Три ИИ-тренда, которые набирают силу прямо сейчас

В начале года российские ученые предсказали три важных ИИ-тренда. Мы решили долго не ждать, и уже в конце марта проверить, насколько они были правы.

Первый весенний месяц 2026 года подходит к концу, и уже можно увидеть, как прогнозы ученых в отношении ИИ становятся реальностью. К примеру, еще в январе эксперты Европейского университета в Санкт-Петербурге (ЕУСПб) и других вузов рассказали, чего они ждут от ИИ в ближайшее время. Мы попробуем проверить, не сбылись ли их предсказания уже через два месяца после того, как были сделаны.

Большие языковые ИИ-модели достигли своего предела. Об этом в начале года говорил директор Школы вычислительных социальных наук ЕУСПб Евгений Котельников. По его словам, популярные нейросети обучаются на текстах и изображениях, но лишены понимания причинно-следственных связей. Они могут лишь искать ответы в своих базах и в сети, а потом компилировать их под запрос пользователя. Как устроен мир, им неизвестно.

Именно поэтому будущее искусственного интеллекта — за моделями, обученными на базах знаний о мироустройстве, или на так называемых «моделях мира» (world models). С их помощью ИИ должен постигать реальность практически так же, как это делает ребенок — не столько в теории, сколько на собственном опыте и в процессе наблюдения. Базой для обучения здесь становятся видео, движения роботов и прочие способы демонстрации предметов и явлений в реальных ситуациях.

Сегодня на основе концепции развития ИИ через модели мира создает свой собственный проект лауреат премии Тьюринга Ян Лекун. Его команде на основе нового подхода к обучению нейросетей удалось заставить роботов с интегрированным ИИ точнее планировать каждое действие, что повысило их эффективность в среднем на 40%.

Помимо Лекуна, моделями мира усиленно занимаются специалисты NVIDIA и Стэнфордского университета, а также китайские ученые из пекинского университета Цинхуа и не только.

Но пока все это существует в рамках экспериментов и не выходит за периметры исследовательских лабораторий. По данным китайского издания The Paper, бизнес скептически настроен к моделям мира, потому что пока непонятно, как именно можно будет заработать на них. К тому же пока в мире нет баз данных, соответствующих новому подходу.

Отлично работающий с лицами людей ИИ пасует перед историческими изображениями. И, скорее всего, так будет и в будущем. Об этом в начале года рассказала Анастасия Старобыховская, специалист по компьютерному зрению и научный руководитель лаборатории «Искусство и искусственный интеллект» ЕУСПб.

Университет реализовывал крупный проект для Эрмитажа, в рамках которого необходимо было сравнить 8 тыс. гравюр из его хранилища с 30 тыс. гравюр из Британского музея. К работе привлекли искусственный интеллект. Но ничего хорошего из этого не вышло. Поскольку гравюры для него были нетипичным объектом, он не сумел справиться с поставленными перед ним задачами.

Того же мнения придерживаются специалисты Лейденского университета (Нидерланды). Они привлекали ИИ к археологическим раскопкам, но вынуждены были признать: алгоритмы плохо распознают исторические объекты — отвлекаются на фоновый шум. К тому же им явно недостает комплексных и унифицированных наборов данных для подобной работы.

Исследователи из университета Марбурга добавили: при работе нейросетей с произведениями искусства приходится постоянно сталкиваться скорее с устойчивыми стереотипами о шедеврах, чем с реальной помощью в исследованиях. Возможности интерпретирования и проверок для ИИ остаются ограниченными. Впрочем, помочь экспертам-искусствоведам он может, выполняя рутинные задачи.

Группа исследователей из Румынии, Болгарии, Франции и Великобритании опросила попросила 12 современных художников оценить уровень подражания ИИ их работам. Авторы вынуждены были отметить, что у нейросетей хорошо получается копировать внешние атрибуты, но не контекст и смыслы. Этому его еще предстоит научить.

При этом уже сегодня существует ряд проектов, где ИИ помогает искусствоведам и художникам. Так, модель HDLIP-SHAR позволяет различать мельчайшие трещины и другие повреждения на фресках, керамике, рукописях и картинах.

Канадские ученые из университета Лейкхед разработали систему ArtUnmasked, позволяющую отличать сгенерированные ИИ изображения от реальных произведений искусства. А канадец Эман Оуда создал нейросеть, способную самостоятельно делать заключение о подлинности картин.

Большие языковые модели скоро сменят настоящие роботы с искусственным интеллектом. В этом уверен Александр Фрадков, главный научный сотрудник Института проблем машиноведения РАН и профессор СПбГУ. По его словам, настоящий прорыв ждет нас в области создания максимально умных и автономных человекоподобных машин.

С Фрадковым согласен сооснователь OpenAI Илья Суцкевер. По его словам, увеличивать объемы больших языковых моделей просто некуда. Он уверен, что в ближайшем будущем мир перестанет делать ставку на популярные нейросети и точно займется чем-то другим. Примерно то же самое в свих интервью говорил и Дарио Амодей, CEO Anthropic.

При этом глава OpenAI Сэм Альтман, Демис Хассабис, CEO Google DeepMind и Сатья Наделла, генеральный директор Microsoft не согласны с такой оценкой. Так, первый заявил о разработке моделей нового поколения с 10-кратным увеличением вычислительных мощностей. Альтман считает, что большим языковым еще далеко до своего предела. Хассабис уверен, что эпоха больших моделей не заканчивается, они просто будут эволюционировать в мультимодальные агентные системы. На более масштабные ИИ-модели делает ставку и Microsoft.

Все тренды, о которых российские ученые говорили в начале года, постепенно развиваются, набирают обороты. Но не все идет так, как было намечено. Например, ИИ, чье обучение основано на глубокой модели мира, не сможет по-настоящему постигать реальность без очень сложных и больших баз данных. Помимо этой проблемы, ученым приходится задумываться и о том, как буквально продать технологию бизнесу. Очевидно, что подход моделей мира делает робототехнику и ИИ намного более точным и автономным, но и стоимость его пока возрастает до космических отметок. Говоря проще, настолько дорогостоящую новинку практически невозможно интегрировать в деятельность крупных компаний на выгодных условиях. По крайней мере, пока.

Не менее интересно, как будет развиваться история отношений академического искусства, археологии, творчества и ИИ. Надеемся, в скором времени нейросети получат больше возможностей попрактиковаться во взаимодействии с арт-объектами, что позволит им вывести свою полезность в этом вопросе на принципиально новый уровень.

Кстати, мы уверены, что большие языковые модели никуда не исчезнут. К ним уже все привыкли, так что, даже если прогнозы о постепенном завершении их развития окажутся правдой, разработчикам будет, чем заняться. В конце концов, никто не отменял проблему ИИ-галлюцинаций, вопросы доступа к информации и другие сложности.

В итоге, нужно принять тот факт, что уже в этом году, как и в годы последующие мы будем жить с несколькими типами ИИ одновременно. У каждого будет своя сфера применения, границы возможного и задачи. Нет минусов, кроме плюсов. Разнообразие — всегда прекрасно.