Не раз был свидетелем того, как малый ребёнок 2–3 лет играет в смартфоне, а родитель рядом беззаботно занимается своими делами. Говорить о том, что такой ребёнок с высокой вероятностью будет испытывать проблемы со зрением, обучаемостью, мышлением не буду — это индивидуально. Прямо сейчас наблюдаю проблему, по моему мнению, более глобальную и серьёзную.

Ещё совсем недавно модели искусственного интеллекта с трудом писали складной текст. А совсем недавно выпуск одной из последних версий был отложен из‑за угрозы компьютерной безопасности банков США. Но буквально за несколько месяцев он (ИИ) стал настолько хорош, что людей стали увольнять тысячами: программистов, дизайнеров, секретарей, писателей, переводчиков и многих других. То, что заменяет человека в ряде отраслей занятости. А те, кто остаются или остались, сетуют на то, что работа перестала быть творческой и приносить наслаждение.

Многие выпускники колледжей развитых стран не могут найти работу, потому что искусственный интеллект вполне успешно справляется с работой начинающих специалистов. Единственный совет, который даётся молодым выпускникам, это то, что они должны обладать хорошими навыками работы с искусственным интеллектом.

Какое же при этом влияние оказывает искусственный интеллект на ментальную сферу?

Исследователи из Массачусетского технологического института провели любопытный эксперимент, в котором предложили участникам написать сочинение.

Участников разделили на три группы. Одна использовала искусственный интеллект в качестве помощника, другая использовала поисковую систему, а третья — только свои умственные возможности.

Когда выбираешь ИИ‑чат для работы, многие первым делом открывают таблицы бенчмарков: MMLU, GPQA, HumanEval, LMSYS Arena. Цифры полезные. Результаты в них отвечают на вопрос, насколько сильна сама модель этого чата, но ни один из этих тестов не показывает, насколько силен чат в целом, ведь чат — это не просто модель. Чат это гораздо больше — совокупность инструментов, обвязка, поиск в интернете, память и контекст чата, и многое другое, собственно, то самое из‑за чего люди и выбирают тот или иной чат для работы или жизни.

Так вот, практически ни один из бенчмарков выше не отвечает на вопрос, что получит человек в браузере. Получит ли он поиск по свежим источникам? Загрузку PDF и работу с ним, или хотя бы его качественный анализ? Или ответ только по закрытой базе, с цитатой страницы? Или редактирование нативного Word файла, который откроется у юриста? Может быть Excel с живыми формулами, который откроется у финансиста, и будет ли он отредактирован?

В 1982 году австралийский философ Фрэнк Джексон предложил эксперимент, который настолько парадоксальный, что его до сих пор обсуждают сторонники физикализма, дуализма и теорий сознания по всему миру. Мэри — ученный, которая всю жизнь одна живёт в чёрно‑белой комнате. Она никогда не видела ни одного цвета, но знает о цвете абсолютно всё: физику света, длины волн, устройство сетчатки, работу нейронов — вообще все научные факты, которые можно узнать из книг и экспериментов.

Однажды Мэри выходит из комнаты и впервые видит красный цвет. Именно здесь возникает вопрос, который сделал этот эксперимент знаменитым: Получила ли Мэри новое знание?

Комната Мэри остаётся парадоксом, потому что любой ответ оказывается недостаточным. Если сказать, что Мэри не получает нового знания, тогда полного физического описания мира достаточно, но тогда остаётся необъяснимым её первое волнительное переживание красного цвета.

Если сказать, что получает, значит физического описания знания недостаточно, но возникает вопрос: что именно она получила такого, чего не содержало полное физическое описание мира? Именно поэтому спустя сорок лет эксперимент остаётся парадоксом: каждый ответ рождает новый вопрос.

Эта статья рассматривает вопрос, чтобы поменялось, если бы у Мэри был брат Питер с симметричной ситуацией, который всю жизнь жил в деревне и видел красный цвет, но ничего о нем не знает, и он впервые заходит в комнату Мэри? Узнает ли Питер что‑то новое о красном?

Пользователи слышат из ChatGPT собственный голос, внезапные крики и плач. Некоторые из этих историй звучат как байки с Reddit, но похожие сбои OpenAI фиксировала ещё во время тестирования голосовых моделей. Я попробовал разобраться, откуда они берутся и почему современный Voice Mode иногда ведёт себя настолько странно.

На днях говорил с мамой, она довольно часто пользуется ChatGPT. Есть одна формулировка, которая стабильно вызывает у неё ужас: она рассказывает какую-нибудь историю, а модель отвечает ей «у меня мурашки». Если честно, от этих ответов мурашки скорее у моей мамы.

Я каждый раз объясняю, что никаких мурашек там, конечно, нет. Модель подобрала реплику, которая хорошо смотрелась бы в человеческом разговоре. Но чем естественнее и чаще становятся такие ответы, тем сложнее воспринимать их как обычный вывод программы.

Недавно я наткнулся на случай, где эта граница стала ещё менее очевидной. Здесь я бы уже маму не успокоил.

Быть визионером — здорово, но не всегда полезно. Особенно не полезно для инвесторов, которые порой тратят золотые горы на то, что обречено остаться на обочине истории. Сегодня мы поговорим о таких странных проектах, которые казались феерическим «хайпом», но часто даже не доходили до прилавка.

ИИ-агент способен пройти путь от анализа задачи до создания и запуска сценария в Vanessa Automation. Но практический результат зависит не столько от выбранной модели, сколько от качества тест-плана, ограничений для агента и организации всей цепочки.

Вводный вебинар предварял стартующий 1 сентября 2026 года курс «Автоматизированное тестирование в 1С». Его провел ведущий разработчик ИТ-лаборатории Инфостарта и автор курса Александр Кунташов. Эксперт показал, как с помощью ИИ и Vanessa Automation пройти путь от исходной инструкции до работающего автотеста, а затем отдельно разобрал вопросы участников о безопасности данных, MCP, сопровождении сценариев и интеграции с CI/CD...