Ключевые события и тренды
-
ИИ-агенты-ученые самостоятельно ведут исследования и издают журнал Отчет о 12-недельном эксперименте показал действующее «научное сообщество» из почти тысячи ИИ-агентов, которые самостоятельно скопировали институты науки, стали рецензировать работы друг друга и в итоге начали издавать журнал (источник). Примеры их работы включают: обнаружение арифметических противоречий в 4 из 25 проверяемых медицинских статей (агент Spruce), выявление усиления ошибки для стабилизации обучения на Qwen3-4B, обнаружение неверного подсчета сравнений в алгоритме сортировки Шелла (агент Maple) и связывание суточного ритма магнитной диффузии на Солнце с орбитой спутника NASA. Эксперимент также показал, что ИИ-учёные изначально публиковали лишь 4% нулевых результатов, но после добавления фразы «сообщать обо всех корректных результатах» доля выросла до 100%, что указывает на способность ИИ бороться с публикационным искажением.

-
Стартап Osmo разрабатывает нейронную модель для запахов, создавая новые профессии Стартап Osmo, основанный выходцем из Google Brain Алексом Вильчко, создает foundation-модель для запахов. Нейронка по текстовому промпту придумывает формулу аромата, а робот смешивает её из реальных ингредиентов (источник). Модель уже используется в парфюмерии (среди клиентов — Procter & Gamble), а в планах — диагностика болезней по запаху и поиск веществ в аэропортах. Для обучения модели Osmo создала датасет с помощью 30 профессиональных «нюхачей» в лаборатории в Нью-Джерси, которые описывают запахи, и спектрометров, анализирующих молекулярный состав. Еще около 70 разметчиков по миру описывают запахи по единому парфюмерному словарю. Эта технология демонстрирует, как ИИ может создавать новые рабочие места, используя людей в роли «датчиков» для физического мира.
-
Павел Комаровский выпустил лекцию о рисках ИИ Опубликована полная запись лекции Павла Комаровского «AI нас всех убьет? Давайте разбираться!» с конференции AI Dev Live 2026 (источник). Доступны видеозапись, презентация и транскрипт доклада. Действие: Можно посмотреть лекцию и ознакомиться с материалами, чтобы лучше понять риски ИИ (ссылка).
-
Машинное зрение вызывает ложное срабатывание противопожарной системы На горнолыжном курорте рядом с Пекином струя противопожарной системы полила вывеску с изображением огня (источник). В соцсетях предполагают, что причиной могло стать ошибочное срабатывание ИИ с визуальным датчиком, который принял вывеску за реальный пожар. Курорт отрицает эту версию, утверждая, что причиной стал дым от реального мангала. Инцидент поднимает вопросы о точности систем машинного зрения в реальных условиях.

-
Конференция РОИИ обсудит влияние AI на работу 20 ноября в 18:00 МСК открывается лекторий конференции РОИИ с лекцией Виолетты Усановой «Экономика нового времени», посвященной влиянию AI на работу и процессы (источник). Участие в открытом лектории бесплатное.

-
Игра Future Decoder: тренировка навыков адаптации к изменениям от ИИ Организуются игры Future Decoder, цель которых — помочь участникам понять, как ИИ меняет конкретные рабочие задачи, чему стоит учиться и что можно попробовать уже сейчас (источник). Используются 20 трендов из лекций и симпозиумов. Участники принимают роли (предприниматель, наёмный сотрудник) и предлагают решения, которые влияют на правила будущего. Игры пройдут 21 ноября (10:00) или 25 ноября (18:00) по теме «Расширение · Синтетика ↔️ Земля» и 5 декабря (10:00) или 9 декабря (18:00) по теме «Сборка · Центр ↔️ Децентр».
Действие: Можно принять участие в играх для тренировки навыков адаптации к трендам. -
Открытый вебинар «Ретроанализ» для оценки причин затруднений в работе Состоится открытый вебинар «Ретроанализ» как часть системы #Правь, направленный на подведение итогов, разбор причин повторяющихся затруднений в своем деле, а также проведение лингвистического аудита сотрудников для оценки их готовности к переменам (источник). Вебинар бесплатный, регистрация дает доступ к записи.
Действие: Можно зарегистрироваться на вебинар, чтобы получить запись.
Аналитика дня
-
Общие выводы: День отмечен активным освещением практического влияния ИИ на различные сферы работы и жизни. Отмечается как способность ИИ брать на себя сложные интеллектуальные задачи (научные исследования), так и его потенциал для создания новых, неожиданных рабочих мест (профессиональные «нюхачи» для обучения моделей запахов). Одновременно поднимаются вопросы о рисках и ограничениях технологий, таких как ложные срабатывания систем машинного зрения. Значительное внимание уделяется инструментам и методам, помогающим людям адаптироваться к этим изменениям — через вебинары, конференции и интерактивные игры.
-
Тон обсуждений и информационные лакуны: Тон сообщений в каналах преимущественно информативный и аналитический, с умеренным энтузиазмом относительно новых технологических возможностей и прагматичным подходом к оценке их влияния. Отсутствие прямых обсуждений в чатах не позволяет выявить живую реакцию сообщества, его вопросы или непосредственный опыт применения описываемых технологий.
-
Потенциальные последствия: Наблюдаемые тренды указывают на ускоряющуюся автоматизацию комплексных задач, что требует переосмысления существующих профессий и развития новых навыков. Появление новых нишевых профессий, связанных с «человеческим» вкладом в обучение ИИ, может стать компенсацией за автоматизированные рутинные задачи. Важность понимания и управления рисками, связанными с технологиями ИИ, возрастает. Для профессионалов критически важным становится непрерывное обучение и адаптация к быстро меняющимся условиям труда.