AI

Авторитетная организация Artificial Analysis, занимающаяся оценкой возможностей искусственного интеллекта (ИИ), опубликовала отчет «Основные моменты развития ИИ в Китае во втором квартале 2025 года». В отчете анализируется положение Китая в глобальном развитии ИИ и проводится сравнение с США, особенно в области языковых моделей. С момента выпуска ChatGPT в 2022 году разрыв между Китаем и США в области ИИ казался значительным. Однако к маю 2025 года этот разрыв сократился до менее чем трех месяцев. Это свидетельствует о значительном прогрессе китайских лабораторий и компаний, работающих в сфере ИИ. Например, модель DeepSeek R1 (май 2025 года) получила 68 баллов в рейтинге Artificial Analysis Intelligence Index, а модель Qwen3 235B A22B от Alibaba набрала 47 баллов. Для сравнения, модель OpenAI o3 также получила 68 баллов, а Gemini 2.5 Pro — 67 баллов. Разрыв между двумя странами в этой области стал минимальным. Китай добился такого прогресса благодаря технологическим улучшениям и стратегическим прорывам. Например, модель DeepSeek R1 значительно улучшила свои способности к логическому выводу благодаря оптимизации с использованием обучения с подкреплением (RL). Эта модель, выпущенная в мае 2025 года, стала одной из самых передовых открытых моделей в мире. Китайские лаборатории также активно применяют стратегию открытых весов, публикуя параметры своих флагманских моделей, что ускоряет обмен технологиями и их распространение. Это контрастирует с закрытой стратегией американских компаний. Например, модель QwQ 32B Preview от Alibaba, выпущенная в ноябре 2024 года, превзошла модель Llama 3.1 405B от Meta, став самой передовой открытой моделью на тот момент. Открытость весов имеет три ключевых преимущества: снижение технологического барьера, ускорение распространения технологий и создание экосистемы. Китайские компании, такие как ByteDance, Tencent, Alibaba и Huawei, активно используют эту стратегию, что способствует быстрому развитию ИИ в стране. Однако у открытой стратегии есть и риски, включая вопросы монетизации и безопасности. Тем не менее, Китай рассматривает открытость как способ усиления своего влияния в области ИИ. Китайский ИИ развивается благодаря слаженной экосистеме, включающей крупные технологические компании, стартапы и компании из других отраслей. Например, Alibaba, Tencent и Huawei создают платформы и базовые модели, в то время как стартапы, такие как Moonshot AI и MiniMax, фокусируются на узких направлениях. Компании, такие как Xiaomi и 360, интегрируют ИИ в свои существующие продукты. В области мультимодального ИИ Китай также демонстрирует значительные успехи. Например, модель Seedream 3.0 от ByteDance в области генерации изображений сравнялась по качеству с зарубежными аналогами. В области генерации видео китайские модели, такие как Kling 2.0 от Kuaishou и Wan 2.1 от Alibaba, хотя и уступают лидеру — модели Veo 3 от Google, но показывают хорошие результаты в локальных сценариях. Будущее ИИ зависит от того, смогут ли Китай и США найти баланс между сотрудничеством и конкуренцией. Хотя существуют разногласия в подходах к регулированию и безопасности, обе страны заинтересованы в совместной работе над базовыми исследованиями, стандартами и коммерческими проектами. Вероятно, отношения между Китаем и США в области ИИ будут сочетать элементы сотрудничества и конкуренции.

Согласно данным иностранных СМИ, США планировали запустить так называемый «План Маршалла для ИИ», направленный на противодействие Китаю и перестройку глобального технологического порядка. Однако из-за бездействия администрации Трампа инициатива так и не была реализована. Трамп объявил победу в гонке за создание искусственного общего интеллекта (AGI) ключевым приоритетом в противостоянии с Китаем. При этом он выступал против регулирования, которое могло бы ослабить лидерство США в сфере ИИ, и Конгресс в целом поддерживал эту позицию. Однако действия администрации Трампа не свидетельствовали о серьезных намерениях. По данным Axios, десятки CEO, чиновников и экспертов в области ИИ выражали обеспокоенность отсутствием скоординированной стратегии. Они призывали власти, бизнес и СМИ активнее готовиться к грядущей революции ИИ. Что такое «План Маршалла для ИИ»? Во времена холодной войны США реализовали План Маршалла, чтобы восстановить Европу и сдержать влияние СССР. Теперь аналогичный подход предлагается применить в сфере искусственного интеллекта, но уже против Китая. Однако вместо единой стратегии наблюдаются лишь разрозненные инициативы. Потенциальный глобальный альянс под руководством США Эксперты отмечают, что США могли бы объединить Канаду, Европу, Австралию, Японию, Южную Корею и Индию в единый альянс, который устанавливал бы правила в сфере ИИ и обеспечивал безопасность цепочек поставок, включая критически важные материалы, такие как редкоземельные металлы. Однако вместо этого Трамп испортил отношения с ключевыми союзниками, что привело к изоляции США. При этом американские компании до сих пор зависят от поставок материалов для чипов из Китая, что ставит под сомнение их шансы на победу в гонке ИИ. Упущенные возможности Несмотря на отдельные соглашения с бизнесом и иностранными правительствами, администрация Трампа не уделяла должного внимания публичному обсуждению влияния ИИ на экономику и занятость. Политика в этой сфере оставалась хаотичной. Как заявил исполнительный редактор Axios Скотт Розенберг, США нужен комплексный подход, сочетающий элементы Плана Маршалла, закона о ветеранах (GI Bill) и Нового курса — программ, которые могли бы обеспечить развитие ИИ как внутри страны, так и на глобальном уровне. Рекомендации по реализации плана Среди предложений — усиление координации между федеральным правительством, штатами и учебными заведениями для подготовки кадров. Некоторые штаты, например Техас, уже сотрудничают с ИИ-компаниями, но большинство пока бездействуют. Кроме того, Axios призывает Конгресс создать двухпартийный комитет по надзору за ИИ, аналогичный структурам, контролировавшим ядерные технологии в XX веке. Это помогло бы повысить осведомленность общества и законодателей о рисках и возможностях ИИ. Угроза безработицы и новые возможности Генеральный директор Anthropic Дарио Амодей предупредил, что ИИ может заменить до половины начальных позиций в офисных профессиях. Многие компании уже сокращают набор сотрудников, ожидая автоматизации. Чтобы смягчить последствия, бизнесу рекомендуется инвестировать в обучение сотрудников работе с ИИ, а также искать новые ниши, которые откроются благодаря этой технологии. Глобальные последствия Если США не реализуют свой план, Китай, Европа или Индия могут занять лидирующие позиции в установлении стандартов ИИ, контроле над производством чипов и распределении вычислительных мощностей. Это вопрос не только технологического превосходства, но и будущего глобального влияния. Таким образом, текущий момент является критическим в определении того, кто будет задавать правила в эпоху ИИ.

Стартап Delphi, состоящий из 14 человек, привлек $16 млн в ходе раунда финансирования серии А под руководством Sequoia Capital. Компания занимается созданием цифровых двойников, позволяющих сохранить знания и личность человека в цифровом мире. Идея проекта возникла у основателя Ladjevardian, который хотел «воскресить» своего деда, перенесшего инсульт и потерявшего способность говорить. Его дед был успешным бизнесменом, потерявшим всё во время Иранской революции 1979 года, но сумевшим начать жизнь заново в США. Используя мемуары деда, Ladjevardian создал его «цифровой разум», с которым мог общаться и получать советы. В ноябре 2022 года Ladjevardian и сооснователь Sam Spelsberg официально запустили Delphi. Платформа позволяет пользователям создавать свои цифровые копии, которые воспроизводят их стиль общения, знания и опыт. Эти «цифровые разумы» могут использоваться для консультаций, обучения и даже замены сотрудников в таких сферах, как поддержка клиентов или преподавание. Тестовая версия Delphi была запущена в декабре 2023 года. Бесплатный аккаунт позволяет тренировать модель на 100 000 словах, но поддерживает только текстовый чат. Платные подписки (от $79 до $2499 в месяц) открывают доступ к голосовому и видеообщению, аналитике и другим функциям. Пользователи могут монетизировать свои «цифровые разумы», оставляя себе 85% от платы за консультации. Среди тех, кто уже использует Delphi — тренеры, писатели, врачи, инвесторы и даже политики. Например, коуч по отношениям Matthew Hussey заработал на своем цифровом двойнике более миллиона долларов. Профессора используют его как ассистента, а бизнесмены — вместо службы поддержки. Технология Delphi основана на архитектуре цифрового мышления (DMA1), которая включает адаптивную базу знаний и распределенную сеть агентов. Система автоматически обновляется и адаптируется к новым данным без ручного вмешательства. Помимо Sequoia Capital, в раунде участвовали Anthropic, Menlo Ventures и другие инвесторы, включая основателей Zoom, YouTube и DoorDash. В Delphi считают, что их продукт решает проблему доступа к знаниям в эпоху информационного перегруза. В будущем компания планирует создать аналог Александрийской библиотеки, где каждый сможет сохранить и передать свои знания через цифровые копии. Как сказал дед основателя: «Дай человеку рыбу — и он будет сыт один день. Научи его ловить рыбу — и он будет сыт всю жизнь». Delphi стремится сделать эти «сети знаний» вечными.

Google DeepMind представил AlphaGenome — ИИ-модель, способную предсказывать влияние генетических изменений. Этот инструмент сравнивают с микроскопом, анализирующим человеческую ДНК. AlphaGenome обрабатывает последовательности длиной до 1 миллиона пар оснований, предсказывая тысячи молекулярных характеристик, связанных с регуляторной активностью. Модель показала наилучшие результаты в более чем 20 тестах по прогнозированию генома. AlphaGenome обладает рядом уникальных особенностей: поддержка высокого разрешения для длинных последовательностей, многомодальное прогнозирование, эффективная оценка вариантов и новая модель сплайсинга. В настоящее время Google предлагает предварительную версию AlphaGenome через API для некоммерческих исследований. Доктор Калеб Ларью из Онкологического центра имени Слоуна-Кеттеринга отметил, что это важный шаг в развитии области, так как впервые появилась единая модель, объединяющая анализ удаленных участков ДНК, высокую точность и решение различных геномных задач. Особенности AlphaGenome Модель анализирует до миллиона пар оснований ДНК с разрешением на уровне отдельных нуклеотидов. Это позволяет охватывать удаленные регуляторные участки генов. Обучение модели заняло всего 4 часа, при этом вычислительные ресурсы были в два раза меньше, чем для предыдущей модели Enformer. AlphaGenome способен предсказывать широкий спектр характеристик, включая позиции начала и окончания генов, места сплайсинга, количество производимой РНК и взаимодействия ДНК с белками. Данные для обучения были получены из публичных источников, таких как ENCODE, GTEx и других. Особое внимание уделено анализу сплайсинга, ошибки в котором могут вызывать редкие генетические заболевания. AlphaGenome впервые позволяет напрямую моделировать позиции соединений и уровень экспрессии. Производительность и применение В тестах AlphaGenome превзошел существующие модели в 22 из 24 оценок прогнозирования последовательностей ДНК и в 24 из 26 оценок влияния вариантов. Это единственная модель, способная одновременно предсказывать все анализируемые характеристики. AlphaGenome может использоваться в различных областях: изучение заболеваний, синтетическая биология и фундаментальные исследования. Например, модель уже помогла изучить механизм мутации, связанной с Т-клеточным острым лимфобластным лейкозом. Профессор Марк Мансур из Университетского колледжа Лондона отметил, что AlphaGenome станет ценным инструментом для понимания роли неконсервативных вариантов в развитии таких заболеваний, как рак. Ограничения и перспективы Несмотря на прогресс, AlphaGenome пока не может точно анализировать влияние очень удаленных регуляторных элементов (более 100 тысяч пар оснований). Также модель не предназначена для прогнозирования на уровне индивидуальных геномов и не учитывает все факторы, влияющие на сложные признаки и заболевания. В будущем функциональность AlphaGenome может быть расширена за счет увеличения объема обучающих данных, включения большего числа видов и молекулярных характеристик.

На прошлой неделе OpenAI опубликовал рекламные материалы, связанные с приобретенной компанией по производству аппаратного обеспечения для искусственного интеллекта io, но позже они были удалены с сайта и YouTube. Это не связано с самим планом приобретения, а вызвано судебным иском другой компании iyO, которая утверждает, что названия и продукты слишком похожи и могут ввести потребителей в заблуждение. Компания iyO занимается разработкой аудиокомпьютера без экрана, управляемого голосом. Изначально это был проект лаборатории Google «Moonshot», который в 2021 году выделился в отдельную компанию. В прошлом году iyO выпустила флагманский продукт — наушники с искусственным интеллектом. В то же время продукт, над которым работает io, остается загадкой. 01. Без дисплея, не носимый и не наушники Известный технологический аналитик Минг-Чи Куо заявил, что устройство, разрабатываемое OpenAI и io, «не имеет функции отображения» и может носиться на шее, как уже снятый с производства значок Humane AI. Однако документы судебного иска показывают, что между продуктами могут быть ключевые различия. Соучредитель и главный директор по продукту io Эванс Хэнки в заявлении суду сказал: «В настоящее время у io нет планов по выпуску наушников». Другой соучредитель, Тан Тан, также заявил, что прототип продукта io «не является ни внутриканальным устройством, ни носимой технологией». 02. Тем не менее, io тестировала внутриканальный дизайн Тан добавил, что до финального дизайна, рекламы и выхода продукта на рынок «остается как минимум год», поэтому текущие заявления о его не-наушниковой природе могут измениться. По его словам, при разработке прототипа io рассматривала различные типы устройств, включая настольные и мобильные, беспроводные и проводные, носимые и портативные. Есть свидетельства, что io наиболее серьезно рассматривала внутриканальные устройства. Инженер io Марван Рамма в своем заявлении сказал, что в первые месяцы после основания компании в 2023 году они приобрели как минимум 30 различных наушников, чтобы «понять текущее состояние аудиопродуктов». Рамма также отметил, что рекомендовал купить базу данных 3D-сканирования ушей у компании The Ear Project, которую ранее использовала iyO. Недавно, перед приобретением, представители io и OpenAI встречались с руководством iyO, чтобы больше узнать о их продукте. Тан заявил, что не хотел идти на встречу, так как подозревал, что продукт iyO — всего лишь «концепт», но не хотел получать доступ к конфиденциальной информации, чтобы избежать юридических проблем в случае сходства продуктов. 03. Не телефон и не очки Согласно утечке записи встречи, полученной The Wall Street Journal, генеральный директор OpenAI Сэм Альтман рассказал сотрудникам, что это устройство ИИ небольшое, его можно поставить на стол или положить в карман. Оно сможет «хорошо воспринимать окружение и жизнь пользователя», и потребители будут использовать его так же часто, как iPhone и MacBook Pro. Альтман также сказал, что устройство — не телефон и не очки, и вряд ли оно будет носимым. Его цель — уменьшить зависимость пользователей от экранов. OpenAI приобрел io в конце прошлого месяца и назначил соучредителя io, бывшего главного дизайнера Apple Джони Айва, руководителем предстоящего аппаратного проекта. По данным The New York Times, Айв и Альтман два года назад решили создать аппаратное устройство на базе ИИ. Их общее видение — «разработать продукт, использующий ИИ, который создаст вычислительный опыт с меньшим социальным вмешательством, чем iPhone». По словам инсайдера Bloomberg Марка Гурмана, это сотрудничество вызвало беспокойство у Apple, которая отстает в инновациях в области ИИ. В настоящее время самый амбициозный проект Apple в области аппаратного обеспечения ИИ — очки дополненной реальности с ИИ — ожидается к выпуску в конце 2026 года. Однако Apple также находится на ранних стадиях разработки умных часов и AirPods со встроенными камерами для поддержки функций, связанных с ИИ.

2025 год стал переломным для глобального бизнеса, столкнувшегося с «экзаменом на лидерство» под влиянием ИИ. Компании вроде Microsoft, Huawei и ByteDance демонстрируют, как технологии меняют правила игры. Исследование Google Workplace за ноябрь 2024 года показало: 82% молодых руководителей используют ИИ в работе, а 93% поколения Z применяют минимум два ИИ-инструмента еженедельно. 98% респондентов уверены, что ИИ радикально изменит их отрасль в ближайшие 5 лет. В Школе менеджмента Университета Фудань зафиксировали резкое снижение числа руководителей, «никогда не использующих ИИ» — с 17.81% в августе 2024 до 8.89% к апрелю 2025 года. Исследование Oracle и Future Workplace Company выявило тревожный факт: 25% сотрудников предпочитают советоваться с ИИ, а не с руководителями. Причина проста — ИИ не проявляет эмоций, не имеет предубеждений и не ставит срочных задач в неурочное время. Три главных вызова лидерства в эпоху ИИ 1. Изменение среды лидерства История из шанхайского инвестиционного фонда: молодой аналитик с помощью ИИ Claude обнаружил ошибки в финансовой модели, которую проверял опытный директор. Это пример новой реальности, где информация перестала быть монополией руководителей. Исследования выявляют поколенческий разрыв: • Руководители 60-70-х годов используют ИИ как инструмент • Менеджеры 80-90-х видят в ИИ помощника • Молодые специалисты воспринимают ИИ как партнера 73% менеджеров среднего звена опасаются, что их решения окажутся хуже ИИ-рекомендаций. Некоторые компании уже внедряют системы аудита решений на основе ИИ. 2. Переосмысление функций лидера Современным руководителям необходимо четко разделять: (1) задачи для автоматизации (2) задачи для совместного выполнения человеком и машиной (3) задачи, требующие исключительно человеческого участия 3. Кризис доверия к лидерам Рациональность и объективность ИИ заставляют сотрудников ставить под сомнение решения руководителей, что создает новый вызов для традиционного лидерства. Концепция симбиотического лидерства В книге «Лидерство в эпоху ИИ: теория и практика» предложена модель симбиотического лидерства, включающая три аспекта: 1. Симбиоз традиционной и цифровой экономик Лидеры должны адаптироваться к переходному периоду, сочетая подходы обеих систем. 2. Симбиоз компании и экосистемы Успешные организации строят платформы для интеграции ресурсов и создания совместных ценностей. 3. Симбиоз человеческого и искусственного интеллекта Комбинация креативности человека и вычислительной мощности ИИ дает мультипликативный эффект. Шесть проблем лидерства и их решения Исследование среди студентов MBA и EMBA выявило основные проблемы: 1. Нечеткость стратегии 2. Отсутствие командного консенсуса 3. Неопределенность пути развития организации 4. Недостаток инноваций 5. Неэффективные механизмы работы 6. Ограниченность лидерского мышления Решение предлагается в виде «операционной системы лидерства», включающей шесть элементов: принятие решений, коммуникации, распределение ресурсов, инновации, организационное обеспечение и трансформацию мышления. Примеры внедрения: JETOUR использует ИИ-ассистента для обслуживания клиентов, а SERES анализирует отзывы покупателей с помощью ИИ. Портрет лидера 2050 года Лидеры будущего станут координаторами взаимодействия человека и ИИ. Их ключевая компетенция — не превосходство над ИИ, а умение использовать его во благо людей. Они будут сочетать понимание данных с глубоким знанием человеческой природы, доверять алгоритмам, но не забывать о интуиции. Как отмечают авторы исследования: «Будущее принадлежит не ИИ, а лидерам, которые научатся грамотно его применять».

В развивающейся отрасли инвестиции лучше всего отражают реальное положение дел. По данным TechCrunch, на 18 июня в США уже 24 AI-стартапа привлекли финансирование на сумму более 100 миллионов долларов за раунд. На первый взгляд, этот показатель остался на уровне прошлого года, но детальный анализ выявляет три важных тренда. Во-первых, сократилось количество «супер-раундов». В прошлом году было семь сделок на 10 миллиардов долларов и более, а в этом году только OpenAI преодолел этот порог. Во-вторых, сфера AI-приложений перешла от этапа «разнообразия» к этапу «четких приоритетов». Программирование, медицина и юриспруденция стали тремя основными направлениями, куда направляется основной поток инвестиций. В-третьих, изменилась модель инвестирования: от увлечения моделями к акценту на годовом регулярном доходе (ARR). Несмотря на то, что общие инвестиции в AI пока значительно превышают доходы, некоторые компании уже демонстрируют устойчивые бизнес-модели. Программирование, медицина и юриспруденция — ключевые сферы внедрения AI В 2024 году 49 американских AI-стартапов привлекли более 100 миллионов долларов за раунд, включая семь «супер-сделок» на 10 миллиардов долларов и более. В 2025 году 24 компании уже получили финансирование на общую сумму свыше 490 миллиардов долларов. Базовый уровень остаётся сильным: вычислительные мощности и модели по-прежнему востребованы. Компании, работающие с моделями, такие как OpenAI, Anthropic и Together AI, продолжают привлекать инвестиции. Инфраструктурные проекты собрали 10,3 миллиарда долларов, что составляет 25% от общего числа сделок. Среди них: TensorWave (AI-чипы, 100 миллионов долларов) CelestialAI (оптические технологии, 250 миллионов долларов) Lambda (GPU-облако, 480 миллионов долларов) EnChargeAI (чипы для edge-AI, 100 миллионов долларов) SnorkelAI (разметка данных, 100 миллионов долларов) LMArena (тестирование больших моделей, 100 миллионов долларов) В то время как базовый уровень остаётся стабильным, сфера приложений быстро трансформируется. Три направления стали основными для внедрения AI: программирование, медицина и юриспруденция. AI-программирование — одно из первых направлений, где был достигнут продукт-рыночный баланс (PMF). Две компании привлекли более 100 миллионов долларов: Anysphere (разработчик Cursor, 90 миллиардов долларов) Turing (обучение AI и программирование, 111 миллионов долларов) Из пяти AI-программистских компаний, привлекших финансирование в прошлом году, только Codeium объявил о новых раундах. AI-юриспруденция и AI-медицина стали самыми привлекательными для инвесторов направлениями, на которые приходится 20% всех сделок. Например, Harvey и Eudia привлекли 300 миллионов и 105 миллионов долларов соответственно. Harvey разработал AI-ассистента для юридических исследований, составления документов и анализа контрактов. Eudia специализируется на автоматизации проверки контрактов и соблюдения нормативных требований. В медицине три компании получили более 100 миллионов долларов: Abridge (медицинская транскрипция, 250 миллионов долларов) HippocraticAI (медицинские большие модели, 141 миллион долларов) Insilico Medicine (AI-фармацевтика, 110 миллионов долларов) Эти компании представляют три ключевых направления внедрения AI в медицине: сбор информации, принятие клинических решений и разработка лекарств. Изменение модели инвестирования: от моделей к годовому доходу OpenAI оценивается в 3000 миллиардов долларов, а Anthropic — в 615 миллиардов. Однако их пути к прибыльности остаются под вопросом. В то же время некоторые AI-приложения демонстрируют быстрый рост оценки и доходов. Например, Harvey за четыре месяца вырос с 30 до 50 миллиардов долларов, а Cursor — с 25 до 99 миллиардов. Компании используют комбинацию «дешёвые вычисления + ценные рабочие процессы» для создания устойчивых бизнес-моделей. Среди компаний, привлекших более 100 миллионов долларов, несколько показали значительный рост ARR: Anysphere: рост дохода на 230% за три месяца Codeium: рост в 2,3 раза за два месяца ElevenLabs: рост на 370% за 10 месяцев В сфере AI-программирования четыре компании имеют ARR более 100 миллионов долларов, а три — от 50 до 100 миллионов. Ожидается, что общий ARR в этом направлении к концу года достигнет 30-40 миллиардов долларов. AI-приложения развиваются не за счёт масштабных инвестиций, а благодаря реальному спросу и важным сценариям использования. Крупные венчурные инвесторы активно вкладываются в AI Крупные венчурные фонды увеличивают инвестиции в AI-поиск, AI-юриспруденцию и AI-медицину. Lightspeed Venture Partners участвовал в шести сделках, включая Glean, Anthropic и Abridge. a16z инвестировал в четыре компании, включая Anysphere и HippocraticAI. Sequoia Capital сосредоточился на Harvey и Glean. Корпоративные инвесторы также активны. NVIDIA вкладывается в SandboxAQ, Together AI и Lambda, а Salesforce Ventures поддерживает Anthropic и Together AI. Подход к инвестированию в AI изменился: акцент сместился с технологий на конкретные сценарии использования и коммерческую эффективность.

В мае 2025 года американская медицинская технологическая компания Outcomes4Me, базирующаяся в Массачусетсе, привлекла 21 миллион долларов финансирования. Инвестиционный раунд возглавила Salica Investments, при участии Labcorp Venture Fund и Forecast Labs. На сегодняшний день общий объем финансирования Outcomes4Me достиг 38 миллионов долларов (примерно 2,7 миллиарда рублей). Эти средства будут направлены на дальнейшую разработку основного продукта компании — платформы для ухода за онкологическими пациентами на основе искусственного интеллекта (ИИ). Платформа предлагает персонализированные и интеллектуальные решения для улучшения качества медицинской помощи. Основатель и генеральный директор Outcomes4Me, доктор Майя Р. Саид, вдохновилась на создание компании собственным опытом. Работая в Novartis, она столкнулась с серьезными проблемами со здоровьем. Несмотря на качественную страховку и поддержку семьи с медицинским образованием, Саид испытывала растерянность и страх перед будущим. Это привело к формированию ключевой цели компании — ориентации на пациента. Проблемы в области онкологической помощи Онкологический уход включает в себя комплекс медицинских и поддерживающих услуг на всех этапах — от диагностики до лечения и реабилитации (или паллиативной помощи). Его цель — улучшение результатов терапии, продление жизни и повышение ее качества. Согласно Глобальному отчету по статистике рака за 2022 год, в мире было зарегистрировано 19,976 миллиона новых случаев заболевания и 9,744 миллиона смертей. Рост числа пациентов с онкологическими заболеваниями увеличивает потребность в эффективном уходе. Однако в этой сфере сохраняются серьезные проблемы: Низкая приверженность лечению: побочные эффекты химиотерапии и лучевой терапии (тошнота, боль, угнетение костного мозга) часто остаются без своевременного вмешательства, что приводит к прерыванию лечения. Ограниченный доступ к клиническим испытаниям: пациенты мало осведомлены о возможностях участия в исследованиях, что снижает процент успешного подбора. Для некоторых больных, особенно с редкими или трудноизлечимыми формами рака, клинические испытания могут стать шансом на спасение. Фрагментированность данных: медицинские записи и информация о наблюдении рассредоточены по разным системам, что нарушает преемственность лечения. В этих условиях ключевое значение приобретает эффективный обмен информацией. Умные технологии сбора, анализа и систематизации медицинских данных становятся необходимостью. Решения Outcomes4Me Платформа Outcomes4Me предлагает три основные функции: Персонализированные рекомендации по лечению: с помощью ИИ и машинного обучения система анализирует медицинские данные пациента (например, патологические отчеты, результаты генетических тестов) и предлагает оптимальные варианты терапии, включая химиотерапию, таргетное лечение и иммунотерапию. Подбор клинических испытаний: алгоритмы платформы интегрируют данные более чем 700 медицинских учреждений США и Канады, помогая пациентам найти подходящие исследования. Это ускоряет процесс поиска и повышает вовлеченность в лечение. Отслеживание симптомов: через мобильное приложение пациенты могут фиксировать побочные эффекты (боль, усталость и др.) и делиться этой информацией с врачами для оптимизации ухода. Приложение соответствует стандартам конфиденциальности медицинских данных в США. По данным компании, приложение доступно для бесплатного скачивания и уже имеет 280 000 пользователей. В перспективе расширение функционала на другие заболевания и получение сертификации FDA может значительно увеличить его влияние. Среди аналогов Outcomes4Me — платформы PathAI (AI Sight) и Owkin (MSIntuit CRC), также использующие ИИ для анализа данных и подбора терапии. ИИ в медицине: глобальные тренды В Китае, согласно отчету Национального онкологического центра за 2024 год, зарегистрировано 4,824 миллиона новых случаев рака (24,1% от общемирового показателя) и 2,574 миллиона смертей (26,5%). В ноябре 2024 года власти Китая опубликовали Руководство по применению ИИ в здравоохранении, определив 84 сценария использования технологии. Это ускоряет интеграцию ИИ в медицину для повышения точности и эффективности диагностики и лечения. В стране уже разработаны такие платформы, как «CSCO AI» (Haixinzhihui), «AI-ассистент здоровья» (Ant Group) и «CACA-AI» (Alibaba Health). В первой половине 2025 года эти решения активно развивались: — В апреле Alibaba Health совместно с Китайской ассоциацией по борьбе с раком запустила программу для распространения ИИ-технологий в регионах. — В мае CSCO, Haixinzhihui и Ant Health представили систему CSCO AI Pro для анализа индивидуальных особенностей пациентов и поддержки врачей. Медицинские учреждения также внедряют инновации. Например, в июне онкологическое отделение больницы Sun Yat-sen представило систему оценки симптомов с ИИ и VR-терапией для персонализированного ухода. Учитывая высокую потребность онкологических пациентов в информации после выписки (контроль рецидивов, управление лечением), роль ИИ в этой сфере будет расти. Ожидается появление новых решений, охватывающих больше типов рака.

Оценка интеллекта искусственного интеллекта теперь выходит за рамки простого выполнения задач. По мере того как крупные модели демонстрируют прогресс в «IQ», способность «понимать людей» и «чувствовать их настроение» становится новым требованием в практическом применении. Как же измерить «эмоциональный интеллект» (EQ) AI? Команда Tencent Hybrid AI Digital Human разработала автоматизированную систему оценки под названием SAGE (Sentient Agent as a Judge), которая отвечает на два ключевых вопроса: Как оценить, действительно ли AI обладает эмпатией? — Может ли он понять мои эмоции, уловить скрытый смысл и поддержать в трудный момент? Как определить, способен ли AI стать «идеальным собеседником»? — «Какое настроение у нас после разговора с ним?» Согласно этой системе, последняя версия GPT-4o показала наилучшие результаты, за ней следуют GPT-4.1 и серия Gemini-2.5. SAGE: AI оценивает AI, имитируя эмоции человека SAGE не просто анализирует ответы модели, а создает «чувствующего» AI-агента, который имитирует человеческую психологию. Этот агент участвует в диалоге, отслеживает изменения эмоций, фиксирует внутренние монологи и оценивает качество общения. Ключевые особенности SAGE: Sentient Agent (Чувствующий агент) — имитирует человека с эмоциями, мыслями и скрытыми мотивами. as a Judge (Как судья) — не просто общается, но и оценивает эффект от диалога на основе собственных «эмоциональных изменений». В процессе диалога агент анализирует: «Чувствую ли я искреннюю заботу в ответах?» «Тронул ли меня этот ответ?» «Хочу ли я продолжить разговор или закончить его?» Кроме того, агент фиксирует свои «внутренние монологи»: «Хотя он поддержал меня, но не понял сути проблемы — я чувствую пустоту.» «Он выслушал, но утешил слишком поверхностно.» «Мне нужно сочувствие, а не советы…» SAGE: У каждого агента есть «жизненный сценарий» Каждый агент в SAGE обладает: Характеристиками: возраст, профессия, интересы, манера речи. Темами диалогов: от «проблем с учебой» до «как красиво расстаться». Скрытыми намерениями: хочет ли человек выговориться или получить совет. Историей: каждый диалог — мини-драма с завязкой и эмоциональными поворотами. Многораундовое взаимодействие + отслеживание эмоций Агент ведет многораундовый диалог с моделью, анализируя: 1. Свои мысли и чувства («Он утешает, но не понимает моей боли…»). 2. Изменения эмоций (например, от -5 до +10 после поддержки). 3. Решение, как ответить дальше («Покажу, что мне это не нравится»). Итоговая оценка модели основана на «эмоциональной траектории» и «внутренних монологах» агента. Ключевой показатель — уровень настроения после диалога. GPT-4o — самый «человечный» AI Команда SAGE протестировала 18 моделей, включая GPT-4o, DeepSeek-R1, Claude3.7, Gemini2.5 и другие, в 100 диалогах с разными скрытыми темами. Результаты: GPT-4o-Latest занял первое место в рейтинге SAGE. Gemini2.5-Pro, лидер Arena, оказался лишь на четвертом месте в SAGE. Разница между Arena и SAGE показывает, что последняя оценивает «социальный интеллект», который не фиксируют стандартные тесты. Эксперимент 1: SAGE и психология — высокая корреляция Для проверки SAGE исследователи сопоставили его оценки с психологической методикой Barrett–Lennard Relationship Inventory (BLRI). Оказалось, что изменения «эмоциональных значений» SAGE сильно коррелируют (r = 0.818) с показателями BLRI (эмпатия, эмоциональная согласованность). Это подтверждает, что SAGE действительно отражает качество эмпатии в диалогах. Эксперимент 2: Качество диалога — тон, ритм, внимание SAGE оценивает диалоги по трем критериям: Natural Flow: естественность речи. Attentiveness: внимательность к контексту. Depth of Connection: глубина эмоционального контакта. Эти показатели также сильно коррелируют (r = 0.788) с оценками SAGE. Эксперимент 3: Эффективность токенов — меньше слов, больше смысла SAGE измерил, сколько токенов тратит модель на повышение настроения собеседника. Выяснилось: GPT-4o-Latest лидирует по эффективности (79.9 баллов при ~3.3K токенов). Модели вроде o3 (13.3K токенов) и Gemini2.5-Flash-Think (9.0K токенов) тратят больше слов без улучшения результата. Вывод: краткость + эмоциональная точность — ключ к успеху. Эксперимент 4: «Стилевые координаты» AI — портреты моделей Исследователи построили график, где: Ось X: стиль взаимодействия (шаблонный ↔ креативный). Ось Y: направленность ответов (решение проблем ↔ эмпатия). Результаты: GPT-4o-Latest и GPT-4.1 — «эмпатичные и предсказуемые». DeepSeek-R1 — «креативный партнер», предлагающий нестандартные решения. Gemini2.0-Flash и o3 — «рациональные специалисты», но без глубины эмоций. Идеальный AI — «креативный + глубоко эмпатичный» — пока не создан. Ссылка на исследование: https://www.arxiv.org/abs/2505.02847 GitHub: https://github.com/Tencent/digitalhuman/tree/main/SAGE

Лаборатория NVIDIA GEAR Lab представила проект DreamGen, позволяющий роботам обучаться в «цифровых снах». Эта технология обеспечивает нулевое обобщение поведения и нулевое обобщение среды без предварительных данных. В ближайшие недели компания планирует открыть исходный код проекта. Традиционные методы обучения роботов требуют сбора больших объемов данных вручную, что затратно по времени и ресурсам. Синтетические данные из симуляторов часто имеют проблему переноса (sim2real), ограничивающую применение в реальных условиях. Директор по робототехнике NVIDIA и ведущий ученый Джим Фан объяснил, что DreamGen использует видео-мировые модели типа Sora и Veo для создания реалистичных тренировочных данных. Это позволяет сразу переходить от реального к реальному (real2real), применяя технологию к разным типам роботов. Четыре шага обучения 1. Настройка видео-мировой модели: адаптация под физические ограничения робота на основе траекторий, заданных оператором. 2. Генерация сценариев: модель создает видео выполнения задач по начальным кадрам и текстовым инструкциям. В симуляторах случайно изменяют параметры среды, в реальных условиях — положение объектов. 3. Извлечение данных: специальные модели преобразуют видео в последовательности «псевдо-действий» (нейротраектории). 4. Обучение: на основе нейротраекторий тренируют визуально-моторную стратегию робота, комбинируя с реальными данными или используя только синтетические. Результаты Робот, обученный только «захвату-перемещению», освоил 22 новых действия (наливание, забивание, глажение и др.) в 10 неизвестных средах. Успешность выполнения новых задач выросла с 11.2% до 43.2%, в новых средах — с 0% до 28.5%. В симуляторе RoboCasa объем нейротраекторий превысил человеческие демонстрации в 333 раза. На платформах Fourier GR1, Franka Emika и SO-100 значительно повысилась успешность сложных задач. Команда также разработала оценочный бенчмарк DreamGen Bench, анализирующий соответствие инструкциям и физическую достоверность генерируемых видео. Перспективы DreamGen открывает новую эру в обучении роботов — от ручного сбора данных к генерации через мировые модели. Технология не только улучшает существующие навыки, но и позволяет осваивать новые действия в незнакомых условиях. Ссылка на исследование: https://arxiv.org/abs/2505.12705 Страница проекта: https://research.nvidia.com/labs/gear/dreamgen/