Нейросеть в блокноте

Как Kindle пытается читать мысли владельца (и почему у него это плохо получается)

Главная софтверная инновация нового Kindle Scribe – функция «Ask your notes», которая пытается решить проблему бумажных заметок: невозможность их гуглить. Устройство индексирует рукописные заметки пользователя, превращая мертвый архив блокнотов в базу данных, с которой можно разговаривать в формате чата.

Можно спросить у планшета: «Какие дедлайны я записал на совещании во вторник?» или «Что мы решили по проекту Х?». Нейросеть анализирует рукописный текст, распознает почерк, связывает контекст из разных страниц и выдаёт ответ. Хаотичные заметки можно одной кнопкой превратить в аккуратный печатный конспект (Refine Writing) или вычленить краткое содержание (Summarize).

На практике «цифровой мозг» пока работает не слишком надёжно. В первых тестах из сети система уверенно галлюцинировала: путала имена людей с названиями задач, неверно интерпретировала списки покупок как бизнес-планы и спотыкалась о небрежный почерк. Если запрос простой – ИИ справится, но собрать воедино сложную стратегию из разрозненных заметок ему пока не под силу. Точность ответов напрямую зависит от каллиграфии владельца, что убивает саму суть быстрых заметок на лету.

За этот эксперимент пользователь платит не только деньгами, но и данными. Для анализа рукописи отправляются в облако Amazon, что для бизнеса – риск утечки информации. Да и пользователи тоже не все хотят делиться сэмплами собственного почерка, заметками и рисунками с корпорацией. По сути, компания продает сырую бета-версию технологии под видом премиальной функции, предлагая пользователям самим обучать нейросеть за свои 630 долларов.

Одна из главных проблем в развитии умных роботов – дефицит данных: записей физических действий, сопряженных с визуальным контекстом, мало. Мы как-то писали про фермы с индусами, которые весь день складывают полотенца для обучения ИИ. Nvidia решила пойти по немного другому пути – через видеоигры, где физика и логика действий уже симулированы.

Компания представила NitroGen – базовую модель, которая учится универсальным принципам управления в тысяче различных виртуальных миров. Идея в том, чтобы дать алгоритму «насмотренность»: модель учится понимать, как визуальная картинка (препятствие, враг, цель) должна трансформироваться в конкретное действие (нажатие кнопки, поворот), независимо от жанра или графики.

Разработчики написали алгоритм, который анализирует видео с площадок (вероятно, YouTube и Twitch), где стримеры выводят на экран изображение геймпада с нажатыми клавишами. Система автоматически сопоставляет происходящее в игре с нажатиями кнопок, создавая пары видео–действие. Так удалось собрать 40 тысяч часов обучающего материала из более чем 1000 игр. На выходе получилась маленькая модель, которая при переносе на новую, незнакомую игру справляется с задачами на 52% лучше, чем нейросеть, которую учили с нуля.

Если заглянуть чуть дальше, то окажется, что многие реальные устройства – от FPV-дронов до промышленных манипуляторов – управляются с пульта или геймпада, поэтому навык может стать фундаментом для управления реальной техникой. Прямой перенос модели в реальных роботов пока невозможен, ведь цена ошибки в физическом мире выше, а управление сложнее. Но NitroGen может стать заготовкой для других систем компьютерного зрения. К тому же у модели всего 500 миллионов параметров – немного по современным меркам, но позволяет запускать её локально, прямо на борту робота или дрона.

Алиса теперь библиотекарь

Яндекс сделал новый продукт с генеративным искусственным интеллектом – умный поиск в Яндекс Книгах. Как мы писали в тексте про ассистента в сервисе Wink, это одно из самых логичных применений для LLM. В отличие от «ИИ-ассистента» Яндекс Маркета, здесь технология решает реальную проблему пользователя: помогает найти книгу, когда есть запрос на атмосферу, сходство или специфическую тему, а не на конкретного автора.

Чат-бот работает на базе Alice AI и каталога произведений сервиса. Длинные детализированные запросы работают без особых проблем. Инструмент ищет хуже ChatGPT, но выигрывает за счёт других моментов: скорости доступа и интеграции в приложение. Есть вероятность, что человек после прочитанной книжки нажмёт на кнопку и напишет «Хочу вот такую же книгу, как эта, прямо с таким же вайбом, и чтобы драконы, и любовный треугольник был» – и пойдёт читать дальше.

Из нашего опыта, бот ощущается пока скорее как бета – ответы могут отличаться, книги находятся не всегда. А главное, он не держит контекст: при уточняющих вопросах он забывает предыдущий диалог и начинает искать совершенно другие вещи, из-за чего теряется смысл отдельных чатов. Ответы получаются сухие, короткие, с перечислением книг. Скорее это просто умный поиск по каталогу. Больше всего портит впечатление агрессивное навязывание компанией ИИ-функций: по новой традиции, кнопку вызова нейросети разместили прямо по центру меню, где, конечно, пользователи без неё не обойдутся. Осталось только избавиться от интерфейса совсем и заменить его чат-ботом.

P.S. В запросе «Найди книгу про становление мальчика художника из американской глубинки. От известного автора, не помню его» имелся в виду «Гений» Драйзера. Но с поиском справилась только Gemini, так что придираться не будем.

Дилдо, водка и грибы: корпоративные чат-боты сошли с ума

Пока одни продолжают надувать пузырь капитализации ИИ, другие из последних сил пытаются применить эти технологии не только для рисования котов и подпитки инфантилизма, но для решения корпоративных задач. Тем примечательнее несколько случаев применения технологий генеративной генерации ответов в корпоративных чат-ботах.

Дилдо и нацисты: кейс GAP

Сеть магазинов по продаже повседневной одежды GAP внедрила в чат-бота для своего веб-сайта технологии генеративного ИИ для того, чтобы сделать коммуникацию с брендом более удобной для пользователей. Быстро выяснилось, что пользователи решили обсудить с новым “умным” помощником не халаты и джинсы, а секс-игрушки, наркотики и, традиционно для западных хохотунчиков, нацистов. В принципе, ничего нового: практически любой новый “ИИ” пытаются проверить по принципу “будет ли он обсуждать секс и Гитлера”. Помощник GAP обсудил.

Сколько нужно водки для корпоративной вечеринки: кейс Glean

Компания Glean внедрила генеративные ИИ-технологии в чат-бота, который должен был помогать сотрудникам в работе. Обычное корпоративное enterpise решение. Все пошло не по плану, когда сотрудники решили обсудить с “помощником” сколько бутылок водки нужно взять на вечеринку на 20 человек. Чат-бот сообщил, что достаточно будет 2-3 бутылок. Мы, конечно, удивлены, но не до конца: и бутылок мало, и сам факт обсуждения тем за пределами предназначения указывает на то, что бот скорее использует более широкую доученную LLM-модель, нежели заточен по конкретные корпоративные задачи.

Волшебные грибы: кейс AutoRabbit

Разработчик AutoRabbit запустил корпоративного чат-бота внезапно выступил советчиком по психоделическим запрещенным веществам, когда сотрудники начали обсуждать с ним волшебные грибы. Бот предоставил информацию по дозировкам и даже предупредил, что новичкам нужно начинать с меньших дозировок. В отличие от водки для вечеринки, такие консультации несут серьезные юридические последствия, ведь дело касается запрещенных психоактивных веществ.

Почему это происходит?

Во-первых, зачастую в упаковке “корпоративного решения” предлагаются обычные, с дополнительным дообучением на корпоративных данных, LLM-модели. В результате, при первой же возможности, они начинают расширять свой ответ, как подросток, считающий, что знает все на свете. Результатом может стать не столько галюцинации, в принципе присущие любым генеративным ИИ-инструментам, сколько уход от главной темы запроса.

Во-вторых, в случае использования уже готовой модели, над ней должна быть создана система фильтрации и правил, чтобы исключить отход от корпоративных тем. Чат-бот должен уметь отвечать, что запрашиваемая тема находится вне его компетенции. Тогда и дилдо с водкой не будут фигурировать в ответах.

В-третьих, не стоит верить маркетингу и рекламе. Разработчики чат-ботов “нового поколения” зачастую сильно приукрашивают реальность и возможности своих решений. За красивой оберткой может скрываться недоработанная модель, использование которой в итоге может привести не только к репутационным потерям, но и юридическим рискам.

#нейродайджест Аишки за неделю

✦ Дилдо, водка и грибы: корпоративные боты пустились во все тяжкие, начав обсуждать с клиентами нацистов, водку и психоделики

✦ Alibaba делает из ИИ верстальщика: модель Qwen-Image-Layered научилась генерировать полноценные PSD со слоями вместо обычных картинок

✦ Лицо как SaaS: H&M и Zara заменяют живых людей цифровыми клонами, превращая внешность в ПО, а моделей – в рантье

✦ ИИ учится видеть сквозь пакеты: Яндекс и Сколтех выложили в опенсорс датасет PackEat, чтобы удешевить компьютерное зрение для ритейла

✦ Камеры Яндекса теперь «стучат» на котов: VLM-модель описывает события умного дома текстом, но требует платную подписку и отправку данных в облако

✦ Kindle Scribe за $630 пытается читать мысли (и заметки): Amazon продает сырую функцию анализа рукописного текста, которая пока только галлюцинирует

✦ OpenAI показала «Итоги года»: ChatGPT теперь анализирует ваши чаты и выдает статистику в стиле Spotify Wrapped (спойлер: очень поверхностно)

✦ Nvidia учит ИИ на стримах: новая модель NitroGen смотрит, как геймеры играют в видеоигры, чтобы научиться самостоятельно их проходить

✦ Яндекс Книги ищут литературу по «вайбу»: нейросеть пытается работать библиотекарем, но страдает от потери контекста и навязчивого интерфейса

Сегодня важная дата в истории отечественного искусственного интеллекта. Ровно 50 лет назад, 27 декабря 1975 года в матче против гроссмейстера Юрия Авербаха программа «Каисса», разработанная в Институте проблем управления АН СССР под руководством Владимира Арлазарова, одержала победу. Важно отметить, что это была не традиционная шахматная партия, а эндшпиль формата «пешка с ладьей против ладьи», что является в теории шахмат сложным эндшпилем, в котором играющий с одной лишь ладьей должен удержать ничью. Победа «Каиссы» над Авербахом, обладавшем в тот момент титулом чемпиона СССР, стала важным символом перехода к настоящему искусственному интеллекту в прикладном смысле, когда машине можно доверять в узкой, но критичной задаче.

Это достижение советских ученых стало результатом, как это ни странно, пари, которое заключил международный мастер шахмат Дэвид Леви с разработчиками «Каиссы» в декабре 1974 года. Пари заключалось в том, что Леви не верил, что разработчики сумеют за один год создать программу, способную переиграть сильного советского шахматиста в эндшпиле. Примечательно, что в этот момент Леви уже заключил пари с другими, по большей части американскими, разработчиками ИИ. Это случилось в августе 1968 года, суть спора в том, что Леви утверждал, что в течение 10 лет ни одна шахматная программа не сможет обыграть его в матче. Это пари, кстати, Леви выиграл, в отличие спора с советскими учеными.

Ставка в пари с советскими учеными была символической. Если побеждали разработчики «Каиссы», то Леви передавал им 12 бутылок шотландского виски, если же побеждал Леви, то он получал бы 12 бутылок водки.

Матч между «Каиссой» и Авербахом продолжался 8 часов, в основном из-за скорости вычислений, производившихся на ЭВМ. Главным достижением стало то, что программа находила ходы, которые были совершенно неочевидными и не согласовывались с теорией эндшпилей. Именно это впечатлило и разработчиков, и самого Авербаха, так как, пусть и в небольшом эпизоде шахматной партии, но программа продемонстрировала нетипичный подход и действовала непредсказуемо.

Сам Леви, впрочем, перешел из стана скептиков в лагерь энтузиастов ИИ лишь в 80-х. Подчеркивая, что успехи советской школы показали, что в конкретных узких задачах компьютер уже может быть сильнее мастера, но это не опровергает его исходное пари, касавшееся полноценной партии между человеком и компьютером. Стоит напомнить, что первую победу компьютера над человеком в классической шахматной партии с действующим чемпионом мира одержал суперкомпьютер Deep Blue 10 февраля 1996 года.

С мест сообщают, что Авито запустил публичное тестирование двух новых сервисов – «Ави» для покупателей и «Ави Pro» для продавцов. Не новость, что ИИ-ассистенты становятся главным технологическим трендом. Авито развивает это направление достаточно давно – ещё в октябре мы писали, что компания зарегистрировала своего помощника Ави и начала его закрытое тестирование. Теперь технология добралась до пользователей платформы.

По словам компании, ассистенты представляют собой систему специализированных ИИ-агентов, работающих на базе собственных моделей компании A-Vibe и A-Vision. Запрос пользователя обрабатывается поэтапно: один агент отвечает за подбор вариантов, другой уточняет параметры, третий анализирует статистику. В Авито считают, что благодаря обучению на данных платформы, алгоритмы понимают специфику рынка лучше универсальных моделей. Покупателю они помогают сравнить товары и дают их описание простым языком, а продавцу – подсказывают, как улучшить показатели объявления, опираясь на цифры.

При этом, насколько мы поняли, от привычного поиска никто не отказывается, а ассистент становится дополнительным инструментом. У генеративных моделей остаются недостатки, (например, галлюцинации и ограниченное контекстное окно), однако для быстрого и более абстрактного поиска, когда пользователь не знает чётких характеристик и модели товара – такой диалоговый формат подходит отлично.

В компании говорят, что делают на технологию большую ставку и планируют её развитие. В 2026 году Авито собирается вложить в ассистентов около миллиарда рублей. Также в планах есть внедрение поиска по фото, голосовое управление и инструменты для массовой работы с контентом, чтобы сделать взаимодействие с платформой более персонализированным.

Алису научили переводить Джойса

Битва нейросетей на поле русской словесности

Мы уже рассказывали, как языковые модели улучшили сервис перевода Google. Теперь в игру вступил Яндекс – компания обновила Переводчик и добавила бета-функции перевода на базе ИИ. Здесь у Яндекса есть плюсы перед зарубежными конкурентами – большой массив русских данных и инженеры, для которых русский язык родной. Начался период не просто машинного перевода, а битвы за контекст и понимание сути текста, сохранение интонаций и нюансов, с которыми раньше справлялись только живые переводчики. Так что же, они снова больше не нужны?

Мы проверили алгоритмы на отрывках из «Улисса» Джойса. Яндекс обошел Google Gemini по художественности: текст ложится легко, стиль приближен к оригиналу, читать приятно. Но тут же появилась главная проблема генеративных моделей – галлюцинации. В попытке сделать «красиво» нейросеть начинает сочинять: например, довольно прозаичная «орудийная площадка» превратилась в пафосный «пушечный лафет». Звучит, конечно, благороднее, но оригиналу не соответствует – Алиса стала тем самым переводчиком, что заигрался в писателя.

Новый ИИ-режим отлично подходит, чтобы перевести письмо, статью или книгу, и получить связный живой текст. Но из-за галлюцинаций использовать его для перевода инструкций, юридических договоров или художественных текстов, где каждое слово важно и стоит на своём месте, кажется сомнительной идеей. Благо есть классический режим (и возможность нанять живого переводчика). В остальном же Яндекс сделал из Алисы хорошего «литературного негра». Остаётся только один вопрос – чем это отличается от переводчика в новой вкладке Яндекс Браузера, который уже давно работает на базе LLM?

На странице сервиса также добавили отдельный чат-бот, которому можно задавать вопросы по грамматике и языку. Здесь интеграция ИИ может быть опаснее – если понять неточности в переводе по контексту ещё можно, то вот ошибки или галлюцинации в правилах могут привести к более серьёзным последствиям для изучающих язык пользователей. Надеемся, у Яндекса есть идеи, как снизить количество галлюцинаций и «креативности» в ответах моделей.

OpenAI продаёт страх

Зачем Альтману отдел по борьбе с апокалипсисом, которого нет?

OpenAI выложили вакансию мечты для любого параноика – Head of Preparedness с окладом в 555 тысяч долларов и опционами. Его задачей станет буквально «спасение человечества» от киберапокалипсиса и биологических атак, которые якобы вот-вот устроит ChatGPT. Сэм Альтман снова напоминает о себе и играет в любимую игру «Держите меня семеро, я создал монстра».

Есть ли от чего охранять планету? Ну, пока разве что от гения с деменцией, ибо нейросети сегодня знают много, но теряют нить повествования и начинают путаться в диалоге уже через пару десятков сообщений. Самостоятельно вести проекты, не говоря уже про планирование захвата энергосистемы или создание вирусов, ИИ явно не способен. Нанимать «Архитектора обороны» к текущим моделям – как строить бетонный саркофаг для хомячка: выглядит внушительно, но внутри просто зверушка, которая бегает в колесе и иногда гадит мимо опилок.

Так зачем платить полмиллиона долларов за борьбу с ветряными мельницами? Есть предположение, что это очередной ход по накачке капитализации: инвестору проще поверить, что стоимость компании оправдана, если ему говорят про «архитектора готовности» для предотвращения жутких последствий, которые может принести миру этот продукт. А когда регуляторы из США или ЕС придут с вопросами, почему ИИ уронил базу данных банка или помог мошенникам, OpenAI выложит на стол следующее: «Смотрите, у нас есть целый Департамент во главе с, простите за тавтологию, Главой, и мы уже разбираемся с этим инцидентом».

P.S. Ну, или просто нужно пристроить кого-то из друзей Альтмана?

Цифра дня

0 долларов прибыли – финансовый итог эксперимента, в котором нейросети доверили управление обычным автоматом со снеками. Искусственный интеллект Клавдий Claudius оказался слишком доверчивым: вместо того чтобы приумножать капитал, поддавшись уговорам журналистов в рабочем чате, он начал раздавать товары бесплатно. В корзину улетели не только чипсы, но и живая рыба, вино и даже новенькая PlayStation, которую бот купил «для маркетинговых целей».

Разработчики твердят, что за автономными агентами будущее мировой экономики. И этот кейс их заявления подтверждает – если это, конечно, будущее без капитализма и рыночных отношений. Оказалось, что достаточно пары убедительных сообщений и одной поддельной «директивы совета директоров», чтобы свергнуть цифрового начальника и устроить коммунизм в отдельно взятом офисе. Стартап с треском провалился, зато рыбка, купленная нейросетью, теперь счастливо живет в редакции.

«Русский Topaz» по цене однушки

Российская платформа Gen-A привлекла 32 млн рублей инвестиций с крайне амбициозной целью: стать отечественным аналогом Topaz Labs. Это одно из самых известных приложений для увеличения разрешения фото и видео. Разработчики утверждают, что они сделали «первую в России комплексную ИИ-платформу для нейросетевого улучшения видео, фото и аудио», а их продукт уже обходит Topaz по скорости в два раза и по детализации на 25%. Что это значит и как считали – не говорят. Заявка серьёзная, учитывая, что Topaz годами остаётся золотым стандартом в индустрии.

У Gen-A на старте нет ни публичных бенчмарков, ни технических статей, ни независимых тестов. Компания лишь заявляет, что их пайплайн строится на совмещении диффузионных моделей и GAN-сетей. В теории гибридный подход оправдан: GAN быстро строит структуру кадра, а диффузия точечно генерирует сложные текстуры. Это позволяет избежать медлительности одних сетей и артефактов других. На практике же рынок сейчас переполнен «обёртками» над стандартными моделями Stable Diffusion, которые любой энтузиаст может собрать в ComfyUI за полчаса. На фоне отсутствия технической конкретики сложно понять, уникальная это разработка или такой же конвейер из готовых инструментов.

Рынок ИИ-апскейла поделен, и новым игрокам вклиниться в него непросто. С одной стороны, есть массовые инструменты Adobe. С другой – современные генеративные сервисы вроде Magnific или Freepik, которые часто галлюцинируют и дорисовывают несуществующие детали. Topaz ценят именно за предсказуемость. Российский продукт, судя по имеющимся данным, относится ко второй категории новых генеративных сервисов – тогда зачем сравнивать себя с инструментом для профессиональной реставрации? Тем более что денег тягаться с ними явно не хватит.

При этом 32 миллиона рублей инвестиций и фокус на B2B-сегменте (массовая работа с архивами) позволяют компании не конкурировать с Topaz в лоб. Невысокая стоимость подписки (от 300 рублей) и рублевый биллинг ещё могут сделать продукт привлекательным для российских студий.

Цукерберг купил «цифровые руки». Не факт, что прямые

Компания Марка под конец года ударилась в шоппинг и объявила о покупке китайского сингапурского сервиса ИИ-агентов Manus стартапа Butterfly Effect Technology. Сумма сделки не разглашается, есть слухи об оценке в 2-4 миллиарда долларов – неплохо для компании, которая запустилась в марте этого года. Цукерберг, вероятно, руководствовался озвученными ими финансовыми показателями: Butterfly заявляет о выходе на 125 миллионов долларов годовой выручки.

Оценка выглядит щедрой, учитывая, что Manus – это классический сервис эпохи ИИ-хайпа. Надстройка без собственных фундаментальных моделей, перепродающая возможности чужих нейросетей через свой интерфейс. Цифры выручки основаны на экстраполяции (речь про run-rate), а не на существующем денежном потоке. Для фаундеров это прекрасный повод продать бизнес, пока интерес на пике и разочарование от сервиса ещё не наступило. Стартап даже своевременно попытался избавиться от китайских корней, переехав из Поднесбесной в Сингапур (получилось не до конца, всплыли партнёрство с Alibaba и пекинская материнская структура).

Вопрос, зачем это Цукербергу, риторический – кажется, что он исповедует свой, особенный подход к бизнесу. Есть вероятность, что Цукерберг хочет заменить модели под капотом на собственные, получить размеченные данные (как пользователи формулируют задачи, как агент ошибается, как исправляется и как именно пользуется вебом) и малой кровью приобрести популярный сервис с агентными возможностями, которые уже есть практически у всех конкурентов. На этом фоне традиционно зададим вопрос – как там дела у Operator от OpenAI? Бронирует пользователям столики?

Чем нам запомнился ИИ в 2025 году

ИИ в 2025 запомнился тем, что перестал быть магией. Год начался обещаниями замены людей на цифровых рабов работников, а закончился вопросом «Где деньги?». Оказалось, что роботы дальше, чем думал рынок, умные агенты пока всё ещё тупят, а навязывание ИИ начинает надоедать.

Россия живёт в двух реальностях одновременно. Первая, витринная – это экосистемные гиганты, которые строят «национальные ИИ-комбайны» и суют технологию в поиск, ассистента, маркетплейс, облако, умные устройства. Там много презентаций, красивых обновлений и попыток заставить пользователей использовать ИИ даже против их воли. Это важная часть рынка, но 2025-й показал неприятную вещь: просто добавить кнопку «спроси у ИИ» не достаточно, чтобы завоевать лояльность пользователей, которые давно привыкли к зарубежным решениями и ботам в телеграме. Правда, с текущими доходами и ключевой ставкой немногие компании могут себе такое позволить.

Вторая реальность интереснее – это корпоративная Россия. Здесь ИИ внедряют не так громко, не только хайпа и статуса ради, а стараются превратить в инструмент, используя точечно, считая результаты и получая отдачу. В промышленности, финтехе, логистике, ритейле и контакт-центрах нейросети стали таким инструментом. Изоляция от международного рынка и сложности с комплектующими парадоксально сделали рынок более рациональным: прежде чем «прикрутить LLM», компании считают стоимость дообучения, итераций, инференса и человеко-часов. Ну а китайские открытые модели пока остаются доступны всем желающим и легли в основу внутренних решений российских компаний.

Беспилотники и роботизация всё чаще воспринимаются как продолжение ИИ, а не игрушки для выставок. Не потому что модели внезапно поумнели, а потому что бизнесу и государству стало выгодно автоматизировать наблюдение, контроль, маршрутизацию и доставку. ИИ в 2025-м заметнее всего там, где он не разговаривает, а анализирует данные: классический ML всё ещё остаётся более полезным и актуальным для бизнеса, чем языковые модели.

За пределами России 2025 был годом громких гонок и разочарования. LLM научились размышлять, потом стали гибридными, мультимодальными, получили увеличенное контекстное окно. В какой-то момент для обычного пользователя разница между обновлениями начала теряться. На смену хайпу вокруг привычных чат-ботов пришёл хайп вокруг «агентов», которые стали главным обманом ожиданий. Демо научились делать почти все, а гарантировать результат почти никто: агент работает долго, легко может перепутать шаги, «срезать углы» и уверенно соврать, что всё сделал. Поэтому агент в 2025-м оказался не сотрудником, а стажёром на удалёнке, который может бесплатно раздать все деньги из автомата с едой. На этом фоне кажется здравой (и даже немного заниженной) оценка Gartner, которые спрогнозировали смерть 40% проектов с ИИ-агентами к 2027 году.

Медиа и правообладатели перестали спорить о морали и перешли к подходу «судись или лицензируй», потому что генеративный контент начал съедать ценность оригинального контента – трафик сайтов, живущих за счёт поиска, снизился на 30-60%. ИИ внезапно стал не просто технологией, а новой стороной переговоров о том, кому принадлежит внимание аудитории и кто получает за него деньги. Несмотря на отдельные соглашения между музыкальными лейблами и Suno, Disney и OpenAI, беспрецендентные выплаты Anthropic авторам использованных для обучения книг – отрасль ещё остаётся дикой, а урегулирование авторских прав в ИИ станет одним из важных треков в наступившем году.

Можно сказать, что ИИ в 2025 году стал инфраструктурой с коммунальными платежами. Побеждают не те, кто сделают более дорогую и мощную модель, а те, кто умеет интегрировать эти модели в рабочий процесс, оптимизировать их запуск и считать эффект от внедрения.

Фантомные боли Тима Кука: почему Apple Intelligence в Китае – это (пока) всего лишь иконки

Китайские социальные сети и техноблоги с начала января лихорадит. Поводом стал тихий запуск Apple Intelligence для местных пользователей. Блогеры постят скриншоты с иконками Image Playground (图乐园), ссылаются на некое «серое тестирование» (灰度测试) в последнем обновлении iOS и уверяют, что ИИ Кука наконец-то заработал на устройствах для материкового Китая.

Обсуждение началось с публикации на IT Home и вирусных репостов: якобы после обновления у избранных пользователей в настройках появился пункт «Apple Intelligence & Siri». Аргументация строится на скриншотах меню и иконок. Но, во-первых, серьёзные обновления Apple проводит через бета-версии, а не случайные интеграции функций в проде. Во-вторых, даже пользователи, у кого появились заветные пункты меню, сообщают о том, что функции не работают. Оригинальная публикация с сайта была оперативно удалена.

Чтобы понять, почему этот «запуск» скорее всего фейковый, нужно вспомнить, как работает Apple Intelligence. Система опирается на два слоя: On-device модель (около 3 млрд параметров), которая работает на чипе, и Private Cloud Compute (PCC) – сложная серверная инфраструктура для тяжелых задач. И если первую часть (теоретически) можно включить локально, то вторая – это камень преткновения. PCC требует дата-центров, а китайское законодательство требует, чтобы данные китайских пользователей не покидали страну и обрабатывались по местным правилам.

Эту правовую коллизию Apple пытается разрешить уже почти год. Компания вступает в вынужденное партнерство с местными гигантами. Наиболее вероятный кандидат на роль «мозгов» для китайского iPhone – модели Qwen от Alibaba. Причём Apple нужна не просто локализация, а партнер, который возьмет на себя риски модерации контента. Именно поэтому текущий сценарий «тихого запуска» выглядит маловероятно. Интеграция сторонней языковой модели от Alibaba требует бюрократических соглашений с администрацией киберпространства Китая и официального объявления о партнёрстве, что не делается тихо и за одну ночь.

Другое дело, что это может быть сигналом об интеграции элементов интерфейса с ИИ от Apple в китайскую версию ОС на фоне идущих регуляторных обсуждений и договорённостей. Так же рынок в своё время узнал про тестирование функций eSIM – когда в сети нашли тестовый сайт китайского оператора до официальных пояснений и релизов. Пока Apple не объявляли о начале внедрения Apple Intelligence на местном рынке, но знаки подают.

Telegram cocoon и испорченный телефон

Телеграм внедрил обещанную ещё в мае ИИ-суммаризацию постов. Подразумевалось, что функция избавит от необходимости просматривать сотни пропущенных текстов и будет быстро давать понимание, о чём шла речь и какие темы обсуждались в канале. Правда, вместо удобного инструмента для экономии времени у команды Дурова получился генератор галлюцинаций.

Индустрия давно научилась делать качественные саммари: тот же пересказ в Яндекс Браузере или поисковые ИИ-модели умеют отделять факты от мнений и дают ссылки на источник. Телеграм пошёл своим, особым путем: функция не просто пересказывает, она подменяет собой оригинальный пост, лишая читателя возможности проверить данные и не добавляя ссылки на конкретное место, откуда была взята информация. В итоге ИИ может путать факты и выдумывать детали – очень странно для платформы, которая заточена на потребление новостей и авторских текстов.

История этой функции тянется с несостоявшегося альянса Дурова и Маска, когда планировалась интеграция Grok в Телеграм. В итоге анонсирующее видео так и осталось лежать в канале Павла, а сервис пошёл другим путём – вероятно, разрабатывает свои модели с запуском на базе распределённой сети вычислений Cocoon. О количестве параметров данных моделей можно только гадать, но, судя по всему, победила тяга сервиса к оптимизации и упрощению.

Будем надеяться, что это только первая итерация функции и в дальнейшем её будут обновлять и поддерживать, ведь потенциал имеется. В текущем виде уже есть плюсы для авторов – теперь у части подписчиков, которые ленились читать десятки пропущенных постов, есть мотивация зайти и посмотреть на их сокращенную версию. А если пересказ зацепил, то остаётся шанс, что они прочитают полноценный пост.