Академическая честность в эпоху искусственного интеллекта: соавторство или мошенничество?

Можно ли школьникам и студентам обращаться к чат-ботам при написании эссе? Как оценивать такие работы? Где помощь нейросети превращается в плагиат? С развитием искусственного интеллекта традиционные представления о честности в науке и образовании пересматриваются. Рассказываем, как школы и вузы учатся регулировать использование ИИ.

А что, до нейросетей все были честными?

Нет 🙃. В 2012 году опрос 23 000 американских старшеклассников показал: 75% списывали домашнюю работу, 52% — контрольные. Среди 3600 учеников школ США 95% признались, что хотя бы раз жульничали за год. Что же касается ИИ, его используют не только с целью списать.

А с какой?

Исследователи Стэнфордского университета выяснили, что 54-58% учеников считают допустимым использовать ИИ для мозгового штурма, поиска темы проектов и структурирования мыслей. 48-64% опрошенных против использования ИИ для написания фрагментов работы и редактуры готового текста. 86-95% учащихся высказались против автоматического создания всей работы.

Со школьниками ясно, что там у студентов?

Согласно совместному докладу «Яндекс Образования» и НИУ ВШЭ почти половина студентов (49%) уже использует ИИ; 47% процентов студентов отмечают, что нейросети помогают им в учебе; а 54% преподавателей считают, что умение пользоваться генеративными технологиями дает студентам карьерное преимущество.

Ведущие вузы делают ставку на обучение ИИ-грамотности, а не на борьбу со списыванием. Например, Оксфорд и Мичиганский университет создают открытые курсы и хабы, где объясняют, как работает ИИ, каковы его ограничения и этические риски.

Подробнее о практических и этических аспектах использования нейросетей в образовании узнаете из полной версии нашего материала.

А своим мнением по этому поводу можете делиться в комментариях 😎

🤖 «Системный Блокъ» @sysblok

Читать полностью…

«Системный Блокъ» объявляет предновогодний набор участников!

«Системный Блокъ» расширяется и приглашает новых авторов, редакторов, менеджеров, дата-аналитиков, разработчиков. Если вы давно хотели к нам присоединиться и не знали, как, — сейчас самое время!

Мы — волонтерское издание. В нашей команде люди из совершенно разных сфер: филологи, программисты, менеджеры, историки, журналисты и аналитики. Нас объединяет интерес к науке и технологиям, а также желание вдохновлять людей интересными материалами, исследованиями, новостями, тестами.

Как вы поняли, нам не хватает только вас.

Ниже вы найдете набор ролей, которые могут быть интересны вам или вашим друзьям. Если что-то из этого вам близко, добро пожаловать к нам! Если вы хотите присоединиться, но идеальной роли нет, то все равно оставляйте заявку.

1. Авторы в рубрики NLP, «Филология», «Образование», «Биоинформатика», «Востоковедение»
2. Кураторы рубрик NLP, «Лингвистика» и «Филология»
3. Редакторы текстов
4. SMM-Lead / Менеджер отдела SMM
5. Контент-менеджер Telegram-канала
6. Выпускающий редактор сайта
7. Куратор рубрики «Интервью» / Менеджер интервью
8. PR-менеджер
9. HR-менеджер
10. Иллюстраторы и менеджер иллюстраторов
11. Редактор ИИ-портала
12. Авторы-энтузиасты нейросетей
13. Менеджер направления в дата-отделе
14. Автор-исследователь в дата-отдел
15. SEO-специалист на сайт
16. Аналитик на сайт
17. Продакт-менеджер сайта
18. UX-дизайнер сайта
19. Менеджер портала про цифровое образование
20. Разработчик WordPress на сайт
21. Разработчик Next.js (React)
22. Разработчик n8n
23. Разработчик Apps Script

Полное описание задач и пожеланий к участникам смотрите в этом документе.

Если вас заинтересовала одна из ролей – приглашаем заполнить форму до 29 ноября. Проект полностью волонтерский, мы не платим денег. Зато у нас человечный менеджмент, отлаженные процессы и хорошая репутация в русском научпоп-сообществе. Присоединяйтесь!

🤖 «Системный Блокъ» @sysblok

Читать полностью…

ИИ-поисковик: как пользоваться Perplexity

В новом гайде объясняем, как зарегистрироваться в Perplexity и начать использовать эту нейросеть для повседневных задач и работы с научными источниками.

Что за Perplexity?

Perplexity AI — это поисковая система на основе искусственного интеллекта (ИИ). Использовать ее можно для как для обычных, так и для учебных или исследовательских задач.

Как её использовать?

Если вы хотите спросить нейросеть о чем-то повседневном (например, порекомендовать вам фильм), советуем режим быстрого поиска.

А для более сложных вопросов, связанных с исследованиями, лучше активировать режим глубокого поиска. В этом режиме нейросеть формирует ответ дольше, но с большей точностью. 

Можно еще и установить дополнительный фокус — настроить Perplexity на поиск только по академическим источникам и дополнительно изучить ссылки на них.

Больше информации о возможностях нейросети и примеры запросов найдете в гайде на сайте.

Этот материал — часть нашего спецпроекта «ИИ-лайфхаки для вашей профессии». Подробнее о других задачах читайте в разделе «ИИ для исследователей».

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Криминалистическая биоинформатика: как растения помогают детективам

Вы хорошо знаете, как убийц находят по их ДНК и отпечаткам пальцев, а ещё наверняка помните, что Шерлок Холмс мог легко различать образца разных почв. Не меньше расследователям могут рассказать ДНК растений или животным. В новой статье объясняем, как методы генетики помогают уголовному розыску.

🪵 Деревья-улики и травы-свидетели

Первое преступление, раскрытое с помощью анализа нечеловеческой ДНК, произошло в 1993 году в Аризоне. Преступника обличило дерево, под которым нашли жертву. Его ствол был поврежден столкновением с грузовиком, а в кузове машины подозреваемого следователи нашли плоды такого же дерева, паркинсонии.

Еще одно растение, которое выступало в суде в качестве свидетеля — птичий горец Polygonum aviculare, известный также как… трава-мурава. Убийца увез тело жертвы подальше от дома и сбросил его в ручей. На берегу рос горец, и его семена прилипли к шинам автомобиля, где их и нашли криминалисты. 

🪾 Растения-потерпевшие

Анализ ДНК помогает и в тех случаях, когда жертвой оказались сами растения или животные. Оставленные на вырубке пни могут стать решающими в расследовании браконьерства: если найдутся срубленные деревья, их можно сопоставить с пнями по ДНК. Так удалось доказать вину нарушителей, уничтоживших клены в национальном парке Олимпик (Вашингтон, США), и защитить от нелегальной рубки кипарисовики на Тайване.

Иногда идентифицировать дерево можно и без ДНК: например, если удалось перехватить необработанные бревна, можно сличить спилы; но ДНК-фингерпринтинг позволяет опознать даже доски и опилки.

🌳 Перспективы расследований исследований

Индивидуальные ДНК-паттерны растений помогают искать не только убийц и браконьеров. Например, с их помощью также можно проверить сорт оливок, из которого произведено масло, или определить источник наркотиков растительного происхождения. В перспективе, если человечество не задумается о защите персональных данных растений, каждая доска и каждый в поле колосок будут иметь генетический паспорт с указанием происхождения, который невозможно подделать. 

Подробнее о том, как устроены исследования ДНК-растений в криминалистике, а ещё о том, как убийцу нашли с помощью кота по кличке Снежок, узнаете из полной версии статьи.

Время чтения: 14 минут

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Litmaps и Connected Papers: как нейросети помогают искать научные статьи

Современные исследователи часто сталкиваются с проблемой поиска релевантных источников. Разбираем, как нейросети могут помочь в решении этой задачи:

📎 Litmaps

— Находит статьи, связанные с вашей темой по цитированиям и ссылкам;
— Показывает самых цитируемых авторов в выбранной области;
— В платной версии есть синхронизация с Zotero, в бесплатной — поиск по DOI, названию и другим идентификаторам;
— Функция Visualize строит графики связей между работами;
— Поддерживает ручной импорт статей.

🖇️ Connected Papers

— Определяет статьи-«предшественники» и «преемники» по теме исследования;
— Есть возможность загрузки датасета.

Этот материал — часть нашего спецпроекта «ИИ-лайфхаки для вашей профессии». Подробнее о других задачах читайте в разделе «ИИ для исследователей».

Какими инструментами для поиска статей пользуетесь вы? Делитесь в комментариях.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Российские кинофестивали в девяти карточках: что (не) изменилось после 2022

Правда ли, что западные кинорежиссеры массово бойкотируют Россию? Действительно ли на российских международных смотрах больше не показывают фильмы из США и Британии? Кто ушел совсем, а кто — только на время? Ответы на эти и другие вопросы ищите в карточках, а подробности и комментарии экспертов — в нашем материале. «Системный Блокъ» изучил, как изменилась география участников нескольких российских кинофестивалей после февраля 2022 года.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Браузер от OpenAI, DeepSeek предлагает заменить текст картинками

Рассказываем, что произошло в мире ИИ за последнее время.

Браузер от OpenAI

Компания OpenAI представила браузер ChatGPT Atlas со встроенными ИИ-функциями.

Во время посещения веб-сайтов пользователь может задавать вопросы ChatGPT, который будет использовать содержимое страницы как контекст. Например, находясь на сайте отеля, у чат-бота можно узнать о ближайших достопримечательностях. Модель также способна автономно выполнять задачи вроде сборки заказа по предоставленному списку или заполнения таблиц.

Ещё одна функция — умный поиск по истории браузера. В целях безопасности агенту запрещено скачивать файлы и исполнять код. На определённых сайтах при выполнении задач систем будет требовать ручного подтверждения потенциально опасных действий — например, денежных переводов. Кроме того, пользователь может вручную запретить ChatGPT доступ к выбранным страницам.

ChatGPT Atlas доступен для пользователей Mac. Количество запросов зависит от типа подписки.

Почему это важно?

Многие компании разрабатывают продукты для автоматизации поиска и выполнения задач в интернете. Google встроила языковую модель Gemini в браузер Chrome, Perplexity выпустила ИИ-браузер Comet.

Высокий интерес к этой области объясняется тем, что люди решают огромное количество задач онлайн. Получая доступ к информации о посещаемых сайтах и действиях на них, компании лучше понимают потребности и интересы пользователей. Это открывает возможности как для улучшения продуктов, так и для монетизации.

Например, ChatGPT потенциально сможет встраивать релевантную рекламу в ответы, основываясь на контексте просматриваемой страницы. Компании также могут собирать историю взаимодействия с различными сайтами для обучения своих агентов.

Новый способ подачи текста языковой модели от DeepSeek

Лаборатория DeepSeek предложила представлять текст для языковых моделей в виде изображения.

Обычно текст разбивают на токены — слова или их фрагменты. У этого подхода есть недостатки: одна фраза может разбиваться по-разному, качество разбиения хуже для неанглийских языков, а эффективность сжатия низкая — один токен соответствует лишь 2–3,5 символам. При обработке длинных текстов модель начинает забывать контекст, а потребление памяти растёт.

Изображения разбиваются на «визуальные» токены: картинку делят на квадраты 16×16 пикселей. Такие токены можно агрегировать, сжимая последовательность в несколько раз без потери информации.

DeepSeek применили этот подход к тексту: представили его как изображение и преобразовали в визуальные токены.

Эксперименты показали, что это позволяет уменьшить длину последовательности в 10 раз (по сравнению с текстовым представлением) без ущерба качеству. Даже при сжатии в 20 раз модель сохраняет 60% исходного качества.

Почему это важно?

Исследователи уже давно пытаются заменить процесс разбиения текста на символьные токены более универсальными и надежными способами. Решение этой задачи поможет повысить качество работы LLM не в одной конкретной области, а во всех сразу, поскольку языковые модели оперируют токенами как фундаментальными строительными блоками.

Методы, позволяющие более компактно представлять текст, особенно актуальны для эффективной работы с длинными документами. Способность обрабатывать объемные тексты необходима для применения LLM в задачах анализа больших массивов данных — например, архивных материалов или кодовых баз. Кроме того, это важно для разработки ИИ-агентов, которые на каждом промежуточном шаге выполнения задачи генерируют развернутые рассуждения.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Шерлок Холмс XXI века: как цифровые технологии меняют криминалистику

Сегодня метаданные, Google Maps и нейросети могут помочь раскрыть реальные преступления. Причем делать это теперь могут не только эксперты, но и пользователи соцсетей. Рассказываем об интернет-ищейках и их методах подробнее в новой статье.

🕵🏻‍♂️ Кто этим занимается?

Интернет-ищейки (internet sleuths) — это сообщества энтузиастов, которые используют цифровые инструменты для расследования преступлений, поиска пропавших людей и разоблачения мошенников.

В Китае этот феномен известен под интригующим названием «поиск человеческой плоти» (human flesh search engine), когда тысячи пользователей скоординировано ищут информацию о человеке через соцсети и блоги. А крупнейшее англоязычное сообщество интернет-ищеек — форум Websleuths — было создано ещё в 1999 году для обсуждения нераскрытых дел. Сегодня у него больше 240 тысяч пользователей.

🌎 Какими технологиями они пользуются?

Одни из самых популярных сервисов среди онлайн-сыщиков — Google Maps и Google Earth. Google Maps предлагает интерактивные карты и панорамы Street View, а Google Earth — детальные спутниковые снимки с возможностью анализировать изменения местности за разные годы. Чем они могут быть полезны? Например, на одном из снимков в Google Street View обнаружили мужчину, укладывающего в багажник нечто, завернутое в пакеты. Позже в таких же пакетах нашли тело пропавшего на кладбище неподалеку.

🗂️ Может, что-то ещё?

Метаданные! Например, дата и время создания файла, автор, геолокация и т.д. Сами по себе они не являются технологией, но часто именно геотеггинг становится одной из важнейших зацепок в расследовании. Яркий пример — дело Габи Петито, в котором интернет-сыщики и полиция опирались на данные социальных сетей. Когда её жених вернулся из путешествия один, пользователи обратили внимание на видео и снимки Габи из соцсетей. Они включали геотеги, даты создания, технические параметры устройств.

Интернет-ищейки проверяли алиби жениха по временным меткам и искали свидетелей. Спойлер: на видео одной женщины, которая была в парке тогда же, как раз нашёлся фургон Габи и её жениха, а затем поблизости нашлось и тело пропавшей.

🤖 А как же нейросети?

Распознавание лиц с помощью нейросетей тоже может пригодиться. Благодаря ним журналист-раследователь Майкл Колборн обнаружил на фото 65-летнюю Даниэлу Клетте, которая когда-то состояла в террористической организации «Фракция Красной Армии» (RAF). В феврале 2024 года немецкие власти её арестовали.

Ещё об одной технологии, веб-скрейпинге, узнаете из полной версии статьи. Именно веб-скрейпинг, кстати, оказался особенно важен при расследовании захвата Капитолия в 2021 году, когда погибли пять человек, были ранены  десятки полицейских, а также разграблено Национальное законодательное собрание Америки.

Время чтения: 20 минут

🤖 «Системный Блокъ» @sysblok

Читать полностью…

ChatGPT разрешит взрослым пользователям генерировать эротический контент 🔞

О планах разрешить генерацию эротики заявил генеральный директор OpenAI Сэм Альтман в сети X. По его словам, это станет частью реализации принципа «‎обращаться со взрослыми как со взрослыми», который ляжет в основу новой политики компании. В декабре 2025 OpenAI планирует внедрить систему возрастной верификации, что даст пользователям старше 18 лет расширенные возможности. 

Однако пока компания не раскрывает подробностей о том, как будет проверять возраст или обеспечивать конфиденциальность и безопасность контента 18+. Тем не менее в сентябре OpenAI запустила систему автоматической идентификации: она ограничивает материалы для пользователей младше 18 лет. 

Альтман анонсировал и другие изменения: так, в ChatGPT можно будет настраивать личность ИИ-помощника, делая его более человечным и дружелюбным.

Почему это важно?

С одной стороны, за этим решением стоит коммерческая логика. Несмотря на то, что OpenAI стала самой дорогой частной (т.е. акции которой не торгуются на фондовой бирже) компанией в мире, она все еще не показывает стабильную прибыль. Разрешение на генерацию взрослого контента позволит расширить аудиторию и увеличить доходы за счет роста подписок.  

С другой стороны, это ответ на потребности пользователей. Все больше людей обращаются к нейросетям как к собеседникам. Согласно британским и американским исследованиям, каждый пятый респондент использовал их как романтических партнеров.

Однако общение с ChatGPT в роли сексуального партнера создает несколько серьезных рисков. 

Во-первых, такой формат усилит психологическую привязанность пользователей к сервису и повысит их доверие к боту. Это может привести к тому, что люди начнут делиться с компанией все более чувствительными личными данными.

Во-вторых, существует опасность злоупотребления технологией. OpenAI потенциально может разрешить генерацию визуального эротического контента. Используя такие генерации как основу, злоумышленники смогут создавать реалистичные дипфейки с лицами реальных людей. Уровень реалистичности современных ИИ-видео и изображений уже достаточен для того, чтобы использовать их в целях мошенничества, шантажа и травли.

И, наконец, общение с ботом, обученным на согласие и поддержку, принципиально отличается от общения с реальными людьми — оно проще и менее многогранно. Это создает риск, что многие люди будут предпочитать «комфортное» общение с ИИ реальным отношениям. В результате число изолированных и социально дезадаптированных людей может увеличиться.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Как написать хороший промпт

Если нейросети дают слишком общие ответы, часто можно переформулировать сам вопрос — промпт, который вы им задаете. Даем три варианта инструкций, которые сделают коммуникацию с ИИ конструктивнее.

1️⃣Будьте конкретны

Чем больше деталей вы предоставите (цель и задачи, стиль, объем и т. д.), тем точнее окажется выдача (ответ) нейросети. Например, если вы хотите придумать пост для вашего личного блога, то промпт «‎Напиши пост про отпуск» будет не слишком полезен. А вот другой пример:

Ты — SMM-менеджер канала в Telegram.

Напиши короткий (80-90 слов) пост для канала о поездке в горы на выходные. Канал посвящен туризму. Целевая аудитория канала: мужчины и женщины 30-35 лет, которые ценят активный отдых и ищут идеи для запоминающихся путешествий. 

Цель поста — вовлечь подписчиков в обсуждение (реакции, комментарии о своем опыте). Пост должен быть написан через личную перспективу, через первое лицо. Сделай акцент на эмоции от единения с природой и адреналин. Используй подходящие к теме хэштеги. 

Так мы объясняем нейросети её роль, ставите четкую задачу и объясняете, какой формат ответа ждёте.

2️⃣ Покажите нейросети пример

Если вам нужен ответ в определенном стиле, покажите нейросети, как это должно выглядеть. Используйте конструкции: «Напиши в таком формате…», «Следуй этому примеру…», «В таком же стиле, как…».

Важно: Пример, который вы даете нейросети, должен соответствовать условиям, описанным в промпте. Так, если вы просите дать ответ в двух абзацах, то пример тоже должен состоять из двух абзацев. 

Кроме того, описание формата стоит указывать и в промпте, даже если вы прилагаете пример. Иными словами, если вы хотите получить от нейросети ответ, который будет соответствовать желаемому формату, одного примера недостаточно: дополнительно пропишите структуру в запросе.

3️⃣ Просим нейросеть думать пошагово

Если вы задаете вопрос, который требует логики или расчетов, попросите нейросеть объяснить ход ее «мыслей». Для этого вы можете использовать следующие формулировки: «Думай пошагово», «Рассуждай логически», «Объясни свой ход мыслей», «Разбей решение на этапы». 

Некоторые нейросети автоматически определяют сложность запроса и решают, нужно ли приводить ход размышлений. Фразы-триггеры побуждают модель рассуждать, — но иногда вы можете получить рассуждения автоматически (например, как в этом случае). Вот пример хорошего промпта такого формата:

Ты — репетитор по математике. Нужно, чтобы ты объяснил решение задачи о пересекающихся множествах для ученика 8-9 класса, который только начинает изучать эту тему.

Задача звучит так: в классе 30 учеников, 16 занимаются программированием, 15 — дизайном, а 10 — и тем, и другим. Нужно найти, сколько человек ничем не занимаются.

Цель — не просто дать ответ, а подробно разобрать решение шаг за шагом, чтобы ученик понял принцип работы с пересекающимися множествами. Распиши решение поэтапно, с комментариями к каждому действию.

Объясняй простым и понятным языком, без излишней формальности, но с точными математическими формулировками. Представь ответ в виде связного объяснения, как если бы ты разговаривал с учеником у доски.

Что дальше?

Если вы хотите лучше разобраться в техниках промптинга, переходите к нашему спецпроекту или читайте подробный гайд.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

UNESCO открыла виртуальный музей украденных культурных объектов

29 сентября на конференции MONDIACULT 2025 в Барселоне ЮНЕСКО представила Виртуальный музей украденных культурных объектов. Работа над этим проектом велась с июня 2023 года совместно с Интерполом. В качестве спонсора выступило правительство Саудовской Аравии, а «архитектуру» виртуального музея спроектировал Франсис Кере, лауреат Притцкеровской премии. 

Коллекция содержит более 250 экспонатов — это изображения и 3D-модели артефактов, которые были украдены в 46 странах по всему миру. Все они доступны для просмотра бесплатно на сайте музея — для этого можно использовать не только телефон или компьютер, но и VR-очки. Экспонаты сгруппированы по регионам: Европа и Северная Америка (96), Латинская Америка и страны Карибского бассейна (57), Африка (51), Азиатско-Тихоокеанский регион (37) и Арабские страны (36). Объекты можно также искать по цвету и назначению.

Кроме зала с утраченными артефактами в музее доступно еще одно виртуальное помещение, которое создатели назвали Return and Restitution Room. Здесь представлены объекты, которые удалось передать обратно законным владельцам. На данный момент таких всего три — посетители могут посмотреть на их модели и изображения, а также узнать, что было сделано для их возвращения.

Почему это важно?

Поскольку культурные объекты напрямую связаны с историей, их утрата означает постепенное разрушение идентичности сообществ. Первый шаг к их возвращению — огласка. При помощи этого проекта организация планирует привлечь внимание к проблеме мародерства, а также незаконного оборота археологических находок, произведений искусства и других предметов, представляющих культурную ценность. 

Представители ЮНЕСКО заявляют, что, в отличие от других культурных институций, их виртуальный музей будет стремиться уменьшить, а не расширить свою коллекцию: если какой-либо из экспонатов удастся найти и вернуть, его уберут из экспозиции.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Нейросети, микрообучение и цифровые репетиторы: подборка материалов ко Дню учителя

5 октября в России отмечается День учителя. В честь праздника мы собрали наши статьи, полезные и для тех, кто учит, и для тех, кто учится. Рассказываем, как  технологии меняют образование детей и взрослых, сравниваем цифровых помощников и делимся готовыми промптами для нейросетей. 

ИИ для учителей: инструменты и готовые промпты для преподавателей

Мы искренне желаем преподавателям перестать бояться и полюбить нейросети. Ведь без них нынче никуда. Мы посвятили целый раздел нашего спецпроекта «ИИ-лайфхаки для вашей профессии» задачам учителей. Здесь рассказали про примеры промптов для разработки плана урока, создания обучающих материалов или тестов. А еще мы написали: 
• Как педагогу правильно составить промпт для нейросети?
• Какие нейросети использовать для генерации изображений, а какие для поиска идей?
• Как с помощью нейросети разработать занятие по профориентации? 

Коротко и быстро: что такое микрообучение и когда оно (не) может помочь

Микрообучение — это образовательный подход, при котором новая информация подается небольшими порциями, например, в формате коротких роликов, презентаций или иллюстрированных текстов. Его нередко используют компании для обучения сотрудников, не отрываясь от рабочего процесса. Но действительно ли микрообучение эффективно? Мы разобрались в этом вопросе и выяснили: 
• Почему микрообучение стало популярным?
• Когда оно действительно помогает?
• Можно ли измерить эффективность микрообучения?

Сложно ли учиться в Zoom после 55: как устроено цифровое образование для старших возрастов

Обучение в старшем возрасте становится все более популярным, и выход на пенсию может стать поводом получить новую квалификацию. Благодаря онлайн-платформам, у студентов после 55 есть большой выбор программ: от освоения гаджетов до открытия своего дела. Из нашего материала вы узнаете: 
• Зачем люди пенсионного возраста идут учиться?
• Что они предпочитают изучать?
• Какие образовательные платформы предлагают специальные программы для студентов 55+?

Цифровые репетиторы: как ИИ помогает готовиться к экзаменам

Несмотря на то, что до конца учебного года и выпускных экзаменов еще далеко, готовиться к ним школьникам приходится едва ли не с 1 сентября. Теперь им в этом помогают и цифровые помощники на основе искусственного интеллекта. Мы протестировали, как они справляются с подготовкой к итоговому сочинению, ЕГЭ по информатике и английскому языку. Из нашего обзора вы узнаете: 
• Какой ИИ-помощник лучше всех помогает написать сочинение?
• Какая нейросеть лучше всех решает и объясняет математические задачи?
• Какой сервис разберет ошибки в устной речи на английском языке?

Как это будет по-русски? Цифровые технологии для изучения русского как иностранного

Если вы преподаете или изучаете русский как иностранный, то знаете, сколько сложностей возникает при освоении ударений или склонений. Мы изучили цифровые инструменты, которые помогут справиться с трудностями великого и могучего любому (даже тому, для кого он родной). Рассказываем: 
• Где найти правила русской фонетики с примерами?
• Где слушать обучающие подкасты? 
• С помощью какого инструмента можно научиться спрягать глаголы?

Бонус: Ахматова и Цветаева в списке для чтения. А кто ещё?

Если вы уже прочитали все наши статьи про образование, пройдите наш тест по мотивам исследования школьного литературного канона. Как из любой контрольной работы, из него можно узнать много нового. Например: 
• Какая российская императрица попала в школьную программу?
• Творчество какой неграмотной сочинительницы изучали советские школьники?
• Какая поэтесса Серебряного века еще при жизни вошла в учебники литературы, а потом пропала оттуда на 60 лет? 

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Кто написал «‎Тихий Дон»? Что цифровые методы говорят о «Шолоховском вопросе»

Уже почти сто лет читатели и исследователи пытаются выяснить, кто написал «‎Тихий Дон» — всё-таки Шолохов или кто-то другой? В новом тексте наш главный редактор Даниил Скоринкин (канал Цифровой филолог) рассказывает о том, какие ответы на этот вопрос предлагают стилометрия и количественные методы.

✍🏼 Почему вопрос авторства Шолохова вообще возникает?

Роман Шолохова быстро завоевал популярность у читателей, но юный возраст автора, отсутствие у него формального образования и стремительный переход от небольших рассказов к эпопее вызвали подозрения в плагиате.

Главных кандидатов на «настоящее‎» авторство оказалось двое: Фёдор Крюков и Вениамин Краснушкин (он же Виктор Севский). Оба происходили из донских казаков, оба были литераторами и журналистами, оба — свидетели и участники сначала Первой мировой, а затем Гражданской войны на Дону на стороне белых. Оба бесследно пропали в 1920-м году. Еще один известный «альтернативный автор» Шолоховских текстов — Александр Серафимович (настоящая фамилия — Попов). Сам он, кстати, был одним из главных защитников авторства Шолохова и даже возглавлял в конце 1920-х комиссию по установлению истины вокруг «Тихого Дона».

📊 А что говорит статистика?

Группа шведско-норвежских исследователей во главе с профессором-русистом из Осло Г. Хьетсо исследовала роман в конце 1980-х. Сопоставив текст «Тихого Дона‎» с другими текстами Шолохова и Крюкова, они выяснили, что длина предложений и распределение по ним частей речи скорее указывают на авторство Шолохова.

Однако проблема в том, что в тексте можно посчитать очень много что, для всего будет какое-то численное выражение. Вот только откуда мы знаем, что тот или иной параметр связан с авторством? Например, по длине предложений «Тихий Дон‎» с тем же успехом можно было бы приписать Достоевскому.

Супруги Фоменко, один из первых «цифро-гуманитарных тандемов» в истории советской науки, предложили свой метод поиска авторства — на основе средней доли служебных слов. Их эксперименты указали уже на авторство Крюкова. В итоге две работы — каждая на основе своего математического аппарата — получили противоположные результаты. Доверие к количественным методам было подорвано.


📈 Что меняет (и чего не меняет) появление метода Delta

Начало XXI века — время рождения современной стилометрии, основанной на методе Delta (мы часто упоминанием этот метод, а здесь рассказывали о нём подробнее). Если применить его к Шолохову, можно выяснить, что, во-первых, первые три тома «Тихого Дона‎» стилометрически близки ранней прозе автора. Во-вторых, что сближений произведений Шолохова с текстами других известных предполагаемых кандидатов — нет. В-третьих, что тексты, автором которых считается Шолохов, стилометрически неоднородны и ведут себя в эксперименте иначе, чем тексты других современных ему писателей.

И всё же даже этих выводов может не быть достаточно, чтобы уверенно утверждать, что фамилия на обложке «Тихого Дона‎» принадлежит его истинному автору. Подробнее об этой литературоведческой загадке и о том, как исследователи подступались к ней в разное время, узнаете из полной версии текста.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Нейросети помогают ученым исследовать уравнения, LLM побеждают в олимпиаде по программированию

Рассказываем, что произошло в мире ИИ за последнее время

Нейросети помогут решить задачу тысячелетия? 

Лаборатория Google DeepMind вместе с учёными из США предложила метод на основе нейросетей, помогающий лучше понимать определенный вид математических задач. Это может помочь в решении одной из задач тысячелетия.

Изобретение позволяет находить особые решения дифференциальных уравнений, описывающих многие физические процессы. Например, уравнение Навье — Стокса (запомните его) описывает изменение скорости потока жидкости или газа во времени. Его решение — формула, выражающая скорость через параметр времени и характеристиками жидкости / газа.

Решений часто много, но часть из них приводит к физически невозможным показателям. Например, формула может предсказать бесконечную скорость потока. Поиск таких особых решений важен: он показывает границы применимости уравнения. Скажем, при тестировании крыла самолёта уравнение динамики потока воздуха может давать аномальные значения, и результаты эксперимента будут ненадежными.

DeepMind совместно с физиками и математиками разработали вычислительный метод для нахождения таких особых решений. Он использует нейросети и новый способ их обучения с высокой численной точностью. Метод уже протестировали на ряде уравнений и открыли новые группы особых решений.

Почему это важно?

Доказательство отсутствия особых решений у некоторых уравнений — сложная задача. Например, доказательство гипотезы, что уравнение Навье — Стокса не имеет особых решений, входит в список из 7 задач тысячелетия с призом в 1 млн долларов. Пока решена только одна из этих задач — Григорием Перельманом.

Новый метод, представленный учеными, полуавтоматический — его можно применять к большому спектру уравнений с относительно небольшим участием человека. То есть сложность задачи частично удалось переложить на компьютер. Возможно, это поможет найти особые решения уравнения Навье — Стокса и опровергнуть гипотезу.

Это не первый случай, когда учёные используют возросшие технологические и вычислительные возможности для работы над сложными задачами. Можно вспомнить Большой адронный коллайдер или Нобелевскую премию за нейросети.

Языковые модели от Google и OpenAI победили в олимпиаде по математике

Сразу два лидера в области LLM заняли призовые места в ICPC — Международном студенческом командном чемпионате по программированию.  

Обеим командам предоставили столько же времени, сколько и обычным участникам. Команда OpenAI заняла первое место, решив все 12 задач, Google — второе, решив десять.  

OpenAI использовала три модели: GPT-5 и экспериментальную рассуждающую модель для генерации решений, и еще одну — для выбора финального решения из набора кандидатов. Ни одна из модель не обучалась специально для ICPC. GPT-5 решила 11 задач, а самую сложную — экспериментальная модель.

Google использовала модель Gemini 2.5 в режиме продвинутых рассуждений DeepThink. Примечательно, что на отдельных задачах она показала время лучше, чем у самых быстрых участников.

Обе модели справилась с задачей, которую не решила ни одна человеческая команда. Среди людей первое место заняла команда петербургская университета ИТМО, решив 11 задач. Второе и третье места достались командам из Японии и Китая соответственно.  

Почему это важно?

Модели этих же компаний недавно одержали победу и на олимпиаде по математике.

И OpenAI, и Google используют исключительно языковые модели общего назначения, а не специализированные системы для отдельных задач. Это демонстрирует потенциал больших языковых моделей в решении сложных технических и наукоемких проблем.

Лидерство в соревнованиях с людьми показывает и прогресс в развитии LLM. К примеру, в 2023 году они не всегда генерировали корректный код. Однако эти успехи не полностью отображают качество моделей. Они всё еще часто ошибаются в более простых задачах и галлюцинируют.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Код Средневековья: пять статей о цифровых методах в медиевистике

Сложно назвать историческую эпоху, о которой существует столько же стереотипов и заблуждений, как о Средневековье. Медиевисты делают все возможное, чтобы развенчать мифы о невежестве и антисанитарии и сделать наше представление об этом периоде более адекватным. «Системный Блокъ» собрал несколько материалов о том, как им в этом помогают цифровые методы. 

👨🏻‍🎓 Вспоминайте иногда вашего студента: изучаем базу данных средневековых университетов

Начало учебного года — хороший повод узнать, как и чем жило средневековое и раннемодерное академическое сообщество. Рассказываем о совместном проекте немецких и швейцарских исследователей — базе данных Repertorium Academicum Germanicum (RAG), где собрана информация о студентах, выпускниках и обладателях ученых степеней на территории Священной Римской империи в XIII-XVI веках. Вы узнаете:
• зачем в средневековых университетах все записывали?
• как в это время обстояло дело с академической мобильностью?
• как восстановить в деталях карьеру отдельно взятого ученого?

🕵️ Стилометрия и древнескандинавская литература: определение авторства исландских саг

В этой статье разбираемся, как специалисты по древнескандинавской литературе применяют дельту Бёрроуза, чтобы разрешить спор об авторстве «Саги об Эгиле». Читайте:
• на какие группы по хронологии делятся исландские саги?
• чем можно объяснить стилистическое сходство между некоторыми сагами?
• какие эксперименты нужно провести с дельтой и исследуемыми текстами, чтобы снять все сомнения о личности автора?

👑 Что статистические отношения в лексике могут рассказать про средневековую власть?

Стилометрия и компьютерный анализ текстов хороши не только для определения авторства — еще они могут помочь с исследованием типов власти в средневековом обществе. В статье рассказываем о работе медиевистки Евгении Шелиной и о том, что скрывают корпуса французских грамот XIII века. Вы узнаете:
• что такое семантическое поле власти?
• чем власть духовенства отличается от власти светской аристократии и как это отражается в текстах?
• что интересного удалось узнать о фигуре французского короля?

🗺️ Скифия, Египет, Вавилон: как цифровые методы помогают в изучении средневековых карт

По сравнению с современными картографическими сервисами старинные средневековые карты выглядят загадочно и непонятно. В нашем материале читайте, как специальный пакет Veccompare для языка R помогает исследовать представления средневековых людей о мире вокруг. Вместе разбираемся:
• как узнать, что два картографа брали информацию из общего источника?
• почему некоторые топонимы на картах могут быть абсолютно уникальными?
• что получится, если сравнить карту с текстовым описанием той же территории?

📜 От разобщенности к войне: что показывает сетевой анализ византийских писем

Что письма могут рассказать ученым о политических связях византийцев? Можно ли по переписке отследить момент, за которым последовал государственный кризис? Рассказываем, как сетевой анализ и теория графов помогают изучать эпоху гражданских войн в Византии. В материале читайте:
• всегда ли представители византийской элиты, объединенные узами родства, имели одинаковые политические взгляды?
• как тесная связь человека с императором сказывалась на других его социальных взаимодействиях?
• как приход к власти Андроника III повлиял на динамику отношений между высокопоставленными византийскими чиновниками?

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Языковые модели помогают математикам, Google поможет Apple с ИИ

Что произошло в мире ИИ за последнее время.

Нейросети помогают математикам

Команда ученых, в которую входит один из самых известных математиков современности Теренс Тао, показала, насколько большие языковые модели эффективны в поиске решений целого класса математических задач.

Перед математиками часто стоит задача найти объект с заданными свойствами. Например, при исследовании величины, принимающей бесконечное количество значений, требуется определить её верхнюю границу — значение, больше которого эта величина не может быть. Не всегда удаётся с первого раза дать точную оценку, часто находят оценку с запасом. Поэтому математики пытаются конкретизировать существующие оценки.

Кандидата на оценку можно частично проверить на компьютере, написав программу для перебора вариантов. Компьютер будет перебирать значения величины и сравнивать с предложенной оценкой — если хотя бы для одного значения неравенство не выполняется, то оценка неверна. Такой подход позволяет быстро отметать неподходящих кандидатов.

В мае 2025 года лаборатория Google DeepMind представила метод AlphaEvolve, который позволяет эффективно находить объекты с заданными свойствами с помощью LLM. В качестве объекта может выступать математическая конструкция, молекула, компьютерная программа и др. А значит, с помощью AlphaEvolve можно создавать и программы для поиска оценки величин.

AlphaEvolve использует эволюционный подход. Пользователь даёт описание задачи и объекта. На каждом шаге AlphaEvolve не ищет напрямую нужный объект, а генерирует программу, которая производит поиск. Такой метод оказался особенно эффективным, потому что позволяет компактно описывать сложные структуры и многократно улучшать результат без повторных запусков модели. На каждом следующем шаге языковая модель улучшает лучшую программу с предыдущего шага.

AlphaEvolve тестировали на 67 научных задачах из разных областей математики. Почти для всех модель нашла лучшие уже известные решения, а в некоторых задачах — предложила более оптимальные.

Почему это важно?

Многие решения, найденные AlphaEvolve, не были найдены раньше из-за отсутствия у математиков времени и сил на подбор оптимальной комбинации уже известных решений под конкретную задачу. AlphaEvolve может обнаруживать пропущенные людьми комбинации полуавтоматически. А анализ некоторых программ, созданных алгоритмом, помогает продвинуться в решении уже живым математикам. В статье также упоминается комбинирование AlphaEvolve с другими методами ИИ, которое позволяет формализовывать механизм поиска, например, выводить точную формулу.

Айфоны переходят на LLM от Google

Компания Apple готовится подписать сделку с Google о внедрении языковой модели Gemini в ассистента Siri. По информации Bloomberg, за доступ к Gemini Apple заплатит $1 млрд. Apple переходит на Gemini из-за проблем с собственными моделями. Улучшенную Siri с Apple Intelligence анонсировали в 2024 году, но запуск много раз переносился.

Gemini будет работать на серверах Apple в режиме Private Cloud Compute, что позволит не передавать данные Google. Ранее Apple тестировала других поставщиков LLM, включая OpenAI и Anthropic.

Почему это важно?

Сделка показывает технологический разрыв в области ИИ между компаниями. Google и Microsoft раньше занялись LLM, и теперь даже огромные деньги Apple не компенсируют отставание. Партнерство с Google создаёт для Apple зависимость от конкурента.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

От судебных картотек к базам данных: как цифровые архивы помогают историкам права

За что и как наказывали людей в прошлом? Как судебные архивы превращаются в базы данных, а историки — в дата-аналитиков? Чем историкам права помогают цифровые методы? На примере проекта The Old Bailey Proceedings Online рассказываем, что можно узнать из решений центрального лондонского уголовного суда за 250 лет.

🗂️ История права: от архивов к базам данных

История права всегда имела дело с большими массивами документов. Ещё до появления цифровых методов исследователи восстанавливали картину прошлого, опираясь на архивы судов или следствия.

Сегодня историки используют не только традиционные, но и цифровые методы работы с уголовными архивами. Судебные протоколы, следственные дела становятся материалами для баз данных, которые можно изучать с помощью статистического анализа (о применении количественных методов в работе с разными типами источников мы уже рассказывали в здесь). Так история права объединяется с исторической информатикой.

👨🏻‍⚖️ База данных суда Old Bailey: 250 лет уголовных разбирательств Лондона

Масштабный проект Института Digital Humanities Университета Шеффилда The Old Bailey Proceedings Online содержит оцифрованные дела центрального лондонского уголовного суда Old Bailey с 1674 по 1913 годы, а также данные «Вестника Ньюгейтской тюрьмы» с 1676 по 1772 годы. В архиве находятся записи о почти 198 тысячах процессов и биографические сведения о 2500 приговорённых к смертной казни.

Для погружения в мир Англии Нового времени на сайте представлены исторические справки, а для работы с материалами — подробные инструкции. Все дела сопровождаются сведениями об обвиняемых, жертвах, сути преступления и о приговоре. Данные можно фильтровать по различным критериям (например, по полу обвиняемого или жертвы, их занятиям, возрасту; по дате преступления), а результаты визуализировать с помощью диаграмм и таблиц.

🥷🏻 Что можно узнать о преступности из базы Old Bailey?

Разберём возможности базы на примере. Допустим, мы хотим проследить связь гендерного фактора и преступности.

Данные Old Bailey подтвердят выводы других исследований о том, что основная часть преступлений (почти 80%) совершается представителями мужского пола. Самым частым типом преступлений среди обоих полов является кража (theft).

Мужчины чаще были замешаны в преступлениях, связанных с насилием и жестокостью (sexual offence, breaking peace). Женщины, в свою очередь, чаще совершали правонарушения в сфере деторождения. Примечательно однако, что мужчины и женщины одинаково часто совершали убийства (доля убийств среди всех женских преступлений составляет 2,85 %, а среди мужских — 2,49 %).

Подробнее о том, как обнаружить такую статистику в базе данных, кого — мужчин или женщин — в Англии чаще отправляли в ссылку, и за что Элизабет Кларк приговорили к сожжению в 1687 году, узнаете из полной версии статьи.

Время чтения: 6,5 минут

🤖 «Системный Блокъ» @sysblokх

Читать полностью…

От Гумилева до Шаламова: что такое акростих, и как найти зашифрованные послания в тексте

Акростих — поджанр поэзии, который позволяет зашифровать в тексте множество посланий: от романтических до провокационных. Такие послания можно различить в первых буквах строк или предложений, которые складываются в отдельные слова или фразы. Примеры можно найти и у Николая Гумилева, и у Льюиса Кэррола. DH-исследователь Женя Дуненков создал алгоритм для автоматического поиска таких шифров в корпусе из десятков тысяч текстов русской классики. Рассказываем, что из этого вышло.

Что за алгоритм?

На первый взгляд, алгоритм поиска акростихов довольно простой. Нужно собрать по исследуемому тексту первые буквы (слов/предложений/абзацев — в зависимости от уровня поиска), нарезать из них «скользящим окном» потенциальные слова, а затем оставить только те, которые найдутся в словаре настоящих слов (о словаре ниже). Правда, так может получиться слишком много случайных совпадений. Чтобы их отфильтровать, можно искать несколько словоформ подряд, поскольку очень часто акростихи состоят из целых фраз.

Какие результаты?

Среди 72 137 текстов с az.lib.ru нашлось 1763 потенциальных акростиха. Проверить их пришлось вручную, и… к сожалению, скрытых сокровищ, про которые срочно писать во все литературоведческие журналы и ехать с ними на конференции, не нашлось. Среди интересных примеров – политическое высказывание Амфитеатрова о цензуре и акростих в рассказе «Заклинатель змей» Варлама Шаламова.

А какие перспективы?

Хотя этот случай не предложил неожиданных открытий, работу точно можно продолжить. Например, обратиться к поиску по поэтическому корпусу, новостным и публицистическим сайтам. Можно взяться за корпуса на других языках, если найти подходящий словарь (на английском с его неизменяемостью слов должно быть гораздо проще).

Подробнее о процессе работы с корпусом, найденных примерах и акростихах (а еще о мезостихах, телестихах и абецедариях!) узнаете из полной версии статьи.

Время чтения: 16 минут

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Что говорит о дневниках 1917 года анализ данных?

Сегодня очередная годовщина Октябрьской революции. 25 октября 1917 года (7 ноября по новому стилю), когда Россия во второй раз за год радикально сменила курс. Жизнь человека в 1917 году была чередой шокирующих неожиданностей. Что волновало в эти дни простых граждан? Какие темы поднимали в газетах? О чем думал Николай II в день отречения? Рассказываем, как анализ дневников цифровыми методам позволяют изучать историю революции.

Кратко: о чем статья?

Чтобы разобраться в мыслях современников 1917 года, необходимо учитывать их уровень жизни и образования, социальный статус.

Проанализировав их, мы выяснили, что в основном авторы дневников — люди с отличным образованием, достигшие определенного успеха в своей сфере. Поэтому интерпретации, которые можно получить на основе их текстов, отражают мысли не всего общества в тот момент, а скорее его верхнего слоя.

Среди тем, которые волновали этих людей, ожидаемо оказались революция и другие политические события. Но встречались и другие записи: о Первой мировой войне, об искусстве и об экзистенциальных вопросах.

Ключевые слова, позволившие выявить эти темы, и самые активные авторы дневников — в нашей инфографике. А подробности о том, как проводилось это исследование, — в полной версии статьи.

Время чтения: 13 минут

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Калифорния обязывает чат-ботов сообщать, что они — ИИ

Согласно закону, если пользователь может принять бота за человека, система обязана выдать «ясное и заметное» уведомление, что это искусственный интеллект.

13 октября в Калифорнии подписали новый закон SB 243, который устанавливает правила для разработчиков «компаньон-ботов» — ИИ, имитирующих диалог с человеком.

Согласно закону, если пользователь может принять бота за человека, система обязана выдать «ясное и заметное» уведомление, что это искусственный интеллект.

По тому же закону с 2026 года разработчики должны будут отчитываться о том, как их ИИ реагирует на сообщения о суицидальных мыслях. Эти отчеты будут публиковаться на сайте офиса по предотвращению самоубийств.

Почему это важно?

ИИ-компаньоны становятся все более реалистичными. Многие пользователи воспринимают таких ботов как настоящих собеседников, делятся личными данными или просят поддержки в кризисных ситуациях.

Принятый в Калифорнии закон — одна из первых попыток регулировать это направление, обозначить рамки безопасности и сделать взаимодействие с ИИ более прозрачным. Он также может повлиять на мировые практики: разработчики ИИ-систем для глобального рынка базируются в США и будут вынуждены учитывать эти ограничения.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Большие данные Большого террора

Сегодня, накануне Дня памяти жертв политических репрессий, проходит день возвращения имен. В этот день в десятках городов России и мира читают имена погибших в годы Большого террора. Эти имена взяты из документов, которые оставила после себя бюрократическая машина, сопровождавшая репрессии. Память об уничтоженных людях хранят расстрельные списки, архивы с уголовными делами, посмертные справки о реабилитации. Теперь эта память стала цифровой. Вспоминаем, какие базы жертв репрессий существуют.

Жертвы политического террора

Сбором и оцифровкой данных о репрессиях занимается «Международный Мемориал»*: cегодня их база содержит более 3 миллионов записей с информацией о дате и месте рождения, месте проживания и работы, дате ареста и приговоре. 

Это прямо здесь

География репрессий волнует многих исследователей, поэтому на основе данных «Мемориала» созданы несколько ресурсов с геопривязкой. Самый известный — московский «Это прямо здесь». Здесь можно обнаружить места массовых расстрелов, здания тюрем, лагерей и лагпунктов, захоронения расстрелянных. Всего — свыше 830 объектов.

Не только жертвы, не только репрессий

Информация есть не только о жертвах системы, но и о тех, кто в ней работал – в отдельной базе данных собрано почти 50 тысяч имен сотрудников органов государственной безопасности СССР с 1935 по 1939 годы.

Еще одна крупная база посвящена остарбайтерам — жителям оккупированных территорий СССР, перемещенных для работы в Германию и возвратившихся после войны.
Узнать подробнее об этих базах данных и о том, какие сложности возникают при их создании и дальнейшей стандартизацией информации, можно из полной версии статьи. А если вы знаете о других проектах и базах данных, которые помогают изучать тему Большого террора — расскажите о них в комментариях.

🤖 «Системный Блокъ» @sysblok

*Международный Мемориал ликвидирован решением ВС РФ 28 февраля 2022 года

Читать полностью…

Многолесый и старомозгий: как неологизмы Маяковского (не) вошли в речь

Маяковский стремился реформировать язык в разных текстах и разными способами, создавая не только новые поэтические формы, но и новые слова. В новой статье изучаем судьбу его авторских неологизмов с помощью НКРЯ.

Напомните, что за неологизмы

Слова, которые появились в языке совсем недавно и еще не успели в нем закрепиться, называются неологизмами. Ещё лет 20-25 назад такими были, например, привычный сегодня ноутбук и крутой в значении отличный. Это общеязывковые неологизмы, но бывают и авторские. Например, появлением слова влюбленность мы обязаны Николаю Карамзину. Придумывал новые слова — и очень активно — и Маяковский, но не все из них, конечно, ушли в народ.

Как создавались новые слова

Маяковский использовал как стандартные модели словообразования: префиксацию (добавление приставки), сложение (соединение основ или слов), сращение (превращение словосочетания в одно слово), аббревиацию, так и необычные. Например, часто в качестве одного из компонентов в его слова входят числительное, наречие или местоимение: у него найдутся стоугольный Гигант, стодомый содом, многолесый скат и даже всенэповское загорание. А ещё у поэта обнаружатся слова старомозгий и синеволный.

Судьба неологизмов Маяковского

Попасть в разговорную речь и литературу смогли лишь немногие неологизмы поэта. Трижды в корпусе русского языка можно обнаружить придуманное им двухметроворостый. Но есть слово, которое использовали намного более активно: особенно часто в 1940-х и 1970-х.

Что это за слово? Предлагаем вам догадаться в опросе ниже!

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Искусство оцифровки: подборка интервью «Системного Блока»

Что происходит с памятью, когда она становится цифровой? В новой подборке интервью «Системного Блока» — истории тех, кто превращает архивы в цифровые пространства, пересобирает музеи в онлайн-формате и осмысляет, как современные инструменты помогают сохранять культурное наследие.

📓 «Как устроена оцифровка дневников»

Проект «Прожито» вырос из волонтерской инициативы по оцифровке личных дневников в крупный исследовательский и архивный центр при Европейском университете в Санкт-Петербурге. Михаил Мельниченко, основатель проекта, рассказывает о переходе «Прожито» от текстового корпуса к полноформатному цифровому архиву, а также о значении общественной архивистики и сложностях долговременного цифрового хранения.

💀 Цифровое бессмертие и язык онлайн-скорби

Культуролог и исследователь цифровой среды Оксана Мороз размышляет о трансформациях онлайн-коммуникации в условиях социального кризиса после 24 февраля 2022 года.

🎧 Коллекция аудиозаписей Пушкинского Дома

Заведующая Фонограммархивом Пушкинского Дома Светлана Подрезова делится историей одной из крупнейших коллекций этнографических аудиозаписей в России — от ранних записей голосов Блока и Гумилёва до современных технологий оцифровки.

🎓 Филология, IT и борьба с мракобесием

Цифровой филолог Кирилл Маслинский рассказывает, как он пришел к работе на стыке филологии и IT, а также об одном из крупнейших цифровых собраний детской литературы — Детском корпусе. В интервью — как открытые данные помогают бороться с мракобесием и пренебрежением исторической точностью.

🏛️ Цифровые музеи

Инна Кижнер, эксперт в области цифровых гуманитарных наук, раскрывает сложности создания цифровых музейных коллекций, а также объясняет, как оцифровка влияет на представление культуры и почему цифровые архивы часто бывают нерепрезентативными.

🖼️ Цифровое будущее музеев: кураторство, онлайн-выставки и ИИ

Заместитель директора по цифровому развитию Пушкинского музея Владимир Определенов размышляет о возможностях цифрового кураторства, онлайн-выставок, интеграции музейных данных и использовании искусственного интеллекта в музейной среде.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Классное чтение. Писательницы из союзных республик и стран зарубежья

«Системный Блокъ» продолжает рассказывать о писательницах и поэтессах, чьи сочинения в разные годы входили в школьный канон по литературе. В ходе исследования мы выяснили, что в списках для чтения появлялись имена 36 женщин, которым принадлежит в общей сложности всего 2% рекомендованных произведений.

Однако даже из этих 36 авторок сложно сразу вспомнить кого-нибудь, кроме Ахматовой и Цветаевой. В прошлом посте мы рассказывали о тех, кто надолго задержался в школьной программе, а сегодня предлагаем вам узнать больше о писательницах из союзных республик и стран зарубежья.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Искажение восприятия: риски использования 3D-диаграмм

Трехмерные диаграммы выглядят современно и эффектно, но очень часто они обманывают наше восприятие, искажают данные и заставляют делать неверные выводы. Разбираемся, как 3D-эффекты становятся источником дезинформации и как этого избежать (очень просто!).

👁️👄👁️ Искажение перспективы

Одной из главных проблем трехмерных диаграмм является искажение перспективы. На восприятие фигур в 3D-формате влияют различные визуальные эффекты, в частности, окклюзия — явление, когда объекты, расположенные ближе к наблюдателю, кажутся больше, чем те, что находятся на заднем плане. Это может вводить в заблуждение при интерпретации данных. 

Например, на нашей иллюстрации сектор бирюзового цвета визуально выглядит больше, хотя его числовое значение меньше, чем у синего сегмента.

😐🫥 Потеря информации из-за перекрытия

В трехмерных столбчатых диаграммах столбцы с более высокими значениями могут полностью перекрывать те, что имеют более низкие значения. Из-за этого теряется часть информации, становится сложнее выявлять закономерности и тенденции и точно определять значения на центральных полосах графика (особенно если они не выровнены по числовой сетке).

🔹🔷 Проблемы со сравнением значений

Трехмерные фигуры также создают трудности для сравнения значений. Поскольку на нашем примере не указаны числовые значения, быстро разобраться в соотношении частей на левой диаграмме — практически невозможно.

😎 Что делать?

Решение проблемы довольно простое: избегайте использования трехмерных диаграмм, которые искажают представляемые данные. Вместо этого выбирайте двумерные диаграммы или таблицы, чтобы обеспечить честность и максимальную достоверность информации.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Нейротикток от OpenAI, новая модель Anthropic, новый тест для LLM

Рассказываем, что произошло в мире ИИ за последнее время.

Sora 2 и нейротикток 

Компания OpenAI представила обновлённую версию модели Sora для генерации видео по текстовым описаниям. Новая версия создает более качественные и реалистичные ролики со звуком, а еще умеет добавлять в кадр конкретных людей и предметы на основе загруженных примеров.

Одновременно с обновлением вышло мобильное приложение Sora для iPhone с короткими роликами, созданными пользователями с помощью Sora 2. Меньше чем за неделю социальная сеть возглавила топ App Store в категории «‎Фото и видео».

Пока приложение работает только в США и Канаде по приглашениям.

Почему это важно?

Модели для генерации видео начали активно развиваться с 2024 года. С тех пор OpenAI, Google и ряд китайских компаний представили решения, способные создавать относительно реалистичные ролики.

Сейчас их используют преимущественно для развлекательного контента, но существуют опасения, что в будущем компании будут применять такие технологии для генерации крайне персонализированного и вызывающего зависимость контента.

В перспективе генеративные модели могут превратиться в модели мира, способные относительно точно и быстро симулировать физические процессы и ситуации из реальности. Например, моделировать редкие дорожные ситуации для проверки автопилотов или рутинные задачи вроде складывания вещей и приготовления пищи для обучения роботов.

Новый Sonnet от Anthropic

Компания Anthropic представила Claude Sonnet 4.5 — новую версию своей языковой модели. По заявлению разработчиков, это лучшая в мире модель для написания кода и создания сложных агентов (программ, использующих ИИ для автономного выполнения задач на компьютере). Sonnet 4.5 также показала значительные улучшения в задачах на логику и математику.

Одно из ключевых улучшений — способность работать автономно до 30 часов без вмешательства человека. Поэтому модель особенно полезна для долгосрочных задач вроде анализа данных. Sonnet 4.5 также получила улучшения в специализированных областях, таких как финансы и медицина.

Почему это важно?

Anthropic – один из главных конкурентов OpenAI. Модели Antropic на протяжении долгого времени остаются лидерами в области программирования и агентных систем.

Тест LLM в реальных рабочих задачах

Компания OpenAI представила GDPval — новый тест для оценки способности языковых моделей выполнять экономически значимые задачи из реального мира.

OpenAI выбрала девять крупнейших отраслей экономики США и 44 профессии с наибольшим вкладом в фонд оплаты труда, связанных с интеллектуальным трудом. Для каждой подготовили по 30 реальных задач, прошедших несколько раундов экспертной проверки, а результаты моделей оценивали специалисты оценивали в слепом формате, сравнивая их с работой людей.

В тестировании участвовали несколько моделей OpenAI, Claude Opus 4.1, Gemini 2.5 Pro и Grok 4. Claude Opus 4.1 показала лучший результат (в 43,5% модель оказалась лучше эксперта, еще в 4% — на уровне экспертов), особенно в эстетических аспектах вроде форматирования документов, а GPT-5 отличилась в точности поиска специализированных знаний.

Модели выполняют задачи GDPval примерно в 100 раз быстрее и дешевле экспертов, однако эти цифры не учитывают человеческий контроль и итерации, необходимые в реальных рабочих условиях.

Почему это важно?

Большинство существующих тестов для языковых моделей проверяют академические способности или производительность в узких областях вроде математики и олимпиадного программирования. Поэтому их результаты плохо отражают реальную пользу ИИ в практических задачах. Несмотря на это, в общественной дискуссии активно обсуждается вероятность замены человеческого труда искусственным интеллектом.

GDPval призван тестировать модели на репрезентативных задачах из реальной жизни, чтобы оценить экономический потенциал ИИ и возможные тренды автоматизации труда в будущем.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Горький урок ABBYY год спустя: как лингвисты проиграли битву за NLP 

Ровно год назад, 30 сентября 2024 года, IT-компания ABBYY, которая когда-то была примером международного успеха российского IT, уволила несколько сотен разработчиков, релоцированных из России в 2022-м. Это событие важно с разных сторон: и как веха трансформации области Natural Language Processing, которую компания проморгала, и как пример дискриминации, с которой сталкиваются россияне в эмиграции (увольняли «по паспорту»), и как образец нарушения корпорацией трудовых прав. В годовщину печального события перечитываем хронику взлета и падения ABBYY от её бывшего сотрудника, а ныне главного редактора «Системного Блока». 

Что за ABBYY и при чем тут лингвисты и NLP?

История ABBYY началась в 1989 году, когда студент МФТИ Давид Ян решил сделать электронный словарь для подготовки к экзамену. Так появились Lingvo, а затем — система распознавания символов FineReader. Продукты ABBYY развивались, и компания стала глобальным лидером оптического распознавания в 1990-е и 2000-е. Затем ABBYY двинулась покорять машинный перевод. 

На вооружение они взяли идеи известных лингвистов — в первую очередь Модели «Смысл ⇔ Текст» (прочитать о ней можно в нашем интервью с И. А. Мельчуком). Амбиция была в том, чтобы разобрать человеческие языки как формальные структуры на базе семантической иерархии. Но естественный язык устроен противоречиво и постоянно изменяется, подход оказался негибким и немасштабируемым

Что пошло не так?

В 2006-м появилась первая версия Google Translate. Она была несовершенной, но главное, что в ней был другой — статистический — подход. И масштабируемость. Для её улучшения не нужны были сотни лингвистов, только еще больше примеров перевода. В 2010-х стало ясно, что никаких шансов тягаться с Google Translate у ABBYY не было. С перевода ABBYY переключилась на задачи информационного поиска и извлечения информации из текста, но и там столкнулась с теми же проблемами: описания языка на базе лингвистической теории оказались немасштабируемыми, а решения уступали подходам на основе чистого машинного обучения. 

C новой проблемой компания столкнулась весной 2022 – им пришлось выехать из России, чтобы сохранить зарубежных клиентов. Следующим ударом стали большие языковые модели, который научились выполнять те же задачи, что и классические системы распознавания от ABBYY. Сейчас от компании осталась только вывеска, действующие продукты и небольшое количество менеджеров и специалистов по продажам.

Какие уроки мы извлекаем?

За 70 лет исследований ИИ стало ясно, что самые общие методы, опирающиеся на масштабирование вычислений, намного эффективнее всех остальных. А желание ABBYY сделать универсальную NLP-систему с опорой на лингвистическую теорию оказалось утопией. 

И всё-таки ABBYY успела сделать много важного: открывала кафедры на Физтехе и в РГГУ, оцифровывала наследия Льва Толстого и архива Большого театра. А еще благодаря ей появился «Системный Блокъ», ведь сооснователи издания познакомились именно там. И именно там вы сможете прочитать полную версию поста с мемами, фотографиями и более детальным описанием цифровой «Вавилонской башни», которую пыталась строить ABBYY.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

«Чукотка — это культура, сквозь которую прорастает язык»: лингвист Инна Зибер об изучении Севера, магии чукотского имени и утрате традиций

Как Север может оказаться южнее Москвы? С какими сложностями сталкивается исследователь языков и народов Арктики? Где лучше искать носителей чукотского языка и культуры? Как правильно дать ребенку чукотское имя и как смириться с языковой утратой? Что изменилось в жизни чукчей за 100 лет? Об этом «Системный Блокъ» поговорил с Инной Зибер, заведующей Научно-учебной лабораторией социогуманитарных исследований Севера и Арктики НИУ ВШЭ.

Экспедиции

Инна Зибер и её коллеги регулярно ездят в экспедиции в поселки Чукотки — именно там живут пожилые, а значит и самые опытные носители языка. Ещё интереснее – попасть в тундру, где люди используют чукотский язык как необходимый.

Раньше Инна ездила в Удмуртию, к бесермянам, где есть и старшие представители культуры, которые лучше знают язык, песни, хозяйственную деятельность, и более урбанизированная молодежь. Но все-таки разница между традиционной бессермянской жизнью 100 лет назад и сегодня меньше, чем у чукчей.

Иначе ситуация выглядит и в Поволжье или Прикамье, где носители привыкли к лингвистам и могут, например, сами поправить транскрипцию, глядя ученому в компьютер.

На Чукотке все по-другому. Сначала 8–9 часов летишь на самолете до Анадыря, потом ждешь погоды. Если повезло — долетаешь до центра района. <...>

Когда ты через много-много дней наконец добираешься до поселка, который вообще-то один из самых легкодоступных на Чукотке, ты смотришь на людей и понимаешь, что они здесь все это время занимались делом. Ты сидишь в большом городе над книжками, с компьютером, рассчитываешь дорогу до минуты с помощью «Яндекс Карт», а тут у людей совершенно другая жизнь. Погода решает за них, могут ли они куда-то передвигаться. Они должны делать какую-то работу, потому что от этого зависит их жизнь. Если не выделать шкуру и если не сшить одежду пастуху, он замерзнет насмерть в тундре. По сравнению с моей московской жизнью, все очень трудно и неудобно.

О традиции и разрыве

На язык и традиции Чукотки сильно повлияла советская политика. Критическими точками изменения стали стали коллективизация и увоз детей из тундры в поселковые интернаты. И если поколение, которое в 1950-1960-х уезжало в интернат и возвращалось летом к своим родителям в тундру, еще остается носителями культуры, то более молодые — уже нет.

Русское влияние сказалось и на представлениях о религии, потому что на место шаманов пришло христианство, и отношение к этому у местных жителей двойственное.

«Русской» одеждой может называться и финская куртка, и китайская. «Русский» дом — это и канадский домик, и советский домик. Поэтому русское — это все, что нетрадиционное. И оно может оцениваться и положительно, и отрицательно.

Подробнее о работе лаборатории, сохранении традиций на Чукотке, цифровых технологиях в изучении малых языков, а также о мечтах североведов узнаете из полной версии интервью на сайте.

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Тест: От муми-троллей до «Четырех уроков у Ленина»

Кто из писательниц пропадал из школьной программы почти на 50 лет? Чьи сатирические рассказы трижды оказывались в школьном каноне? И, наконец, чье творчество стали изучать только в 1990-м году?

Предлагаем узнать (или вспомнить!) в нашем тесте, посвященном писательницам в школьном литературном каноне. Кстати, подробнее о них мы рассказывали в этом посте и в карточках.

Пройти тест!

🤖 «Системный Блокъ» @sysblok

Читать полностью…

Зачем учить нейросеть рассуждать?

Заметили, как ChatGPT теперь часто подолгу «думает» перед ответом? Это происходит потому, что теперь в его последнюю версию по умолчанию встроена рассуждающая модель, которой отправляются все сложные запросы. Рассуждающие модели — ответ на замедление прогресса LLM с 2023 по 2025. Сегодня ведущие LLM показывают в тестах очень близкие результаты, а разница между последними поколениями ощущается все меньше и меньше. Один из вариантов решения этой проблемы – научить модель «рассуждать». Ведь если попросить LLM в запросе «думать по шагам», это значительно повысит качество ответов. Рассказываем, как LLM обучают таким размышлениям.

Почему развитие замедлилось?

Практически все современные LLM основаны на архитектуре Transformer. Одно из её главных преимуществ — масштабируемость: если увеличить модель и данные, улучшится качество ответов. Правда, с определенного момента с ростом размера и данных начинает падать темп улучшения и наступает эффект diminishing returns (исчезающей выгоды). Другими словами, дальнейшее масштабирование модели Transformer становится скорее убыточным, поскольку затраты на вычисления не дают сопоставимого улучшения качества.

Что с этим делать?

Рассуждение — нетривиальный и долгий процесс, но он может стать вариантом решения этой проблемы. Собирать качественные рассуждения вручную (особенно в большом объеме) и автоматизировать этот процесс не так уж просто, поэтому в основном используют два метода. Первый — с помощью обучения на ответах модели, собранных благодаря Chain-of-Thought промтингу (о нем мы уже рассказывали здесь), второй — через обучение с подкреплением (вот тут о нем можно узнать подробнее). Второй способ сложнее, но именно он используется практически всеми разработчиками рассуждающих моделей.

Уже есть первые результаты?

Первую успешную рассуждающую модель выпустила компания OpenAI, она получила название o1. О деталях ее создания известно мало, и мы не знаем, как именно ее обучали рассуждать. Зато через несколько месяцев компания Deepseek смогла создать большую рассуждающую языковую модель DeepSeek R1 и выложила в открытый доступ как саму модель, так и статью, детально описывающую масштабируемый способ обучения рассуждению. Это позволило open-source разработчикам создавать свои собственные рассуждающие модели.

Больше о самих рассуждающих моделях, методах обучения, проблемах и перспективах развития, узнаете из полной версии нашего материала.

Время чтения: 14 минут

🤖 «Системный Блокъ» @sysblok

Читать полностью…