистике и смежным темам. Выглядело это так: я просил чатбот найти citable материал по такому-то вопросу, шел по найденным названиям в https://archive.org/ и брал там нужную книгу какого-нибудь оксфордского профессора от 1960 года на время (есть такой функционал), находил страницу с нужной инфой и вставлял ссылку.

3) эмулятор рецензента: в чатбот закидывался драфт статьи с просьбой побыть дотошным рецензентом с большим бэкграундом в нужной области. Полученный список замечаний анализировался живыми мозгами, разумные - брались в работу, и так несколько циклов. Повторять до тошноты.

Это была долгая охота ☺️

Реанимировала сайт ART.IS.YOU.

Здесь — исследования, проекты, тексты и эксперименты на тему человека и технологий.

Когда технологическая система ошибается, кто должен отвечать за эту ошибку?

Один ответ — тот, кто передал ей полномочия.

«Ответственность не делится и не уменьшается из-за автономности процесса. Она переносится на более ранний акт делегирования: выбор цели, ограничений и условий запуска».

AI and Ethics, 14 сентября 2026.

Другой — ответственность уже невозможно свести к одному человеку.

«Моральная ответственность рассеивается, ослабевает и перераспределяется между последовательными этапами агентного процесса».

Digital Society, 15 сентября 2026.

Третий — смотреть нужно на реальную возможность вмешаться.

«Задержка определяет, было ли человеческое вмешательство реально возможным, влияет на оценку предсказуемости и помогает установить, кто мог предотвратить вред»
.

Humanities and Social Sciences Communications, 25 сентября 2026.

Интереснее другое: если решение принимает система, кто именно должен оставаться в позиции, из которой её ещё можно остановить?

Какие решения можно передать технологической системе, а какие должны оставаться за человеком?

Пока один ответ — сложные задачи требуют человека.

«Агенты всё ещё нуждаются в значительном человеческом управлении, особенно по мере роста сложности задачи. Более половины успешных задач на 4–8 часов потребовали вмешательства».

OpenAI, 6 сентября 2026.

Другой ответ — система может сама определять, когда ей нужен человек.

«Автономные клинические ИИ-агенты могут завершать диагностический процесс без постоянного участия человека, поддерживая сложные рассуждения и принятие решений».

Nature Medicine, 15 сентября 2026.

И третий — иногда человеку вообще не стоит оставлять последнее слово.

«ИИ-агенты снизили долю столкновений до 2,8–4,6% против 12% у людей в 108 смоделированных сценариях».

Accident Analysis & Prevention, сентябрь 2026.

Интереснее другое: имеем ли мы право оставлять решение человеку, если система принимает его лучше?

Кто сегодня больше адаптируется: человек к технологиям или технологии к человеку?

Обычно этот вопрос предполагает выбор одного из двух ответов. Но свежие исследования показывают, что происходит и то и другое — просто на разных уровнях.

В интерфейсах «мозг — компьютер» меняется человек. Адаптивный алгоритм влияет не только на качество управления системой, но и на то, как в процессе обучения перестраивается само нейронное кодирование.

«Наши результаты показывают, что адаптивные декодеры влияют на нейронное кодирование на нескольких уровнях».

Nature Communications, 15 сентября 2026.

В другом случае меняется уже технология. В эксперименте Anthropic пяти минут разговора оказалось достаточно, чтобы агент начал моделировать предпочтения конкретного человека и действовать от его имени.

«После пятиминутного разговора рейтинг книг, составленный агентом, совпал с рейтингом человека в 61% пар».

Anthropic, Project Swap, 24 сентября 2026.

Но, кажется, самое интересное начинается там, где эти два процесса встречаются. Исследование взаимодействия человека с ИИ показывает: высокая эффективность возникает и тогда, когда система лучше подстраивается под человека, и тогда, когда сам человек активнее учится работать с системой.

«Технологическая адаптивность и человеческая инициатива совместно поддерживают согласование человека и ИИ».

Technology in Society, август 2026.

Интереснее другое: что происходит с человеком, когда он адаптируется к системе, которая одновременно адаптируется к нему?